北方农牧交错区干旱特征变化及其对植被总初级生产力的影响

北方农牧交错区地处半湿润/半干旱生态脆弱过渡带,干旱是影响该区植被生产力的关键因素之一。探究干旱对植被总初级生产力的影响,对深刻理解气候变化下生态系统生产力变化响应特征及优化区域碳水循环具有重要意义。为了更好地了解水分限制区不同干旱特征对GPP影响,本研究以北方农牧交错区为例,基于长时间序列的标准化降水蒸散发指数(SPEI3,1900—2020年)和植被总初级生产力(GPP,1982—2018年)等数据,首先采用小波分析明确SPEI3与GPP强相关周期,在此基础上利用游程理论识别干旱特征,进而分析了北方农牧交错区干旱特征与GPP的变化趋势,最后厘定了不同干旱特征对GPP的影响。结果表明:(1) 1982—2018年北方农牧交错区SPEI3与GPP在半年周期和年周期存在显著相关关系,滞后效应随时间变化而变化;年际分析能够减弱滞后效应对SPEI3与GPP相关性的影响;(2) 1900—2020年北方农牧交错区干旱历时、干旱烈度和烈度峰值均呈现显著增加趋势,干旱烈度随着干旱历时和烈度峰值的增加而加剧,干旱特征高值区往往具有更强的增加趋势;(3) 1982—2018年北方农牧交错区GPP总体呈...     

长江三角洲城市化地区植被初级生产力的时空变化研究

城市化过程对植被初级生产具有重要影响。以往研究主要集中于城市用地扩张对植被初级生产力的直接影响分析,而较少关注其间接效果。本文以长江三角洲地区为例,分别从地区尺度和城市尺度分别分析了2000-2013年植被初级生产力的时空变化,探讨了其与气温、降水量及城市建成区绿化覆盖率的关系。研究表明：地区尺度上,2000-2013年长江三角洲植被初级生产力呈现不断增加,其中城市建成区植被初级生产力呈现显著增加的趋势（P<0.05）;城市尺度上,城市建成区内植被初级生产力主要呈现增加的趋势,而其外围缓冲区内则与此相反。在当前气候变化背景下,这可能与城市建成区绿化覆盖率不断增加,及快速的城市扩张有关。     

福建省森林生态系统NPP的遥感模拟与分析

利用MODIS遥感影像,结合气象资料等数据,采用BEPS过程模型对2004年福建省的森林生态系统植被净初级生产力(NPP)进行了模拟验证。研究结果表明,2004年福建省森林生态系统NPP平均值为578.97gC/m²·a,NPP总量累计达到46.18×106tC;不同林地NPP全年平均值大小依次为:竹林≈阔叶林>杉木>马尾松,其值分别为:788.6gC/m²·a,780.0gC/m²·a,519.8gC/m²·a,437.3gC/m²·a;时空分析结果表明,2004年6-8月NPP形成较为明显的坑形分布形态,主要的原因之一很可能是有效降水量偏少;在空间分布上,福建省森林生态系统NPP与海拔高程显著相关,体现了该地区森林生态系统NPP空间分布的地域特征,这在一定程度上表明随着海拔上升,山高坡陡,人类对森林生态系统的干扰活动减少,有助于森林生态系统生产力的提高和维持。最后,分析了应用BEPS过程模型模拟福建省森林生态系统净初级生产力的不确定性问题。     

印度植被净初级生产力的时空变异及其影响因素分析

本研究旨在探讨1983-2008 年间印度植被净初级生产力(NPP)的时空变化格局及其与温度降水的关系。基于遥感数据和GLOPEM-CEVSA模型估算区域植被NPP,利用分段线性回归,分析了过去26年印度植被NPP的时空格局与变化特征。结果表明：（1）过去26年间印度植被年均NPP为414.29 gC·m^-2·a^-1,森林、农田和草地的NPP平均值分别为1002.32、485.98和631.39 gC·m^-2·a^-1。（2）分段线性回归结果显示,1983-2008 年间,印度植被总平均NPP呈先上升后下降的趋势,趋势转折点在1996年。占印度面积比例最大的农田植被类型的平均NPP也呈先上升后下降的趋势,趋势转折点在1996年,与总平均NPP的趋势转折点一致。（3）在空间上,印度大部分地区,发生了趋势转折,趋势转折点集中在1991-2000年间,大部分地区NPP在趋势转折点前呈上升趋势,其后呈下降趋势,与区域平均NPP的变化趋势一致。（4）印度西北部干旱地区植被NPP与温度呈负相关,与降水呈正相关。喜马拉雅山南部森林NPP则与温度呈正相关。降雨量较大的印度南部地区NPP与降水呈负相关。     

