无人机遥感技术在北京首云铁矿储量动态监测中的应用

如何快速、准确、廉价地开展矿山监测一直是国土资源遥感领域的研究热点。以北京首云铁矿为例,首先在2014年8月和2016年10月分别对其进行了无人机(unmanned aerial vehicle,UAV)野外调查;然后,利用无人机摄影测量技术(UAV structure from motion,Sf M)获取了高精度的数字地表模型(digital surface model,DSM)以及数字正射影像图(digital orthophoto map,DOM);最后,利用改进的地形变化算法(DSM of difference,Do D)快速计算出矿山动用储量体积变化,通过乘以该矿山平均含矿率、矿石平均体重以及矿石平均品位即得到储量变化。研究结果表明,对于露天开采的矿区,利用无人机遥感技术能够快速、准确计算出矿山动用储量,实现对露天矿山动用储量的动态监测,为矿山储量动态监测以及矿山环境监测提供了新的思路。     

基于随机森林模型的云南元阳梯田地形因子分析

为探究地形因子对梯田空间分布的影响,以云南元阳梯田坝达流域为研究区,运用GeoEye-1遥感卫星数据(2010年,1 m分辨率)和数字高程模型(20 m分辨率),提取梯田空间分布信息以及海拔高程、地形坡度、地形坡向、地面曲率、高程变异系数、地形起伏度、地面粗糙度、地表切割度、到水系距离9个地形因子。采用随机森林(Random Forest)方法建模,结合ROC曲线和AUC值对模型进行精度评价,根据随机置换残差均方减少量和因子作用曲线,探讨地形因子对梯田分布的影响规律。研究结果表明:该流域内梯田总面积1 158395 hm2,模型AUC值为0.947,海拔高度因子的随机置换残差均方减少量为38814,到水系距离因子为199.77,地面坡向因子为80.26,三者占总值的73.45%。由此可见,元阳梯田的空间分布主要受海拔高度、到水系距离、地面坡向3类地形因子的影响,其因子曲线表明梯田分布与地形因子间呈非线性关系。     

泸州特大伏旱特征及成因分析

本文根据泸州各区县1957~2011年气象资料, 按照四川省干旱标准统计各类干旱发生频率, 再利用2006年和2011年特大伏旱的典型个例对泸州伏旱特点、成因、影响进行分析。初步结论是:伏旱发生的机率和危害最大, 中高纬环流特征和西风环流特征异常、副高偏强、温度场偏暖、地理位置特殊等因素是伏旱发生的原因。      

分形理论和LiDAR数据的滑坡识别

针对传统山区滑坡地质灾害人工调查工作难度大而光学遥感难以实现植被覆盖区滑坡调查的问题,该文提出了一种基于高分辨率数字地形模型和分形理论的滑坡识别算法。采用LiDAR技术构建意大利多洛米蒂山的高分辨率数字地形模型,运用数字地形分析和C-A分形提取研究区异常地形特征,并与四分位距法进行对比,解决了山区地表滑坡快速提取与识别的问题。实验表明,研究区内滑坡具有统计上的分形特征,基于分形理论和LiDAR数据确定的滑坡地形异常比四分位距法选取阈值更为客观准确,其识别的滑坡区域与实际滑坡位置一致,弥补了可见光遥感技术在植被覆盖区的不足,降低了传统野外实地调查的工作量和作业成本。