区域性森林大火的真正成因

森林大火真正起因于地球排气中易燃还原性气体在腐殖层的临界积聚(气体体积分数大约为5%~6%)。现场气体(H2,CO)系统测量结果证实了这一点。测量结果显示,该林区腐殖层中H2、CO质量分数分别为(10~170)×10-6(本底值为0·5×10-6)和(2~60)×10-6(本底值为0·5×10-6),二者均远高于大气本底值数十到数百倍,而且未燃区的测值显然高于1998年燃区。     

探测未爆炸弹的地球物理技术综述

采用综合地球物理勘查技术探测未爆炸弹(UXO)具有快速、定位准确和成本低廉的优势.综述了国内外广泛应用的地面高精度磁测法、电磁法以及地质雷达和微重力法在探测UXO中的特点和效果,介绍了国外航空磁测法及航空电磁法探测UXO的进展,并根据某些探测实例阐述了在具体实施过程中应注意的技术问题;提出了适合中国UXO探测的一些措施和建议.     

激光雷达点云树木建模研究进展与展望

三维树木几何模型是数字城市与数字林业工程的重要组成部分.针对点云树木建模,深入分析了基于广义(泛在)激光雷达点云的树木模型重建方法,提出了聚类思想建模、图论方法建模、先验假设建模、拉普拉斯算子建模与轻量化表达建模5类建模体系,归纳总结了不同建模体系在树冠枝干的细节表达、建模算法性能、树木模型的多层次细节表达、建模体系综...     

基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。     

一种新的用于极化SAR图像船只检测的散射相似性测度

本文提出了一种新的用于极化合成孔径雷达（SAR）海上船只目标检测的测度。首先利用散射相似性参数研究船只与海杂波散射机制的差异。基于这些差异,提出了一种新的船只检测测度,该测度能够有效区分船只目标和海杂波。然后提出了利用核密度估计（KDE）方法对该测度进行建模的方法。基于统计模型,实现了自适应恒虚警率（CFAR）的检测方案。本文利用多景C波段RADARSAT-2极化SAR（Pol-SAR）数据上进行实验,系统分析了所提出测度的海杂波拟合性能与船只检测性能,并与两个经典的极化测度进行了比较,实验和比较结果证明了所提的测度的可行性。     

基于D-InSAR技术的金沙江地区滑坡形变监测与分析

滑坡是发生在我国山区的主要地质灾害类型,金沙江地区由于地势较高、地形复杂、多云多雨的特点,给传统的滑坡监测增加了难度。合成孔径雷达差分干涉测量技术(Differential interferometry synthetic aperture radar,D-InSAR)已在滑坡地面沉降监测中得到了广泛应用。本文选取金沙江上游沿岸作为研究区域,基于2018年8月11日与9月28日的Sentinel-1A影像及SRTM1数据,利用GAMMA软件及D-InSAR技术监测到金沙江地区的地表形变,成功识别出金沙江右岸的一处滑坡灾害。研究结果显示,在此滑坡的坡顶部分出现了约2.5 cm的沉降,而在坡底部分由于崩塌物的累积,地面出现了约3 cm的抬升。从实验结果可以得出,InSAR技术是一种有效的滑坡变形监测手段,利用Sentinel-1A卫星的SAR数据对滑坡区域进行形变监测,可以得到较好的干涉结果。     

基于自动探测方法的南海北部涡致海表温度锋面的特征研究

南海北部具有丰富的温度锋面和中尺度涡,它们调节着局地的热量和能量平衡。本文利用卫星海洋高度异常和海表温度数据,并基于自动探测方法,探究了2007年至2017年南海北部中尺度涡边缘的海表温度锋面（涡致锋面）特征。反气旋/气旋边缘出现锋面的概率可达20%。气旋涡在各个方向上出现锋面的概率比较均匀,反气旋涡的东北部和西南部出现锋面的概率大于西北部和东南部。中尺度涡致锋面的数量有明显的季节变化,而涡动能未表现出明显的季节变化。中尺度涡致锋区的总涡动能是中尺度涡内动能的3倍,并且反气旋涡致锋面的总涡动能明显强于气旋涡致锋面的总涡动能。中尺度涡致锋面的数量和涡动能的年际变化与厄尔尼诺南方涛动指数没有明显的相关性。本研究也讨论了中尺度涡致锋面的可能机制,但是中尺度涡对海表温度锋的贡献需要进一步定量研究。     

