1993~2016年喜马拉雅山西段杰纳布流域冰川变化遥感监测

基于Landsat TM/ETM+及OLI遥感影像,对喜马拉雅山西段杰纳布流域冰川面积进行提取,对冰川时空分布特征及其变化分析,并结合周边气象台站及CRU再分析资料气温、降水量资料对研究区冰川变化原因进行讨论。结果表明：①1993~2016年杰纳布流域冰川面积萎缩了164.56±161.72 km²,占总面积的5.78%,年均萎缩率为0.25±0.25 %·a^-1,且在2000年后加快萎缩;②杰纳布流域冰川在各个朝向和海拔带上均呈萎缩趋势,其中S朝向冰川面积萎缩率最大,占研究区冰川萎缩总面积的24.35%; 4 600~4 800 m和4 800~5 000 m两个海拔高度带冰川面积近23 a分别减少了29.93 km²和30.91 km²,占流域冰川面积萎缩总量的17.72%和18.30%;③1993~2016年杰纳布流域共有28条冰川末端发生不同程度的前进现象;④对狮泉河和Srinagar气象站及CRU再分析资料气温、降水量变化分析表明,1993~2016年该区域年均气温呈显著上升是杰纳布流域冰川萎缩的主要原因。     

基于遥感的干旱区典型绿洲LUCC研究

以干旱区典型的条带状且末绿洲为例,采用1973年MSS、1991年TM、2001年和2008年ETM+遥感影像为数据源,结合野外考察数据,选择适宜的分类指标体系,对遥感图像进行了监督分类,并获得了研究区土地利用/覆盖转移矩阵。 研究结果表明:近35 a 来耕地面积一直呈现出增加的趋势,增加了105.32 km²,耕地面积的增加量主要是由草地和林地的转化而来,是增加最快的土地利用类型;林地和草地面积一直呈逐渐减少的趋势,其中减少最多的土地类型是林地,减少了69.459 km²,林地面积的减少是由于林地转移草地、水体和耕地的比例超过草地转移林地的比例所致;草地面积减少了63.093 km²,主要是由一部分草地转移耕地、未利用地而引起;水域面积总体上有增加趋势,增加了22.073 km²,主要由草地和未利用地转移水体而引起;未利用地变化幅度不大,有缓慢增加的趋势,增加5.093 km²。     

基于MODIS的黄土高原土地荒漠化动态监测

以2001年和2009年8月MODIS卫星影像为数据源,基于归一化植被指数和像元二分原理,通过建立科学的荒漠化土地分类系统,对黄土高原地区近8 a的荒漠化土地进行了动态变化监测,分析了2个时期荒漠化土地的空间分布特征和面积变化情况。结果表明:黄土高原荒漠化土地面积整体呈明显的减少态势,但类型转化结构表明荒漠化土地强度却处于不断发展阶段。8 a间,极重度荒漠化土地面积增加了16.53 km²,增长率为28.36%,重度和中度荒漠化土地面积均有不同程度减少,分别减少了1.2×10⁴ km²和7.0×10⁴ km²,变化率分别为32.97%和29.19%;分别有9.0×10^4 km²和1.2×10⁴ k²的轻度和潜在荒漠化土地转化为其他类型荒漠化土地,并分别增加了9.3×10³ km²和7.3×10⁴ km²,增长率分别为4.2%和57.3%。发展区面积为1.9×10⁵ km²,稳定区面积为4.0×10⁵ km²,逆转区面积为2.8×10⁴ km²,发展区面积比逆转区面积大1.6×10⁵ km²,表明黄土高原环境质量不断下降,荒漠化强度不断扩张的趋势。     

