气候变化对黄河内蒙古段凌汛期的影响

基于黄河内蒙古段1961-2009年气象与水文观测资料,选取黄河内蒙古段上游磴口站和下游托克托县作为研究对象,利用数理统计等方法,分析凌汛最危险地段上下游气候变化与凌汛期的关系。得出:①黄河内蒙古段的凌汛灾害是黄河上游的河道气温比下段高以及地形比降小等,形成黄河内蒙古段下游先封河、上游先开河的局面,导致磴口到托克托县段成为凌险最严重的地段。②随着气候变暖,近50 a黄河内蒙古段开河期提早、封河期推后,凌汛期缩短。尤其在1987年气温发生突变之后,开河期提早和推后趋势更为明显。同时气温突变之后,凌汛期平均温度变异系数增大,封、开河期冷暖变化剧烈,致使封开河期的波动性增大。③影响黄河内蒙古河段开、封河的关键因素是日平均气温小于-5 ℃的积温、日平均气温小于-5 ℃持续时间和封、开河期温度以及封、开河期流量大小等。极端温度事件如寒冷日数、冷夜指数和冷日指数的减少,以及暖夜指数和暖日指数的显著增加也是影响黄河内蒙古段凌汛期缩短的原因之一。     

基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究

以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。     

基于FY3A/MERSI影像的几种常用水体提取方法的比较分析

随着遥感技术的飞速发展,利用遥感数据来进行水资源的监测、调查和分析已经成为一种必然的趋势。通过选取新疆博湖县境内中国最大的内陆淡水湖-博斯腾湖为研究区,FY3A/MERSI影像为数据源,利用监督分类法从Landsat-ETM+影像提取水体,提取结果作为FY3A/MERSI影像水体提取精度验证的底图。采用单波段阈值法、基于阈值的多波段谱间关系法和基于阈值的水体指数法从FY3A/MERSI影像提取研究区水体,基于混淆矩阵法,提取结果分别与Landsat-ETM+影像底图作对比分析,最终得出结论,基于阈值的水体指数法中的归一化差异水体指数法提取研究区水体的总体精度最高,为96.37%,Khat为0.915。     

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MODIS数据的土库曼斯坦山区积雪监测

积雪是影响气候变化的重要因子,准确、及时的获取积雪覆盖范围,进行动态变化监测意义重大。利用MODIS数据进行土库曼斯坦积雪监测,提取积雪信息的研究较少。利用MODIS L1B 500 m分辨率数据,通过几何校正、去云预处理,应用归一化差分积雪指数（NDSI）算法和综合阈值判别法,获取了土库曼斯坦2011年11月～2012年4月山区积雪覆盖范围和面积等数据信息,揭示了土库曼斯坦山区积雪发生的时空特征。土库曼斯坦南部的科佩特山区是该国降雪的核心地区,积雪面积均在1月达到最大值,随后积雪面积随温度的升高而减少。山区积雪面积、月均气温、月降雨量之间存在着显著的相关性,其相关系数分别为0.742 9和0.568 4。结果表明,在监测时段积雪面积随气温的降低、降雨量的减少而增加。     

基于决策树与监督、非监督分类方法相结合模型的遥感应用研究

遥感影像解译中的决策树分类法一般是引入NDVI植被指数、亮度阈值法、DTM、空间结构、纹理、和其它一些地貌特征来实现地物类别的分离;而传统的监督分类、非监督分类是直接基于像元的亮度值而进行的分类,两者各有优缺点。将两者在遥感影像解译中结合使用,建立统一的分类模型,并以皖东地区TM影像为例进行了分类实验,结果证明,采用该模型分类比单一的最大似然法分类精度提高了4.45%,Kappa指数提高了0.107,该模型能有效地提高影像分类的精度。     

基于低空无人机的草原灌丛遥感辨识方法

以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区,基于低空无人机遥感影像,结合实地调查,开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析,确定了裸地与植被的分割阈值为-0.08,并使用该阈值提取植被覆盖区,然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数,获取灌丛、草地影像对象;利用特征空间优化工具选取了18个的对象特征,可以有效避免盲目选择而导致的计算量增大;通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数,灌丛分类精度最高,总体精度和Kappa系数分别达到92%和0.83,结果与影像地物嵌合最好,能够精确识别单株灌丛;根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%,平均冠幅为0.6 m²,与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同,因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。     

基于NDSI-Albedo特征空间的MODIS积雪丰度信息反演方法研究

积雪是新疆地区重要的水源补给,是冰冻和融雪洪水灾害的直接原因,也是水资源管理、气候变化、灾害防治和融雪模拟预报的主要参数。针对多种积雪信息提取方法的优缺点,提出运用特征空间方法,构建积雪丰度反演模型,并与支持向量机提取积雪丰度进行精度对比分析,NA模型方法的相关系数（R²）值比支持向量机方法高2.4百分点,而均方根误差（RMSE）提高了0.106。结果表明：利用归一化差分积雪指数（NDSI）和反照率（Albedo）建立二维特征空间反演积雪丰度的方法是可行的,并且提取精度优于支持向量机（SVM）方法。因此,该方法对水资源管理、气候变化以及洪水模拟预测等方面的研究具有一定参考意义。     