基于超参数优化CatBoost算法的河流悬浮物浓度遥感反演

悬浮物浓度（TSM）是水生态环境评价的重要参数之一,及时掌握河流悬浮物浓度动态变化信息对于内陆水质监测、水环境治理是十分必要的。本研究基于野外实测光谱和悬浮物浓度数据,筛选与悬浮物浓度高度相关的波段组合反射率作为自变量,基于CatBoost、随机森林和多元线性回归算法构建悬浮物浓度遥感反演模型,采用带交叉验证的网格搜索法分别对CatBoost和随机森林2种机器学习模型进行超参数调优,确定模型最优参数配置,并对比不同模型反演精度,确定最优模型。基于最优模型,利用2019—2020年多时相Sentinel-2 MSI遥感影像,反演闽江下游悬浮物浓度,并分析其时空变化特征。结果表明：(1) b4/b3、(b6-b3)/(b6+b3)、(b4+b8)/b3、(1/b3-1/b4)×b5是MSI反演闽江下游TSM浓度的最佳波段组合反射率;(2)对比其他2种模型,基于超参数优化的CatBoost算法建立的悬浮物反演模型精度最高,其决定系数R2为0.95,均方根误差RMSE和平均绝对百分比误差MAPE分别为15.32 mg/L和19.68%;(3) 2019—2020年闽江下游悬浮物浓度分布“西低东...     

基于支持向量机的遥感图像分类方法

为了提高遥感图像分类的精度,弥补传统最大似然分类方法所固有的分类时样本不足的缺陷,提出了一种基于支持向量机、光谱特征和纹理特征相结合的遥感图像分类方法。采用ETM数据,按照其所提方法进行了具体分类实验,并将实验结果与最大似然法分类的结果进行了比较分析。结果表明,利用基于支持向量机的方法进行遥感图像分类,精度明显优于最大似然法分类的精度。利用光谱特征与纹理特征相结合进行分类比单纯运用光谱特征进行分类效果要好。     

基于随机森林算法的草原地上生物量遥感估算方法研究

草原是我国面积最大的陆地生态系统,生物量是反映生态系统质量和功能的关键指标,准确地掌握草原生物量对草原资源合理利用、生态修复、畜牧业高质量发展都具有重要的意义和作用.本研究以内蒙古锡林郭勒盟为研究区,利用高分一号遥感卫星影像,结合216个野外样本数据,采用随机森林算法(Random Forest,RF)对草原地上生物量...     

基于支持向量机理论的地下水动态遥感监测模型与应用

地下水是我国内陆干旱地区水资源的重要组成部分,也是极为敏感的生态环境因素之一。地下水动态变化影响着绿洲和湿地的演化,以及土地资源的开发。西北地区地下水监测网尚不完善,动态资料相对缺乏。遥感技术可以弥补传统地下水位监测手段的不足。由于降水极少,西北干旱区地表反射率与地下水水位埋深关系极其密切。选用归一化植被指数(NDVI)、地表温度(LST)数据,应用支持向量机回归方法,建立西北干旱地区地下水位遥感监测模型。提取MODIS影像中的NDVI和LST产品上的地表温度和植被指数信息,作为模型的输入,通过合理选择核函数进行支持向量机的回归分析,从而建立地表植被指数、地表温度与地下水位的相关数学模型,并分析了不同核函数所拟合结果。在河西走廊疏勒河流域的研究成果表明,运用MODIS数据开发地下水动态模型反演水位变化是可行的,模型拟合的结果比较符合实际情况,尤其是对于细土平原地下水浅埋地区模型应用效果更为理想。一次多项式核函数适合模拟埋深小于3m浅埋地下水,径向基函数RBF核函数和三次多项式核函数法则更适合模拟较大埋深情况。开发的地下水位遥感监测模型可为西北干旱区水循环研究和流域水资源管理提供技术手段。     

