基于Google Earth的果化示范区石漠化评估

充分挖掘Google Earth(GE)提供的免费数据,可以克服数据缺乏区域无图可用的困难。以典型峰丛洼地果化示范区为例,基于GE和GIS技术,建立了果化示范区数字高程模型。利用植被覆盖度和坡度两个指标对研究区域2003年石漠化进行定量评估。结果表明,2003年示范区石漠化面积为5.63km2,比重高达64.7%;研究区域以轻度石漠化为主,轻度石漠化面积为3.92km2。      

基于野外资料和Google Earth影像的地质信息识别与提取方法——以塔里木盆地西克尔奥陶系古岩溶露头为例

以塔里木盆地西克尔奥陶系古岩溶露头为研究对象,根据高精度GPS野外定点和Google Earth影像数据的结合,明确了岩溶地质现象在影像图上的响应特征,进而提取定量化的古岩溶信息数据,经过数据处理建立了古岩溶地质模型。本项研究证实了基于野外资料和Google Earth影像的地质信息识别与提取方法的可行性,也表明了该方法能够实现对未开展露头考察的影像图直接提取相应地质信息和采集定量化数据。通过利用这些数据建立岩溶储层地质模型,结合野外资料,综合分析岩溶储层发育的控制因素,进而客观地理解地下岩溶储层特征及分布规律,能够为勘探开发提供有效指导。     

Impact of Conjugated Shear Joint of “X” Type on Macroscopic Karstification on the Basis of the Analysis of Google Earth Images

As viewed from space remote-sensing images (e.g. Google Earth images) of South Guizhou and North Guangxi, the authors found that macroscopic karst landscape on the Earth’s surface is strongly controlled by the Conjugated shear joint of “X” type. Joints of this kind constitute a huge infiltration network and act as channel-ways for the permeation of meteoric waters from the surface, thus, leading to the dissolution of carbonate rocks nearby. As a result, the karst landscape is formed, which is dominated by linear karst valleys. An “X” karst valley network structure appears in the area where horizontal strata are distributed, and a feather-like network structure appears in the area where vertical strata are distributed, respectively. When the water permeates downwards to the underground-water level, it will flow horizontally along the strike of “X” joints toward the local base level of erosion to form an “X” network system of underground conduits in the area where horizontal strata are distributed, but it is relatively complex, because of the joining of other joints. This is the first time we have made use of Google Earth images to study the karst environment. Therefore, it has been successful in research on the Earth’s geomorphology, which could only rely on aerial photos and satellite photos in the past. Google Earth images provide low-cost and applicable imaging materials for the study of Earth’s geomorphology and karst rocky desertification and its control.     

基于Google Earth的遥感影像数据资料归档系统

将Google Earth应用于遥感影像数据资料归档系统中,是一种新的遥感资料归档方法,能将归档的成果文件整合,克服了传统归档方式不能快速查看数据效果、位置、属性信息的缺点,很好地适应了信息化工作程序对图像数据库的快速响应的要求.ARCGIS补充了Google Earth薄弱的空间分析功能.系统再联合EXCLE表件,方...     

截拼谷歌地球影像图

介绍从谷歌地球上截取并拼接正射影像图的方法及注意事项。     

基于浏览器的Google Earth交互式系统开发技术

介绍了基于浏览器的Google Earth交互式系统、开发技术、Struts框架和Ajax技术,描述了系统架构及开发途径。基于浏览器的Google Earth交互式系统具有广泛的商业应用前景。     

基于Google Earth的地质调查数据管理和三维显示

Google Earth作为功能十分强大的虚拟地球软件,已经广泛应用于多个行业。以Google Earth为平台,将通过GPS坐标集成化的地质信息转化为GE支持的KML格式,然后加载到Google Earth。充分利用Google Earth的海量数据管理能力和三维显示能力,提升地质调查工作的效率和成果的质量,更好地为地质调查工作服务。     

Python编程及Google Earth平台在地球物理勘探中的应用

在地球物理勘探工作,野外的数据采集是非常关键的环节,工区的地形地貌对野外的施工质量和进度都有很大的影响.故而在物探项目的踏勘、设计、数据采集以及资料处理解释的整个过程中,都需要详细了解地质、地形地貌等信息,并及时快速的进行查看和再现.Google Earth平台能直观显示卫星图、航空照相和GIS数据等三维场景,但如何精...     

基于GEE的东北三省城市建设用地扩张研究

根据社会经济和人口变化,基于云平台实现中高分辨率遥感影像城市建设用地的快速提取,可以高效准确地对长时间序列大范围城市建设用地扩张情况进行动态变化监测,为城市的管理和规划提供借鉴和参考。本文基于Google Earth Engine（GEE）云平台,利用NPP/VIIRS（suomi national polar orbiting partnership/ visible infrared imaging radiometer suite）年度平均夜间灯光数据和阈值分割法提取城市区域,获得3 142景覆盖东北三省城市的Landsat影像;在原始光谱波段的基础上构建指数、纹理和地形特征,利用SEaTH算法进行特征优化,根据JM距离的取值将特征数量从20个精简到12个;在城市区域中利用随机森林（random forest, RF）算法结合最优特征对Landsat月度合成影像进行再次分类,更加精确地提取建设用地。研究结果表明,东北三省城市建设用地提取平均总体精度和Kappa系数分别为96.19%、0.92,有较高的效率和可靠性;1989—2019年东北三省城市建设用地总面积扩张49.07%,省会城市中沈阳扩张速率较快,长春次之,哈尔滨最慢;人口因素和经济因素是推动城市建设用地扩张的主要因素。     

基于Google Earth Engine云平台的植被覆盖度变化长时间序列遥感监测

基于Google Earth Engine遥感大数据云计算平台,以云南省南洞地下河流域为例,利用近2 000景30 m分辨率Landsat-NDVI长时间序列数据,采用像元二分模型对研究区1988-2016年的年最大植被覆盖度进行定量估算,并分别从流域整体和像元尺度分析近29 a间植被覆盖度的时空变化特征。研究结果表明:（1）南洞地下河流域大部分区域处于中等覆盖度和中高覆盖度,覆盖度随高程和坡度的增加而增大,其中年最大植被覆盖度 > 60%的区域占流域总面积的45.75%;（2）近29 a来,流域年最大植被覆盖度整体呈现不断增加的趋势,年均增长速率为0.56%,其中植被覆盖度轻微改善或是明显改善的面积占38.84%;（3）相比1988年,2016年高植被覆盖区和中高植被覆盖区面积分别增长50.51%、18.40%;而中等植被覆盖区、中低植被覆盖区和低植被覆盖区面积分别减少24.05%、47.95%和37.72%。封山育林等石漠化治理工程以及气候变化对于流域植被恢复和生态环境重建具有重要影响,其研究成果可为后续石漠化监测提供重要的基础研究数据。