基于改进的遥感生态指数（MRSEI）的青海省都兰县生态环境质量评价

以1995、2005、2015年Landsat TM/ETM＋/OLI影像为主要数据源,借助改进的遥感生态指数（MRSEI）,对青海省都兰县近20年的生态环境状况进行监测和定量评价。结果表明：（1）1995—2015年,都兰县MRSEI均值从0.300增大到0.381,呈逐年递增趋势。结合MRSEI差值分析,1995—2015年生态等级增加面积所占比例（41.76%）大于生态等级降低所占比例（9.14%）,即环境改善的程度大于环境恶化的程度。（2）都兰县的生态环境受气候变化和人为活动的共同作用,MRSEI等级增加的区域主要在都兰县东部,得益于政府生态保护政策和利于植被生长的暖湿气候,等级降低的区域主要集中在都兰县西北部和西南部,主要原因是对盐湖资源过度开发和超载放牧。（3）在未来经济发展中应遵循自然规律,在切实保护现有林草植被的基础上,进行自然资源合理开发和利用。     

青海高寒草甸退化演替中的植被指数

随着气候变化和人为活动干扰,高寒草甸退化已成为青藏高原严重的生态环境问题,精准识别其退化程度并制定相应恢复策略,对实现高寒草甸可持续发展具有重要意义。目前,低空间分辨率MODIS数据为草地遥感监测的主要数据源,但难以满足景观破碎度或异质性较强地区的应用。本研究基于野外调查资料,利用多源遥感数据（MODIS、Landsat、Sentinel-2）研究不同空间分辨率归一化植被指数（NDVI）对高寒草甸退化演替的响应,为准确评估青藏高原高寒草甸退化程度提供依据。结果表明：（1）随着高寒草甸退化,植被群落优势种演化趋势为禾草—矮嵩草—小嵩草—杂草群落;植被高度和生物量先快速下降,然后缓慢下降或趋于稳定,植被覆盖度和NDVI的变化呈相反特征。（2）随着湿地草甸旱化,植被群落优势种从藏嵩草演变为矮嵩草或小嵩草,湿地旱化初期植被高度、生物量和覆盖度平均值略低于原生湿地,NDVI略大于原生湿地,差异不显著。（3）植被高度、覆盖度和生物量与Sentinel-2或Landsat的NDVI相关性均优于MODIS,说明Sentinel-2和Landsat的NDVI对高寒草甸退化演替过程更加敏感,采用该数据能更准确评估高寒草甸退化程度。     

面向多源数据地物提取的遥感知识感知与多尺度特征融合网络

遥感地物自动提取是遥感智能解译中的关键问题,对空间信息的理解和知识发现具有重要意义。近年来,使用全卷积神经网络（fully convolutional networks, FCN）从高分影像和三维激光雷达（light detection and ranging, LiDAR）数据中提取地物信息因取得了较好效果而受到广泛关注。现有FCN网络在地物提取精度和效率等方面仍存在不足,由此提出一种基于多源数据的遥感知识感知与多尺度特征融合网络（knowledge-aware and multi-scale feature fusion network, KMFNet）。在网络编码器端融入遥感知识感知模块（knowledge-aware module, KAM）,高效挖掘多源遥感数据中的遥感知识信息;在网络编码器和解码器之间添加了串并联混合空洞卷积模块（series-parallel hybrid convolution module, SPHCM）,提高网络对地物多尺度特征的学习能力;在解码器端使用了渐进式多层特征融合策略,细化最终的地物分类结果。基于公开的ISPRS语义分割标准数据集,在LuoJiaNET遥感智能解译开源深度学习框架上将KMFNet与当前主流方法进行了对比。实验结果表明,所提方法提取出的地物更为完整,细节更加精确。