利用多源遥感数据反演城市地表温度

目前利用单通道热红外遥感数据反演地表温度的方法有大气校正法、单窗算法和普适性单通道算法,使用这3种算法反演地表温度时的一个关键问题就是需要获取大气参数。目前大气参数的获取主要根据近地表(地表2m左右的高度)的大气水分含量或湿度和平均气温的观测值来估计,这种方法只能获得个别点上的数据,而无法获取面上像元尺度的大气参数。本文利用多源遥感数据的优势,首先利用MODIS近红外数据,在像元尺度上获取温度反演中所需大气参数——大气水分含量,再利用同时相的Landsat ETM 影像,采用Jim啨nez-Mu oz和Sobrino的普适性单通道算法反演地表温度。研究结果表明,多源遥感数据的综合应用是城市地表温度反演的有效途径与方法,可获得较合理的地表温度反演结果。     

基于影像的Landsat TM/ETM+数据正规化技术

阐述了基于影像的LandsatTM／ETM^＋的数据正规化技术及其发展。该技术通过将Landsat影像的亮度值转换成传感器处的辐射值和反射率采对影像进行辐射校正。实例表明，使用正规化技术处理后的影像可以明显削弱日照和大气的影响，去除它们产生的噪声；其所书的传感器处的反射率与地面实测反射率的RMS值非常小。     

利用TM高光谱图像提取青藏高原喀喇昆仑山区现代冰川边界

采用阈值法、监督分类、非监督分类、谱间关系法对冰川的TM图像进行了分类,证明利用比值图像取阈值是对冰川区图像分类的有效手段。对图像处理的结果进行了分析和解释,并指出了存在的问题。     

基于ERDAS IMAGING软件的TM影像几何精校正方法初探--以塔里木河流域为例

遥感图像的几何精校正一直是人们所关注的问题。本文初步探讨了利用ERDAS IMAGING软件对塔里木河流域TM影像进行几何精校正的方法,ERDAS IMAGING软件进行几何精校正具有操作简便、实用性强、速度快、几何精度高等特点。几何精校正为TM影像的进一步处理提供了技术准备。     

遥感影像用于城市扩展监测的研究

通过焦作市城市扩展监测的实践,对以多时相遥感影像监测城市扩展进行了研究,阐述了以地形图及TM遥感影像为数据源,利用RS和GIS软件进行图像处理,提取城区扩展的变化信息,并对其扩张变化的主要方向、速度及规律进行监测和分析;论述了交通建设、政策法规、经济投资区的建设和当地的自然地理环境对城市的扩展速度和方向的影响。     

基于Landsat8 OLI遥感影像冰湖边界分类叠加提取

青藏高原特殊的地理及其气候环境适合冰湖变化研究。传统的方法由于受到冻湖、冰川以及山体的阴影的影响,提取冰湖边界时会出现大量的错分和误分。本文基于NDWI(Normalized Difference Water Index,水体指数法)、DEM(数字高程模型)、RGI(Randolph Glacier Inventory)6.0全球冰川编目数据提出针对不同状态下的冰湖边界提取的分类叠加提取方法。结果表明,分类叠加提取方法能够实现未结冰、半结冰以及全结冰三种状态下的冰湖边界提取,并且能减少冰川以及山体阴影的影响,使用该方法提取三种状态下的冰湖的错分和漏分误差均小于2%且Kappa系数均大于0.81。     

Detecting and mapping annual newly-burned plots (NBP) of swiddening using historical Landsat data in Montane Mainland Southeast Asia (MMSEA) during 1988–2016

