ASTER数据的煤矿区水体信息提取

为实现多光谱数据对煤矿区水体信息提取，以萍乡市芦新岭及周边煤矿为试验区，在国内外学者对水体指数法提取水体信息和应用的启发下，对试验区不同地物的波谱特征进行分析。本文首先利用数学统计方法建立一种ASTER数据综合归一化差异水体指数模型SWI ASTER_xy，然后利用这一模型对试验区进行水体信息提取。试验表明，该模型能够有效地提取矿区各类水体，还可以运用在ASTER数据（或其他多光谱数据）对不同区域不同地物的提取，在遥感地物定量提取上具有很好的效果和潜力，具有一定的推广价值。     

“四同”条件下周口城区高分一号遥感影像分类对比研究

目前大多数面向像元、面向对象遥感影像分类对比研究算法、软件、样本均不同,引入多方面系统误差导致结果一定程度上不严谨。为更准确比较2种分类方法,本文采用面向像元、面向对象2种分类方式,在同软件平台、同分类器、同训练样本、同验证样本,即“四同”条件下对2018年4月17日高分一号周口城区融合影像进行分类对比研究,并完成主、客观评价精度评价。结果表明：① “四同”条件下2种分类方式、CART（Classification and Regression Tree）、SVM（Support Vector Machine）、RF（Random Forests）3种机器学习算法均能识别周口城区主要地物类型,而面向对象的分类效果明显优于面向像元分类,与前人研究结论一致。其中面向像元分类效果最好的是RF算法,总体分类精度为78.02%,Kappa系数为0.72;面向对象分类效果最好的是RF算法,总体分类精度为93.40%,Kappa系数为0.92;② 尽管由于光谱特征相似、分布交叉,单类别建筑用地、交通用地用户精度与生产者精度较低,但面向对象分类较面向像元分类效果明显提升,以RF分类为例,建筑用地生产者精度由56.18%提高至92.13%,用户精度由69.44%提高至87.23%;交通用地生产者精度由72.15%提高至89.87%,用户精度由72.15%提高至92.20%;③ 与前人研究成果比较,本文在“四同”条件下实现了更科学、更严谨的面向像元、面向对象遥感分类方法对比,对后续高分辨率遥感影像分类具有一定参考意义。     

基于遥感技术的河南方城县地质灾害解译与分析

首先通过建立崩塌、滑坡、泥石流等地质灾害体影像解译标志,进行了河南方城县的遥感地质灾害解译,共解译地质灾害点24处,其中崩塌10处、滑坡13处、泥石流1处;其次分析了河南省方城县地质灾害与与气象水文、地形地貌、地质构造、岩土体、土地覆盖等影响因素的关系;最后得出地形地貌是发生地质灾害的主控因素,岩土体及其物性特征是发生地质灾害的物质条件,地质构造是发生滑坡、崩塌的孕育因素,气象与水文是发生地质灾害的诱因的初步认识。     

基于SBAS-InSAR技术的豫北平原地面沉降监测

豫北平原是河南省平原地区地面沉降灾害较严重地区之一,快速全面掌握豫北平原地面沉降信息、有效防控地面沉降的持续快速发展对中原城市群建设至关重要。本文借助中高分辨率RADARSAT-2雷达数据,基于SBAS-InSAR技术获取了豫北平原2014-2016年的地面沉降监测数据。监测结果表明：两年内豫北平原地面整体下沉,区内共圈定8个较明显的沉降区,总面积约3 006 km²,各沉降区沉降速率在25.00~114.85 mm/a之间;其中,除安阳县白壁镇-内黄县沉降区和辉县沉降区最大沉降速率分别达到95.36和114.85 mm/a之外,其余6个沉降区最大沉降速率均小于73.58 mm/a。根据沉降区现场实地调查和综合分析发现,豫北平原地面沉降主要是活动断裂、松软岩土、地下水超采、城市建设活动、石油和地热资源开采等共同作用的结果。建议将豫北平原地面沉降的防控重点放在人类活动引起的地下水超采和城市建设引发的松软岩土层超量堆载等方面。