基于机器学习的滑坡易发性预测建模及其主控因子识别

不同机器学习预测滑坡易发性的建模过程及其不确定性有所差异, 另外如何有效识别滑坡易发性的主控因子意义重大。针对上述问题, 以支持向量机(support vector machine, 简称SVM)和随机森林(random forest, 简称RF)为例探讨了基于机器学习的滑坡易发性预测及其不确定性, 创新地提出了"权重均值法"来综合计算出更准确的滑坡主控因子。首先获取陕西省延长县滑坡编录和10类基础环境因子, 将因子频率比值作为SVM和RF的输入变量; 再将滑坡与随机选择的非滑坡样本划分为训练集和测试集, 用训练好的机器学习预测出滑坡易发性并制图; 最后用受试者工作曲线、均值和标准差等来评估建模不确定性, 并计算滑坡主控因子。结果表明: ①机器学习能有效预测出区域滑坡易发性, RF预测的滑坡易发性精度高于SVM, 而其不确定性低于SVM, 但两者的易发性分布规律整体相似; ②权重均值法计算出延长县滑坡主控因子依次是坡度、高程和岩性。实例分析和文献综述显示RF模型相较于其他机器学习模型属于可靠性较高的易发性模型。      

基于街景影像多特征融合的广州市越秀区街道空间品质评估

全面准确地描述街景影像的多层次特征在基于街景影像对街道空间品质进行评估的研究中具有重要意义。以广州市越秀区为例,获取前后左右各视角街景影像中手工设计的特征（SURF特征、HOG特征）和基于深度学习的特征（语义特征）,基于单一特征和多特征融合采用支持向量机（Support Vector Machine, SVM）、随机森林（Random Forest, RF）训练各视角的评估模型。结果表明,以基于SVM建立的单特征模型为例,基于HOG特征（73.03%）、语义特征（72.28%）的模型平均精度优于SURF特征（56.00%）,基于SVM前后左右各视角模型的最优分类精度为82.8%（前）、81.7%（后）、76.6%（左）、76.6%（右）,而基于RF各视角模型的最优分类精度为82.8%（前）、85.0%（后）、78.1%（左）、70.3%（右）。前后视角的模型精度略优于左右视角。各视角最优模型均为多特征融合模型,最优模型平均分类精度和Kappa系数可达80.6%和0.62。利用街景影像评估街道空间品质时,各算法之间性能差异微弱,而特征选择及组合方式是提升精度的关键。越秀区街道空间品质存在明显空间分异,其西南部的街道空间品质亟待提升。本研究构建了基于街景影像多特征融合的大规模高精度街道空间品质测度方法,实现了对越秀区街道空间品质的评估,研究结果可为相关部门进行街道环境综合整治提供参考。     

移动对象多种运动参数在轨迹分类的应用

轨迹分类是以训练轨迹的特征来预测未知轨迹的类标签,可进行可疑车辆识别、非法渔船检测和交通模式检测等重要应用。当前大多数轨迹分类方法只考虑速度和加速度这2个运动参数,且只利用简单的统计量（如均值、中值、最大值）,不能充分挖掘轨迹的潜在特点,导致分类精度不高。针对该问题,本文在总结相关文献的基础上,提出一种基于移动对象运动特征的轨迹分类方法。针对速度、加速度、曲率、方向和转角这5个运动参数,利用偏度系数、峰度系数、变异系数和时间序列分析其中的自相关系数等,提取有区分力的全局运动特征;并从分割后的子轨迹中提取局部运动特征。对于方向和转角,引入方向统计学对其运动特征进行精确计算。实验表明本方法在船舶、野生动物和飓风数据集的分类精度达到了100%、80%和71.43%,实验验证了本方法构建的运动特征,在不同数据集下有效可行。     

