中国地表植被覆盖变化及其与气候因子关系

本文利用１９８５－１９９０年连续６９个月的ＮＯＡＡ时间序列数据,进行中国植被覆盖变化的空间,以及时间序列分析,并且结合同期的平均气温,降水数据,进行植被覆盖变化与气候因子相关性分析,该文证实了在中国植被覆盖随时间的推移规律,空间分布规律,以及植被覆盖变化与气温,降水的定量关系。     

利用稀少卫星影像控制点生产1:10 000 DOM——以阿拉善盟测区为例

青藏铁路沿线地表受多年冻土的影响会产生抬升和沉降,形变监测对于其安全运行至关重要。本文采用41景C波段Sentinel-1A升轨数据,结合均匀网格划分子区域的方法,探测分布相对均匀的永久散射体,以作为SBAS InSAR技术的地面控制点,对青藏线羊八井站至乌玛塘站段铁路及其沿线地表进行形变监测。试验结果表明,该段铁路年形变速率范围为-8~2 mm/a,该区域形变受周围冻土的影响随季节呈周期性变化;SBAS InSAR技术和本文的PS-SBAS InSAR技术在同名点形变趋势与形变程度方面的对比结果保持一致性,进一步说明了本文方法的可靠性。     

基于TEA算法的地理信息数据安全保护技术及验证分析

地理信息数据是国家国防建设和国民经济发展的重要基础数据,随着数字化、信息化及云计算等技术的发展,地理信息数据的安全威胁日益严峻,本文面对移动平台上地理信息数据安全存储、高效传输和实时信息解密及处理等挑战,提出了一种基于TEA算法的地理信息数据安全保护技术,该技术采用循环迭代的移位和异或运算实现对地理信息数据的加密和解密,可以实现移动平台端地理信息数据的高安全加密存储和高性能实时解密处理,并采用该算法对SRTM数据进行处理和分析。试验结果表明,基于TEA算法的地理信息数据加密技术可以有效实现地理信息数据的加密及解密处理,满足移动系统对地形数据的高安全存储和高性能处理的要求。     

Semi-automatic delineation of badlands using contrast in vegetation activity: a case study in the lower Chambal valley,India

Population growth worldwide leads to an increasing pressure on the land. Recent studies reported that many areas covered by badlands are decreasing because parts of badlands are being levelled and converted into arable land. It is important to monitor these changes for environmental planning. This paper proposes a remote-sensing-based detection method which allows mapping of badland dynamics based on seasonal vegetation changes in the lower Chambal valley, India. Supervised classification was applied on three Landsat (Thematic Mapper) images, from 3 different seasons; January (winter), April (summer) and October (post-monsoon). Different band selection methods were applied to get the best classification. Validation was done by ground referencing and a GeoEye-1 satellite image. The image from January performed best with overall accuracy of 87% and 0.69 of kappa. This method opens the possibilities of using semi-automatic classification for the Chambal badlands which is so far mapped with manual interpretations only.     

Visualizing spatiotemporal trajectories of mobile social media users using space–time cube

The implementation of social network applications on mobile platforms has significantly elevated the activity of mobile social networking. Mobile social networking offers a channel for recording an individual’s spatiotemporal behaviors when location-detecting capabilities of devices are enabled. It also facilitates the study of time geography on an individual level, which has previously suffered from a scarcity of georeferenced movement data. In this paper, we report on the use of georeferenced tweets to display and analyze the spatiotemporal patterns of daily user trajectories. For georeferenced tweets having both location information in longitude and latitude values and recorded creation time, we apply a space–time cube approach for visualization. Compared to the traditional methodologies for time geography studies such as the travel diary-based approach, the analytics using social media data present challenges broadly associated with those of Big Data, including the characteristics of high velocity, large volume, and heterogeneity. For this study, a batch processing system has been developed for extracting spatiotemporal information from each tweet and then creating trajectories of each individual mobile Twitter user. Using social media data in time geographic research has the benefits of study area flexibility, continuous observation and non-involvement with contributors. For example, during every 30-minute cycle, we collected tweets created by about 50,000 Twitter users living in a geographic region covering New York City to Washington, DC. Each tweet can indicate the exact location of its creator when the tweet was posted. Thus, the linked tweets show a Twitter users’ movement trajectory in space and time. This study explores using data intensive computing for processing Twitter data to generate spatiotemporal information that can recreate the space–time trajectories of their creators.     

