顾及时空背景的遥感生态指数适用性分析 ——以粤港澳大湾区为例

以粤港澳大湾区为例,基于Google Earth Engine云平台,从影像完整度、PC1贡献率与稳定性和样区纯净度三方面,探讨研究区空间尺度、传感器类型和影像合成时间窗口对RSEI反演结果影响的差异性,并基于最适宜方案反演粤港澳大湾区生态环境变化特征.结果表明:1)传感器类型通过影响湿度、干度、绿度、热度4个指标分量导致RSEI反演结果产生差异且影响效果最显著,不同合成时间窗口因气候与物候差异导致RSEI反演结果出现波动;2)不同空间尺度的RSEI反演方案效果受影像完整度和空间分辨率影响,在满足空间分辨率的前提下,传感器单景覆盖度越高、合成时间窗口跨度越短,反演效果越好,对于以城市群为代表的中尺度研究对象,M ODIS季度合成反演效果最佳;3)2000-2020年粤港澳大湾区生态环境质量整体呈上升趋势,R S E I值表现出以珠江口为中心向外递增的半圈层结构,具有明显空间异质性.研究结果可为开展基于RSEI的生态环境研究提供参考,同时为大湾区建设生态宜居湾区提供理论支撑.     

1986—2019年黄河流域地表水体动态变化及其影响因素

黄河流域水资源严重短缺,对地表水面积（SWA）开展动态监测有助于明晰地表水资源时空变化规律及其驱动机制。本文基于Google Earth Engine云平台技术,综合利用混合指数规则集、线性斜率、多元线性回归和偏微分分解等方法,揭示了黄河流域SWA的年际变化及其空间分异规律,厘定了降雨、温度、植被叶面积指数、前一年SWA和水利水保措施与人类用水活动等其他因素对SWA的影响量和相对影响率。结果表明：① 地表水体总体识别精度为97%。1986—2019年全流域永久性SWA年际增长速率49.82 km²/a,其中主河道区贡献83.2%,且2001年为SWA变化由减小到增加的转折点;季节性SWA年际减小速率-79.2 km²/a,其中子流域区贡献61.8%。② 除红碱淖SWA呈显著持续减小外,其他主要天然湖泊SWA均较为稳定;6个主河道大型水库中,小浪底和龙羊峡水库SWA增加趋势最为显著;在86个子流域中,50个子流域SWA呈增加趋势,主要分布于流域中下游。③ 非气象要素对SWA的影响均大于气象要素影响作用。降雨对SWA的增加作用最小,温度上升造成中游地区SWA减小,但却导致源区SWA增加。植被叶面积指数增加导致主河道区和子流域区SWA变化斜率分别增加10.12 km²/a和7.26 km²/a。其他因素对子流域区SWA增加呈负作用,这表明子流域内剧烈用水活动对SWA的减小作用大于水利水保措施对SWA的增加作用,但是分布于主河道中的大型梯级水库调蓄功能可显著提升其对主河道区SWA的增加作用。     

基于RSEI的黄河上游流域生态环境质量变化分析

黄河上游流域作为黄河的水源地是中国重要的生态功能区,分析黄河上游流域的生态环境质量变化对于黄河流域的生态保护和经济高质量发展具有重要意义。本文基于Google Earth Engine平台,通过遥感生态指数（Remote Sensing Ecological Index,RSEI）对2000—2021年黄河上游流域的生态环境质量进行动态分析。结果表明：（1）黄河上游流域RSEI呈提升态势,并且具有阶段性的特点,2000—2005年为生态环境质量恶化阶段,2006—2021年为生态环境质量改善阶段。生态环境质量总体处于较差和中等水平,占区域总面积的64.78%。（2）不同河段生态环境质量存在显著的空间异质性,其中河源段的生态环境质量最好,冲积平原段的生态环境质量最差。（3）黄河上游流域生态环境质量空间集聚特征显著,高-高集聚区稳定分布于河源段附近,低-低集聚区分布在人类活动强度较大的峡谷段和冲积平原段。（4）绿度、湿度、热度和干度均对黄河上游地区生态环境质量产生显著影响,其中绿度为主导驱动因子,干度为次要驱动因子。植被覆盖度的增加、气候调节和人类活动对黄河上游流域生态环境改善有明显的促进...     