基于不确定性分析的遥感分类空间分层及评估方法

空间分层是准确度量遥感分类不确定性程度及其空间分布的基础与关键。本文提出了一种基于不确定性分析的遥感分类空间分层及评估方法,首先基于随机森林算法获取像元后验概率,确定分类不确定性度量指标;其次,采用模糊C均值进行空间分层;最后,对分层结果合理性进行定性与定量评估,并与同尺度数据产品精度评价结果及后验概率不确定性分层方法进行对比分析。以北京市顺义区Landsat 8 OLI遥感影像数据为例,研究结果表明：(1)基于最大概率、模糊混淆指数和概率熵指标将顺义区分为不确定性大、中、小3层,相应的遥感数据层分类精度分别为62.28%、74.96%、79.31%;(2)分类不确定性空间分层结果与度量指标大小的空间分布基本一致,错分地类图层与不确定性大层的地类空间分布基本一致;(3)遥感数据和数据产品的各层地类空间特征、层分类精度大小趋势一致,与总体分类精度相比,不确定性大层的层分类精度降低,不确定性小层的层分类精度提高;(4)与后验概率不确定性分层方法相比,本研究不确定性大层的层分类精度降低1.08%,不确定性中层提高3.58%,不确定性小层提高0.16%,q值由0.19提高到0.24,空间分异性...     

基于改进两步法采样策略和卷积神经网络的崩塌易发性评价

机器学习在崩塌滑坡泥石流地质灾害易发性分析评价领域已得到广泛的研究性应用,非灾害样本的选取是易发性建模过程中的关键问题,传统随机抽样和手工标注方法可能存在随机性和主观性。将土质崩塌易发性评价视为正例无标记(positive and unlabeled,简称PU)学习,提出了一种结合信息量(information value,简称IV)和间谍技术(Spy)的两步卷积神经网络(convolutional neural networks,简称CNN)框架(ISpy-CNN)。以广州市黄埔区崩塌编录和15类基础环境因子,通过信息量模型筛选出部分低信息量样本;采用间谍技术训练CNN模型,从低信息量样本中识别出具有高置信度的可靠负例划分为非崩塌样本;分别基于该学习框架、传统间谍技术和随机抽样,使用支持向量机(support vector machine,简称SVM)和随机森林(random forest,简称RF)对比验证。结果表明,ISpy-CNN框架在验证集上的准确率、F1值、敏感度和特异度较随机采样分别提升了6.82%,6.82%,6.82%,8.23%,较传统Spy技术分别提升了2.86%...     

基于机器学习的参考作物蒸散量估算研究

参考作物蒸散量（Reference Evapotranspiration, ET₀）的准确估算对区域水资源管理和分配、流域水量平衡以及气候变化等研究具有重要作用。新疆地处我国西北干旱地区,水资源供需矛盾尖锐,精确估算该地区的ET₀有助于其科学合理地调配水资源,缓解水资源供需压力。FAO推荐的Penman-Monteith法是计算ET₀的标准方法,但该方法需要多项气象因子,而新疆地区气象站点较少且分布不均,精确完备的气象数据在新疆大部分区域难以获取。因此,如何使用有限气象因子获取高精度的ET₀在新疆地区备受关注。本文基于中国气象数据网提供的新疆地区1980—2019年的地面气候资料日值数据集,在日和月尺度下,通过对最高气温T_max、最低气温T_min、平均气温T_avg、风速U₂、相对湿度RH和日照时数n共6项气象因子进行敏感性分析,形成不同的气象因子组合;然后使用SVM、RF、GBDT和ELM 4种机器学习算法,以FAO-56 PM计算值为标准值,对新疆地区的ET₀进行了拟合建模;最后,从拟合精度、稳定性和计算代价3个方面对模型进行评价。研究表明：① 在新疆地区,ET₀对RH、T_max和U₂敏感系数级别为高,平均敏感系数分别为-0.516、0.283和0.266;n为中等,平均敏感系数为0.124;T_min和T_avg为低,平均敏感系数分别为-0.016和-0.003;② 在日尺度,各算法在RH、T_max、U₂和n这4项气象因子为输入时精度较高（RMSE<0.5 mm/day,R²>0.95）,可对ET₀进行精确估算;在月尺度,各算法使用RH、T_max和U₂这3项参数便可对ET₀进行精确估算。SVM和GBDT这2种算法在日尺度和月尺度都有较好的适用性,可在相应尺度下使用较少气象因子替代FAO-56 PM公式对ET₀进行估算。     

