2008－2018年拉萨市温室蔬菜地时空变化特征

随着居民对蔬菜消费需求的不断提高，拉萨市温室蔬菜地得到快速发展，但对温室蔬菜地格局变化过程仍缺乏清楚的认识。该研究基于2008－2018年11期拉萨市高清遥感影像，结合实地调研，采用重心转移分析、地统计分析等方法，研究了2008－2018年拉萨市温室蔬菜地时空格局变化特征。结果表明：1）2008－2018年，拉萨市温室蔬菜地面积总体呈波动上升趋势，年均增长率为6.93%。研究时段内，温室蔬菜地变化经历了发展、调整、稳定三个阶段，各阶段年均变化率分别为11.08%、-2.13%和0.77%。2）研究时段内，拉萨市城关区和堆龙德庆区温室蔬菜地比例下降56.2%，达孜区和曲水县温室蔬菜地比例上升51.58%，温室蔬菜地分布重心向远离城区的城郊转移，向东南方向迁移了约4 896 m。3）新增温室蔬菜地向高海拔和大坡度区域转移，海拔3 675～3 800 m范围内温室蔬菜地面积比例由22.05%上升到30.41%，坡度6°～10°区域温室蔬菜地面积占比上升5.92%。4）温室蔬菜地新增源于耕地，减少多因为建设用地扩张。蔬菜需求量大和温室蔬菜收益高是温室蔬菜地面积增加的基本动力，区域土地利用调整是温室蔬菜地格局变化的重要推动力。     

基于土壤微波辐射布儒斯特角反演土壤含水率

在利用被动微波遥感技术进行裸露地表土壤含水率(Soil Moisture Content,SMC)的反演中,土壤粗糙度是制约反演精度的最关键因素。该研究利用改进的积分方程模型(Advanced Integral Equation Model,AIEM)进行地表多角度微波发射率的模拟,探索地表微波辐射多角度信息用于提高地表SMC反演精度的可行性。基于不同SMC和不同粗糙度地表多角度V极化发射率数据的变化趋势提取土壤介质布儒斯特角,结果表明,土壤布儒斯特角对SMC具有较高的敏感性,C波段(6.6 GHz)不同含水率土壤的布儒斯特角分布在60°～80°范围内。基于AIEM模拟数据的分析发现,土壤布儒斯特角正切值与SMC具有较好的线性关系,线性拟合决定系数为0.94,均方根误差为0.027cm~3/cm~3,并得到了基于布儒斯特角的裸露地表SMC反演算法。基于模拟数据的算法验证结果表明,算法的SMC预测值与理论值的决定系数为0.95,均方根误差为0.024 cm~3/cm~3。算法在不同土壤粗糙度自相关函数下均表现出稳健的特性,SMC预测精度最大均方根误差为0.027 cm~3/cm~3,最小为0.023cm~3/cm~3。基于布儒斯特角的SMC反演算法利用的是多角度土壤发射率的相对变化而非其绝对数值,该研究为SMC的多角度被动微波遥感提供了一种不同的研究思路。     

基于GF-6卫星影像多特征优选的酿酒葡萄精准识别

多源遥感信息和特征优选是提高农作物识别精度的重要支撑，高分六号（GF-6）卫星作为首次引入红边波段的国产卫星，其丰富的光谱信息为作物识别提供了新的思路和解决途径。该研究基于宁夏回族自治区银川市永宁县2018年6月-2019年3月的GF-6数据，充分利用红边优势提取光谱特征、纹理特征和植被指数特征，构建多种特征组合方案，并根据随机森林算法对特征重要性进行度量，选取最优特征组合对酿酒葡萄进行精准识别。结果表明，与单一特征相比，多源遥感特征的增加显著改善了酿酒葡萄分类效果，其中，植被指数贡献程度最大，光谱特征次之；基于随机森林的优选特征组合分类效果最佳，其中，总体分类精度为94.15%，酿酒葡萄用户精度为94.23%，制图精度为92.59%；以实地调查的4个酒庄为验证区，将酿酒葡萄提取结果与统计数据进行对比，面积相对精度均在70%以上，其中优选特征结果相对精度在90%以上，研究结果将为国产卫星红边波段在植被分类和识别方面的应用提供数据参考。     

基于极化分解和集成学习的PolSAR影像分类

为实现Pol SAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的Pol SAR影像分类方法。该方法首先利用多种极化分解方法从Pol SAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90。此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性。     

佳芦河流域水土保持监测及土壤侵蚀评价

以佳芦河流域分辨率为0.38 m的航摄影像和5 m的DEM等为信息源,基于ArcGIS平台,获取了流域水土保持措施、土地利用、植被覆盖度、坡度、沟壑烈度等土壤侵蚀影响因子,依据《土壤侵蚀分类分级标准》(SL 190—2007),对各因子进行叠加分析,对水蚀、风蚀区等不同侵蚀类型的土壤侵蚀强度进行了分析评价。结果表明,截至2012年9月,佳芦河流域有水土流失面积1068.89 km 2,占流域面积的94.26%,其中轻度、中度、强烈、极强烈、剧烈侵蚀面积分别为118.69、206.35、126.29、75.08、542.48 km 2;强烈及以上侵蚀面积占到水土流失面积的69.59%,其中强烈和极强烈侵蚀多发生在风蚀区,而剧烈侵蚀主要发生在水蚀区的沟道中。     