基于多源时空信息的西宁和拉萨近70年来城市扩展过程重现及地表覆盖变化分析

西宁和拉萨城市作为青藏高原人类活动的热点地区,其发展历程对青藏高原社会经济发展具有重要影响。研究基于遥感影像、城市规划图和历史地图等资料重建了西宁和拉萨城市1949基准年、1978基准年、1990年、2000年、2010年和2018年城市扩展及2000年以来城市不透水层和绿地空间组分数据,分析了1949基准年以来西宁和拉萨主城区城市扩展的时空特征,揭示了社会经济因素和政策因素对城市土地利用/覆盖变化的影响。研究结果表明：①新中国成立以来,西宁和拉萨主城区持续扩展,均呈现非线性的增长态势,城市土地面积分别从1949基准年的1.98 km²和1.10 km²增长到2018年的79.26 km²和77.04 km²;西宁主城区城市扩展呈现十字状的扩展态势,拉萨呈现出圈层外延式的扩展模式;②自2000年来,西宁和拉萨城市绿化水平显著提升。2000~2018年,西宁和拉萨城市不透水层面积分别从36.91 km²和21.56 km²增加到55.34 km²和48.21 km²,城市绿地空间面积分别从10.78 km²和8.48 km²增加到19.21 km²和20.35 km²,年均扩展速度分别为0.47 km²/a和0.66 km²/a;主城区城市不透水层比例分别从74.09%和66.21%下降到69.82%和62.58%,城市绿地空间比例从21.64%和26.05%上升到24.24%和26.41%;③西宁和拉萨城市人口增长、经济发展和国家相关政策与主城区城市扩展及其土地利用/覆盖变化密切相关,主城区城市扩展阶段与人口增长、经济发展阶段以及国家相关政策实施时间接近吻合。主城区土地利用/覆盖变化与城市规划相关政策高度相关,尤其是园林绿化建设,显著增加了城市绿地空间面积,城市绿地空间面积比例较2000年显著提升。     

1979~2010年乌海市煤矿开采对生态环境影响的遥感监测

以1979年以来多期陆地卫星Landsat MSS/TM遥感数据为基础,利用煤矿遥感影像各波段反射率远低于其他地物的典型光谱特征,提取了乌海市煤矿开采区时空分布数据集,并结合SPOT-VEGETATION NDVI数据,对乌海市煤矿开采区的变化过程以及生态环境影响进行了动态监测。结果表明:30 a来乌海市煤矿开采区扩张明显,煤矿开采区面积由1979年的2.69 km²增加到2010年的109.34 km²,净增加106.65 km²。煤矿开采过程中侵占了大量耕地、林地和草地,导致1998~2001年乌海市整体生态环境急剧恶化,全市年最大NDVI由1998年的0.2043下降到2001年的0.1231,2000年以后,乌海市煤矿开采区面积虽然仍呈增长趋势,但全市植被覆盖状况有所好转,尤其是2005~2010年植被覆盖状况明显好转,全市年最大NDVI由2005年的0.1417上升到2010年的0.2028。     

吉林西部遥感水域空间格局演变研究

水是地球上最活跃的动力因子之一,并呈现出各种形态特征,形态特征是经过长期的演化形成的,通过其形态特征揭示时空变化模式,预测未来发展趋势。应用两个时相遥感数据为基本信息源,在ARCGIS和NEVI的支持下,建立空间信息库,选取嵌块大小、边界密度、分维数、形状指数、破碎度指数等指标,对吉林西部水域景观空间格局的动态演变进行了分析。通过对吉林西部水域1979、2001年遥感数据进行水域遥感信息格局变化研究分析,1979年吉林西部水体总面积为2 018.22 km²,2001年面积为1 488.12 km²,减少了530 km²,水域景观空间格局发生了显著变化,主要影响因素是土地沙化、草地退化以及过度的人为开发、围垦等原因造成的。并对水域要素的景观指数计算来反映水域的变化特点。     

基于高分遥感影像的露天矿区土地利用动态监测——以平朔矿区为例

煤炭能源是我国能源体系的重要组成部分,煤炭的露天开采相较于井工开采对周边环境影响更加深远。平朔矿区是我国早期开发的露天矿区,主要采用边修复边开采的露天开采模式,导致矿区内部土地利用变化较快,亟需高效、准确提取各类地物类型及监测其生态恢复情况。以多期高分辨率影像为数据基础,通过多尺度分割和机器学习的面向对象分类方法,提取了研究区2013～2020年的土地利用信息,并进一步分析了平朔露天矿区的土地利用动态变化情况。结果表明：2013～2020年,矿区逐年向东迁移,矿区面积减少7.84 km²,农田面积减少36.08 km²,林地和草地面积增加64.77 km²,水体、排土场、矿区面积减少低于10 km²。研究区内土地利用面积变化分析结果表明,绿色矿山建设效果显著。结合平朔煤矿绿色发展政策,本研究将为绿色矿山建设评价提供方法和数据支撑。     

