中国作物物候对气候变化的响应与适应研究进展

以气候变暖为主要特征的气候变化对作物物候产生了重要的影响,通常气温升高会导致作物生长速度加快,生育期缩短,从而造成作物产量下降,不利于农业发展。同时,作物物候变化可以直接或间接反映气候变化情况,对于气候变化具有重要的指示意义。作物物候的研究对于农业气象灾害的预防、农业生产管理水平的进步以及农业产量提高都极为关键。随着全球地表气温的持续升高,作物物候相关研究也越来越引起科学家的关注。论文结合作物物候的主要研究方法,综述了中国近几十年来小麦、玉米、水稻以及棉花、大豆等主要农作物的生育期变化特征以及主要的驱动因子,得到以下主要结论：①在研究方法上,统计分析方法应用最为普遍,其他几种方法都需要与统计分析方法相结合使用。另外,作物机理模型模拟方法易于操作、可行性强,在物候研究中应用也比较多。遥感反演方法对作物生育期的特征规律要求较高,一般主要关注作物返青期。②整体上,小麦全生育期主要呈缩短趋势,而玉米和水稻全生育期以延长趋势为主。③作物物候变化的驱动因子主要是气候变化和农业管理措施改变,其中,气候变化是主导驱动因子,对作物物候变化起决定作用,而调整农业管理措施,在一定程度上抵消气候变化对作物生育期的不利影响。作物物候对气候变化的响应和适应研究可以为农业生产适应气候变化提供重要的理论依据和对策。     

征地档案数字识别研究与应用

针对永州市经济技术开发区征地档案数据整理建库工作中界址点坐标电子数据缺失现象,当前主要通过人工识别档案资料并且将坐标数据抄录进入数据库的方式,但是存在工作效率低下、审核成本高等问题。为提高征地档案数据整理建库工作效率,本文基于Tesseract训练机制,在此基础上开发程序实现征地红线图中界址点坐标的识别。实践结果表明该方法能够有效辅助征地档案数据整理建库工作,业务生产效率显著提升。     

西北贫困地区乡村类型识别与振兴途径研究

乡村振兴战略是新时期我国推进城乡融合发展的重要举措。贫困地区既是脱贫攻坚的主战场,又是乡村振兴的重点区域。如何科学识别村落类型,分类推进典型区域乡村振兴发展,对于破解农村发展不平衡不充分问题具有重要的现实意义。本文解析了乡村地域系统发展理论,阐释了城乡融合发展理论,剖析了村域空间结构格局演变和城乡要素结构功能优化重组;构建了西北干旱贫困地区乡村振兴村落类型识别体系,从乡村主体、产业发展、人居环境、资源禀赋4个子系统进行逐级分类判断,识别乡村主导类型,结合专家征询分析与村落特征,将乡村振兴村落类型识别为集聚提升类、三产融合类、城郊融合类、特色保护类、搬迁撤并类,结合不同乡村振兴模式提出了相应地发展路径,以期为乡村振兴提供理论依据与决策参考。     

基于无人机多源遥感数据海岛植被叶面积指数协同反演研究

无人机多源遥感数据的获取、融合以及应用是当今研究的热点和难点。文中以城洲岛为例,针对海岛特殊的地理生态环境,获取无人机多源遥感数据。结合无人机多光谱遥感数据定量分析各遥感植被指数与植被叶面积指数(Leaf Area Index, LAI)的响应关系,构建单因子遥感反演模型;基于无人机激光LiDAR点云提取海岛植被冠层高度模型(Canopy Height Model,CHM),并将其作为自变量引入到多源统计回归分析中,从而构建多源遥感数据协同反演模型,对区域尺度下海岛叶面积指数(LAI)进行估算,开展验证和精度评价。结果显示,加入植被冠层高度因子的协同反演模型的判定系数R2为0.92,绝对平均误差系数为12.29%,预测精度要优于单因子反演模型(判定次数R2为0.86,绝对平均误差系数19.95%)。研究表明,加入了植被冠层高度因子的协同反演模型能在一定程度上提高乔木植被LAI的预测精度。实践证明,无人机多源遥感技术在生态学定量研究中具有巨大的潜力和广阔的应用前景。     

基于GF-3的不同极化方式SAR图像海面油膜识别的比较 ——以"桑吉"轮事故为例

基于我国自主研发的首颗分辨率达到1m的C频段多极化合成孔径雷达高分三号卫星(GF-3),通过典型溢油案例定性和定量地比较了双极化与单极化图像预处理性能,分析了不同的极化组合对海面油膜识别结果的影响。得出结论:同向极化与异向极化成像差异明显,VV极化明显比VH极化回波强度高,并且油膜识别度较高;相反,双极化VHVV方式与单极化VH方式图像效果区别不大,双极化方式并不能绝对性地提高地物识别度。     

