基于无人机遥感的海岸带生态环境监测研究综述

本文介绍了无人机遥感系统的发展历史及现状,并从海岸带生态环境监测应用角度,总结了无人机平台、载荷在海岸带生态环境监测的现状;综述了无人机遥感在海岸带生态环境监测中8个不同场景的应用,为无人机遥感在海岸带管理中的发展潜力和有效性提供了参考。同时指出,为进一步提升无人机遥感在海岸带生态环境监测中的应用效果,需要在无人机载荷、像控点(GCPs)布设、光谱数据处理等相关技术方面进行进一步研究和完善。未来,随着无人机数据传输速度的提高与无人机自组网技术的发展,有望实现海岸带生态环境高效、智能化监测。     

基于遥感和机器学习的内陆水体水深反演技术

文章主要根据机器学习算法（随机森林算法和极端梯度提升算法）和遥感水深反演的原理,利用Sentinel_2多光谱卫星数据和无人船实测水深数据,对内陆水体——梅州水库建立了随机森林（RF）、极端梯度提升（XGBoost）和支持向量机（SVM）水深反演模型,并对反演结果进行对比分析。结果表明：1）RF的训练精度为97%,测试精度为0.80;XGBoost模型的训练精度为97%,测试精度为0.79;SVM的训练精度为90%,测试精度为0.78。说明了在水深预测方面RF模型和XGBoost模型比SVM模型表现更好,对各个区段的水深值较为敏感。2）根据运行时间考察各个模型的效率,其中RF模型从读取数据至输出结果耗时3.92 s;XGBoost模型4.26 s;SVM模型6.66 s。因此,在反演精度和效率上RF模型优于XGBoost模型优于SVM模型,且RF模型的预测结果图细节更加丰富,轮廓更加分明;XGBoost模型次之,但总体效果也较好;SVM模型表现最差。由此可知,机器学习水深反演模型获得的水深结果精度明显提高,解决了传统水深反演模型精度不高的问题。     

无人机遥感和GWR结合的水华短时预测方法

目前水华已成为国内外一个重要的环境问题，单一的光学遥感方法难以实现精细化的水华预测。针对上述问题，本文以无人机多光谱影像、水质、水温及气象数据为数据源，首先通过像素匹配法（Matching Pixel-by-Pixel,MPP）反演水质参数及归一化植被指数（Normalized Difference Vegetation Index, NDVI）阈值法提取水华信息，然后基于地理加权回归（Geographically Weighted Regression, GWR）建立涵盖面积信息和位置信息的水华短时预测模型，并探讨了预测窗口尺寸对预测结果的影响。结果表明：(1)本文方法可以实现精细化的水华短时预测，在应用中对水华面积预测精度达到96.19%，在水华空间分布的预测上对水华和非水华的总体分类精度均大于0.97，生产者精度、Kappa系数均大于0.5；(2) MPP反演的总氮、总磷和溶解氧浓度与实测数据都有着较高的相关性，其决定系数R2分别达到0.89、0.85、0.89；(3)不同尺寸的预测窗口直接影响预测结果精度，相比8×8、12×12、14×14，选用10×10预测窗口得到的总体分类...     

全球多尺度海岸线数据在珠江口岸线的精度评价及适用性分析

以珠江口为研究区,对全球自洽分层高分辨率地理数据库（GSHHG）中的全分辨率、高分辨率、中分辨率、低分辨率和粗分辨率等5种海岸线数据开展评价与适用性分析,评估5个尺度海岸线数据的长度及其分形维数差异,并选择珠江口两岸部分区域为例,以不同时期陆地资源卫星Landsat影像为基础,对比不同尺度GSHHG海岸线数据与实际数据之间的差异。结果表明：1）5个尺度海岸线数据的长度及分形维数具有显著差异,分辨率越高,岸线长度越长,其分形维数也越大;2）通过与1978和2018年2个时期基于Landsat影像提取的岸线数据对比表明：GSHHG海岸线数据与实际数据在岸线长度及形态特征上总体一致,但GSHHG海岸线的形态特征与1978年海岸线更接近,反映的是较为早期的海岸线特征。最后建议在进行海岸线变迁与现状调查时,需要根据海岸线长度、岸线形态复杂程度等谨慎选择海岸线数据。     

茅尾海入海河口池塘养殖污染状况遥感调查

针对广西茅尾海入海河口池塘养殖污染问题,本文利用无人机多光谱遥感影像和实测水质数据,建立了反映水体营养状态的叶绿素a (Chl-a)、化学需氧量(COD)、悬浮物(SS)、总氮(TN)、总磷(TP)5种水质参数,反演光谱特征及遥感反演模型,并利用湖泊综合营养指数法对水体富营养化状态进行评价。研究结果表明:①Chl-a与蓝、近红外波段相关性显著,COD与红、红边波段相关性显著,SS与红边波段相关性显著,TN与近红外波段相关性显著,TP与蓝、绿波段相关性显著;②在建立的几种水质参数反演模型中,二次多项式函数反演模型综合效果最佳;③池塘养殖区水体富营养指数多集中在60～80,属于中度和重度富营养化程度,且近岸水体富营养化程度大多低于远岸。     

