基于生物可利用性与宽浓度范围的Hakanson潜在生态风险指数法的创建——以小秦岭金矿区农田土壤为例

Hakanson潜在生态风险指数法是土壤重金属潜在生态风险评价的一种常用方法,研究与实践证明其有效性的同时,也发现了其不足之处:忽略了土壤重金属不同形态之间潜在生态风险的差异,且只重视重金属含量高于参考值时的生态风险,而对低于参考值时的情况没有给予考虑,以致特定情况下的评价结果不能很好地反映实际生态风险,因而有必要创建适用性更广的Hakanson潜在生态风险指数法。为此,基于全过程控制优化的思想,引入了生物可利用性毒性系数,并将修正浓度与参考值差值引入计算公式,创建了基于生物可利用性与宽浓度范围的Hakanson潜在生态风险指数法,实现了对重金属不同形态风险贡献的差异及重金属浓度低于参考值情况下潜在生态风险的准确把握。以小秦岭金矿区为典型区域,辅以对采集土样重金属总量及5种形态含量的分析,开展案例研究。结果表明,基于生物可利用性与宽浓度范围的Hakanson潜在生态风险指数法能客观地揭示土壤重金属的潜在生态风险,具有更大的适应性,是一种有效的潜在生态风险评价方法。     

面向地学应用的遥感影像分割评价

影像分割是面向地理对象影像分析(GEOBIA)中的一个关键环节。分割评价有助于为影像选择合适的分割方法和最佳分割尺度。本文提出一种以遥感地学应用面向的对象为依据的分割方法分类及评价体系。首先将影像分割方法分为面向局部特征监测的典型目标识别和面向全局特征监测的面向GEOBIA的分割方法两组,进而针对这两组分割方法提出了两套分割评价测度指标及相应的综合评价方法。在面向典型目标识别的分割方法评价中,使用区域内部非均质度、区域间灰度对比度、区域间散度对比度、边界点梯度和单位像素运行时间作为评价测度,并针对由于评价测度间的相关性而无法直接确定各测度权重分配的问题,提出利用熵权法为各个评价测度分配权重以获得综合评价结果的分割评价方法,该评价方法可用于选择合适的分割方法。用于面向GOEBIA的分割方法中使用分割区域内均质性和区域间异质性作为评价测度,这种评价方法适用于选择最优分割尺度参数。本文通过定量试验论证了这两种评价方法的有效性,试验结果表明其在遥感应用中具有实际意义。最后本文分析了影像分割评价方法的不足及未来的发展方向。     

资源三号测绘卫星自动云检测

光学卫星遥感影像自动云检测是卫星产品生产系统的一个重要环节。利用资源三号卫星编目生成的浏览图,采用树状判别结构进行云检测,对浏览图进行分块,提取子块图像的特征进行云地分类。由于云类和地物类过于繁杂,且浏览图的分辨率较低,传统通过图像特征对云地进行分类的算法有很大的局限性,针对这一问题,本文提出了在分类之前对原始的子块图像进行增强处理,扩大云和地物的纹理差异,然后以二阶矩、一阶差分等作为云地分类的图像特征,并在多尺度空间内进行特征延拓,经过综合分析估计云在影像中的比例。该云检测算法应用于资源三号卫星应用系统工程,实际测试结果表明,该算法能够较好地提升云量检测的准确率。     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。     

基于约束Delaunay三角网的线、面群目标分布边界计算

群组目标的分布边界在空间方向关系判断、相似度计算以及地图自动综合等领域有着重要的应用,但目前的分布边界计算主要是针对空间点群目标,鲜有涉及空间线、面群目标。在约束Delaunay三角网的基础上,利用动态阈值"剥皮"法实现线、面群目标的分布边界计算。方法得到的分布边界多边形符合人们的空间认知习惯,能够较好地描述线、面群目标的空间形态和分布范围。     

尺度效应的叶面积指数产品真实性检验方法

真实性检验是评价遥感反演产品质量和验证遥感应用产品是否准确、真实地反映实际情况的重要途径。叶面积指数(LAI)是表征陆地植被结构和长势的关键参数,全面准确评价和验证LAI产品是产品用于陆面过程模型的前提。本文以MODIS LAI与GLASS LAI产品为研究对象,在尺度效应和尺度转换的基础上,建立了针对非均匀像元的低分辨率LAI产品真实性检验方法。在考虑空间异质性和植被长势差异的情况下,借助中分辨率的遥感影像,分别利用1 km像元平均叶面积指数和反演表观叶面积指数实现了对LAI算法和产品的真实性检验。为了比较作物长势差异和地表非均匀度对产品的影响,本文选择有代表性的河南鹤壁和甘肃张掖两个地区进行两种LAI产品真实性检验研究。研究结果表明,GLASS LAI和MODIS LAI产品均存在明显的低估现象。这并不是产品算法的问题,而是由于地表异质性和非均匀度的影响。在异质性更显著的张掖盈科灌区,低估现象更明显。GLASS LAI产品是多种LAI产品的融合,它的平均LAI比MODIS更接近真实情况,但是LAI的动态范围比MODIS窄。     

基于小波特征融合的Hyperion影像降维方法

根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。     

一种改进低层特征算子的遥感影像检索方法

在遥感数据检测中,现阶段往往将C_Meta(颜色特征计算得到)和T_Meta(纹理特征计算得到)作为两种不同的Meta-feature特征,使得对于同类地物影像利用C_Meta和T_Meta检索的结果不理想且有较大差异。为了改善检索结果,该文提出通过初步检索选择检索结果较好的C_Meta或T_Meta作为不同类别影像最终的Meta-feature特征;并利用新的影像特征库进行第二次检索。实验结果表明,此方法的检索结果好于原始的C_Meta和T_Meta以及传统的颜色直方图和小波纹理。     

核密度估计的道路匹配方法探讨

针对目前地图合并技术的同名实体匹配中线实体(以道路为例)研究的不足,文章基于密度插值和DEM分析,提出一种针对线实体进行全局匹配的方法:采用积分的思想将核密度估计方法扩展应用于线实体密度计算,通过提取其密度谷脊线,将其应用于地图合并技术领域中的线实体匹配研究主题,指导相似度指标阈值的选取,并取得了较好的效果,为实现同一地区不同来源或不同比例尺(主要是相近比例尺)地图数据合并及数据库集成提供了参考。     

北京市河流信息识别与提取

针对传统的河流信息识别和提取方法不适用于平原地区城市这一情况,该文基于北京市河流的自然和人文特征,提取城市水系网络,划分流域边界,并对河流的特征信息进行提取;从城市河流的特征识别、信息提取、空间插值等几个方面进行了总结和归纳,并从实际应用的角度进行了案例分析。研究的思路和方法可以为其他城市的相关工作提供参考。