多源高分辨率卫星遥感影像监测林地动态变化研究

以内蒙古大兴安岭克一河林业局、吉文林业局林地动态变化监测为目标,应用多期国产高分辨率卫星遥感数据,辅以德国Rapid Eye、法国SPOT5和SPOT6、美国TM遥感影像;叠加占用征收林地资料、伐区作业设计、林木采伐许可证、林政案件资料、森林资源二类调查以及林地保护利用规划等专题数据资料。通过目视解译与提取识别,检测林地和林木的变化情况,结果表明:卫星遥感影像对林木采伐、占地、毁林开垦和森林灾害监测效果明显。     

基于多源数据的村域撂荒驱动力分析及模型模拟

耕地撂荒受多重驱动力影响,从多重驱动力中梳理出主要驱动力、次要驱动力或伪驱动力,对撂荒地的研究和管理有重大意义。本研究以内蒙古和林格尔县为研究区,采用高分遥感数据(哨兵二号、资源三号、高分一号)结合土地变更调查数据,利用联合变化检测方法提取撂荒地,提取结果的总体精度为97.6%。在此基础上,结合村干部的问卷调查数据,设计了可能影响区域撂荒的9个自变量。将70个样本村分为训练集(50个)和验证集(20个),用多元线性模型对训练集进行逐步回归,最终进入模型的4个自变量为常户比、地形、耕村比、城市距离。该模型的调整R方为0.811,验证集的预测值与真实值拟合效果良好,说明模型对村域撂荒驱动力的解释能力较强,输出结果较为稳定。模型模拟认为,村域撂荒主要驱动力为村庄地形、人口流失程度、农垦程度和城市距离;次要驱动力为地表水资源;伪驱动力为村庄海拔、乔木林覆盖率、人均收入和小农机普及率。本研究可为判别区域撂荒驱动力、定向提升撂荒地管理提供依据。     

多源卫星遥感影像进行土地利用变化监测

Due to inappropriate planning and management, accelerated urban growth and tremendous loss in land, especially cropland, have become a great challenge for sustainable urban development in China, especially in developed urban area in the coastal regions; therefore, there is an urgent need to effectively detect and monitor the land use changes and provide accurate and timely information for planning and management. In this study a method combining principal component analysis (PCA) of multisensor satellite images from SPOT (systeme pour l'observation de la terre or earth observation satellite)-5 multispectral (XS) and Landsat-7 enhanced thematic mapper (ETM) panchromatic (PAN) data, and supervised classification was used to detect and analyze the dynamics of land use changes in the city proper of Hangzhou. The overall accuracy of the land use change detection was 90.67% and Kappa index was 0.89. The results indicated that there was a considerable land use change (10.03% of the total area) in the study area from 2001 to 2003, with three major types of land use conversions: from cropland into built-up land, construction site, and water area (fish pond). Changes from orchard land into built-up land were also detected. The method described in this study is feasible and useful for detecting rapid land use change in the urban area.     

基于断点检测的延安市富县植被变化研究

  目的  多项生态工程实施以来,陕北黄土高原地区环境明显改善,探究该区域植被的时空变化,为生态环境建设与差异化决策提供依据。  方法  以陕西省延安市富县为研究对象,利用2000—2019年生长季的Landsat TM/ETM+/OLI影像,运用DBEST算法对归一化植被指数(NDVI)时间序列进行断点检测,并提出多阶段趋势分析方法分析富县植被变化时空特征。  结果  富县植被的断点检测结果表明:66.47%的区域断点NDVI变化幅度小于0.2,主要分布在富县西部和东北地区,植被相对稳定,未发生剧烈变化;33.53%的区域断点NDVI变化幅度大于0.2,其中断点数量多于4个的区域仅占5.88%,集中分布于道路、河流沿线,变化频繁,与人为活动有关。当前阶段趋势分析表明:断点NDVI变化幅度大于0.2的区域,改善的面积占总面积的24.57%,退化面积仅占2.12%;开始时间均在2014年之前,时间分布跨度大,空间异质性强,揭示了富县植被变化的多样性及复杂性;富县有林地、疏林地、灌木林地、未成林造林地4种主要林地均趋于改善,改善面积占林地面积的96.23%。  结论  2000—2019年,富县植被整体呈现改善趋势,生态建设工程取得良好的效果;植被变化的时空特征存在差异,后续决策需因地制宜。图6表1参25     

森林扰动遥感影像检测方法研究进展

将碳达峰、碳中和纳入我国生态文明建设整体布局是中共中央作出的重大战略选择。森林是陆地生态系统最重要的贮碳库,对实现碳中和具有重要作用。森林的扰动与碳储量和碳汇关系密切,目前由于森林扰动资料的缺乏,导致区域森林碳汇与碳源的估算精度不准确,建立和完善适用于中国森林的扰动检测方法具有重要的理论意义和应用价值。文中在分析国内外森林扰动遥感检测文献的基础上对分类后比较法、直接分析法、时间序列分析法与深度学习法进行对比,分析每一类方法的技术特点和应用效果,指出森林扰动检测方法存在的问题,展望今后发展方向,以期能够为森林扰动检测相关研究提供参考。     

