多传感器不同分辨率遥感数字图像的尺度转换

针对日益增多的多传感器不同分辨率的遥感数字图像数据,提出其综合利用和尺度转换的有效方法。其中,作为尺度上推 (scaling-up) 技术,本研究选择IHS和小波分解变换两种数据融合方法,应用Landsat ETM+数据和IRS-1C数据进行了实例研究。发现: IHS方法操作简单,对两种待融合的图像的像元大小和像元数 (bit数) 的依赖不是很高,而对原始图像光谱信息的依赖很高,因此适用于不同传感器之间的数据融合上,其缺点就是不能够更多的保留原始多光谱数据的光谱信息。小波分解变换 (WD) 方法可以很好地保留多光谱传感器的所有光谱信息,但是在重采样中对两种待融合的图像的像元配准的要求很高,因此比较适合于对同一传感器的多光谱数据与全色光谱数据的融合上。作为尺度下退 (scaling-down) 技术,通过探讨将札幌野外实验站点数据镶嵌到高时间分辨率遥感图像的问题,提出像元级尺度扩展的具体操作方法和对NDVI图像进行扩展时出现混合像元的识别方法。应用AVHRR, MODIS, ETM+和ASTER的NDVI图像数据进行了像元尺度的扩展研究。得出: 对不同传感器的不同分辨率的数据之间进行像元级的尺度扩展后,能够较好地识别出不同地物的分布边界,较好的分辨混合像元,因此其结果可用于对不同地物分布特征的分类研究或土地覆盖变化中的时间序列变化的研究中。     

中国地表植被覆盖变化及其与气候因子关系──基于NOAA时间序列数据分析

本文利用１９８５－１９９０年连续６９个月的ＮＯＡＡ时间序列数据,进行中国植被覆盖变化的空间,以及时间序列分析,并且结合同期的月平均气温、降水数据,进行植被覆盖变化与气候因子相关性分析。该文证实了在中国植被覆盖随时间的推移规律,空间分布规律,以及植被覆盖变化与气温、降水的定量关系。     

近40a蒙古高原土地沙漠化研究的文献计量学分析

基于Web of Science(WoS)核心合集和中国知网（CNKI）数据库，借助可视化软件，采用文献计量学方法，对1980—2021年蒙古高原土地沙漠化研究领域的文献进行了分析。结果表明：（1）发文数量由1980年的2篇增长至2021年的96篇，其变化经历了缓慢增长-波动式增长-快速增长过程；2000年后英文文献占主导，作者单位以中国科学院为主，与美国的合作最多。（2）2000年之前对土地沙漠化过程的关注度最高，之后土地沙漠化成因成为研究热点，近10 a沙漠化土地的生态修复成为主题。2000年之前研究主要集中在内蒙古沙地地区，21世纪后扩展到以农牧交错带为主的中国北方地区，2011—2021年聚焦在中国北方草原地区。（3）1980—2000年关注土地沙漠化概念、土地沙漠化成因及防治对策，进入21世纪后转变为土地沙漠化环境效应研究，2017—2021年则聚焦于沙漠化土地生态系统服务、生态修复研究，也是主要的研究趋势之一。今后的研究力求辐射蒙古高原整体，实现多源数据的高度融合，提高所获信息的精确度，以促进蒙古高原沙漠化土地生态功能的提升及中国北方生态屏障建设进程。