从《山海经》到“天眼通”

正人类的生产和生活与自然环境休戚相关。人类对自然资源,甚至整个地球空间的认知,经历了数千年的变迁。对周边环境的描述和认知作为人类的一项重要使命,始终贯穿于其文明发展历程之中。从古至今中外统治者对自然资源的态度中国先秦古籍《山海经》中记录了大量历史、地理、矿产、动植物、国家、民族及宗教等多方面内容,其中对于地理环境信息的描述     

基于网络K函数法的地理对象分布模式分析——以香港岛餐饮业空间格局为例

很多地理对象的空间分布与空间上呈现网状结构的地理现象高度相关,分析这些地理对象的分布模式,在地理研究中有重要意义.该文采用由平面空间扩展到网状结构空间的网络K函数法,以香港岛餐饮业地理空间格局为例开展研究.应用单变量K函数法分析餐饮店在网状结构空间中的分布模式,应用双变量交叉K函数法分析餐饮店分布是否受交通站点及旅游景点影响,并对不同尺度下餐饮店地理选址和空间分布规律进行探索与分析.     

国内外遥感试验场建设进展

遥感试验场建设是实现遥感定量化应用的一个重要基础环节, 可用于开展遥感技术基础理论研究、技术试验、有效载荷指标的论证及评价、遥感图像质量的评价等研究工作。在地质矿产领域, 遥感技术是基础地质调查、矿产资源评价、地质灾害与地质环境调查与评价等的重要支撑技术之一。以中国地质调查局工作项目"资源能源勘探星载遥感超级试验场研究"为支撑, 开展了国内外遥感试验场建设情况调研, 比对分析了国内外主要遥感试验场的建立目的、观测内容以及应用现状等情况, 为我国在新疆哈密地区建设遥感地质试验场提供重要的参考, 对于发挥遥感技术在地质矿产资源和环境评价应用中的作用和定量化水平, 避免遥感数据应用与推广的盲目性等有重要意义。      

太阳辐射模拟的DEM尺度影响因素分析

利用DEM分析方法为起伏地形下太阳辐射模拟提供了条件。然而DEM的尺度效应对太阳辐射模拟产生很大的影响。本文以黄土丘陵和秦岭高山为实验样区,以一系列不同分辨率的DEM,模拟日、月及年总天文辐射,比较其误差大小及地形分析的差异。实验结果显示,随着DEM栅格分辨率的降低,天文辐射逐渐增大;当栅格分辨率大于地面相对高差时,模拟的天文辐射基本稳定,坡向、坡度等地形因子对辐射的再分配作用已不显著。黄土丘陵区,当DEM分辨率接近1000m时,天文辐射年总量的相对误差为22%,超过该区域一个冬季的天文辐射量。秦岭山区地表起伏大,误差较黄土丘陵地区小,最大相对误差为17.8%。总之,地表起伏越小,DEM栅格分辨率对太阳辐射模拟的影响越大。     

陕北黄土高原正负地形研究(英文)

The Loess positive and negative terrains (P-N terrains), which are widely distributed on the Loess Plateau, are discussed for the first time by introducing its characteristic, demarcation as well as extraction method from high-resolution Digital Elevation Models. Using 5 m-resolution DEMs as original test data, P-N terrains of 48 geomorphological units in different parts of Shaanxi Loess Plateau are extracted accurately. Then six indicators for depicting the geomorphologic landscape and spatial configuration characteristic of P-N terrains are proposed. The spatial distribution rules of these indicators and the relationship between the P-N terrains and Loess relief are discussed for further understanding of Loess landforms. Finally, with the integration of P-N terrains and traditional terrain indices, a series of un-supervised classification methods are applied to make a proper landform classification in northern Shaanxi. Results show that P-N terrains are an effect clue to reveal energy and substance distribution rules on the Loess Plateau. A continuous change of P-N terrains from south to north in Shaanxi Loess Plateau shows an obvious spatial difference of Loess landforms and the positive terrain area only accounted for 60.5% in this region. The P-N terrains participant landform classification method increases validity of the result, especially in the Loess tableland, Loess tableland-ridge and the Loess low-hill area. This research is significant on the study of Loess landforms with the Digital Terrains Analysis methods.     