基于无人机影像和面向对象随机森林算法的岩溶湿地植被识别方法研究

目前对岩溶湿地的重视程度远低于其他湿地类型,缺乏利用遥感技术进行岩溶湿地植被高精度识别的研究,但岩溶湿地同其他湿地类型一样,湿地面积退化严重,亟待需要解决。因此,本文选取受人类活动影响较大、湿地退化较为严重的广西桂林会仙喀斯特国家湿地公园的部分核心区域作为研究区,以DJI大疆御Mavic Pro无人机航摄影像为数据源,利用泛化能力强、分类精度高的面向对象随机森林算法实现了会仙岩溶湿地植被的高精度分类,探究无人机可见光影像和面向对象随机森林算法在岩溶湿地植被识别中的适用性,为无人机遥感技术应用于岩溶湿地的研究和保护提供技术参考。首先,在eCognition Developer9.0中利用多尺度迭代分割算法对影像图层进行分割;然后,基于以往在进行面向对象分类研究的经验来指导我们进行特征选择,充分考虑了影像的光谱和纹理特征、植被指数、无人机遥感数据派生的研究区数字地表模型（DSM）和几何特征;最后,在RStudio中实现了随机森林算法参数的调优、模型的构建以及分类。结果显示,面向对象随机森林算法对会仙湿地植被具有较高的识别能力,在95%置信区间内总体精度为86.75%,Kappa系数为0.83。在单一典型岩溶湿地植被识别精度中,狗牙根-白茅-水龙植被群丛的用户精度在90%以上,生产者精度高于80%,竹子-马甲子-桂花生产者精度高于80%,但是用户精度较低,仅为70.59%。     

基于移动激光扫描点云特征图像和SVM的建筑物立面半自动提取方法

建筑物立面是城市地物的重要组成部分,而移动激光扫描是获取城市地物三维信息的重要手段之一。本文提出了一种基于移动激光扫描点云的建筑物立面半自动提取算法。该方法首先构建研究区水平网格;然后计算局部点云几何特征,并且将特征投影到水平网格生成点云特征图像;接着基于支持向量机（Support Vector Machine,SVM）对建筑物立面网格进行粗提取;最后使用网格属性（形状系数、网格面积、最大高程）对粗提取结果进行过滤,并将结果反投影到三维空间中得到精确的建筑物立面。以卡内基梅隆大学的移动激光扫描点云进行试验后表明,本算法能够较好地提取出建筑物立面,提取精度为84%,召回率为90%,数据修正后精度为88%,召回率为91%。通过与现有算法对比,本文提出的算法具有较高精度。     

基于特征筛选与差分进化算法优化的滑坡危险性评估方法

突发性地质灾害危险性评估对灾害防治与风险管理具有重要意义。由于不同地区影响灾害发生的因子各不相同,实际评估过程中难以全面客观地选取适宜的评估因子。机器学习对处理灾害系统的高维非线性问题独具优势,但因模型难以调优而评估效果有限。本文尝试提出一种双向优化的滑坡危险性评估方法：在构建因子敏感性指数开展定量敏感性分析的基础上,结合重要性分析、相关性分析、共线性分析构建四维(Four-Dimensional, 4D)特征筛选法用于评估因子综合优选;为克服模型难以调优的问题,引入差分进化(Differential Evolution, DE)算法优化支持向量机(Support Vector Machine, SVM)与多层感知机(Multi-Layer Perceptron, MLP) 2种推广能力较强的机器学习模型。最后,以福建省滑坡为例,开展评估方法研究。研究表明：4D特征筛选法能更加客观全面地选取适宜性更高的危险性评估因子,从而降低数据维度、减少信息冗余以提升评估模型性能;DE算法对SVM与MLP具有显著的优化效果,有益于增强模型滑坡危险性的评估准确度,DE-SVM、DE-MLP相较于未优化...     

基于最小二乘支持向量机的组合模型在区域似大地水准面拟合中的应用

针对最小二乘支持向量机（least squares support vector machine,LSSVM）在区域似大地水准面拟合过程中存在较大模型误差的问题,构建LSSVM-Shepard GPS高程异常转换组合模型。采用LSSVM拟合高程异常中的中长波项,利用Shepard插值模型来泛化去除中长波项的残余项。结合平原地区和高原山区工程实例,分别采用二次曲面模型、LSSVM、Shepard插值模型、二次曲面-Shepard模型、LSSVM-Shepard模型进行高程转换及精度对比。结果表明,新组合模型高程转换精度高于各单一模型,且在平原地区转换效果与二次曲面-Shepard模型基本一致,在高原山区拟合效果优于二次曲面-Shepard模型。