基于改进DenseNet模型的高分遥感影像城市裸地提取

利用遥感影像提取裸地是监测裸地空间分布的一个重要手段。针对目前普遍存在的边界不清晰、空间信息丢失、小面积裸地漏提和与高反射率建筑不易区分等问题,设计了一种改进DenseNet的遥感裸地提取深度学习模型,主要采取密集连接块、坐标卷积和密集空洞空间金字塔3种方法,增强DenseNet模型在获取坐标信息、丰富裸地空间特征信息、对全局上下文信息感知等方面的能力,减少模型对于空间细节特征丢失环节,提高裸地遥感提取的精度。实验表明,该方法提取裸地的总精度为97.66％、交并比为68.69％、综合评价指标F1为81.44％、召回率为76.62%以及虚警率为25.68%,明显优于其他机器学习方法和深度学习方法。此外,该模型对于多源遥感影像上的裸地提取也具有良好的普适性,在高分一号、高分六号和哨兵二号等遥感数据集上测试的总精度分别为95.80％、93.00％和92.55％;交并比分别为75.18％、75.13％和50.47％;综合评价指标分别为85.83％、85.80％和67.08％。因此,改进的DenseNet模型方法较其他方法更适用于裸地的提取。     

基于三维激光点云的树木胸径自动提取方法

胸径是评价林木生长状况的重要参数之一。针对接触式人工测量自动化程度低和基于点云的现有算法提取树木胸径精度不高的问题,提出一种基于点云数据的自动准确获取树木胸径的新方法。该方法以树木点云数据为基础,运用蚁群算法和B样条曲线拟合技术,实现树木胸径的自动准确提取。对实验区树木测量计算,结果表明,利用该方法提取树木胸径的均方根误差为±0.19 cm,平均绝对误差为0.15 cm,相对于基于点云的传统算法提取精度分别提高了50%和60.7%。该方法基于高精度点云数据,实现了树木胸径的无损自动提取,在精准林业领域具有推广价值。     

面向风云静止卫星地表温度产品的缺失数据修复方法对比

静止卫星地表温度数据是研究昼夜温度变化规律及全球气候变化的重要参数。但常见的静止卫星地表温度数据,如风云二号F星地表温度产品(FY-2F LST)由于受到云、雾霾和气溶胶等大气因素的影响,往往会出现数值缺失的现象。针对该问题,一系列基于温度昼夜变化模型(diurnal temperature cycle,DTC)的静止卫星地表温度产品空值数据修复方法被提出,如VAN2006方法;此外,常见的三次样条插值(Cubic spline)和智能的反向传播网络(back-propagation network,BP)利用像元时间连续性原理,通过温度预测实现地表温度产品空值数据修复在理论上也是可行的。模拟不同类型的像元缺失情况分析和比较了3种方法的温度修复结果。研究表明,在空值数量较少的情况下,3种方法修复结果都比较理想,其中Cubic spline方法效果最好;随着空值数量增加,3种方法修复效果都不同程度变差,其中VAN2006衰退较缓慢,Cubic spline衰退最快;当空值数目继续增多且达到一定数量时,VAN2006仍可以较为真实的还原地表温度数据,并且优于BP,其中Cubic spline修复结果最差,难以反映实际地表温度。对14种不同空间大小空值区域实验研究进一步说明3种方法对地表温度空值修复具有可行性,但修复效果与空值区域大小无关,时间序列中空值数量是最主要的影响因素。     

徐州市GF-1卫星气溶胶光学厚度反演与空间特征分析

目前，基于国内外发射的各种卫星传感器观测数据的陆地气溶胶光学厚度（AOD）反演方法与应用研究已相对成熟。然而，针对我国国产高空间分辨率（如高分一号）卫星数据的城市小区域尺度的反演与应用则相对较少。因此，选择使用深蓝算法对我国重要的工业型城市——徐州市进行国产GF-1 WFV数据AOD反演与空间特征分析，并利用地基AERONET同期数据进行反演结果验证。研究结果显示，2015—2017年6期的徐州市AOD整体空间格局稳定，均以人口聚集的城区呈高值分布为特征，不随季节变化，说明该地区空气污染源极可能以城市人为排放为主；与AERONET站点同期数据的相关性分析与时序分析结果表明，基于GF-1 WFV高空间分辨率卫星数据的徐州市AOD反演结果质量良好。建议今后在大数据支撑下，应充分利用时空数据融合及机器学习等先进技术手段，弥补受云覆盖影响下单时间窗口GF-1卫星数据AOD反演的缺陷，以期达到国产高分卫星的更高时间、更高空间分辨率以及实时监测与预测的更高业务目标。     

