利用卫星遥感影像对多尺度专题图形数据库更新

利用PCI遥感图像处理软件，对QUICKBIRD和SPOT5遥感影像进行纠正、数据融合、线性增强，在MapINFO软件支持下，进行遥感图像与矢量数据同名点的配准，矢栅叠加，输出更新变化部分，进行外业调绘，根据调绘信息进行数据更新。     

Water quality model establishment for middle and lower reaches of Hanshui River,China

With the development of industry and agriculture,nitrogen,phosphorus and other nutrients in the Hanshui River greatly increase and eutrophication has become an important threat to the water quality of the Hanshui River,especially in the middle and lower reaches.The primary objective of this study was to establish the water quality model for the middle and lower reaches of the Hanshui River based on the model of MIKE 11.The main pollutants migration and transformation process could be simulated using the water quality model.The rainfall-runoff model,hy-drodynamic model and water quality model were established using MIKE 11.The pollutants,such as chemical oxygen demand(COD),biochemical oxygen demand(BOD),ammonia nitrogen,nitrate nitrogen,phosphorus,dissolved oxy-gen(DO),were simulated and predicted using the above three models.A set of methods computing non-point source pollution load of the Hanshui River Basin was proposed in this study.The simulated and observed values of COD,BOD5,ammonia,nitrate,DO,and total phosphorus were compared after the parameter calibration of the water quality model.The simulated and observed results match better,thus the model can be used to predict water quality in the fu-ture for the Hanshui River.The pollution trend could be predicted using the water quality model according pollution load generation.It is helpful for government to take effective measures to prevent the water bloom and protect water quality in the river.     

细粒子气溶胶光学厚度和谱分布偏振的反演

 细粒子气溶胶物理和光学参数定量卫星遥感反演一直是环境和气候领域研究人员关注的重要课题。气溶胶参数卫星业务遥感产品主要是反演气溶胶光学厚度,它体现大气中气溶胶总含量的信息,而获取气溶胶谱分布函数有助于进一步了解气溶胶物理特性,并提高气溶胶其他参数的遥感探测精度。目前,陆地气溶胶卫星反演面临两个关键问题:一是气溶胶模式;二是地表反射贡献的去除,偏振遥感在这两方面有其独有的优势。本文以多角度偏振方法,采用RT3辐射传输模型建立矢量查找表,利用法国PARASOL探测器一级数据反演了京津唐地区的细粒子气溶胶光学厚度和谱分布参数,并使用AERONET地基观测数据对反演结果进行验证,结果表明:偏振方法能较高精度地实现细粒子气溶胶光学厚度反演,而谱分布的反演还需进一步改进。     

遥感影像混合像元的分解——基于加权后验概率的支持向量机分类算法

混合像元是遥感影像中普遍存在的现象,对此,本文提出基于加权后验概率的支持向量机进行影像混合像元分解。该分类算法可判定端元种类的同时得到每种地物的后验概率,从而进行非线性模型的混合像元分解。由于加权后验概率的支持向量机分类算法能够减少分类器受土地覆盖类型模糊样本点的干扰,因此,改善了非线性混合像元分解模型的精度。首先,由样本点计算得到核函数参数值,然后,计算影像中每一种土地覆盖类型的后验概率,将其作为各个两类支持向量机分类器的权系数并求得多类后验概率值,确定影像每一种土地覆盖类型并得到丰度值。本文采用TM多波段遥感影像验证该方法的可行性,实验区位于我国东北部的大兴安岭中北段地区,土地覆盖类型包含农田、居民地、水体、荒地等。将本文提出的混合像元分解方法结果与标准支持向量机模型分解的结果对比表明,以加权后验概率的支持向量机遥感影像混合像元分解方法精度优于标准支持向量机模型。     