黄河下游游荡段排沙比对水沙条件与断面形态的响应

提高黄河下游游荡段的输沙能力是河道治理的主要任务,而河道输沙效率（排沙比）受到来水来沙条件和河床边界条件的共同影响。本文基于1971—2016年花园口—高村河段（简称花高段）的实测水沙及地形资料,计算了花高段的平均河相系数及水沙条件（来沙系数和水流冲刷强度）,从汛期和场次洪水2个时间尺度,定量分析了排沙比与水沙条件及前一年汛后主槽形态之间的响应关系。分析结果表明：① 汛期和场次洪水排沙比与来沙系数呈负相关,与水流冲刷强度呈正相关,临界的汛期不淤来沙系数为0.012 kg?s/m ⁶,场次洪水排沙比与来沙系数及水量比的决定系数为0.76;② 游荡段排沙比与河相系数呈负相关,当河相系数大于15 /m ^0.5时,河段排沙比基本小于1;③ 以来沙系数与河相系数为自变量的汛期排沙比计算式的决定系数为0.82,计算精度较高,对于场次洪水排沙比而言,断面形态的影响权重大于来沙系数。这些排沙比计算公式能够反映游荡段的输沙特点,有助于定量掌握断面形态及水沙条件对河道输沙能力的影响。     

河南省原阳县引黄灌区水稻田信息提取研究

水稻田是一种人工湿地.快速、准确地获取水稻的种植和生长信息,对于加强水稻田管理具有重要的实践意义.以河南省新乡市原阳县引黄灌区的水稻田为研究对象,采用随机森林算法,利用2020年8月26日和9月11日的Landsat 8 OLI影像数据,提取研究区的地表水分指数(land surface water index,LSW...     

基于无人机遥感的黄河下游河南段河滩地植物群落多样性研究

周期性的农业活动和水沙变化已经显著改变了黄河下游河滩地的植物群落结构,快速、准确地获取河滩地的植物群落多样性信息,可以为黄河流域生态保护和恢复提供参考依据.以位于河南省新乡市原阳县朱贵村南部的黄河下游河滩地的植物群落为研究对象,采用最大似然、人工神经网络、面向对象和随机森林分类方法,利用无人机多光谱遥感影像数据,对河滩...     

若尔盖县弯曲河流精细提取研究

利用Google Earth Engine遥感大数据云平台,以若尔盖县的弯曲河流为研究对象,以空间分辨率为10 m的Sentinel-2多光谱卫星遥感影像为数据源,选用归一化差分水体指数(NDWI)、改进型归一化差分水体指数(MNDWI)和自动水体提取指数(AWEI)相组合的方式,建立支持向量机模型,进行弯曲河流信息的提取;利用归一化差分水体指数、改进型归一化差分水体指数和自动水体提取指数,提取出弯曲河流信息,并与支持向量机模型提取的结果进行了比较。研究结果表明,利用归一化差分水体指数提取的弯曲河流的整体性和连续性最优;利用改进型归一化差分水体指数提取的地势复杂区域细小河流的精度较高;利用支持向量机模型提取的弯曲河流更为准确,并消除了山体和植物阴影对弯曲河流提取的影响;与利用3种指数提取的结果相比,支持向量机模型提取的弯曲河流的总体精度和用户精度都相对最高。     

基于Sentinel-2时间序列数据及物候特征的棉花种植区提取

棉花是中国重要的经济作物,在新疆大面积种植。及时、准确获取棉花种植面积,对农业政策制定与农业经济发展有重要意义。以渭干河—库车河三角洲绿洲棉花为主要研究对象,利用2018—2020年（1景/1月）36景哨兵2号（Sentinel-2）数据,构建归一化植被指数（Normalize difference vegetation index,NDVI）和红边归一化植被指数（Red edge normalize difference vegetation index,RENDVI₇₈₃）时序数据;采用Savitzky-Golay（S-G）滤波法对时序数据进行平滑、重构并提取11个物候特征;利用袋外误差法对11个物候特征进行特征优选;在此基础上利用重构后的时序数据（NDVI Fit）、（RENDVI₇₈₃ Fit）、物候特征（RENDVI₇₈₃ Ph）、物候特征优选组合构建6种不同的特征数据集,利用随机森林分类（RFC）方法分别进行分类和提取,并采用最大似然分类方法和支持向量机分类方法对分类效果进行验证。结果表明：（1） NDVI和RENDVI₇₈₃时序数据变化趋势较为一致,棉花在5月（苗期）到8月初（开花盛期）有明显的上升趋势,在8月末至9月（花铃期）达到峰值。相比NDVI,红边波段构成的RENDVI₇₈₃时序曲线峰值从0.7提高到0.9,棉花区分效果更佳。（2） 11个物候特征中拟合函数最大值、生长季长度、生长季振幅、生长季结束、生长季大积分和生长季小积分对分类的贡献性最大,重要性得分分别为1.43、1.40、1.23、1.16、1.02和1.01。（3） RFC方法对特征数据集（RENDVI₇₈₃ Fit+物候特征优选组合）分类精度最佳。总体精度和Kappa系数分别为92.20%和0.92。（4） 研究区内棉花分类精度达到了91.02%,种植面积约为3424 km²,占研究区总面积的24.67%。     

