基于云平台和BFAST算法的地表变化检测方法

准确识别地表变化的时空信息,有助于探究地表自然环境和生态系统发展演变的规律,支撑相关的科研与行政管理工作。本文以河南某生态保护修复工程部分实施范围为研究区域,基于Google Earth Engine(GEE)云平台,以2013—2020年的98景Landsat8/OLI遥感影像作为数据源,应用Breaks for additive season and trend(BFAST)算法对地表变化进行了信息提取和制图。首先基于GEE云平台对Landsat8/OLI地表反射率数据集进行调用和预处理,基于CFMask算法对遥感数据集进行云影掩膜,开展光谱指数(植被指数NDVI)的计算以及时间序列数据集的构建。其次基于时序数据集与BFAST算法构建由趋势项、季节项和残差项组成的广义线性回归模型,通过最小二乘法求解模型中的未知参数集,以此进一步构建时序拟合模型,而后基于残差的Moving sums(MOSUM)方法对时序结构变化进行检测。最后从检测结果中抽取像元样点,通过与Google Earth高分辨率影像数据叠置和目视解译,开展结果验证和精度评价。结果表明,本文提出的方法在研究区的时序地表变化...     

基于高光谱反演的复垦区土壤重金属含量经验模型优选

以工矿复垦区为实验区域,基于ASD Field Spec 4高光谱遥感数据,结合实测的土壤重金属含量,利用回归分析与特征选择方法,开展了基于高光谱数据的土壤重金属含量反演研究与实验并进行了经验模型优选。通过对光谱曲线进行一阶微分、对数一阶微分以及对数倒数的一阶微分等数学变换有效提高了光谱数据与土壤重金属含量的相关性。在此基础上采用偏最小二乘回归(Partial least squares regression,PLSR)、随机森林回归(Random forest regression,RFR)、支持向量机回归(Support vector machine regression,SVMR) 3种回归分析模型开展土壤重金属含量反演实验,结果表明偏最小二乘回归(PLSR)对研究区内土壤中重金属含量的反演最为有效,尤其对区域内主要障碍因子镉(Cd)元素含量的反演效果最佳,验证集决定系数R2为0. 76。基于粒子群算法(Particle swarm optimization,PSO)、遗传算法(Genetic algorithm,GA)、Relief F算法3种特征选择方法对偏最小二乘回归(PLSR)模型进行优化,结果表明粒子群算法(PSO)可有效降低特征波段变量维度,进一步提高模型反演精度,使决定系数R2由0. 76提高至0. 84。综上,基于高光谱数据,采用偏最小二乘回归(PLSR)与粒子群算法(PSO)相结合的方法,可有效对工矿复垦区土壤中的重金属含量进行测度,可为复垦区土地的质量和生态指标监测提供理论方法和技术支持。     

基于空间分异的高标准农田建设空间特征判别系统设计与实现

为提升高标准农田监管效能,该文基于空间分异规律,依据相关标准和规划,构建了差别化的高标准农田建设空间特征判别指标体系,在此基础上,使用C#.NET、ArcObject技术,设计和实现了高标准农田建设空间特征判别系统。系统的实证案例表明:用于监测评价场景的黄土高原案例区符合高标准农田空间特征的田块38.33 hm^2,与验收后实际确认的高标准农田相比,总体判别精度为94.38%。2)用于设计评审场景的南方山地丘陵案例区符合高标准农田空间特征的30.07 hm^2,较批复立项的高标准农田多10.34 hm^2,造成该差异的主要因素是部分田块尚未划定为永久基本农田,如扣除永久基本农田划定因素,总体判别精度为100%。从实例结果看,使用该系统可从空间特征方面辅助判别高标准农田,分析高标准农田建设在田块平整、道路和灌排设施配套、农田防护方面的不足,为丰富高标准农田监测手段、提升管理效能提供参考。     

基于网格搜索随机森林算法的工矿复垦区土地利用分类

为提高工矿复垦区遥感影像土地利用分类精度,为土地复垦监测工作提供数据支持,该文探讨了基于网格搜索(Grid-Search)的随机森林(random forest)复垦区土地利用分类方法。研究利用GF-1影像、DEM(digital elevation model)和野外调查等数据,以随机森林分类算法为框架,采用基于OOB(Out-of-Bag)误差的网格搜索法对算法进行参数寻优,结合影像光谱、地形、纹理、空间信息,计算选取了33个特征变量,构建了4种变量组合模型开展随机森林分类试验,4个组合模型的分类精度分别达到82.79%、84.91%、86.75%、88.16%。为去除33个特征变量中的冗余信息、降低影像波段变量维度、缩短分类执行时间并保证影像分类精度,试验分别利用变量重要性估计和Relief F方法进行特征选择后再次执行随机森林分类,将分类结果与不同组合模型、不同分类方法进行比较,结果表明:基于网格搜索参数寻优的随机森林算法在多特征变量的影像分类中可以达到88.16%的分类精度,在利用不同方法降维后依然可以将分类精度保持在85%以上,精度优于相同特征变量下的SVM(support vector machine)和MLC(maximum likelihood classification)分类方法;在效率方面,随机森林分类方法执行时间优于SVM,并且在处理多维特征变量时能力更强。由此可见,采用基于网格搜索的随机森林方法对工矿复垦区土地利用信息进行分类提取可以得到较高的精度,基于该方法开展遥感影像解译可为土地复垦监测工作提供技术支持和理论参考。     

