黄河口耕地遥感动态监测及其生态环境安全分析

采用多时相陆地卫星TM数据，以分类后比较法和历史土地利用专题图支持下的目视检测方法进行黄河口耕地变化动态监测。建立了基于TM数字图像的耕地变化及其相关自然和人为因素变化的指标，对与耕地变化相关的自然环境要素变化及人为影响进行了分析。结果表明：从1987∽1998年，垦利县耕地增减变化较大，面积减少了5321．8hm^2，平均每年减少483．8hm^2。耕地的变化反映出该区土壤盐渍化的加重和水源的匮乏，以及人为不良活动的影响。在此基础上提出了该区生态环境安全的对策措施。     

基于3S技术的安徽省景观生态分类系统研究

利用3S技术对安徽省多数源进行信息的取得到分项数据层，然后按照景观生态三级分类方法和指标体系进行数据处理，集成、形成三级景观生态分类系统，并对各眩观类型编码，建成安徽省景观生态分类编码系统和图例系统。     

基于多层感知器神经网络对遥感融合图像和TM影像进行土地覆盖分类的研究

８０年代以来，人工神经元网络（ＡＮＮ）技术的应用不断向广度和深度发展．用不同空间分辨率的ＴＭ和ＩＲＳ遥感图像进行融合，综合了不同传感器数据所提供的信息，增强了图像的清晰度，改善了解译效果。用多层感知器神经网络对遥感融合图像进行分类，分类精度达９５％，比用多层感知器神经网络对ＴＭ图像进行分类（分类精度达７３％）效果要好．     

基于无人机遥感的盛花期薇甘菊监测技术

薇甘菊是世界十大有害杂草之一,其泛滥会对生态系统造成重大影响。建立一个高空间分辨率全域尺度的薇甘菊预警评估方法,是防治薇甘菊的关键手段之一。目前对薇甘菊的监测主要有人工踏查、卫星遥感监测,但前者效率低下而后者识别精度不够。以无人机为载体,通过采集待监测区域的薇甘菊彩色图像,应用Otsu-K-means、RGB、HSV色彩空间阈值分割算法以及K-means-RGB、K-means-HSV、K-means-RGB-HSV融合算法和MobileNetV3深度学习算法进行识别,采用召回率、精确率和均衡平均数F1值共3个评价指标对识别结果进行评价。实验结果表明K-means-RGB-HSV算法对盛花期薇甘菊的整体识别效果最佳。在此基础上,基于识别结果应用模糊层次分析法以及盖度公式,初步建立了薇甘菊的预警评估方法,划分了5个薇甘菊入侵危害等级,可根据所需监测精度的不同,设置不同尺寸的网格和辐射半径,绘制出薇甘菊入侵的精准分布热力图,能够清晰准确地体现不同区域的入侵薇甘菊的危害程度。在厘米级分辨率精度下,实现了基于无人机遥感的盛花期薇甘菊精准监测,为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。     

基于无人机多光谱的耐旱苎麻品种筛选方法

高温干旱是影响作物生长及最终生产力的主要胁迫源。当前,无人机遥感技术已在作物倒伏和病虫害的分级监测研究中取得重大进展,但有关利用无人机遥感进行作物抗旱等级监测的研究却鲜有报道。因此,以苎麻种质资源为研究对象,提出了苎麻抗旱性量化标准,并提供了一种利用无人机多光谱遥感鉴定苎麻种质资源抗旱性的方法。首先,由专家对36份苎麻种质资源进行抗旱性分级;然后,结合无人机多光谱遥感获取的植被指数,采用随机森林(Random forest, RF)、支持向量机(Support vector machine, SVM)、决策树(Decision tree, DT)3种机器学习方法分别构建苎麻抗旱性鉴定模型,并通过苎麻在高温干旱胁迫下的表型响应检验鉴定结果;最后,基于无人机获取的遥感表型,筛选高温干旱胁迫下优质苎麻种质资源。结果表明,利用SVM构建的苎麻抗旱性鉴定模型正确率达到0.74,不同抗旱级分类F1得分范围为0.69～0.79,说明该方法能用于苎麻种质资源抗旱性评估。利用无人机遥感数据反演得到的3项苎麻表型性状(叶绿素相对含量、叶面积指数、株高)均与人工测量值具有较强的相关性,在此基础上,研究从高温...     

