基于NDVI的喀斯特水资源遥感定量监测及分析——以贵州省为例

喀斯特是一类脆弱的生态环境,水资源是脆弱生态环境的重要组成部分,NDVI是流域赋水状况及空间分布的重要指标,因此,喀斯特水资源监测是研究脆弱生态环境的重要内容。在贵州省内选择20个流域作为研究样区,根据Landsat TM的植被光谱特征,利用遥感技术,提取LNDVI和ρNDVI;利用数学分析方法,建立喀斯特流域水资源监测模型。通过分析得出:①植被覆盖率是喀斯特流域赋水的重要指标;②利用地物表观反射率的归一化植被指数(ρNDVI)对喀斯特流域水资源进行监测,效果更好、精度更高;③建立了喀斯特水资源遥感监测模型。     

Numerical prediction of suspended sediment concentrations in the Ariake Sea, Japan, using a time-dependent sediment resuspension and deposition model

The Ariake Sea, a typical semi-closed bay located in Kyushu Island, western Japan, has a maximum tidal range of 6 m in spring tide, and its vast tidal flats are composed of both sandy bottom areas and muddy bottom areas. In this study, two-dimensional depth-averaged finite difference numerical models have been developed for predicting the tidal flow velocity and suspended sediment concentration in the Ariake Sea. In the suspended sediment transportation model, a time-dependent sediment resuspension and deposition process was modeled as a response to the tidal flow by considering the presence of cohesive bottom sediment. The shifting-particles method, known as an operator-splitting technique, was used for time integration of the convective-dispersion equation. The model results were compared with in situ measurements of suspended sediment concentration and tidal flow velocity at several points in Isahaya Bay—located at the western part of the Ariake Sea—and also with the estimated suspended sediment concentration distribution via a Landsat Thematic Mapper image. The results indicated that the models were able to predict the measured values for suspended sediment concentration and tidal flow velocity, as well as the spatial distribution pattern of the suspended sediment concentration as estimated by the Landsat Thematic Mapper image.     

Integration of geospatial and cattle nutrition information to estimate paddock grazing capacity in Northern US prairie

Spatiotemporal variability in forage quantity and quality requires that regular assessment is needed of the capacity for grasslands to support livestock nutritional requirements. Current methods for estimating grazing capacity are typically production-based and lack the forage quality data necessary to match nutrients in forage with livestock requirements in real time. This paper describes a method for estimating short-term grazing capacity for small (1–20 ha) paddocks using cattle nutrition and high spatial resolution forage data in Geographic Information Systems (GIS) for mixed-grass prairie. We define grazing capacity as the number of days a specific paddock will support the nutritional requirements of beef cattle. We integrate previously published methods for estimating cattle nutritional requirements, forage quality (crude protein) and forage quantity (phytomass) to estimate grazing capacity based on current standing-crop. The model utilizes high-resolution (<30-m) satellite imagery or field data to estimate short-term grazing capacity for small paddocks. Three versions of the model were evaluated on one paddock under cattle use in 2007. One version was parameterized using data collected on June 22 from the Landsat Thematic Mapper (TM), one version was parameterized using data collected June 23 from the Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER), and one version was parameterized using data collected June 20 from field clippings. TM and ASTER versions underestimated grazing capacity by four days while the field version overestimated grazing capacity by one day. Results suggest integration of cattle nutrition and forage data in GIS could assist with stocking rate adjustments, but additional trials are needed.     

基于机载LiDAR和光学遥感数据的热带橡胶林叶面积指数反演

叶面积指数（LAI）作为表征植被冠层结构的重要参数,一直是气候变化和生态研究中的热点,遥感技术的发展为大范围叶面积指数的获取提供了可能。以景洪市热带橡胶林为研究对象,以机载LiDAR和Landsat8/OLI为信息源,结合44块样地实测数据,使用支持向量机回归(SVR)、BP神经网络(BPNN)和偏最小二乘回归(PLSR) 3种模型,在前期建立基于林分水平的LAI估测模型的基础上,进一步构建区域尺度的LAI反演模型,实现景洪市橡胶林LAI的反演。结果表明,基于LiDAR的林分水平模型中,SVR模型最优,决定系数（R²）为0.76,相对均方根误差（rRMSE）为17%,估测精度（P）为83%;以SVR模型估测结果作为区域尺度遥感反演模型的先验样本,结合Landsat8/OLI数据的BP神经网络模型反演效果最好,估测精度达76%。     

采用Landsat8产品算法流程的高分一号数据大气校正

高分一号(GF-1)卫星搭载的传感器,实现了高分辨率和宽幅成像能力的结合,使其在精准农业方面应用发挥重要作用。该文在6S大气辐射模拟模型基础上,参照LaSRC大气校正流程,设计了GF-1卫星WFV/MSS数据从算法原理分析到编码实现的大气校正。算法应用大气总传输率、水汽透过率和大气后向半球反照率等参数和高程、大气可降水以及臭氧含量等值,循环计算使GF-1像元红蓝通道值比等于来自MODIS数据的红蓝通道值比,求得GF-1像元气溶胶,再将包含当日大气可降水和臭氧含量的辅助数据文件等代入6S模型,得到大气校正后的地表反射率。试验表明,该大气校正方法在有农田和林木等植被覆盖的中低纬度大气校正效果较好,对稀疏植被的荒漠裸地和建筑地表大气校正效果相对稍差。比较GF-1WFV/MSS数据与Landsat8(LC8)OLI数据的基于6S模型LaSRC流程算法的大气校正结果,GF-1WFV/MSS各传感器与LC8OLI大气校正结果的相关系数为0.825~0.972,2种卫星数据大气校正结果相关性高,其中WFV相较于MSS显示出与LC8 OLI更相近的大气校正结果。结果表明,应用6S模型原理参照LaSRC校正流程设计的自行估计数据逐像元水平气溶胶参数的GF-1卫星数据大气校正方法应用方便、可操作性强,适合生长季农林监测等陆面应用。     