基于无人机遥感的盛花期薇甘菊爆发点识别与监测

局域尺度上爆发点的识别与监测是薇甘菊（Mikania micrantha）入侵研究的一个难点，无人机遥感为此提供了新的研究手段。采用无人机搭载RGB相机获取研究地的正射影像，采用波段运算、影像分割和深度学习3种方法对盛花期薇甘菊的爆发点进行识别。结果表明：高分辨率的RGB拼接影像可直接用于目视识别薇甘菊的爆发点。过绿指数（EGI）、归一化过绿指数（NEGI）、蓝绿差异指数（BGDI）、绿红差异指数（GRDI）、归一化绿红差异指数（NGRDI）以及植被色素比值指数（PPR）均无法分离薇甘菊和其附主植物；但PPR指数可为面向对象的多尺度分割提供参数支持。面向对象的多尺度分割可自动识别薇甘菊的爆发点，但会低估其爆发面积。基于深度学习（Deeplab V3+）的自动识别方法，能准确识别薇甘菊的爆发点和爆发面积，测试集的平均交并比（mIoU）为78.46%，像素精度为88.62%。无人机遥感数据为局域尺度上的薇甘菊扩散机制研究提供了基础，也为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。     

基于BCC-CSM1-1模拟的过去千年黄河中上游径流百年尺度变化的归因分析

气候变化对径流的影响是全球变化研究领域的重点问题。论文采用BCC-CSM1-1模拟的过去千年(850—2012年)气候与水文变化数据,基于Budyko假设与傅抱璞公式开展了中世纪气候异常期(MCA)、小冰期(LIA)和现代暖期(MWP)黄河中、上游径流变化及其归因分析。结果表明：① 在3个气候特征期之间,上游地区径流与气候冷暖变化位相相同,MWP时期径流最高,LIA时期径流最低;中游地区径流则与气候冷暖变化位相相反,LIA径流最高,MCA径流最低。② 径流对各因子的敏感性不仅存在地理差异,而且受特征期之间气候冷暖转变的影响。中游地区径流对降水和潜在蒸发的弹性系数(绝对值)大于上游,且在冷转暖过程中的弹性系数(绝对值)略大于暖转冷过程。同时,持续偏暖过程中、上游地表变化的弹性系数(绝对值)均明显大于暖转冷与冷转暖过程。③ 3个特征期之间径流差异主要由降水主导,地表变化影响甚微,但潜在蒸发的作用存在地域差异,上游地区潜在蒸发部分抵消了降水变化的贡献而中游地区潜在蒸发则加强了降水导致的径流变化。研究量化了黄河流域各因子对过去千年百年尺度径流变化的贡献,明确了不同气候转变期各因子贡献的差异,为更好地研究径流量多尺度变化及其成因奠定了基础。     

多分辨率遥感土地覆被数据质量综合评价——以湖南省桃源县为例

评价土地覆被数据质量是正确、合理使用数据的前提和保障,有助于遥感制图方法的改进。本文以1：10万土地利用数据为参考数据,选取2010年RapidEye_5 m、FROM_GLC（30 m）、MODIS_V005（500 m）,以及2009年GlobCover 2009（300 m）土地覆被数据,以湖南省桃源县为例对4种不同分辨率的遥感土地覆被数据质量,引入窗口的分类类别统计方法,进行了综合评价,并分析了其误差和空间分布。结果表明：（1）RapidEye_5 m数据总体精度最高,MODIS_V005和FROM_GLC次之,GlobCover 2009数据相对最低。高分辨率土地覆被数据对于居民地、交通用地、水体等精细地物分类较好,具有一定优越性,各数据在一级类上的面积相关性和一致性总体高于二级类;（2）各数据在建筑用地和其他未利用地类型上的生产者精度均较低,FROM_GLC和MODIS_V005数据,在灌木草地上的空间一致性较差,4种数据在以耕地为主的平坦地区空间一致性较好,混淆主要发生在灌木草地、乔木林地和耕地之间;（3）随着土地覆被数据分辨率的提高,分出较多地物类型数的面积比例也随之增加,较高分辨率的RapidEye_5 m和FROM_GLC分出的类别数集中在7-16种较高水平上,低分辨率数据集中在1-5种较低水平上,在丘陵山区差异显著,而高分辨率数据对地物区分更好,集中于11-16种地物。     

基于无人机智能基站的空地协同低空无人机遥感网构建及应用

无人机可以灵活、高效地获取地表要素信息，近年来轻小型民用无人机广泛普及，无人机遥感与行业应用的结合不断深入。随着科技的进步，无人机载荷、通信、数据处理等技术取得了快速发展，同时，由于续航时间和覆盖范围有限，无人机在自然资源、生态环境、社会治理中的应用也面临着困难和挑战。本文针对低空无人机组网观测的关键问题，提出了智能无人机、无人机基站和运营系统组成的空地协同低空无人机遥感网系统，通过无人机智能基站实现无人机高频次观测，通过运营系统实现多无人机自主协同作业，通过智能无人机实现智能化监测。研究成果在佛山市丹灶镇开展示范应用，构建了由8台无人机智能基站组成的低空无人机遥感网，通过5G网联无人机组网，打破传统无人机作业在巡查频率、覆盖范围、响应时间的限制，为当地水务、环保、公安、应急、城管、国土等部门提供高频次、全天时、快速响应的无人机智能巡查服务。本文提出了一种空地协同的低空无人机遥感网系统，并成功应用于国土、交通、生态环境等领域，打造了无人机遥感网驱动的智慧城镇模式，未来将与地理空间智能、物联网等技术深度融合，构建立体化无人机遥感网和智能运营平台，并在全国开展低空无人机遥感网的示范应用。