基于GIS和RUSLE的滇池流域土壤侵蚀敏感性评价及其空间格局演变

土壤侵蚀是滇池流域重要的生态问题之一,掌握滇池流域土壤侵蚀敏感性的时空变化特征有助于水土保持工作的实施和改进。以降雨量、DEM、土壤类型和Landsat影像为数据源,选择降雨、土壤、坡度坡长、植被覆盖4个因子建立土壤侵蚀敏感性评价体系,对滇池流域进行土壤侵蚀敏感性评价。结果表明:滇池流域土壤侵蚀敏感性以轻度敏感和中度敏感为主。空间分布上,轻度敏感区主要分布在滇池周边。中度敏感区主要分布在滇池流域山地区域,地形陡峭。时间变化上,1999—2014年滇池流域土壤侵蚀敏感程度呈下降趋势。轻度敏感区域面积增加20.18%,中度敏感区域面积减少20.31%,轻度敏感区的增加来源于中度敏感区的转变,转变区域分布于滇池流域西北部和东南部。在土壤侵蚀敏感性影响因子中,降雨是影响滇池流域土壤侵蚀敏感性的关键因子。研究滇池流域土壤敏感性时空变化,识别滇池流域易发生土壤侵蚀的区域,有助于该区域水土保持措施实施、生态治理和土地利用优化。     

Sentinel-1A与不同云量Sentinel-2A的融合尺度及分类研究

为了提高多云雾地区光学遥感影像利用率、探索不同云量的光学影像和SAR影像的最佳融合尺度,选取重庆市渝中地区为研究区,基于Sentinel-1A极化合成孔径雷达(SAR)影像与不同云量的Sen鄄tinel-2A(云量分别为0、10%、20%、30%)光学影像,进行小波变换融合、乘积变换融合、高通滤波融合,再利用图像评价方法评价影像融合以后的效果,最后利用面向对象的方法对融合前后的影像进行分类,利用混淆矩阵比较最终的分类精度。结果显示,无云情况下,小波变换融合效果最好,最大限度地保留了原多光谱影像的亮度、反差,有效防止了影像信息的丢失,对植被的解译能力有了明显改善,而融合后的影像保真度较差,其余两种融合效果相对次之,因此,在多云雾地区进行多源遥感数据融合时,尤其是异质数据融合时,优先推荐小波融合算法;当云量为10%以上时,3种融合算法虽然信息熵略有增加,但平均梯度、标准差减少了,造成解译困难,导致最终分类精度均略低于Sentinel-2A影像,远低于Sentinel-1A影像,基本不能满足使用要求,因此,在进行地表覆被解译时,推荐用SAR影像替代光学影像。