一种改进深度卷积神经网络的海岛识别方法

受不规律潮汐的影响,现有的海岛地物类别自动识别方法存在精度低和时效性差等问题,通过改进深度卷积神经网络提出了一种基于遥感影像的海岛快速识别方法:(1)在深度卷积神经网络的卷积层中增设1×1的卷积核作为瓶颈单元,对多波段的遥感影像进行降维;(2)在池化层引入了重采样方法,基于灰度值对海量的遥感影像进行特征压缩。以300景Landsat-8遥感影像为源数据,分别采用CNN、RCNN和本文改进的深度卷积神经网络对遥感影像中的海岛进行识别,实验结果表明:(1)改进的深度卷积神经网络降低了海岛识别的计算耗时,其计算耗时仅为CNN的4.56%和RCNN的5.60%;(2)改进的深度卷积神经网络较CNN和RCNN提高了海岛识别的精度,识别精度分别为96.0%、93.3%和95.0%。结果说明,改进的深度卷积神经网络适用于面向遥感影像的海岛自动识别。     

吉林省西部新开发水田遥感动态监测研究

为了响应土地整理开发项目的政策,吉林省西部地区开发了大面积的水田。为掌握新开发水田的动态变化,有必要对吉林省地区进行土地利用分类。以吉林省前郭县为例,利用2010年环境卫星数据进行不同土地利用分类方法的比较,进而对另外3景图像进行信息提取,分析4个年份新开发水田的分布及变化情况。结果表明,支持向量机法比最大似然法的耕地分类精度高约5%,其产品和用户精度分别为95%和84%。加入纹理信息没有显著提高分类精度。2009~2012年水田面积分别增加-67.7 km2,111.7 km2和265.01 km2。     

基于农业物联网的改进型双门限频谱检测算法研究

农业物联网的出现,对信息化与农业现代化融合具有积极推动的作用。在农业物联网中信息传输是一个至关重要的环节,到目前为止,普通的3G和4G通信网络已经不能提供农业物联网中进行信息传递所需要的频谱资源,而认知无线电网络恰恰可以满足农业物联网的需求。它显著的特点就是可以发现未被授权用户利用的频谱,来供给未授权用户使用,提高了频谱资源的利用率。在认知无线电中,最重要的步骤就是进行频谱检测,笔者就是在双门限频谱检测算法的基础上提出一种新型算法。该算法适当地选取条件好的认知用户进行数据融合,并不是采纳所有认知用户的本地检测信息。仿真结果表明:本文提出的算法可有效提高认知无线电系统中频谱感知的性能,降低虚警概率,以更好地为农业物联网提供可用的频谱资源。     

Impact of land‐use intensity on the relationships between vegetation indices,photosynthesis and biomass of intensively and extensively managed grassland fens

Vegetation indices are widely used as model inputs and for non‐destructive estimation of biomass and photosynthesis, but there have been few validation studies of the underlying relationships. To test their applicability on temperate fens and the impact of management intensity, we investigated the relationships between normalized difference vegetation index (NDVI), leaf area index (LAI), brown and green above‐ground biomass and photosynthesis potential (PP). Only the linear relationship between NDVI and PP was management independent (R² = 0·53). LAI to PP was described by a site‐specific and negative logarithmic function (R² = 0·07–0·68). The hyperbolic relationship of LAI versus NDVI showed a high residual standard error (s.e.) of 1·71–1·84 and differed between extensive and intensive meadows. Biomass and LAI correlated poorly (R² = 0·30), with high species‐specific variability. Intensive meadows had a higher ratio of LAI to biomass than extensive grasslands. The fraction of green to total biomass versus NDVI showed considerable noise (s.e. = 0·13). These relationships were relatively weak compared with results from other ecosystems. A likely explanation could be the high amount of standing litter, which was unevenly distributed within the vegetation canopy depending on the season and on the timing of cutting events. Our results show there is high uncertainty in the application of the relationships on temperate fen meadows. For reliable estimations, management intensity needs to be taken into account and several direct measurements throughout the year are required for site‐specific correction of the relationships, especially under extensive management. Using NDVI instead of LAI could reduce uncertainty in photosynthesis models.     

Ecological and Industrial Implications of Dynamic Seaweed-Associated Microbiota Interactions

Seaweeds are broadly distributed and represent an important source of secondary metabolites (e.g., halogenated compounds, polyphenols) eliciting various pharmacological activities and playing a relevant ecological role in the anti-epibiosis. Importantly, host (as known as basibiont such as algae)–microbe (as known as epibiont such as bacteria) interaction (as known as halobiont) is a driving force for coevolution in the marine environment. Nevertheless, halobionts may be fundamental (harmless) or detrimental (harmful) to the functioning of the host. In addition to biotic factors, abiotic factors (e.g., pH, salinity, temperature, nutrients) regulate halobionts. Spatiotemporal and functional exploration of such dynamic interactions appear crucial. Indeed, environmental stress in a constantly changing ocean may disturb complex mutualistic relations, through mechanisms involving host chemical defense strategies (e.g., secretion of secondary metabolites and antifouling chemicals by quorum sensing). It is worth mentioning that many of bioactive compounds, such as terpenoids, previously attributed to macroalgae are in fact produced or metabolized by their associated microorganisms (e.g., bacteria, fungi, viruses, parasites). Eventually, recent metagenomics analyses suggest that microbes may have acquired seaweed associated genes because of increased seaweed in diets. This article retrospectively reviews pertinent studies on the spatiotemporal and functional seaweed-associated microbiota interactions which can lead to the production of bioactive compounds with high antifouling, theranostic, and biotechnological potential.