基于Sentinel-2和全卷积网络的北京六环内高层建筑区提取与分析

高层建筑区是我国城镇化进程的重要标志,具有重要的社会经济功能和独特的几何形态。应用全卷积网络和Sentinel-2多光谱数据,提取北京六环内高层建筑区,并结合环线、乡镇边界和轨道交通数据,对高层建筑区的空间分布和交通可达性进行分析。结果表明：实验提出的全卷积网络方法能够实现北京高层建筑区快速精确提取,总体精度90%以上;六环内高层建筑区总面积约为192 km²,其中,二环到四环之间分布最为密集且相对均匀,密度明显高于其他环带,二环内以及四环到五环之间相较次之,五环到六环之间密度最小;六环内街道乡镇的高层建筑区分布呈现明显片状聚集特点,密度最大的区域在崇文门外、东花市和建国门外等街道,其次是金融街街道、中关村街道和望京开发街道等区域,而靠近六环的街道乡镇和故宫附近街道的高层建筑区密度较小。轨道交通可达性与高层建筑区的空间分布存在明显相关性,交通可达性越差的区域,高层建筑区越少,地铁站点1 km范围内面积约为92.62 km²,而6 km外的面积只有2.04 km²。研究结果为北京城市建设和生态景观保护提供一个新的指标参考。     

2020年长江中下游蓄滞洪区集中区域洪水遥感监测及敏感性分析

为了减轻洪水有关的灾害风险，需快速准确获取洪水范围，并利用洪水事件的相关数据和信息来分析洪水的敏感区域，可为洪水的预防决策和管理提供科学依据。基于Sentinel-1 SAR数据分析2020年7月长江中下游蓄滞洪区集中区域洪水淹没状况，并利用机器学习模型分析了长江中下游蓄滞洪区集中区域洪水的敏感性，研究结果表明：(1)长江中下游蓄滞洪区内2020年洪水期水体面积达到了3 747 km²，相比平水期新增水体面积为1 301 km²，占整个研究区新增水体面积的19%，新增水体面积最大的为洪湖蓄滞洪区和华阳河蓄滞洪区。(2)从研究区新增水体范围内2010年以来土地利用变化来看，耕地、人造地表面积扩大，湿地、林地、草地和裸地面积下降，湿地面积萎缩降低蓄水纳洪能力。(3)研究区洪水敏感性高等级面积占整个研究区的23.33%，洪水敏感性极高等级占整个研究区的22.55%；蓄滞洪区洪水敏感性高等级面积占蓄滞洪区的面积比例为38.97%，极高等级占整个蓄滞洪区面积的52.05%。研究结果可为蓄滞洪区洪水防治、规划和建设提供科学依据和理论参考。     

1985～2020年上海市不透水面时空特征演化分析

不透水地表的分布与变化是城市发展过程的直观标志和重要指示因子,在城市生态功能、城市规划和可持续发展研究等方面发挥着重要作用。利用中国科学院空天信息创新研究院研发的1985～2020年长时序30m不透水面动态数据集(GISD30),结合GIS空间统计方法,研究分析了过去35 a上海市不透水面时空特征演化。结果表明：(1)35 a来,上海市不透水面面积从878.07 km²增长至2 849.90 km²,面积扩张到原来的3.25倍,随着1990年浦东新区的开发开放,上海城市化进程明显加快,1990～2010年上海市不透水面扩张最为显著,2010年以后不透水面扩张速度和扩张强度开始显著下降。(2)从区位分异特征来看,不透水面迅速扩张的行政区主要位于城市郊区,其中,浦东新区在各个研究时段的扩张速度均大于其他区划。(3)基于紧凑度和分形维数发现,中心城区不透水面空间分布结构趋于疏散,上海市整体不透水面边界复杂程度降低,城市空间形态更加规则。(4)“南北两翼”的上海城市扩张特点较为明显,南部郊区的高强度扩张带动了不透水面空间重心的持续南移,发展至2010...     

密云水库上游土地利用与景观格局变化特征

基于遥感监测的多期土地利用/土地覆盖数据,详细分析了密云水库上游地区近10年土地利用类型的时空转变,并借助Fragstats软件分析了研究区景观格局的变化。研究结果表明：灌木林、有林地、中高覆盖草地始终是研究区的优势类型,维持着景观的基本功能,但土地利用与景观格局在近10年仍发生了较大的变化,2000年前有较多的林草地转变为耕地,之后,大量的耕地实现退耕,林草植被增加迅速。研究区整体景观格局破碎化有增加的趋势,但对水土保持与水源涵养有利的景观类型也在同步增加。     

Study on Dynamic Remote Sensing Monitoring of LUCC and Soilwind Erosion Intensity in the Beijing-Tianjin Sandstorm Source Control Project Region

