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...     

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。