SPOT数据反演地物辐射亮度和反射率的基础研究

以往用户对于SPOT卫星数据的应用主要针对其高空间分辨率的特性,但是因SPOT卫星传感器的波段数和波长范围有限,故利用SPOT数据进行定量遥感分析(如地物辐射亮度及反射率)的应用研究较少。然而,利用SPOT数据进行地物辐射亮度和反射率的测量也有其高空间分辨率的优势,可以更精细地分辨各类地物的细节,降低混合像元对于定标分析的影响,提高定量遥感分析的准确度。本文将就SPOT数据的辐射校正原理及其在反演地物辐射亮度和反射率方面的应用开展基础性研究,对于SPOT卫星数据的定标参数读取提供了相应的方法,选取了几种比较典型的地物进行数据分析,并利用Landsat-7数据作为参考,评价SPOT数据测量地物辐射参数的可靠性和应用效果。     

山东省土地利用动态遥感监测应用研究

该项目采用PCI V8.1遥感图象处理软件，对SPOT，TM，ETM卫星数据进行了校正、配准、镶嵌和多源多时相遥感数据融合，采用3种方法对土地利用变化信息进行提取，通过野外调查验证和GPS实地测定对变化图斑的空间数据进行精确定位，实现了RS与GPS的有机结合，提高了监测成果的准确性和可靠性，获得了快速、准确、翔实的矢、栅、属一体化监测成果。     

深度学习和遥感影像支持的矢量图斑地类解译真实性检查方法

空间数据质量检查是数据准确可靠的重要保障,是数据的生命线。然而,目前的空间数据质量检查主要针对拓扑关系、属性一致性以及数据间的相关性进行检查,往往忽视矢量图斑地类解译真实性问题。因此,本文提出深度学习和高分遥感影像支持的矢量图斑地类解译真实性检查方法,选用深度学习经典模型Inception_v3进行迁移学习,对分割后的影像进行自动场景分类,以高分遥感影像块的场景分类结果作为参照依据,对场景分类结果与矢量图斑原始数据进行叠加分析,自动查找出类别信息不符的分割单元,从而提取出可疑图斑,实现矢量图斑地类解译真实性自动检查,并在徐州市贾汪区青山泉镇和大吴镇的矢量图斑地类解译真实性检查中进行验证。实验结果表明,本文方法在研究区图斑地类解译真实性检查中的精确率和召回率分别高达0.925和0.817,可为矢量图斑地类解译真实性检查提供可靠的技术支撑。     

渭河干流浅层地下水与地表水中重金属Cd污染特征及风险评价

为了解渭河流域水体重金属污染现状及健康危害风险,沿渭河干流采集浅层地下水和地表水水样,采用单因子指数法和美国环境保护署(USEPA)健康风险评价模型揭示了水体中重金属Cd污染现状和健康风险。结果表明:2018年渭河干流地下水和地表水中Cd浓度分别为426.40~1104.27 ng·L^-1和224.70~1154.12 ng·L^-1;参照《地下水质量标准》(GB/T 14848-2017)和《地表水环境质量标准》(GB 3838-2002)得知,地下水和地表水中Cd浓度均在GB/T 14848—2017和GB 3838-2002Ⅰ~Ⅲ类标准限值内;水体中Cd浓度表现出明显的空间分异性,沿河流流向均表现为逐渐增加的趋势;地下水与地表水中Cd浓度高值区相一致,即集中分布于陕西省兴平市和渭南市临渭区;由水体中Cd浓度单因子指数评价结果可知,渭河干流水体中Cd污染属于清洁水平;沿河流流向,渭河中游和下游水体中Cd浓度单因子污染指数远高于上游;水体中重金属Cd对成人和儿童产生的致癌风险分别为(1.48~2.05)×10^-4和(1.84~2.55)×10^-4,说明水体中Cd对人体可能会产生一定的健康风险。     

MECHANISM AND EFFECT OF CHANNEL EVOLUTION AT ESTUARY OF WEIHE RIVER TO HUANGHE RIVER

1INTRODUCTION Physiognomycharacteristicofawatershedisasymbolof ground erosion and incision, and it has been one of the most important factors influencing soil erosion and sedi- ment in the drainage area. Therefore physiognomy char- acteristic of the watershed and its influences on hydro- logical bed load have been one important focus in the watershed research both domestic and abroad (SCHUMM, 1977; QIAN et al., 1987) since the classical study by Horton in 1942 (HORTON, 1954). In rec…     

��Դң�������ڶ��ѹ�������е�Ӧ��

????ETM+???SPOT5????DEM????????????????????????????????о???????????????????????????????????????飬????????????????????????????????????ETM+???????????????????????????????SPOT5????????????????????????????????DEM??????????????????????????ò/???ò????????????????     