深空对地观测创新工程进展与主要成果

科技创新是地质调查事业发展的第一驱动力。深空对地观测科技创新工程(以下简称工程)是中国地质调查局“地质科技创新计划”的重要组成部分。工程针对我国自主对地观测系统性、整体性不足,卫星业务应用产品类型相对单一,以及数据处理能力较为薄弱等问题,从对地观测数据体系构建、应用系统建设、自然资源与环境变化监测体系创新,以及新型对地观测技术研发等方面开展工作与部署,取得了一系列工作成果。这些成果提高了我国深空对地综合观测能力,提升了基础地质调查、地质环境监测的定量化水平。     

黄土地貌沟沿线类型划分

沟沿线是黄土高原地区地貌类型、土地类型及土地利用类型划分的基本分界线。在提出了沟沿线划分的基本原则的基础上,根据沟沿线的成因、空间分布、形态、数量、显著性、发展速度、扩展方式的差异为基本依据,充分研究黄土高原侵蚀机理与过程,结合大量的遥感判读与野外工作,提出了黄土地貌沟沿线类型划分体系。并进一步分析在黄土地貌水蚀沟谷不同发育阶段中沟沿线类型的变异,其结果也进一步体现出沟沿线发育的特点以及与黄土地貌沟谷发育的密切联系。     

秘鲁南部斑岩铜矿典型蚀变带矿物信息提取及找矿远景区圈定

不同斑岩铜矿的构造地质、成矿时代和控矿因素具有其特殊性, 所以需要针对具体的矿区开展地质调查以获取矿区标志性蚀变矿物组合信息, 从而利用遥感技术手段提取矿区蚀变信息, 确定找矿远景区.通过综合分析秘鲁南部斑岩铜矿地质特征、控矿因素, 确立了以泥化-绢英岩化和青磐岩化组合蚀变矿物带为遥感找矿指示标志, 并以ASTER数据为遥感数据源开展蚀变矿物信息提取技术研究, 结合已有矿区地质资料、高光谱影像和实地勘查结果, 验证了典型蚀变带矿物信息提取结果的可靠性, 另圈定了2处找矿远景区.在综合分析、梳理已有研究基础上, 构建了多光谱遥感找矿模式, 并在智利、阿根廷等其他多个斑岩铜矿区取得了较好的应用效果.      

五种常用降水量插值方法误差时空分布特征研究——以深圳市为例

在洪水、滑坡等地质灾害预警预报中,通常需要对多个时点、多个站点的降水量观测数据进行高精度插值,雨量插值精度对灾害预警预报的可靠度具有很大的影响,因此研究降水量插值方法误差的时空分布特征具有重要的科研和实用价值.该文以深圳市2008年6月12日至14日百年一遇的强降水过程为例,采用交叉验证方法对反距离权重法、普通克里金法、全局多项式法、局部多项式法和径向基函数法五种常用空间插值方法误差的时空分布特征进行分析,研究成果可为根据雨量时空分布特点选取适用雨量插值模型提供相关依据,并为相关研究提供借鉴.     

基于混合式特征选择的高分五号影像农田识别

精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先,基于变量的重要性排序或约束程度,按步长逐步进行降维;其次,寻找分类精度骤减的转折点,并将其对应的变量作为特征子集;最后,利用序列后向选择SBS（Sequential Backward Selection）方法搜索最优分类特征子集。本研究利用GF-5高光谱数据,共研究了3种降维方法（随机森林RF（Random Forest）、互信息MI（Multi-Information）和L1正则化（L1 regularization））和3种分类算法（随机森林、支持向量机SVM（Support Vector Machine）和K近邻KNN（K-Nearest Neighbor））的组合在农田分类中的表现。结果表明,基于L1正则化法得到的特征子集自相关性较低,并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现,SVM在高维空间中表现出非常好的抗噪能力,分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集,使用SBS搜索得到的最优特征子集均提高了分类精度。最终,具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度（94.64%）和农田召回率（95.83%）。本研究为高光谱数据特征优选提供了一种新思路,筛选出了更具代表性的特征波段,提高了农田分类精度,对高光谱遥感分类研究具有参考价值。