土地资源生态安全研究综述

土地资源生态安全已经成为当前土地资源可持续利用研究关注的热点问题,笔者在归纳了生态安全概念与特征的基础上,进一步阐述了土地资源生态安全的内涵、驱动因素、评价框架与方法。指出土地资源生态安全主要包括两个方面：一是土地生态系统的结构功能处于健康和平衡的状态;二是能够为人类社会可持续发展提供稳定、均衡、充足的供给。这一状态的实现,需要自然、经济、社会三大驱动因素共同推进,协调发展,其中,经济因素和社会因素对土地资源的影响远远超过自然因素。在评价框架方面,阐述了PSR、DPSIR、DPSER、“自然-经济-社会”4种体系的来源及应用。关于评价的方法,笔者分别对数学模型法、生态模型法、景观生态模型法、数字地面模型法4类方法的优缺点进行了概括总结,并提出了近年来一些新兴的评价方法。最后,笔者对土地资源生态安全研究趋势进行了展望：（1）以生态功能区划为基础,制定具有针对性、体现差异性的土地资源生态安全评价指标体系,并确定生态安全阈值;（2）注重开展干旱区、风沙区、喀斯特地区、水土流失地区、高原山区等典型区域的土地资源生态安全格局研究与未来状况的动态预警研究;（3）在评价方法上加强地理信息技术相结合;（4）探索新的评价方法,以便更好把控土地资源生态安全状况,实现土地资源的永续利用。     

基于GF-1卫星遥感数据识别京津冀冬小麦面积

省级尺度冬小麦面积的精准获取技术是农作物面积遥感监测研究的主要内容之一。为了获取省级尺度的冬小麦种植面积, 该文以北京市(京)、天津市(津)和河北省(冀) 3个省域范围为例, 以国家标准地形图分幅为分类的图幅单元, 利用国产GF-1/WFV数据, 构建冬小麦面积指数, 实现了省级尺度冬小麦面积的识别。本文以冬小麦全部9个月生育期的984景影像作为数据源, 依次经过数据预处理、标准图幅单元的NDVI合成、样本点选择、冬小麦面积指数构建、冬小麦作物类型确认、省域范围制图及精度验证等步骤完成研究区域内冬小麦面积的提取。采用区域网平差和6S大气校正算法对数据源预处理, 以中国1︰10万标准地形图分幅为分类图幅单元构建冬小麦面积指数, 将冬小麦面积指数按照1%的比例等分, 并将面积指数从0到100%分割为101个提取节点, 将提取节点的NDVI值依次与类型确认样本比较, 精度最高的则确认为冬小麦面积提取阈值, 同时将该阈值应用于图幅单元内冬小麦面积指数影像, 获取冬小麦种植分布。最后冬小麦面积识别的精度表明, 以标准地图分幅作为计算单元, 在GF-1影像基础上, 利用冬小麦面积指数能够显著提高冬小麦与其他地物类型的波谱差异, 且冬小麦的总体识别精度达到89.6%, 用户精度达到89.8%, 制图精度96.5%, Kappa系数0.72。在典型区域, 本文算法与监督分类算法精度结果较为一致, 除制图精度相差4.77%外, 总体精度与用户精度差都在1.00%以内, 说明本文算法具有精度高、运行效率高、分类单元识别结果一致性强的特点, 能够满足省级尺度农情遥感业务监测的需要。     

西安市生态环境植被信息的遥感反演

西安市自然生态环境问题突出,植被信息作为地表生态环境评价与监测的重要参数之一,对区域生态环境的监测及生态环境建设具有重要意义。为此,通过LandsatTM影像提取的植被指数与叶面积指数关系的相关分析,确定适合反映研究区植被信息的VI。结果证明,用NDVI作参考来监测植被状况是合理的,相关系数为0.7205。基于此进一步分析了植被指数与生态环境参数的关系,为西安市的生态环境监测提供依据。     

基于遗传算法的遥感数字图像镶嵌研究

遥感数字图像的镶嵌处理是遥感图像处理的基本工作之一，为此介绍了一种基于遗传算法确定图像重叠区和调整图像色度，以辅助完成遥感图像的镶嵌工作的新方法。     

塔里木河干流土地利用动态监测遥感分析

选择塔里木河干流地区1999年TM、2002年ETM 和2004年的ASTER遥感影像及基础背景数据,采用数据仓库技术及图属一体化和多源数据无缝集成的建库思想,实现了基础背景、遥感、专题及属性数据的入库管理;在RS、GIS及GPS等技术支撑下,通过对干流1999、2002和2004年的遥感影像信息提取及分析,揭示了应急输水后各土地类型面积变化的幅度、年变化率,以及耕地的时空变化规律.结果表明:应急输水工程实施后,干流地区的耕地、天然草地、苇地、滩涂等土地利用类型的面积急剧增长,林地、建筑用地、水域、荒草地、盐碱地等土地类型的面积均有所降低;耕地面积剧增是以植被破坏、水域面积减少为代价的,人类生产活动与自然环境矛盾加剧,生态环境日趋恶化.