黑臭水体水面阴影提取的自适应阈值算法研究

黑臭水体水面阴影对水面光谱信息产生干扰,严重地影响了利用高空间分辨率遥感数据进行水质状况监测的精度,因此,在数据预处理中必须进行阴影剔除。本研究基于无人机高光谱遥感数据,通过分析各种波段组合下黑臭水体水面的阴影像元和水体像元的光谱特征空间,选择以492、666和792 nm处的反射率建立黑臭水体的河面阴影指数（RSSI）,并利用最大类间方差法（OTSU）自动确定划分本影、半影以及水体的阈值。利用南京金川河和龙江河的无人机高光谱遥感影像对算法进行测试,结果表明：RSSI阴影指数能突出显示阴影与水体的差异;OTSU自适应确定的阈值能较好地区分本影、半影和水体,阴影的总体识别精度达到85%以上。该算法能够有效地识别黑臭水体水面阴影,为后续开展水体的定性、定量遥感监测提供数据预处理的技术支持。     

开发建设对敖江水质浊度影响的遥感监测

本文通过2007、2013和2016年3个时相的遥感影像,反演提取水体浊度信息,从较为宏观的角度分析了敖江流域大面积开发建设所引发的水土流失对敖江水质的影响。研究表明,2007年12月,敖江流域尚未有大面积开发,沿岸植被覆盖良好,江水浊度较低,平均约为23 NTU,分布比较均匀;2013年3月,敖江贵安新区处于开发建设期,特别是东雁-海峡段沿岸大片植被为工地裸土所代替,大量沙土流失至江中,使该段江水的浊度比上游高出3倍以上,平均浊度升高37 NTU,最大浊度差可达60 NTU,影响范围可至下游13 km;2016年9月,贵安新区建设基本成型,水土流失大幅减少,敖江整体浊度恢复相对均匀,但东雁-海峡段的平均浊度约39 NTU,仍高出上游5 NTU。其他分散的局部建设,是江水出现高浊度斑块的重要原因。浊度的上升,降低了水体含氧量,导致水质下降。当前中国城市化快速发展,伴随着大量的工程建设,其所致水土流失问题应引起足够重视,并在工程中采取必要控制措施,以降低其对沿江水质的影响。     

山东省重点地段矿山环境地质遥感监测方法研究

充分利用遥感技术具有波段多、视域广、信息丰富、现势性强、同一地区可重复成像的特点,以达到快速、准确地对矿山环境地质问题进行监测的目的。该次研究通过对多时相的TM,ETM,SPOT5、航片数据的分析,利用先进的遥感数字图像处理技术,总结出各类矿山环境地质遥感监测的方法。为山东省下一步开展矿山环境地质监测工作奠定基础,为以后作此类项目提供了技术方法支撑。     

面向卫星遥感影像检索定位的深度学习全局表征模型评估与分析

如何快速获取无辅助参数卫星遥感影像地理位置是非合作方式获取的遥感影像信息充分利用的一个关键,利用影像特征的相似性对卫星遥感影像检索来实现定位,是获取无辅助参数卫星遥感影像地理位置的有效手段。为了探寻影像深度学习全局特征用于无辅助参数卫星遥感影像检索定位的可行性,建立了包括Precision@K、平均排序、特征提取时间、特征相似性计算时间、硬件消耗等,涵盖有效性、效率2个方面共计5类指标的评估体系。采用谷歌地球提供的影像数据作为基准影像,在资源三号夏季及冬季数据集上,分别利用AlexNet、VggNet、ResNet、DenseNet、EfficientNet等几种代表性的卷积神经网络预训练模型提取基准影像及查询影像的全局特征,依据评估体系中的指标,对这些网络模型的影像表征效果进行全面的量化评估与分析。试验分析结果表明,DenseNet、ResNet-18、VggNet这3个深度学习神经网络预训练模型提取的全局特征,综合表征效果较好,可有效用于卫星遥感影像检索定位;当K值取200时,DenseNet网络模型的Precision@K值可以达到59.5%,ResNet-18和VggNet网络模型紧随其后,分别为49.7%和48.0%,为进一步利用深度学习全局特征进行卫星遥感影像检索定位,找出了最佳的候选网络模型,为下一步模型优化等研究奠定了基础。     