基于GEE云平台的黄土高原生态修复区植被变化与归因

植被为地球生态系统主要构成之一,也是人类社会经济活动的重要资源,监测植被动态变化有利于区域的环境保护及生态环境建设,基于谷歌云平台GEE,集成了Sen+MK趋势分析、MK突变分析、偏相关分析、多元回归残差以及相对贡献率分析等多种统计分析方法,构建了一套自动化植被恢复综合分析体系,可用于植被变化趋势检测及归因分析。在此基础上,区分人工修复和自然恢复对植被变化的影响,以陕西省黄土高原生态修复工程实施区域之一——铜川市耀州区为例,开展生态修复区与自然恢复区植被变化趋势及归因分析。分析结果表明：耀州区1990—2020年土地覆盖格局整体呈现自东南向西北耕地逐渐减少、林地草地逐渐增加的分布特征。植被覆盖变化特征呈现以速率0.55%/a波动上升的趋势,上升突变点为2007年。气候变化和人类活动对耀州区植被变化的相对贡献率具有一定的异质性,主要受到人类活动的正向驱动,相对贡献率为79.10%,气候变化相对贡献率为15.22%。在植被改善区域,应归因于以人类活动主导的生态修复工程,生态修复工程实施治理效果较好;在植被退化区域,主要为气候变化和人类活动的共同影响。     

融合时序遥感分析的国土空间生态保护修复关键区识别

国土空间生态保护修复是落实国家生态文明建设的重要措施，也是构建国家生态安全格局和统筹山水林田湖草沙系统治理的重要举措。而生态保护修复关键区识别，是生态保护修复规划编制、生态保护修复工程时空布局等系列工作的前置条件和基础保障，对国土空间生态保护修复至关重要。本文以河南省某生态保护修复工程为研究区域，开展融合时序遥感分析的生态保护修复关键区识别研究和实践，首先，基于Google Earth Engine（GEE）云平台，采用Mann-Kendall方法对研究区2011—2020年时序归一化植被指数（NDVI）开展趋势分析，形成时序分析结果；其次，基于气象、地形、土壤、植被净初级生产力（NPP）等数据，开展基于生态系统服务协同和权衡计算的生态系统健康分析评估，选择生态源地；最后，基于时序分析结果和生态源地选择结果，采用叠置分析，开展生态保护修复关键区域识别。结果表明，提出的“基于生态系统服务协同权衡计算的生态系统健康评估——时序遥感趋势分析”的研究框架不仅顾及了研究区域内“静态”的生态系统服务、生态系统健康属性，同时衡量了“动态”的生态系统变化趋势，可以有效识别国土空间生态保护修复关键区。研究成果可为国土空间生态保护修复本底调查、问题识别、规划和工程布局等提供技术支撑。     

基于MESMA和RF的山丘区土地利用信息分类提取

探讨了基于多端元混合像元分解(Multiple endmember spectral mixture analysis,MESMA)和随机森林(Random forest,RF)相结合的土地利用信息分类提取方法。以Landsat-8 OLI卫星遥感影像为主要数据,基于植被-不透水面-裸土(Vegetation-impervious surface-soil,VIS)模型,利用MESMA将影像分解为植被、不透水面和裸土3类组分,将生成的3类组分变量和基于光谱、纹理信息计算选取的20个特征变量组合后开展RF分类实验,将分类结果与相同特征变量下的支持向量机(Support vector machine,SVM)、最大似然(Maximum likelihood classification,MLC)分类结果进行比较分析。结果表明:MESMA可以获得较为精确的组分丰度信息;RF分类结果优于相同特征变量下的SVM和MLC分类结果;在MESMA生成的组分信息变量参与分类后,3种方法的分类精度均有所改善,分别达90.50%、88.85%、86.35%,其中RF的分类精度改善最为显著;MESMA与线性混合分解(Linear spectral mixture analysis,LSMA)生成的组分信息变量相比,前者对于改善分类精度效果更为明显。MESMA对于提高影像分类精度起到一定积极作用,基于MESMA和RF的方法对中等空间分辨率影像山丘区土地利用信息分类提取精度较高,利用该方法开展遥感影像解译可为大尺度的土地利用监测和管理工作提供技术支持和理论参考。