The Land Use/Cover Change(LUCC) and soil wind erosion intensity of the Beijing\|Tianjin sandstorm source control project region were monitored by remote sensing.The spatial and temporal patterns of LUCC and soil wind erosion in the project region were analyzed.The results showed that there was significant difference in LUCC and soil erosion intensity before and after the project was implemented.In the recent 30 years,the LUCC process mainly manifested the change from cultivated land reclamation to ecological conversion of farmland to forest and grass,with the ecological restoration and desertification effectively inhibited.The overall arable land showed an increase and then decreased.The area of arable land increased from 2000 to 2015,the area of cultivated land converted to forest and grassland was 446.10 km² and 1 129.32 km²,with the most obvious in the west;the area of land for construction expanded obviously;the trend of unutilized land decreased significantly The type of conversion is dominated by grassland conversion to grassland with an area of 493.12 km².The erosion-mitigating modulus of soil erosion in the project region with wind-blown sand control decreased overall,especially after the implementation of ecological engineering (p<0.001).The eastern and southern areas are covered with high-coverage grassland and soil wind erosion in the area with the main type is small;Soil wind erosion in the Hunshandake sandy land is larger,but the overall trend is decreasing.Different land use/cover types have a greater impact on soil wind erosion intensity.The order of soil wind erosion modulus is Sandy land> Sparse grass> Moderate grass>dryland> Shrub>Paddy>Dense grass> Other woods> Sparse woods> Forest;The conversion of low coverage to high coverage grassland types effectively inhibited soil erosion (-66.12%),and the increase of vegetation coverage effectively reduced soil erosion.The soil wind erosion increased (58.26%) in the surrounding area of sandy area,the soil wind erosion increasedduring the conversion process of low coverage grassland type,and the grassland was converted into sand,and the wind erosion in the dry land increased.     

利用MODIS数据估算西藏高原地表植被覆盖度

根据2004年9月13日至14日在西藏高原中部地面观测的植被覆盖度和同期接收的EOS/MODIS数据,分别建立了250m分辨率归一化植被指数(NDVI)、土壤调节植被指数(SAVI)与地面观测的植被覆盖度之间的相关关系,并以西藏高原中部和整个西藏高原作为两个试验区,选择典型植被类型,验证了Carlson和Ripley植被覆盖度算法的精度。结果表明,地面观测的植被覆盖度与植被指数之间呈线性关系。其中,地面观测值与NDVI的相关系数R2=0.90;与SAVI的相关系数为R2=0.89;Carlson和Ripley算法适合于中等植被覆盖度的草地植被。     

基于DEM的秦岭陕西段地表面积与垂直投影面积差异性分析

基于DEM数据,利用中心像元与相邻8个像元模型计算了位于陕西境内的秦岭腹地地表面积,结果表明:①秦岭陕西段地表面积为75224.67 km^2,与垂直投影面积61641.27 km^2相比增加了22.04%;②秦岭陕西段地表面积与垂直投影差异与海拔的关系呈类抛物线趋势,海拔高度为2000 m时二者的差异达最大;③与垂直投影面积相比,秦岭陕西段低山、中高山以及亚高山面积分别由19258.34 km^2、33654.18 km^2、3789.32 km^2增加到21559.88 km^2、39836.85 km^2、4480.92 km^2,增长比例分别为11.9%、18.4%与18.3%;④秦岭陕西段不同土地利用类型的地表面积与投影面积均存在差异,未利用地地表面积与垂直投影面积的差异最大,达34.4%,林地次之,差异为27.7%,再次是草地,差异为22.4%左右,农田、其他林地、水域、居民地与工矿用地的地表面积与投影面积的差异较小,依次为12.5%、8.5%、5.4%和2.5%。     

Analysis of the Difference between Surface Area and Vertical Projection Area on Shaanxi Qinling Mountains based on DEM

Based on DEM of Qinling Mountains, used the model of the center cell and the adjacent eight cells, we calculated the surface area of Shaanxi section Qinling Mountains. The results shows that: (1) The surface area of Shaanxi section Qinling Mountains is 75 224.67 km², which is an increase of 22.04% from the vertical projection area；（2）The relation between the difference of surface area and vertical projection area and elevation is parabolic. The altitude of 2 000 meters is the area with the largest difference between the surface area and the vertical projection area in Shaanxi section Qinling mountains；（3）Compared with the vertical projection area, the area of low mountains, medium mountains and submountains in Shaanxi section of the Qinling mountains increased by 2 301.54 km², 6 181.67 km² and 691.60 km² respectively, with the growth rate of 10.68%, 18.37% and 18.25% respectively.（4）The difference between the surface area and the vertical projection area is various in different land use types. Not using land is the largest, the difference is 34%. The second is forest land which the difference is 28%, and the lawn is approximately 20%. Difference is small in farmland, other forest land, water and residents and industrial land, which is 12%, 8%, 5% and 8% in turn.     