地块破碎度对软硬变化检测法识别冬小麦分布精度的影响

软硬变化检测作物识别(soft and hard change detection,SHCD)是一种新型的作物识别方法。该研究针对不同耕地地块破碎程度的农业景观地区进行SHCD冬小麦识别,分析地块破碎程度对SHCD冬小麦识别精度的影响。试验结果表明,在种植地块破碎试验区,SHCD的RMSE对分辨率不敏感,均小于0.15,bias也比较小,R2随着检测窗口的增加,相关性逐步升高,达到98%以上。在种植地块规整试验地区,亦能够得到相同试验结论。SHCD方法综合了硬变化(hard change detection,HCD)和软变化(soft change detection,SCD)各自的优势,能够达到稳定且较高的识别精度,不受影像分辨率的影响;有效地解决了SCD在硬变化区(纯净像元)受到光谱不稳定性和HCD在软变化区(混合像元)识别为"0-1"排他性结果的不足,保证了冬小麦的识别精度,为大范围进行冬小麦识别以及其他作物的变化检测识别提供前期的试验基础。     

基于GF-1影像NDVI年度间相关分析的冬小麦面积变化监测

为实现区域冬小麦种植面积变化的快速监测,减少监测难度,提高监测效率和精度,该文提出一种基于年际NDVI相关关系的监测方法(relationship analysis of normal difference vegetation index,rNDVI)。选择河北省黄骅市、孟村县、海兴县3个县市为研究区,基于2014年4月14日、2017年4月26日两个时期的GF-1/WFV数据,基于rNDVI方法,通过将样本点两年度的NDVI值构建二维空间,采用最小二乘法拟合的方法获得不变地物点的上下包络线方程,进而得到冬小麦变化区域的监测阈值,提取冬小麦种植增加和减少区域,实现对研究区域的变化监测。结果表明,采用rNDVI算法总体精度分别为90.60%,Kappa系数为0.84,相比传统的先最大似然分类后再提取冬小麦种植变化区域的方法,总体精度与Kappa系数分别提高了6.6个百分点和16.7%。对冬小麦增加区域、冬小麦减少区域的变化监测结果进行分析,发现基于rNDVI的变化监测方法可以有效提高裸地、线状道路、破碎的冬小麦地块等区域的变化识别能力,提高监测精度。同时分别利用2014年3月1日和2017年3月12日、2014年5月17日与2017年5月20日两对GF-1/WFV数据进行基于rNDVI的冬小麦变化区域监测,结果表明3月份的监测精度较低,主要是由于3月份冬小麦长势尚不明显,5月份与4月份的总体精度相近,主要是由于5月份冬小麦NDVI已较高,易于识别。上述研究结果表明,基于rNDVI的冬小麦变化快速监测方法可以有效监测区域冬小麦种植面积的变化情况,算法简单高效,且能够在种植结构相对单一的冬小麦分布区域保持较高精度,能够满足农情遥感监测信息快速获取的需要。     

基于联合变化检测的耕地撂荒信息提取与驱动因素分析

撂荒地遥感提取方法主要为分类方法和变化检测方法。由于撂荒地覆被类型复杂,容易同草地、灌木混分,导致分类方法的提取精度不高。而变化检测方法易受非耕地变化因素干扰,且只能提取监测周期内的新增撂荒,无法提取监测周期之前的历史撂荒。此外,受遥感数据本身的制约,中低分数据受混合像元干扰而提取能力不足,高分遥感易受地形起伏、云层遮蔽、覆盖周期长等因素干扰而损失精度,因此,传统遥感方法提取撂荒地困难。本研究提出多源数据联合变化检测方法以提取撂荒地。利用多源数据的异质性和不同方法的互补性,针对不同类型的撂荒地制定不同的提取策略,并进行耦合分析以提取撂荒地。经实地调查验证,该方法提取总精度达到97. 6%。在此基础上,提取撂荒地的距离特征、高差特征、灌溉特征和邻域特征等自然地理指标,对其进行了显著性分析,判别了区域撂荒主导因素,为撂荒驱动力研究、定向提升撂荒地管理提供了依据。     

西双版纳12 a间森林扰动监测研究

及时准确的森林干扰信息是掌握森林时空演变规律和碳汇状态变化的重要基础知识。基于1999—2010年间的Landsat TM/ETM+遥感影像,本研究采用单类支持向量机(one class support vector machine,OCSVM)监测了近12 a以来西双版纳傣族自治州的热带森林干扰的时空变化。监测结果表明:1999—2010年间,西双版纳热带森林面积在各种因素的干扰下呈逐年减少趋势,热带森林保护形势依然严峻。OCSVM是一种快速提取热带森林面积的简单方法,具有较高的提取精度(90.19%)。将长时间序列MODIS数据与Google Earth高分辨率影像结合是快速获取丰富的高质量采样数据的有效途径,能够为遥感分类算法训练和结果验证提供可靠数据源。