渤海陆源入海排污口的多尺度遥感监测分析

 陆源入海排污口是主要的海洋污染源之一,陆源入海排污口调查是海洋环境监测的重要内容。故此,针对陆源入海排污口监测与评价的业务需求,参照现行"陆源入海排污口及邻近海域生态环境监测指南"(HY/T086-2005), 在综合考虑各类卫星传感器应用能力与经济性的基础上,研究提出了一种利用多尺度卫星遥感数据对陆源入海排污口监测的方法。通过中分辨率卫星遥感数据的水质参数反演,结合水体光谱特征,进行渤海海域水质评价,划分重点监测区域,再利用高分辨率遥感影像,进行排污口的解译与制图。试验结果表明,该方法可以准确识别陆源入海排污口的分布及污染类型,对该区环境整治具有深远科学意义。     

基于离散粒子群算法的2种新型水体提取方法的对比与验证

随着遥感技术在水体提取与监测方面的广泛应用,更多的研究者致力于提高遥感水体提取的精度。离散粒子群算法在遥感图像分类研究中获得了较高的精度和更稳健的分类效果,已经被应用到遥感水体提取领域,但其在水体提取中的适用性和精度还有待对比与验证。本文采用最新提出的2种基于离散粒子群算法的水体提取方法,即光谱匹配耦合离散粒子群算法（SMDPSO）与最大熵耦合离散粒子群算法（MEDPSO）,基于Landsat8_OLI遥感影像,分别选择了有冰雪、有云、有山体阴影和有建筑物的4种环境复杂,常规方法提取精度较低的区域进行水体提取,并与2种常用的水体指数法（NDWI、MNDWI）进行了对比与验证。结果表明：① SMDPSO和MEDPSO方法在4个实验区都能快速地寻找出最佳的水体分布,具有一定的通用性;NDWI和MNDWI方法对有冰雪、有云、有山体阴影和有建筑物影响的区域表现出水体信息的错分现象,提取精度较低;② SMDPSO方法能够识别细小河流和离散水体,水体提取精度较高,但在有冰雪、云、山体阴影和建筑物的复杂环境下提取精度较低、误判率高;MEDPSO方法不仅可以识别细小水体,而且也解决了其他3种方法在提取过程中无法抑制背景信息干扰的问题,在4个实验区的总体精度均在97.8%以上,高于其他3种方法;③ 将离散粒子群算法引入到水体提取方法之中,可增强方法的区域整体性,也可提高其水体提取的精度和自动化程度;④ 运用最大熵模型等机器学习方法,可以结合光谱、形状和纹理等影像信息以及地形信息来进行水体识别,使得水体信息提取精度更高。本文的研究可为离散粒子群算法的推广以及遥感水体提取方法的选择提供参考。     