广东省沿海城市人工水产养殖基地变化 ——基于2015—2019年Sentinel-1数据的实证研究

基于Google Earth Engine云计算平台以及哨兵1号雷达遥感影像等数据,对广东省14个沿海城市2015—2019年规则的陆上人工水产养殖基地进行面向对象方法提取,并对其空间分布变化趋势、高密度分布区域进行定量分析,对该类规则的水产养殖用地面积与各个城市经济发展之间的关系进行分析.对规则人工水产养殖基地的分类...     

基于环境小卫星CCD影像的水体提取指数法比较

针对湖北省大东湖水网水环境遥感监测需求,开展基于环境小卫星CCD影像的内陆湖库水体提取指数方法研究。以常见的3种水体识别指数为模型,参照使用TM、MODIS等典型传感器进行水体提取的波段选择方式,通过对环境小卫星CCD影像4个波段地物光谱信息的变化趋势分析,发现各波段对水体目标的区分能力;使用指数模型和相应阈值分别计算获得水体特征图像,并以目视判读结合精度评价指标的方式对提取结果进行对比分析。实验结果表明,归一化差异综合水体指数的目视判别效果最好,且具有水陆区分度高和误识别率低的特点,适用于解决水体目标快速提取问题。     

基于TerraSAR-X影像的格陵兰岛海岸水边线提取

海岸线是海洋与陆地的交界线,全球气候变化将引起海岸线的变迁,极地区域拥有最大的冰川,冰川的消融将导致全球海岸线的迅速变迁,因此研究极地海岸线具有重要的科学意义。由于潮汐等影响,卫星影像提取的海洋与陆地的交界线只是海岸水边线,本文以格陵兰岛海岸为实验对象,采用Gamma滤波方法对合成孔径雷达(SAR)数据的相干斑进行预处理,提出了应用支持向量机(SVM)和Canny边缘检测算子的海岸水边线提取方法,基于Terra SARX影像的实验结果表明,本文提取的格陵兰海岸水边线准确率都达60%以上。     

基于GF-2影像的雨后洪涝区超绿水体指数提取方法

暴雨后水体含沙量增加使其光谱反射率发生变化,导致利用现有水体指数方法不能很好地提取水体信息.为有效提取洪水及其他类型水体,该文基于GF-2影像,根据暴雨后水体光谱信息变化规律,提出一种超绿水体指数(Ultra-Green Water Index,UGWI),并通过实验对比分析UGWI与归一化差异水体指数法、单波段阈值法、单波段与阴影水体指数结合法的水体提取精度,结果表明:UGWI能够准确识别不同泥沙含量以及阴影下的水体,总体精度达95.75％,Kappa系数为0.91,效果优于其他几种方法;选取不同时间、不同地区、不同空间分辨率的影像进行水体提取,UGWI结果亦优于其他几种方法,总体精度达92.33％,Kappa系数为0.90;UGWI相比其他对比方法,抗干扰性更强,提取的水体信息更全面,可识别的水体类型更多,对洪区水体提取更具普适性.     

基于SVM的泥石流危险度评价研究

选取泥石流一次(可能)最大冲出量(L₁)、泥石流发生频率(L₂)、流域面积(S₁)、主沟长度(S₂)、流域最大相对高差(S₃)、流域切割密度(S₆)和泥沙补给段长度比(S₉)7个因子作为泥石流沟谷危险度评价因子,运用支持向量机理论,以云南省37条泥石流沟的259个基础数据为样本进行学习训练和测试,建立泥石流危险度评价的支持向量机模型,通过实例验证,取得良好效果。     

1990～2010年广州城市河流水体形态演化研究

近几十年来的快速工业化和城市化进程深刻地影响了广州城市河流水体的形态演化。以地形图、遥感影像及相关社会经济数据为基础,探讨了1990~2010年广州城市河流水体的时空演化特征及原因。研究发现:广州城市河流水体在面积上呈现1990~2000年略增,2000~2010年骤减的趋势;岸线长度持续缩减;形状指数呈持续加速下降趋势,表明研究区河流水体的岸线复杂度不断降低,人类活动干预不断加强。不同区域河流水体的变化存在较大差异,1990~2000年增加的水体主要位于城市郊区的白云区和萝岗区,其原因主要是鱼塘的开挖和瓷土矿的开采;2000~2010年间研究区范围内各区均呈缩减趋势。研究时限内变化比率和速率最大的均是天河区,与广州城市发展的"东进"相一致。人类活动的影响是研究区河流水体变化的主要原因:减少部分主要由于建成区扩张的侵占;增加部分则包括新开挖鱼塘、瓷土矿开采遗留的矿坑积水、新营造的景观水体及其他特殊用途的水体。     