基于Landsat8的东莞市热环境变化动态研究

基于2014年和2017年的Landsat8影像,本研究利用辐射传输方程反演了东莞市地表温度,并应用景观指数和转移矩阵分析了东莞市2014-2017年热环境的变化动态。结果表明,热强度指数大于0.25或小于等于-0.25的区域定为极温区,符合东莞市实际情况;东莞市相邻热环境区的地表温差从2.94℃减至2.77℃,热岛强度有所减弱;高温区对热环境格局的影响平稳地趋向缩减;各热环境区存在15.7%-29.4%面积变化,其向中温区方向转化的趋势明显;     

基于时序Landsat 8 OLI多特征与随机森林算法的作物精细分类研究

利用新疆阿克苏地区温宿县2014—2015年生长季的7景时序Landsat 8 OLI数据,提取光谱特征、纹理特征、植被指数等高维信息,并基于随机森林算法(Random Forest, RF)构建分类模型。分析了RF模型中重要参数树个数k、节点分裂特征个数m对分类精度的影响,计算GINI系数评估所有特征重要性,探索最佳特征子集,完成模型的参数率定与信息冗余消除,实现了温宿县研究区内的多种作物类型精细分类,并对比分析了随机森林与其他几种机器学习算法的分类性能。结果表明:作物分类的3类特征中,重要性排名靠前的分别是影像纹理平均规则程度Mean、与作物水分含量密切相关的地表水分指数(LSWI)及短波红外波段光谱反射率,对应干旱区作物的2个关键时相:生长旺盛期与播种期;随机森林分类精度受分类特征数量的影响。当特征删除量低于总特征数的30%时,RF模型的分类精度基本保持不变;当删除量超过70%时,分类精度下降的幅度加大;随机森林方法相对于决策树、支持向量机、朴素贝叶斯、K-近邻等监督分类算法,无论是分类结果的精度还是分类效率均具有优势。     

基于Landsat 8的云南松光谱端元选择与评价研究

以云南松为研究对象, 调查昆明市主城区周围61个样点, 选择3块代表性样地, 基于Landsat 8影像, 采用纯净像元指数(PPI)、连续最大角凸锥(SMACC)和几何顶点的端元提取方法, 利用样区1提取的云南松端元波谱对样区2和3进行分类。以外业调查数据提取的平均端元为真值, 结合波谱角填图(SAM)分类结果, 对比分析不同的端元提取方法。结果表明:研究样区2基于PPI、SMACC和几何顶点端元提取的分类结果整体精度分别为85.00%、35.00%和85.00%;研究样区3基于PPI、SMACC和几何顶点端元提取的分类结果整体精度分别为83.33%、16.67%和75.00%。基于PPI提取的云南松端元平均波谱曲线与真实地表的云南松波谱曲线最为相似, 可用于今后基于Landsat8数据的云南松波谱端元提取和混合像元分解。     

基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法

利用遥感技术快速准确地提取耕地信息是耕地保护的关键环节。以山东省商河县为例,提出了一种基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法。首先采用毯子覆盖法计算多季相遥感影像每个像元的上分形信号和下分形信号,对比分析耕地和其他土地利用类型的分形特征,选取上分形信号的第3尺度作为特征尺度,提取商河县耕地空间分布特征;其次采用同时期的土地利用矢量数据、Esri land cover数据和统计数据进行耕地信息提取精度评价;最后分别设置多季相分形提取与单季相分形提取、现有土地利用数据产品的对比实验,并基于点位匹配度和面积匹配度进行评价。结果表明：多季相数据更能反映农作物生长的复杂性,有助于提高耕地信息的提取精度;不同土地利用类型在不同分形尺度的信号值各不相同,分形特征可以在不同尺度上清晰地刻画出不同土地利用类型的分异性;基于矢量数据和Esri land cover数据评价的多季相分形特征耕地提取点位匹配度为87.13%和89.83%,面积匹配度为99.73%和97.91%,均比单季相分形提取结果精度高;综合考虑点位匹配度、面积匹配度和空间分布特征,研发方法能有效区分耕地和其他土地利用类型,提取结果更优,且与统计数据有更高的一致性。该方法可准确提取耕地信息,为耕地的动态监测和损害评估提供技术支撑。     

基于Landsat TM的太原市近20年热环境时空演变特征研究

由于全球变暖以及城镇化进程的加快,城市热环境不断变化,为更好地研究太原市热环境变化,运用GIS平台和ENVI软件,将太原市夏季Landsat卫星遥感数据通过温度反演法得到地表温度,研究太原市近20年夏季热环境时空演变特征。结果表明,1999—2018年,研究区地表温度在空间分布上存在明显差异性,1999—2014年太原市夏季年均温有所上升,高温区增加较快,热环境恶化,2014—2018年,年均温有所下降,高温区减少,热环境有所改善,太原市近20的热中心的迁移与城市发展中心具一致性,均是向城南转移。