基于Cubist模型树的城市不透水面百分比遥感估算模型

不透水面是城市区域中一种典型的土地覆盖类型,是衡量城市环境质量和城市化水平的重要标志之一。与传统基于像元级的遥感研究方法相比,不透水面百分比（Impervious Surface Percent,ISP）的估算可以进入像元内部,获得更准确的城市信息。本文应用Cubist模型树,对Landsat TM的原始波段变量（除热红外波段）,建立ISP估算的基础模型（Base Cubist-ISP）。通过基于模型树的集成学习优化算法和加入相邻时相影像的波段变量中值,以削弱噪声的影响。然后,优选热红外波段和各种衍生变量,并进行属性精简,继而应用集成学习算法得到的参数和精简后的变量建立ISP估算的优化模型（Optimal Cubist-ISP）。对广东省广州市海珠区的实验结果表明,Optimal Cubist-ISP模型估算不透水面的整体均方根误差（RMSE）为12.98%,决定系数（R²）为0.90,精度明显优于Base Cubist-ISP模型,RMSE降低约5.03%,ISP在透水面区域被高估和高密度不透水面区域被低估的现象得到改善。本文提出的基于Cubist模型树建立ISP遥感估算的模型及优化方法可以适用于城市区ISP的提取。     

Scale issues of wetland classification and mapping using remote sensing images: A case of Honghe National Nature Reserve in Sanjiang Plain,Northeast China

Wetland research has become a hot spot linking multiple disciplines presently. Wetland classification and mapping is the basis for wetland research. It is difficult to generate wetland data sets using traditional methods because of the low accessibility of wetlands, hence remote sensing data have become one of the primary data sources in wetland research. This paper presents a case study conducted at the core area of Honghe National Nature Reserve in the Sanjiang Plain, Northeast China. In this study, three images generated by airship, from Thematic Mapper and from SPOT 5 were selected to produce wetland maps at three different wetland landscape levels. After assessing classification accuracies of the three maps, we compared the different wetland mapping results of 11 plant communities to the airship image, 6 plant ecotypes to the TM image and 9 landscape classifications to the SPOT 5 image. We discussed the different characteristics of the hierarchical ecosystem classifications based on the spatial scales of the different images. The results indicate that spatial scales of remote sensing data have an important link to the hierarchies of wetland plant ecosystems displayed on the wetland landscape maps. The richness of wetland landscape information derived from an image closely relates to its spatial resolution. This study can enrich the ecological classification methods and mapping techniques dealing with the spatial scales of different remote sensing images. With a better understanding of classification accuracies in mapping wetlands by using different scales of remote sensing data, we can make an appropriate approach for dealing with the scale issue of remote sensing images.     

黄河三角洲海岸线遥感动态监测

黄河三角洲是世界上海岸线变迁最快的地区之一。遥感与GIS技术相结合,能准确及时地监测黄河三角洲海岸线的动态演变。本文以1976年以来多时相遥感影像为主要数据源,通过几何精校正与配准,形成统一投影与坐标体系的遥感影像,运用平均高潮线法,对20景时间序列影像经分类处理后提取海岸线;另经GIS叠加分析,剖析了现行黄河河口、钓口河口地区海岸线的演变过程及其规律。     

基于深度神经网络的蒙古国色楞格河流域水体信息提取

蒙古高原地处干旱半干旱地区,河流水系对该区域的资源环境格局及其生态环境影响重大。发源于蒙古国的色楞格河是蒙古高原最主要的水资源来源,准确掌握该流域的水体信息对东北亚地区生态环境问题及资源保护具有重要意义。本文以蒙古高原色楞格河流域为研究对象,基于谷歌地球引擎（Google Earth Engine,GEE）云平台,使用 Sentinel-2 多光谱卫星遥感影像,利用深度神经网络（Deep Neural Network, DNN）方法对色楞格河流域的水体信息进行提取,并与支持向量机方法进行对比;利用全球30 m SRTM数据生成水系分布矢量图,通过空间分析形成河流提取目标区,结合深度神经网络分类结果,绘制蒙古国色楞格河流域2019年河流分布图。研究结果表明：① 该方法能够准确地完成大流域范围内的水体制图,提取结果能够体现色楞格河流域河流的空间分布,且能够减少河流断流、空洞现象;② 深度神经网络模型中批量大小设置为8时,在处理数据速度与精度中达到最优,而神经网络结构中隐含层数达到4层时,在精度评价指标测试数据集上达到0.9666,保证了模型特征挖掘能力;③ 经样本点的验证,结果总体精度达到97.65%,可以满足实际应用需求。本研究预期可以为蒙古高原的水体提取提供方法支持和相关数据支持。