生态系统科学研究与生态系统管理

中国科学院地理科学与资源研究所生态系统学科以生态系统生态学研究为核心,通过研制生态系统观测和模拟分析的技术和方法,探索解决区域性/大尺度生态学问题的理论和方法,监测生态系统变化,认知生态系统变化规律,推动生态系统生态学、生物地理生态学、全球变化生态学和生态信息科学技术的发展,创新生态系统管理模式,服务于国家和地方的生态建设、应对全球变化及区域可持续发展。面向国家重大需求,在中国华北平原农业区、南方红壤丘陵林业区、青藏高原农牧区以及黄土高原区等典型区域开展生态系统管理技术与模式的集成与创新研究,着力解决国家生态文明建设和应对全球气候变化中的重大生态学问题,推动区域生态系统管理领域的科技进步。围绕生态系统生态学学科前沿,着重在① 生态系统联网观测、模拟与信息管理,② 生态系统结构、过程与功能,③ 生态系统空间格局与机制,④ 生态系统对全球变化的响应与适应,⑤ 生态系统管理与生态系统服务等五大主要研究方向,系统开展生态系统生态学前沿理论和实践的创新研究,研究成果处于国内和国际生态学研究的科学前沿。     

空间分析与生物地球化学循环:西藏林周县大骨节病患病村与非患病村的比较研究

西藏林周县是我国大骨节病(KBD)患病较为严重的地区之一,本文将林周县作为研究区,通过使用地理探测器(GeoDetector)量化分析KBD患病率风险因子的影响,并使用环境化学方法验证空间分析结果。通过对10个潜在影响因子的分析以及对当地KBD患病村和非患病村的土壤-水-粮食-人这一生物地球化学循环的环境化学分析,结果表明:(1)林周县KBD由一组多重且交互作用的环境影响因子共同作用影响,其中最重要的控制因子是地层因子;(2)所有环境介质(土壤、水、谷物)及人体组织中的硒元素浓度在KBD患病区均低于非患病区;(3)当地居民对硒和铬的摄入严重不足,尤其是KBD患病村中居民硒元素平均日摄入量(ADD)大约仅为世界卫生组织(WHO)建议的成人基本摄入量下限的4%;(4)我们推测,当地居民患病主要是由于地层这一影响因子,这是由于通过生态系统的迁移转化导致当地人口严重硒缺乏,最终导致地方性生物地球化学硒缺乏。     

电离层局部格网降分辨率层析方法

网格划分是电离层层析的重要一环,也是影响层析精度的重要因素之一。然而,现有研究更多地关注如何通过反演算法及模型来提高精度,较少关注格网划分这一手段。本文拟从格网划分这一角度来对电离层层析方法进行优化。先利用若干试验研究了格网分辨率与层像精度的关系,然后在此结论基础上提出了一种通过降低非感兴趣区域格网分辨率来提高感兴趣区域层像精度的方法。为验证本文方法的可行性,分别开展了两个不同的层析试验。两个试验同时表明:相对于传统的格网划分方法,本文方法在均方根误差、平均绝对误差、68%及95%百分位、标准差等多个精度指标上均具有优势。根据本文试验,利用本文方法均方根误差及平均绝对误差可望分别减少15%至40%。     

空-谱融合的条件随机场高光谱影像分类方法

高光谱遥感数据具有光谱信息丰富、图谱合一的特点,目前已经广泛地应用在对地观测中。传统的高光谱分类模型大多过分依赖影像光谱信息,没有充分利用空间特征信息,这使得分类精度还有很大的提升空间。条件随机场是一种概率模型,能够较好地融合空间上下文信息,在高光谱影像分类中已经得到越来越多的关注,但大部分条件随机场模型存在超平滑的现象,会导致影像细节丢失。针对该问题,本文提出了一种优化融合影像空-谱信息的高分辨率/高光谱影像分类方法,该方法将影像的纹理信息与原始光谱信息进行融合,利用SVM分类器对其进行预分类,并将各类概率定义为一元势函数,以融合空间特征信息;然后将空间平滑项和局部类别标签成本项加入二元势函数中,以考虑空间背景信息,并保留各类别中的详细信息。最后,通过两组的高分辨率/高光谱影像数据进行试验。结果表明,与SVM算法、传统的条件随机场方法和面向对象的分类方法相比,本文提出的算法在整体分类精度上分别提高了10%、9%和8%以上,同时在保持地物边缘完整性、避免“同谱异物”与“同物异谱”的现象方面有较明显的优势。     