1990~2015年吉林省西部耕地变化与“旱改水”时空特征研究

以Landsat遥感影像为数据源，利用面向对象和决策树方法获得多期土地覆被数据；以此为基础，分析了1990~2015年吉林省西部耕地变化与旱田水田转化特征及驱动因素。结果表明：1990~2015年期间，吉林省西部耕地面积增加了2159.33 km²，增速逐渐变缓。旱田面积在1990~2000和2000~2010年期间有小幅增加，但在2010~2015年期间呈减少趋势。水田面积持续扩张，25年间增加了1139.39 km²（51.7%），旱田净转化为水田的面积不断增加，1990~2000年为69.13 km²，2000~2010年为156.19 km²，2010~2015年为288.27 km²。人口和经济的增长是导致耕地面积迅速增长的主要原因，影响水田面积扩张和旱田向水田转化的驱动因素有：科技进步、水利设施建设、政策倾向和利益驱动。最后提出了吉林省西部地区耕地保护的建议，为区域农业生产和生态建设提供科学借鉴。     

1990~2015年吉林省西部耕地变化与“旱改水”时空特征研究

以Landsat遥感影像为数据源,利用面向对象和决策树方法获得多期土地覆被数据;以此为基础,分析了1990~2015年吉林省西部耕地变化与旱田水田转化特征及驱动因素。结果表明：1990~2015年期间,吉林省西部耕地面积增加了2159.33 km²,增速逐渐变缓。旱田面积在1990~2000和2000~2010年期间有小幅增加,但在2010~2015年期间呈减少趋势。水田面积持续扩张,25年间增加了1139.39 km²（51.7%）,旱田净转化为水田的面积不断增加,1990~2000年为69.13 km²,2000~2010年为156.19 km²,2010~2015年为288.27 km²。人口和经济的增长是导致耕地面积迅速增长的主要原因,影响水田面积扩张和旱田向水田转化的驱动因素有：科技进步、水利设施建设、政策倾向和利益驱动。最后提出了吉林省西部地区耕地保护的建议,为区域农业生产和生态建设提供科学借鉴。     

基于面向对象分类的土地利用信息提取及其时空变化研究

基于面向对象的影像分类技术与土地利用变化模型,选取处于剧烈变化环境下的东江流域为研究对象,对其1980~2008年的土地利用变化特征进行了研究。结果表明:(1)面向对象的遥感分类方法在SPOT5高分辨率遥感影像分类中具有较高的精度(总体精度达87.7%),可以有效避免"椒盐现象"发生;(2)1980~2008年东江流域的土地利用方式和空间格局发生了显著变化。耕地面积急剧减少了2 854.4km2,流失的耕地主要转化为了林地、城镇建设用地;园地面积减少了667km2,流失的园地主要转化为了林地;林地面积增加了1 988.7km2,呈波动变化;草地面积比由4.9%缩减为2.0%;水域面积先减少后增加;城镇用地呈快速增长趋势,年增长率高达186.23%。加强耕地保护和适度限制城镇用地增长对区域可持续发展至关重要。     

The Study on Snow Depth Retrieval in Xinjiang Region based on FY3B-MWRI Data

The snow depth is one of the necessary parameters of weather and hydrological model,which is not only used to study the balance of surface radiation,but also to study the hydrological effects of snow.Meanwhile,the snow depth monitoring plays an important role in snow-melt runoff forecasting,water resources management and flood control.the sites to measure snow depth data to constructe existing snow depth retrieval models based on FY3B-MWRI data mainly distribute in middle,east and south of China,and the sites in Xinjiang region are relative less.Thus,it causes the poor precision of the snow depth retrieval algorithm in the Xinjiang region.In this paper,we select Xinjiang region as the study area and select FY3B-MWRI as the data source.According to the topography characteristics and surface land cover characteristics of the region,we use regression analysis method to study the different snow depth retrieval algorithms of the three land covertypes (forestland,farmland and grassland).Then we verify the accuracy of the algorithms comparing to the field measured data.The results show that the R² and RMSE of the three land covertypes are 0.758,2.58,0.729,3.21,0.854,5.70 respectively,so the algorithms of this paper have a high accuracy of the snow depth retrieval in Xinjiang region.