基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

δ^13C-δ^18O Covariance： An Effective Indicator of Hydrological Closure for Lakes？

The correlation between theδ~(13)C andδ~(18)O in primary carbonates is affected by several factors such as hydrological balance,total CO_2 concentrations,climatic condition and lake productivity. The influence of these factors on theδ~(13)C-δ~(18)O correlation may be different on different time scales.In this paper,two different-type lakes in southwestern China,Lake Erhai and Lake Chenghai,are selected to investigate the influence of climatic pattern on theδ~(13)C-δ~(18)O correlation and to evaluate the reliability of theδ~(13)C-δ~(18)O covariance as an indicator of hydrological closure.The results show that there exists good correlation between theδ~(13)C andδ~(18)O in Lake Erhai (overflowing open lake) and in Lake Chenghai (closed lake).This suggests that theδ~(13)C-δ~(18)O covariance may be not an effective indicator of hydrological closure for lakes,especially on short time scales.On the one hand,a hydrologically open lake may display covariantδ~(13)C andδ~(18)O as a result of climatic influence.The particular alternate warm-dry and cold-wet climatic pattern in southwestern China may be the principal cause of theδ~(13)C-δ~(18)O covariance in Lake Erhai and Lake Chenghai.On the other hand,a hydrologically closed lake unnecessarily displays covariant trends betweenδ~(13)C andδ~(18)O because of the buffering effect of high CO_2 concentration on theδ~(13)C shift in byper-alkaline lakes.We should be prudent when we use the covariance betweenδ~(13)C andδ~(18)O to judge the hydrological closure of lake.     

基于神经网络方法的芦苇叶面积指数遥感反演

提出了一种从TM图像上获取芦苇冠层叶面积指数的方法:首先对芦苇的生长背景进行分类;然后,对不同的背景光谱利用冠层反射率(FCR)模型计算得到查找表;最后,利用实测数据和查找表中的数据作为参数进行BP神经网络模型训练,从而得到芦苇冠层LAI。结果表明,人工神经网络方法有很强的非线性拟合能力,能够消除背景对反演结果的影响,有效提高LAI反演的精度。     

贝加尔裂谷系及邻区断裂现今活动变化及成因(英文)

已有的地质和地球物理方法无法对年、月、旬等现今时间尺度上的断层活动变化进行有效预测。运用基于地震活动定量指数运算程序的地理信息技术可以解决这个问题。这种方法被应用于贝加尔裂谷系(BRS)及邻区的研究当中。研究发现,断层活动变化发生在以几年为周期的时间尺度上,这无法用区域应力场的变化进行合理解释。沿着穿越贝加尔裂谷系的剖面编制了活动断层图以及地震活动定量指数曲线。提出的这种方法可以根据地震活动定量指数对活动断层进行仔细的分类,从而为解决地震中期预报相关问题开辟了重要途径。这种方法还被用来研究断层现今活动的时空变化和形成机制。研究发现,在实时尺度上断层活动具有高频发生的特征,这种现象可能是由于脆性岩石圈板内和块体内部运动产生的慢变形波的干扰导致的。利用变形波的通过速度可以对活动断层进行分组,各组具有不同的地质和地球物理特征参数,同时还可以对变形波波前的方向以及某一区域内主要断层在实时间隔内(地质上的瞬间)的活动情况进行预测。     

孔雀河斜坡东南部中上奥陶统物源研究新认识

通过对塔里木盆地孔雀河斜坡东南部地区中晚奥陶系砂岩中重矿物分析研究,表明库鲁克塔格露头样品稳定重矿物为锆石-电气石-石榴石-磁铁矿-赤褐铁矿组合,孔雀1井样品稳定重矿物为锆石-石榴石-电气石-白钛石组合,二者有些差异,但分析结果反映了同样的母岩性质.研究区内沉积岩母岩主要来自于酸性、中基性岩浆岩和部分变质岩,为混源产物.结合对地震剖面的分析,认为研究区物源来自南(阿尔金造山带)和北(库鲁克塔格隆起)两部.根据稳定重矿物ZTR指数判断,南、北两个方向而来的沉积物在孔雀1井附近交汇,并沿各自路线运移、沉积.     

K-L变换与NDBI指数法提取ASTER影像城市用地信息的比较

运用K-L变换和NDBI(Normalized Difference Barren Index)指数法,对试验区--沧州市及其周边地区的ASTER遥感影像进行处理,然后分别对两种方法处理后的图像采用最小距离法监督分类,提取城市用地信息,并对分类后的图像进行对比,结果表明:NDBI指数法对城市用地信息提取的效果较好.     

河南黄淮平原土壤中Cu的生态安全评价

在分析河南黄淮平原土壤和小麦籽实中Cu含量分布特征的基础上,利用单项污染指数法对研究区小麦籽实中Cu的污染状况进行评价。其结果为：研究区小麦籽实中Cu的单项污染指数Pi的平均值为0．473,说明研究区小麦籽实未受Cu的污染。Cu的状况良好。进一步讨论了土壤中Cu的含量与小麦籽实中Cu含量间的关系。认为小麦籽实中Cu的积累与土壤中的总Cu无明显的相关关系,而与土壤中的有效态Cu含量具有明显的相关性。据此,将土壤有效态Cu作为土壤Cu生态安全评价的指标。并建立了小麦籽实Cu与土壤有效Cu的响应关系模型,确定了土壤中有效Cu的安全界限值。     

大连滨海湿地景观格局变化及其驱动机制

以2000年和2006年TM卫星影像为主要数据源,配合其它非遥感数据,在遥感与地理信息系统技术支持下,运用景观生态学原理,选取反映景观空间结构和景观异质性的指数,对大连地区湿地的整体景观格局和类型景观格局及其动态变化进行定量分析.结果表明:6年间,大连湿地面积减少了97.62 km2;整体景观多样性指数和均匀度指数降低,优势度指数增加;各类景观格局时间序列上也存在明显差异性变化.湿地景观格局指数的变化, 反映了移山填海工业园区的扩大及养殖业的大力发展等人为活动对景观格局的深刻影响.人为活动已成为大连市湿地景观格局变化的主要驱动因子.     

回注地下——解决气候变化问题

从地球内部开采石油、煤和天然气来供给我们能量。在这类化石燃料燃烧和释放能量时产生了不需要的二氧化碳气体,这会对全球气候产生影响。可以捕集这种二氧化碳,输送到地下并且封存,这样可从根本上减少温室气体的放出量,有助于缓解气候变化,成为向持久供应能量过渡的关键因素。     

破解全球海洋环境气候模拟难题

当前,全球气候变化与海洋环境变化成为各国关注的热点,如何更加准确地模拟和预测海洋气候变化成为各国科学研究的焦点之一。国家海洋局第一海洋研究所副所长、海洋环境科学和数值模拟重点实验室主任乔方利研究员,在大连召开的北太平洋海洋科学组织第十七届年会上,作了《海浪-环流耦合理论和数值模式发展》的主题报告,引起了400余名国内外与会科学家的巨大反响。乔方利博士带领研究组率先打破常规思维,首次将海浪这一物理过程纳入海洋动力学研究中,进而率先在国际上建立了海浪与环流耦合理论和浪潮流耦合预报模式。该理论和模式是我国近期取得的原始自主创新,处于该领域世界领先水平。