天山北坡城市群季节性地表温度与景观格局空间关系分析

探究景观格局与干旱区地表温度（LST）的空间关系,对于促进干旱区生态环境稳定发展具有重要的意义。基于Google Earth Engine(GEE)解析天山北坡城市群2003—2020年昼夜及季节性（白天）LST时空分布特征,使用Mann-Kendall非参数检验、Sen’s斜率并结合Hurst指数探究天山北坡城市群LST变化趋势并预测未来发展方向,运用标准差椭圆与重心迁移模型分析LST空间迁移特征,采用双变量空间自相关与多尺度地理加权回归（MGWR）模型分析LST与景观格局的空间关系。结果表明：2003—2020年天山北坡城市平均LST白天23℃,夜间-0.5℃,昼夜温差大,温度的季节性变化特征显著。LST未来变化趋势表明,夜间温度上升速度将高于白天上升速度,即冷岛强度白天高于夜间的现象将有所缓解。代表建设用地和植被的中温和低温,其温度重心在乌鲁木齐市。斑块密度（PD）、边缘密度（ED）和平均形状指数（SHAPE＿MN）与LST呈空间负相关关系,而最大斑块指数（LPI）、平均斑块面积（AREA＿MN）、聚集度指数(AI)和景观类型比例（PLAND）与LST呈空间正相关关系,表明斑块聚...     

基于MODIS数据的川西山区河道水体提取方法研究

MODIS数据时间分辨率较高,将其应用于河道监测优势明显.川西山区河道狭窄,水体像元多为混合像元,并且山区沟壑众多.山区阴影、混合雪盖和城镇区域的反射率特征与山区河道水体反射率特征相近,利用现有方法提取水体难度较大.为将MODIS数据的优势运用于山区河道监测,选定岷江上游区域作为典型研究区域,在对多日MODIS数据中的典型地物进行采样分析后,对归一化植被指数法(NDVI)进行了改进,将其与MODIS第1波段数据组合得到山区水体增强指数(MEWI),实现了图像中山区沟壑的模糊处理,突出了水体.在针对山区地物特点进行图像增强后,河道水体清晰可辨,能够应用于山区5级以上河流的监测.     

支持向量机在供水方案综合评价中的应用研究

针对开始不能确定目标权重或隶属度的多方案综合评价的问题时,提出了一种支持向量机的学习算法实现多方案的综合评价。本文在电厂以中水作为水源的情况下,引入支持向量机算法,通过建立目标、综合属性的优化模型,再对建立的多种供水方案进行综合评价。计算结果表明,三种方案的综合评判值分别为:0.24、0.55和0.61,方案三为首选的供水方案,与实际首选方案和层次分析法确定的方案一样。将支持向量机算法应用于供水方案的选取,得到的综合效果评价是可行的。     

基于纹理特征与LSSVM的青土湖地物提取

纹理特征作为一种非光谱信息能够增强地物之间的特征差异,这对于高分辨率遥感影像的地物提取有着重要意义。以青土湖为研究区,以Worldview-2影像为数据源,通过引入权重因子定义联合概率函数来确定最佳窗口尺度,利用灰度共生矩阵提取最佳窗口尺度下的纹理特征,将其与原始遥感影像合成,采用最小二乘支持向量机（LSSVM）进行地物提取,将提取结果与仅利用光谱信息的支持向量机（SVM）提取结果、辅以纹理特征的SVM提取结果对比分析。结果表明：此方法可以更加快速准确地提取青土湖地物,精度高达85.86%,优于仅利用光谱信息的SVM的65.13%,辅以纹理特征的SVM的73.45%,可为地物破碎的干旱区高分辨率遥感影像地物提取提供有益借鉴。     

单沟泥石流危险性评价模型相关问题研究

基于云南地区、黄河积石峡水库区、四川省的北川县和都江堰龙池地区等地的泥石流数据,以具有代表性的灰色关联分析(Grey Relation Analysis, GRA)和支持向量机(Support Vector Machine, SVM)泥石流评价模型为例,探讨了单沟泥石流危险性评价模型在参数选取、样本数据的不均衡、泛化能力和泥石流系统的空间变异性等方面存在的问题。结果表明:寻优算法能够提高模型参数选取的效率和预测精度;样本扩充在一定程度上能够处理样本数据不均衡问题;泛化能力为模型固有属性,难以通过样本扩充得到提升;空间变异性通过控制指标的重要程度进而影响模型的精度。研究过程为单沟泥石流危险性评价模型相关问题的研究提供了新的思路,所得结论将为今后各类泥石流危险性评价模型运用提供指导。     