曲波特征加权的高分辨率遥感图像统计分割方法研究

高分辨率遥感图像精确分割是遥感图像处理的研究热点和难点。高分辨率遥感图像中同质区域间的差异性不仅表现在光谱特征上,同样存在于边缘、纹理等结构特征上。为了更好分割高分辨率遥感图像,需在分割算法中考虑结构特征。因此,如何提取更多有助于精准分割的结构特征,并探究这些特征在分割过程中的作用规律成为设计高分辨率遥感图像分割算法的关键问题。为此,论文提出在曲波变换理论基础上构建不同结构特征提取模型,并以加权的方式将提取的结构特征纳入贝叶斯和能量分割模型中。     

基于MEA-BP神经网络的卫星钟差预报

卫星钟差是影响导航定位精度的重要因素之一,建立高精度的钟差预报模型对高精度定位有重要意义。针对常用模型卫星钟差在短期预报中随时间增加误差积累,以及传统BP神经网络不稳定,容易出现过拟合等问题,本文提出一种基于思维进化算法(MEA)优化的BP神经网络钟差预报模型和算法。首先对原始钟差数据进行一次差处理;然后利用思维进化算法对BP神经网络的初始权值和阈值进行优化,给出该模型进行钟差预报的具体步骤;选用IGS站提供的多天GPS精密钟差产品数据进行试验分析,使用GPS一天中前12 h数据建模,进行2、3、6和12 h的钟差预报。结果表明:利用MEA-BP模型得到的上述4种时段的预报精度分别优于0.36、0.38、0.62和1.56 ns,预报误差曲线变化起伏较小,说明新模型的预报性能优于3种传统模型,新模型在钟差预报短期预报中的实用性及稳定性是较佳的。     

顾及兴趣点潜在上下文关系的城市功能区识别

城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。     

ASTER GDEM V2的南极冰川高程误差校正及精度分析

ASTER GDEM V2是研究南极冰盖表面的一种重要DEM数据源。由于南极冰雪区反射率高且缺乏地形特征,导致ASTER GDEM V2存在大量的坑、隆起等噪声,难以直接用于南极地形分析。本文以ICESat/GLAS激光点高程数据作为参考,采用修正等高线法对南极伯德（Byrd）冰川ASTER GDEM V2进行了误差校正,并将其与ICESat-1 DEM的垂直精度进行了对比分析。结果表明：ASTER GDEM V2的RMSE由校正前的26.56 m下降到校正后的18.77 m,远低于ICESat-1 DEM的RMSE（121.24 m）;校正后的ASTER GDEM V2高程精度受坡度影响较小,不存在明显的系统误差,而ICESat-1 DEM的高程精度受坡度的影响较大。本研究进一步通过地形剖面分析得到：校正前的ASTER GDEM V2噪声主要分布于高程较低、地形平坦的区域,通过修正等高线的方法可以有效去除这些噪声,去除噪声后的ASTER GDEM V2可作为研究伯德冰川理想的DEM数据源。     

京津冀协同发展重要地理国情监测研究与应用

文章阐述了开展京津冀协同发展重要地理国情监测的现实背景和意义,依托地理国情普查和常态化监测,结合京津冀一体化发展需求,提出了京津冀协同发展重要地理国情监测的总体思路、研究内容、关键技术和研究方法等,并开展了京津冀地区自然生态空间变化监测、高等级公路和铁路交通网络变化监测、重点大气颗粒物污染源空间分布监测等重要地理国情信息监测研究,成果已经在京津冀地区可持续发展评价、京津冀生态文明建设、空间规划管理等工作中得到了广泛应用。     

内点最大化与冗余点控制的无人机遥感图像配准

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用,但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变,在特征点提取过程中产生大量冗余点,增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法,该方法的核心思想是在配准过程中识别冗余点,同时最大化可用内点数量。所识别的冗余点当作控制点,用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验,其中平均配准精度可达80.38%,并且本文方法在所有的情况下都优于5种当前流行算法。