Swidden agriculture is by far the dominant land use system in the uplands of Southeast Asia (SEA), as well as other tropical regions, which plays an important role in the implementation of Reducing Emissions from Deforestation and Forest Degradation (REDD) of United Nations. To our knowledge, the long-term inter-annual area of newly burned plots (NBP) of swidden agriculture in mainland Southeast Asia is still not available, let alone in the whole tropics. With the strengthening regional geo-economic cooperation in SEA, swidden agriculture has experienced and/or is still experiencing extensive and drastic transformations into other diverse market-oriented land use types since the 1990s. In this study, high-level surface reflectance products of Landsat 4/5/7/8 family sensors including Thematic Mapper (TM), Enhanced Thematic Mapper Plus (ETM+) and Operational Land Imager (OLI) acquired in March, April and May of each year between 1988 and 2016 were firstly utilized to detect and monitor the extent and area of NBP of swidden agriculture with multiple thresholds of four commonly-used vegetation indices, namely the Normalized Difference Vegetation Index (NDVI), Normalized Difference Moisture Index (NDMI), Normalized Burn Ratio (NBR) and Soil Adjusted Vegetation Index (SAVI), in combination with local phenological features of swiddening and topographical data. The results showed that: (1) an annual average of 6.08×10⁴ km² of NBP of swidden agriculture, or 3.15% of the total land area of MSEA, were estimated in the past nearly three decades. (2) Annual NBP were primarily distributed in four major geomorphic units including the Central Range of Hills, Northern Mountainous Region, Western Myanmar Hills, and Annamite Chain. (3) A decadal average analysis indicated that the NBP of swidden agriculture opened year by year declined as a whole, especially after 2010, merely with an average of 5.23×10⁴ km². (4) The top ten provincial administrative units in Cambodia, Laos, Myanmar, Thailand and Vietnam, which consistently accounted for over 90% of the newly opened swiddens of each country, showed distinct fluctuations in using slash-and-burn practices in the last decades. The Landsat-based (30 m) reconstructed 29-year longitudinal updated maps (including extent and area) of the NBP of swidden agriculture may contribute to REDD and local livelihood related studies in Continental Southeast Asia. Our study further demonstrated that the multiple vegetative indices thresholds approach holds great potential in detecting swidden agriculture in tropical mountainous regions.     

撂荒耕地的提取与分析——以山东省庆云县和无棣县为例

由于城镇化的快速发展和农村劳动力不断流失,中国部分地区出现大面积的撂荒现象。利用遥感技术可以间接提取撂荒耕地的规模和数量,对耕地的保护和粮食安全有重要意义。以山东省庆云县和无棣县为研究区,基于Landsat数据和HJ1A数据,采用CART决策树分类方法,制作了1990-2017年的土地利用图,制定了撂荒地的识别规则,在此基础之上提取了研究区的撂荒地空间分布、持续撂荒时间分布和撂荒地复垦区域。结果显示：1990-2017年基准期影像的CART决策树分类精度高于85%;1992-2017年间,研究区撂荒地面积最大值为5503.86 hm²,最大撂荒率为5.37%,其中1996-1998年撂荒率最高,2006-2017年撂荒地面积的整体趋势逐年降低;1992-2017年间最大持续撂荒时间为15年,大部分耕地持续撂荒时间在4年之内,少数耕地持续撂荒时间超过10年;1993-2017年撂荒耕地复垦面积最大为2022.3 hm²,最小复垦面积约为20 hm²,复垦率最大值为67.44%,年均复垦率为31.83%。研究结果不仅能够为研究区撂荒驱动因素分析提供数据支撑,而且也可以为其他地区的撂荒耕地识别提供参考。     

基于GEE和U-net模型的同震滑坡识别方法

地震滑坡解译是震后重建的重要基础工作,主要通过室内人工遥感解译和室外野外调查确定。地震滑坡相比其他地物来说更为复杂,很难通过简单指数识别。室内遥感解译通过滑坡后壁、侧壁和堆积等纹理特征进行识别,大面积同震滑坡解译工作往往耗费大量人力和物力,且耗时长,难以满足灾害应急需求。本研究利用U-net神经网络模型,结合Google Earth Engine（GEE）云平台和人工智能学习平台Tensorflow,以地震局解译的汶川滑坡作为样本数据,以震后30 m分辨率的Landsat影像、高程、坡度以及NDVI数据作为模型输入参数,自动识别并获取了汶川地震后的同震滑坡数据,同时比较了不同参数组合情况下U-net神经网络模型的分割识别精度。研究表明：① U-net模型可以用于以Landsat影像为基础数据的同震滑坡快速自动识别;② 随着高程、坡度以及NDVI等输入参数增加,模型分割精度在逐渐提高,但假阳性结果也会出现增多,震后滑坡影像+高程+坡度+NDVI的输入参数组合精度最高;③ 在细节上,模型在多参数组合的情况下,大型滑坡能够很好被识别,一些较小型的滑坡受制于影像分辨率的影响,分割精度较差。为了更好识别小型滑坡,后续研究可能需提高影像的分辨率。此外,GEE云平台大大提高了训练样本获取的效率,为科研人员快速进行基于神经网络与遥感数据的地物识别研究提供了条件。