确定坡面径流过程曼宁糙率系数的实验方法研究

曼宁糙率系数是用水动力学方法进行流速计算的关键参数。坡面流曼宁糙率系数与明渠流的不同。为确定坡面径流过程的曼宁糙率系数,自行研发了一种包括供水系统、实验水槽和数据观测记录系统的室内可变糙率坡面实验系统。通过87场预实验验证了供水系统的稳定性和准确性。以坡度、实测流量、实测水深、不同糙率板上河砂的平均直径和地表粗糙度为自变量,以曼宁糙率系数为因变量,选用均方根误差(RMSE)和决定系数(R ²)为评价指标,对166种实验场景进行了支持向量机(Support Vector Machines, SVM)训练与预测,发现：① 紊流的训练结果难以预测层流和过渡流的曼宁糙率系数,说明流态不同时,实验因素对水流的影响机制不同;② 若要较为准确地预测曼宁糙率系数,至少需要包括实测水深在内的3种因素;③ 当同时考虑4种及更多种因素时,紊流状态下均可对曼宁糙率系数进行较为准确的预测。     

基于不同窗口纹理特征的SVM土壤盐渍化信息提取方法与精度分析研究

以塔里木盆地北缘绿洲--渭干河-库车河三角洲绿洲为例,借助ENVI遥感软件,利用ETM+数据,探讨了该绿洲土壤盐渍化信息提取的方法.传统的遥感图像分类方法多数在解决问题上存在精度不高、分类效率较低、不确定性强的缺陷,所以,选择好的分类方法对于提取盐渍化信息是至关重要的.近年来,将SVM应用于遥感图像分类已成为新的发展趋势.文章提出了基于纹理特征的支持向量机(Support Vector Machine,SVM)的分类方法,得出以下结论:分别结合3×3,5×5,7×7,9×9,11×11,13×13窗口纹理特征和光谱的SVM分类精度都很高,达到93%以上.并且在验证分类精度时,发现结合光谱和9×9窗口纹理信息的SVM分类的结果更符合实际情况.所以说加入纹理特征后使得光谱信息比较接近的3类地物(重度、中度、轻度盐渍地)的区分性增大,从而使精度提高.因此,基于纹理特征的SVM分类方法更有利于遥感图像分类和盐渍化信息监测,是地物遥感信息提取的有效途径.     

基于3D LiDar数据的城区植被识别研究

提出一种基于支持向量机(SVM)的三维LiDar数据分类方法:利用kd-trees存储无序的点云数据,在局部邻域中利用点云数据间的几何关系估算植被表面特征值;将密度值和高程差值作为SVM输入特征变量,利用基于径向基函数的SVM方法实现植被点云数据的分类.实验结果为:OA分类精度达到94.31%,Kappa系数为89.53%.该方法操作性较强,在分类精度及计算效率方面比传统方法具有优势.     

“一带一路”背景下博多河流域景观格局变化及生态风险评价研究

“一带一路”沿线国家的生态风险研究有利于区域可持续发展,充分发挥对外辐射的作用,促进国家间经济流动、贸易畅通,实现共同繁荣。以孟加拉国博多河流域为例,选取1980—2017年期间的5期遥感影像,基于景观格局指数建立生态风险模型,综合运用空间自相关分析法、地统计学分析法、重心转移法等方法,研究流域景观格局变化特征以及生态风险演变规律。结果表明：（1）1980—2017年流域内景观类型主要是林地和耕地,且景观格局变化显著,耕地和湿地面积减少,林地、建设用地和未利用地面积增加;（2）1980年以来,流域生态风险整体呈下降趋势,但各类风险转化显著,除低风险区面积减少之外,其余风险区均存在不同程度的增加,各期流域生态风险重心均位于锡拉杰甘杰县,主要在流域中部沿南北方向发生偏移;（3）流域内各期的生态风险在空间上呈显著正相关关系,“高-高”集聚基本稳定,主要分布在博多河及其沿岸;“低-低”集聚变化显著,由博多河下游先向上游及流域西南部变化,后逐渐向流域西部和南部聚拢。研究结果为构建流域生态安全格局及进行生态风险预警工作等提供科学依据和理论支撑。