基于大数据的极端暴雨事件下城市道路交通及人群活动时空响应

随着全球气候变化加剧,极端降雨增多,暴雨内涝灾害频发,严重威胁城市的可持续发展。快速掌握暴雨给城市交通及人群的影响,有助于提高灾害应急管理水平和事件响应能力。利用实时动态的交通路况信息和手机定位请求数据,通过一种融合STL时序分解技术与极端学生化偏差统计检验的时间序列异常探测方法,监测和分析暴雨内涝灾害事件中,城市道路交通和人群活动的时空响应特征,并以2018年7月16日发生在北京的极端暴雨事件为例开展实证研究。研究结果显示,在降雨集中的早、晚高峰两个时段（8—9时、18—19时）,市区的拥堵道路数量超出往常水平最高可达150%,异常检测分析显示拥堵道路数量和交通拥堵指数均达到异常甚至极端水平。人群活动的异常响应分析结果显示,暴雨事件引起定位请求量异常升高、异常点增多,且异常点的空间分布与1 h前的降雨量分布存在较高相关性。以上结果不仅证明了大数据及异常检测方法对于快速洞察暴雨事件对城市交通及人群影响的有效性,也为城市暴雨内涝灾害的应急响应与管理提供了新的技术手段。     

宁夏生态移民村空间剥夺测度及影响因素

生态移民村是一种具有扶贫脱贫与生态保护双重意义的特殊乡村类型,是乡村振兴不可或缺的重要对象。在空间重构过程中形成的空间剥夺现象,是当前生态移民村全面振兴面临的一个新问题。为探究生态移民村空间剥夺规律,以宁夏70个生态移民村2017年相关数据为基础,构建了以收入就业、教育培训、社会生活、居住环境及公共服务可达性为主要内容的空间剥夺指标体系并进行水平测度,进而运用地理加权回归和地理探测器对其影响因子进行探测。结果显示：① 宁夏生态移民村空间剥夺整体水平较低,但总指数均值相对于非生态移民村显著高出0.023;② 宁夏生态移民村空间剥夺时空分异特征明显,总指数均值在时间上呈现“先较低—后上升—再下降”趋势,在空间上呈现“北部低—中部高—南部次高”分布;③ 民族构成、地形地貌、移民时段、依托资源和经济区带是影响生态移民村空间剥夺的重要因子,前3项对空间剥夺总指数的解释力分别达到了22.4%、10.6%和14.0%。空间剥夺水平测度为生态移民生产生活评价和政策调整完善提供新的客观依据,相关部门可据此优化调节生态移民村空间资源配置,增加其获取资源的能力和机会,推动生态移民村全面振兴。     

Estimating the starting time and identifying the type of urbanization based on dense time series of landsat-derived Vegetation-Impervious-Soil (V-I-S) maps – A case study of North Taiwan from 1990 to 2015

Land cover and land use change (LCLUC) is a global phenomenon, and LCLUC in urbanizing regions has substantial impacts on humans and their environments. In this paper, a semi-automatic approach to identifying the type and starting time of urbanization was developed and tested based on dense time series of Vegetation-Impervious-Soil (V-I-S) maps derived from Landsat surface reflectance imagery. The accuracy of modeled V-I-S fractions and the estimated time of initial change in impervious cover were assessed. North Taiwan, one of the regions of the island of Taiwan that experienced the greatest urban LCLUC, was chosen as a test area, and the study period is 1990 to 2015, a period of substantial urbanization. In total, 295 dates of Landsat imagery were used to create 295 V-I-S fraction maps that were used to construct fractional cover time series for each pixel. Root Mean Square Error (RMSE)s for the modeled Vegetation, Impervious, and Soil were 25 %, 22 %, 24 % respectively. The time of Urban Expansion is estimated by logistic regression applied to Impervious cover time series, while the time of change for Urban Renewal is determined by the period of brief Soil exposure. The identified location and estimated time for newly urbanized lands were generally accurate, with 80% of Urban Expansion estimated within ±2.4 years. However, the accuracy of identified Urban Renewal was relatively low. Our approach to identifying Urban Expansion with dense time series of Landsat imagery is shown to be reliable, while Urban Renewal identification is not.