基于Maxent模型的越冬白头鹤适宜生境预测

依据2013—2014年冬季野外调查的白头鹤分布点数据,结合2011—2015年间中国观鸟记录中心和已公开发表的相关文献中记录的白头鹤分布点信息,基于气候、地形、水系、土地利用类型和人类干扰5类环境因子,应用Maxent模型分析了安徽省越冬白头鹤适宜生境分布及影响其分布的主要环境因子,并结合已建自然保护区对白头鹤适宜生境进行保护空缺分析。结果表明,模型预测结果达优秀水平;距主要水源距离、1月份平均最低温、12月份平均最低温和距主要道路距离是影响白头鹤分布的主要环境因子,对模型的综合贡献值分别为45.3%、21.4%、19.3%和7.6%。白头鹤适宜生境主要分布在升金湖上湖和菜子湖,少量分布在龙感湖沿岸、武昌湖东岸及其东部的长江干流沿岸,其中核心适宜生境的总面积为45 980 hm2。空缺分析表明,已建自然保护区覆盖了60.1%的核心适宜生境,尚有18 346 hm2的核心适宜生境处于保护区之外,需要在重点管理保护区的同时,对保护区之外的核心适宜生境给予更多关注。     

典型平原采煤塌陷区景观格局时空动态变化特征及驱动力分析——以淮北市临涣矿为例

为了给淮北市临涣矿区的矿产资源开发、土地资源可持续利用和采煤塌陷区的生态环境修复与重建提供参考.采用临涣矿塌陷区2004年的IKONOS影像和2014年的WorldView-3影像,结合eCongnition分类技术和景观指数分析方法,研究景观格局时空动态变化,并对其驱动力进行了分析.结果表明,2004-2014年临涣矿塌陷区不同景观类型间的转化主要表现为耕地面积净减少43.7％,其中约有236 hm2的耕地转化为塌陷区、126hm2耕地用于堆放粉煤灰与煤矸石和359 hm2耕地转化为工业用地与居民区等;塌陷区的面积由2004年的96 hm2变成2014年的443 hm2,大幅增加了246.6％.该矿区景观格局时空动态变化的主要驱动力因子是煤矿开发、农业发展和生态治理政策.这些驱动因子互相影响、互相制约,共同影响矿区景观格局的动态变化.     

基于Sentinel-2卫星遥感影像的巢湖及南淝河叶绿素a浓度反演

叶绿素a是反映水生态环境污染状况的重要指标。定量反演叶绿素a浓度有助于及时监测水体营养状态变化，对富营养化水体治理具有重要意义。以巢湖及南淝河支流下游为研究区域，利用Sentinel-2卫星遥感数据源，构建其叶绿素a浓度反演模型，探究叶绿素a浓度的时空变化规律。结果显示，构建的深度神经网络（DNN）模型反演精度较高（R2=0.96，MRE=31.62%，RMSE=24.4 μg/L）。通过减少训练样本量对DNN模型精度的影响分析，发现训练样本较少时，模型仍具有较高的精度；根据其精度的敏感模型训练样本个数，将训练集按组等分，模型呈现较好的稳定性并具有一定的适用性。分析表明，研究区叶绿素a浓度在时间上呈现夏秋季上升、春冬季下降的规律，在空间上呈现湖区西高东低、局部近岸区分布较高的特点。     

基于房屋基面数据的安徽省金寨县居民点空间分布特征分析

[目的]对安徽省金寨县居民点空间分布特征进行研究,为统筹规划山区农村聚落建设、城镇化建设和居民点优化布局提供科学依据。[方法]通过目视解译高分遥感图像建立金寨县居民点房屋基面数据,以地形数据作为本底数据,借助GIS空间分析技术提取金寨县地形属性特征,并将水系、道路、地形等要素同房屋基面数据进行空间关联分析。[结果]金寨县59.8%的房屋布局在水系附近500m的范围内,60.5%的房屋布局在道路附近100m的范围内;居民点在海拔400m,坡度20°和起伏度200m以下的地区呈现较高的聚集特征,东南、正东和正南3个坡向分布了45.8%的房屋,朝南的房屋数量是所有朝向中最多的。[结论]水系、道路、地形因子和采光条件是影响金寨县居民点布局的重要因素,居民点在水系与道路附近、海拔低、坡度低、起伏度低和采光条件好的地区呈现明显的聚集特征。