基于时间序列统计特性的森林变化监测

森林动态变化分析对揭示生态系统环境变化及植被恢复和布局重建等具有重要意义,时间序列的遥感数据为森林监测提供了基础数据。本文根据森林植被的统计学特性,在暗目标法的基础上,利用归一化植被指数NDVI实现森林样本自动选择;并融合NDVI构建了新的综合森林特征指数(Integrated Forest Z-Score,IFZ);以时间序列的IFZ分析森林动态信息,实现森林变化动态监测。以三峡大坝及周边区域森林为研究区,利用2001年至2012年每年生长季节(5月—10月)的Landsat TM影像检验本文算法。基于2002年、2006年和2010年三期7月—9月的Quick Bird影像的精度分析结果发现:研究区森林变化检测的总体精度可达96.53%,Kappa系数为0.9512。在添加NDVI指数后构建的IFZ提高了总体监测精度。其中,毁林类别的检测精度提高显著,漏检率和误检率分别为2.74%和3.64%;干扰后重建的森林类别的检测精度有一定提高,其漏检率和误检率分别为10.79%和10.51%。研究结果表明,改进暗目标法能提高森林样本的选样效率,添加NDVI的IFZ能提高森林动态变化的识别度。此外,本算法不仅能定性识别森林变化,而且能定量提供森林干扰发生时间和干扰强度。     

高程对TDICCD相机像移补偿影响分析

高分辨率遥感卫星中常使用TDICCD(时间延迟积分CCD)相机,为获取高质量遥感影像,在相机成像过程中须采用像移补偿技术,而目前大部分像移补偿忽略了高程的影响。基于参考椭球面下成像矢量模型,建立考虑高程的成像矢量模型及解算方法流程,精确地计算相机成像时像点对应地面成像点的坐标及像移补偿参数。根据计算结果,分析高程对像移补偿参数的影响,在此基础上,综合考虑像移补偿参数精度对高程误差的要求、星上存储空间及高程查询速度,讨论星载数字高程模型(DEM)的生成,为星载DEM的使用及TDICCD相机高精度像移补偿提供理论基础和实验分析。     

基于遥感数据的多年平均物候不确定性研究

多年平均物候能够反映植被生长发育节律的均衡状态,是植被物候模拟与预测的关键参数之一。遥感已广泛用于地表物候监测,是空间多年平均物候信息的重要来源。然而,基于遥感的多年平均物候存在不同计算方法,如先确定每年时序曲线的物候点再求平均值（平均法）,以及先求多年平均时序曲线再确定物候点（参考曲线法）。上述方法的结果可能存在差异,但目前尚缺乏对这一不确定性及其影响的认识。针对该问题,本研究利用2001年—2016年遥感植被指数数据,分别在平均法和参考曲线法下提取中国森林生长季起始时间的多年平均值（■）,比较■的差异（■）及其空间异质性;进一步选取物候研究中常用指标,即以■为基础的温度“季前时长PD (Preseason Duration)”,分析■不同计算方法对物候—气候关系的潜在影响。结果表明,（1）不同方法下的■差异显著,总体上平均法小于参考曲线法（-2.6±2.2 d,占88%）,其中存在8.0%和6.0%的有效像元其动态平均法和固定平均法小于参考曲线法超过7 d,主要分布在东南丘陵地区。（2）■具有显著的空间异质性,主要表现为随年均温的升高而减小（Slope=0.07 d/℃,P<...     

基于Stacked ConvLSTM的时间序列森林火烧迹地检测

确定森林火烧迹地的准确时间点以及空间范围对于森林的受损评价、管理、碳核算以及森林恢复的管理有重要意义。由于森林火烧迹地在空间分布上具有一定的连续性,现有的森林火烧迹地提取方法大都采用先分类再后处理的两步处理策略来抑制虚警像素的影响。本文提出将时空检测方法 Stacked ConvLSTM用于时间序列森林火烧迹地的检测,在保持结果具有较好空间连续性的基础上避免了具有主观性的后处理操作,实现端到端提取森林火烧迹地信息,提升了森林火烧迹地的提取精度。采用MODIS时间序列数据,基于2001年—2008年以及2001年—2016年的黑龙江沾河林业局伊南河林场和内蒙古自治区毕拉河林业局北大河林场两个区域的历史时间序列,分别对这两个区域2009年以及2017年发生的特大火灾区域进行火烧迹地检测,利用Stacked ConvLSTM、Stacked LSTM以及bfast算法在两个区域的MODIS时间序列中提取森林火烧迹地,并将火烧迹地检测结果与ESA发布的Fire＿CCI 5.1火烧迹地产品进行对比分析。结果表明：首先,从目视效果来看,在研究区域Ⅰ,Stacked ConvLSTM检测的结果比St...     

GLONASS/BDS单历元单频RTK定位研究

天空中导航卫星的可见数不断增加对整周模糊度的解算带来了有利的影响,极大改善了GNSS单历元单频RTK定位的精度和可靠性。针对GLONASS/BDS组合定位时的时空基准统一问题进行了分析;并针对GLONASS信号频分多址的特点,对GLONASS/BDS单历元单频RTK定位的数学模型进行了研究;最后通过实测数据对模型可行性进行了验证。结果表明,GLONASS/BDS单历元单频RTK定位是可行的,并且在北向上的定位精度要优于BDS单历元双频RTK定位。