基于多时相Landsat影像的中亚地区植被覆盖遥感监测

针对中亚地区的强生态脆弱性、高敏感性特征,有必要开展广域、长期的植被覆盖监测以匹配“绿色丝绸之路”的可持续发展目标。鉴于此,联合Landsat 5和Landsat 8卫星数据集,利用Google Earth Engine（GEE）地理空间数据云计算平台,估算了中亚地区1993—2018年间共12期的植被覆盖度。结果表明：（1）中亚地区植被覆盖总体水平较低,但也具有较为显著的空间异质性。（2）中亚地区1993—2018年间多数区域植被覆盖趋势较为稳定,哈萨克斯坦丘陵、费尔干纳盆地等区域植被覆盖度呈增加趋势,乌拉尔河流域和锡尔河流域等区域植被覆盖趋势为负。（3）植被覆盖度时序特征上,中亚地区1993—2018年间总体植被覆盖度累积增加3%,其中吉尔吉斯斯坦和塔吉克斯坦植被覆盖分别增加3.96%和5.86%。（4）裸土区呈退缩趋势,面积总计减少25.9×10⁴ km²,低植被覆盖区、中植被覆盖区和高植被覆盖区范围在呈现出的振荡式增加。研究结合遥感大数据和地理云计算对中亚地区进行区域尺度的植被覆盖动态监测,能对中亚地区生态评估和演替分析提供技术支持和定量数据。     

融合光谱指数与高分影像的塑料大棚语义分割模型

准确获取塑料大棚的空间分布及其动态变化信息对农业发展规划、粮食评估、生态环境监测具有重要意义。高分辨率遥感影像可提供精细的塑料大棚形状、边界等细节信息,符合精准农业的发展需求,在重点区域塑料大棚精准调查中具有不可替代的优势。然而,目前基于高分辨率影像的塑料大棚解译模型面临先验信息不足、难以兼顾解译精度和模型复杂度的难题。针对此问题,提出一种融合新型塑料大棚指数(advanced plastic greenhouse index, APGI)与高分红绿蓝（red green blue,RGB）影像的塑料大棚语义分割模型。该模型主要由APGI语义分支、RGB语义分支和RGB细节分支等组成,并使用注意力机制,融合APGI指数包含的可靠先验信息和高分RGB影像提供的空间细节信息。此外,提出一种边界信息引导的模型训练机制,提升模型对塑料大棚边界像素的精确识别能力。研究发现,在注意力机制引导的融合框架下,中分辨率的APGI指数可有效提升高分影像的塑料大棚识别能力。实验证明,所提模型在明显提升塑料大棚解译精度的基础上,大幅精简了语义分割模型的参数量和计算复杂度,满足高分辨率影像塑料大棚快速、精准解译...     

时序Sentinel-1A数据支持的长江中下游汛情动态监测

合成孔径雷达（SAR）因其对地观测全天候、全天时优势,成为多云多雨天气限制下洪水动态监测中不可或缺的数据来源之一。由于GEE（Google Earth Engine）云计算平台的兴起和短重访Sentinel-1数据的可获取性,洪水监测与灾害评估目前正面向动态化、广域化快速发展。顾及洪水淹没区土地覆盖变化的复杂性和发生时间的不确定性,基于时序Sentinel-1A卫星数据提出了针对大尺度范围、连续长期的汛情自动检测及动态监测方法。该方法首先,利用图像二值化分割时序SAR数据实现水体时空分布粗制图,逐像素计算时间序列中被识别为水体候选点的频率。然后,利用Sentinel-2光学影像对精度较粗的初期SAR水体提取结果进行校正,得到精细的水体分布图。最后,针对不同频率区间的淹没特点,采用差异化的时序异常检测策略识别淹没范围：对低频覆水区利用欧氏距离检测时序断点,以提取扰动强度大、淹没时间短的洪涝灾害区;对高频覆水区利用标准分数（Z-Score）检测时序断点,以提取季节性水体覆盖区。在GEE平台上利用该方法,实现了2020-05—10长江中下游地区全域洪水淹没范围时空信息的自动、快速、有效监测,揭示了不同区域汛情发展模式的差异性。本文提出的洪水快速监测方法对大尺度下的汛情动态监测、灾害定量评估和快速预警响应具有重要的现实意义。