基于Landsat 8 OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取

利用2015年Landsat 8 OLI遥感影像和DEM作为分类数据源,结合野外调查数据,采用面向对象的分类方法对昆嵛山地区土地覆盖信息进行提取,并对分类结果进行精度评价与比较分析。研究表明：面向对象分类方法提取的各地类连续且边界清晰,分类效果与实际情况基本吻合。昆嵛山地区占主导地位的土地覆盖类型是针叶林,面积为1 546.81 km²。研究区土地覆盖分类的总体精度和Kappa系数分别为91.5%和0.88,其中针叶林、草地、水体和建设用地的生产者精度均达到87%以上。相对于监督分类方法,本研究提出的土地覆盖信息提取方法的总体分类精度和Kappa系数分别提高14.7%和0.17。基于面向对象的中分辨率遥感影像,能够获取较高精度的土地覆盖信息,为大范围土地覆盖分类研究提供方法参考。     

黄河流域NDVI/土地利用对蒸散发时空变化的影响

基于蒸散发(ET)、归一化植被指数(NDVI)及土地利用数据利用M-K检验、Sen趋势分析等方法,研究2001—2015年黄河流域ET时空分布及不同植被覆盖/土地利用下的ET变化规律.结果 表明:(1)黄河流域年均ET呈东南高西北低的空间分布格局,与植被覆盖和土地利用的关系具有较好的一致性;(2)黄河流域ET、NDVI...     

基于MODIS影像的土地覆被分类研究——以京津冀地区为例

在全球变化研究中,如何快速、准确获取土地覆被信息对该项研究有着至关重要的作用.随着遥感科学的不断发展和应用领域的深入,研究者可以利用遥感影像进行土地覆被分类研究,并且具有准确、快速、自动化等优点.本文利用MODIS数据具有的多光谱、多时相特点,以京津冀地区为例,选取2013 年全年16-day 的MOD13Q1/EVI时间序列数据、2013 年5 月份一期的MOD09Q1(1、2 波段)和MOD09A1(3-7 波段)产品,并运用时间序列谐波分析法对全年MOD13Q1/EVI 时间序列数据进行去云、去噪的平滑重建处理,使其数据更能反映物候周期性变化规律.选择谐波分析后的全年MOD13Q1/EVI 时间序列数据、MODIS数据的1-7 波段地表反射率和NDWI(归一化差异水体指数)、MNDWI(改进归一化差异水体指数)和NDSI(土壤亮度指数),构建了3 种特征变量组合方案的CART决策树,分别进行京津冀地区的土地覆被分类研究.结果表明:方案一(全年EVI 的23 个时相)、方案二(方案一+MOD09 的1-7 波段地表反射率)和方案三(方案二+MNDWI+NDSI+NDWI)的总体分类精度分别达到86.70%、89.98%、91.34%,Kappa系数分别为84.94%、88.66%、90.20%.研究表明,仅利用MODIS遥感影像自身多种分类特征和决策树方法对宏观土地覆被分类就可达到较高精度,显示了本文分类方法在实践中的可行性及MODIS数据在区域尺度土地覆被分类研究方面的优势与潜力.     

基于Landsat8影像时间序列NDVI的作物种植结构提取

为提高内蒙古平原灌区作物种植结构遥感监测精度和效率,提出一种基于时序NDVI曲线的作物种植结构提取方法。以内蒙古土默特右旗平原区为研究区域,以2015年覆盖作物生育期的多时相Landsat影像为数据源,根据不同地物其NDVI值范围不同,将研究区地表分为植被覆盖地表,无植被覆盖地表和水体3类。在植被覆盖区域内,根据林地和荒草地时序NDVI曲线特征,提取林地和荒草地,其余区域即为农田。根据小麦、玉米、葵花和西葫芦的时间序列NDVI曲线特征差异构建分类决策树模型,在农田区域内提取上述作物的空间种植分布信息。研究区各类地物及作物遥感提取面积与实际统计面积接近,土地利用分类总体精度达到85.71%,作物分类总体精度达到82.69%。研究结果表明该方法提取作物种植信息的精度较高,能够实现区域作物种植信息的高效准确监测。     

新疆典型流域积雪遥感信息系统数据库的建立

天山山区冬季积雪深厚,稳定积雪期较长,利用积雪遥感图象可以动态监测大面积的积雪变化,有效地调查大范围的积雪资源状况,积雪遥感监测和积雪遥感制图涉及多方面的资料,积雪数据库是积雪遥感监测系统必不可少的一部分。本文就新疆典型流域积雪遥感信息系统数据库的建立,数据库之间的数据格式转换,接口,可视化界面等进行讨论。