基于"双冒泡法"的SAR影像冰山识别

利用威德尔海区域2016年的Sentinel-1ASAR影像数据,采用"双冒泡法"的sigma-on-mu探测器探测冰山边缘区域,并通过对边缘像元进行交换排序和凸显最大像元的方式识别冰山。以人工识别法为基础,通过与自动识别法的对比,定量地分析了"双冒泡法"的识别偏差。研究结果表明,"双冒泡法"识别的冰山线性尺寸和面积等信息中纵横向最大长度分别为24.52km和11.16km;面积为220.833 6km2;单体识别偏差率为2.87%,低于自动识别法(7.5%);平均偏差率为2.48%,亦低于自动识别法(7.27%)。同时,基于"双冒泡法",提出了较小冰山边界的手动分离法(像元≤100),与自动识别方法相比,该方法的手动分离以具体的像元边界为基准,提高了对较小冰山的识别精度。     

组合粗差探测的MHSS ARAIM算法

针对目前MHSS ARAIM (multiple hypothesis solution separation advanced receiver autonomous integrity monitoring)算法存在的抗差能力弱、计算子集过多、计算量过大等不足,提出一种组合粗差探测的MHSS ARAIM算法。该算法先用粗差探测方法对原始数据进行粗差识别与剔除,而后用MHSS ARAIM算法处理经粗差探测后的数据,可弥补MHSS ARAIM算法的不足。对若干IGS和全球连续监测评估系统iGMAS(international GNSS monitoring and assessment system)监测站观测数据进行计算和分析。结果表明:在航行LPV-200阶段,该算法应用于GPS和BDS导航的性能优于MHSS ARAIM;在假设单故障情况下,该算法对GPS和BDS观测数据的有效监视门限EMT(effective monitor threshold)的精度分别提高了22.47%和9.63%,对VPL(vertical protection level)的精度分别提高了32.28%和12.98%;在假设双故障情况下,对EMT的精度分别提高了80.85%和29.88%,对VPL的精度分别提高了49.66%和18.24%。     

利用模糊密度聚类和双向缓冲区自动识别热点区

通过数据挖掘手段获取聚集模式（即热点）等地理空间知识是地理信息智能化服务的基础和前提。点群聚集模式的提取本质上是热点及其边界（热点区）的探测。首先分析了使用空间聚类提取热点并以凸壳表达热点轮廓的不足,进而提出一种利用模糊密度聚类和双向缓冲区的热点区自动识别方法。该方法借鉴模糊集理论,通过计算对象之间的模糊隶属度改进基于密度的聚类算法,用以提取点群的聚集模式;在此基础上,将模糊隶属度作为对象间的影响程度,采用正负缓冲区建立热点边界。以郑州市城区的科研机构点为例进行实验,结果表明,提出的方法既能有效区分空间点的类型（噪声点与非噪声点）,又能生成连续平滑的热点边界,总体效果优于对比方法。     

甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究

采用合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术对甘肃黑方台地区潜在的黄土滑坡开展了多时相编目、长时序监测以及失稳模式识别研究。首先,采用不同空间分辨率、不同波长的历史存档合成孔径雷达（synthetic aperture radar,SAR）数据对黑方台地区2006-12至2017-11间的潜在滑坡开展了识别研究,在2006-12至2011-03和2016-01至2016-11两个时间段均识别出数10处不稳定坡体,实地调查和光学遥感影像验证了InSAR技术识别结果的可靠性与准确性。然后,对典型不稳定滑坡体采用高空间与高时间分辨率的TerraSAR-X数据开展了长时序监测,结果表明,在InSAR监测期间,累积形变最大的滑坡体在随后的时间里均发生了滑动,并成功地捕获到滑坡体形变加速的时间点。最后,利用升降轨SAR数据开展了黄土滑坡二维形变监测研究,基于滑坡的二维形变特征并结合地形图以及光学遥感影像进一步研究了滑坡的失稳模式,现场调查结果验证了所获得滑坡失稳模式的准确性。     

光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别

2018-10-11和2018-11-03,金沙江上游西藏自治区江达县波罗乡白格村附近先后发生两次大规模高位滑坡堵江。虽经人工干预处置后进行泄流,但还是对下游居民和交通设施造成了严重损失,其上下游是否还存在类似的大规模滑坡隐患,成为白格滑坡灾害发生后社会各界关注的焦点问题。首先利用高精度光学卫星影像对白格滑坡上游30 km和下游100 km范围内的滑坡隐患进行人工目视解译和定性评价,共识别出滑坡隐患51处,其中下游70~100 km范围内有10处具有堵江风险的滑坡隐患。在此基础上,对具有堵江风险的重点区域（白格滑坡下游70~100 km范围内）收集存档ALOS PALSAR-1和Sentinel-1A雷达卫星数据,利用短基线差分干涉测量技术开展滑坡隐患地表形变定量探测和分析评价,共探测出7处具有较显著形变的滑坡隐患,其中3处堵江风险较大,为白格滑坡上下游地质灾害防治和川藏铁路选线提供了参考。