基于地表粗糙度地学意义的地表真实面积计算

地表真实面积很难直接测量和计算,一般利用投影面积代替地表面积。在地形起伏较小的平原地区,地表真实面积和投影面积相差不大,但在地形起伏复杂的山区,两者差异较为明显,为计算地形起伏复杂的横断山区地表面积,选取西藏自治区昌都县作为研究区,推导了地表粗糙度的地学意义,基于地表粗糙度地学意义计算地表真实面积并定量分析了地表真实面积与垂直投影面积之间的差异。实验结果表明:相同土地覆被下,DEM分辨率越高,地表真实面积与垂直面积差异越大;草地、灌木林地、有林地、疏林地和难利用地的地表真实面积与其垂直投影面积差异较大,分别占垂直投影面积的11.275%、13.447%、16.586%、13.644%和17.282%,对于地形起伏复杂的山区而言,地表真实面积与垂直投影面积之间的差异不容忽视;坡度越大,地表真实面积与垂直投影面积之间的差异越明显,当坡度>75°时,差异迅速增大。基于地表粗糙度地学意义可快速获取地表真实面积,若建立典型地区地表粗糙度数据库,可为该地区土地利用变化、森林资源调查和作物面积估产等提供更加科学有效的数据。     

遥感地表真实面积和垂直投影面积差异的定量化模拟*

将从遥感影像中提取的面积直接在分析中使用容易引起垂直投影面积和地表真实面积的概念混用,针对此问题设计了理想状态下的虚拟实验进行研究。使用1:1万的DEM模拟出不同的地表类型,计算每一种地表类型下的两种面积大小,分析两种面积之间的差值随地表类型变化的规律。实验结果表明,两者差异随地表起伏加剧而不断增加,当地形坡度均值为44.34°时,两者之间的差异达到38.08%。因此,遥感影像的垂直投影面积并不能完全作为地表真实面积在所有地表类型下使用,尤其是对地形起伏较剧烈的地区而言,为了更准确的精度应尽可能地使用地表真实面积。     

C波段SAR山区积雪面积提取研究

合成孔径雷达(SAR)不仅具有穿云透雾,全天候观测地表的能力,而且可穿透地表覆盖一定深度获取地表覆盖物内部特征信息。利用2011年10景ENVISAT\|ASAR可变极化模式精细图像(ASA_APP_1P)数据,分析比较了黑河上游祁连山冰沟流域不同时段积雪SAR后向散射特性,应用同期的MODIS积雪面积产品确定研究区积雪的累积和消融背景信息。研究表明:由于融雪期积雪含水量上升,SAR图像后向散射系数相比干雪或无雪图像明显降低,经过分析认为广泛应用的-3 dB阈值会明显低估湿雪覆盖范围,-2 dB阈值更适合该地区湿雪面积参数提取。山区积雪融化过程中低海拔区域积雪融化而高海拔山区积雪仍可能为干雪,在提取湿雪像元的基础上,根据Sigmoid函数阈值获取的像元湿雪百分比及DEM信息来提取干雪像元,最终获取整个流域积雪面积信息。通过与Landsat ETM+图像积雪面积分类结果进行比较,总体精度达到78%。积雪累积和消融背景信息的分析表明:误差主要源于流域东北部与西北部低海拔区域积雪快速消融。     

基于GF-1遥感数据决策树与混合像元分解模型的冬小麦种植面积早期估算

我国西北地区耕地细碎,冬小麦种植面积提取时混合像元较多,所以将决策树和混合像元分解相结合可大大提高解译精度。以高时间分辨率及较高空间分辨率的GF-1卫星遥感数据为研究数据源。根据冬小麦和其他各类地物在不同时相数据上NDVI值的变化特性及特征值差异,建立决策树模型,快速高效地提取冬小麦像元。运用线性光谱混合模型,降低混合像元的影响,进一步精确提取冬小麦的种植面积。最后与实测样方的冬小麦种植面积数据进行比较,验证提取精度。结果表明:研究区内冬小麦种植面积提取精度达90%以上,Kappa系数接近0.8,可较为准确地反映出区域内冬小麦的分布情况。利用较高分辨率的遥感影像并结合决策树分类和混合像元分解可以较准确地提取耕地破碎地区作物种植面积,对开展早期农作物面积遥感监测有较大帮助。     

运用NOAA AVHRR和Landsat TM数据估算多年水稻种植面积

介绍了综合运用NOAA AVHRR和Landsat TM数据进行多年水稻种植面积监测的一种方法,以湖北省为例,首先运用Landsat TM数据计算了该省1992年的水稻种植面积;接着运用1992年和1994年的NOAA AVHRR数据分别计算这两年的水稻像元数,以这两年水稻像元数的变化来反映水稻种植面积的变化;最后运用线性模型,估算1994年的水稻种植面积。所得的1994年水稻种植面积与湖北省农调队资料相比精度为84.5%。运用同样的方法估算1995年该省的水稻种植面积,精度达90%以上。     

基于面向对象的多源卫星遥感影像玉米倒伏面积提取

风灾引起的玉米倒伏可能导致玉米大量减产,利用遥感技术准确监测玉米倒伏面积与空间分布信息对灾情的评估非常重要。利用Planet和Sentinel-2影像分别结合面向对象与基于像元方法提取研究区玉米倒伏,同时评估了不同影像特征（光谱特征、植被指数和纹理特征）与不同分类方法（支持向量机法SVM、随机森林法RF和最大似然法MLC）对玉米倒伏提取精度的影响。结果表明：①使用高空间分辨率的Planet影像进行玉米倒伏提取的精度普遍高于Sentinel-2影像;②从分类精度和面积精度来看,Planet影像的光谱特征+植被指数+均值特征结合面向对象RF分类,总体精度和Kappa系数分别为93.77%和0.87,面积的平均误差最低为4.76%;③采用Planet和Sentinel-2影像结合面向对象分类提取玉米倒伏精度高于基于像元分类。研究不仅分析了面向对象方法的优势,还评估了使用不用影像数据结合面向对象方法的适用性,可以为遥感提取作物倒伏相关研究提供一定的借鉴。     

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。     

基于GEE平台的海岛地表覆盖提取及变化监测—以苏拉威西岛为例

随着海洋在国家政治、经济、资源等方面重要性的提升,对海岛开发利用、管理和保护等具有重要意义的海岛地表覆盖研究逐渐受到关注。针对传统的大范围地表覆盖提取速度慢、效率低的问题,基于Google Earth Engine（GEE）地学大数据平台,以作为生态重点保护区的印度尼西亚的苏拉威西岛为研究区,开展海岛地表覆盖提取及变化监测研究。基于GEE平台对Landsat TM/OLI遥感影像进行辐射校正、影像去云、镶嵌裁剪等预处理,构建海岛地表覆盖分类体系（包括人造地表、裸地、水体、湿地、草地、林地、耕地7个类别）,采用随机森林（Random Forest, RF）算法提取2000~2018年苏拉威西岛地表覆盖信息,并从结构及类型变化、时空变化、动态变化3个角度分析苏拉威西岛地表覆盖的变化特征及变化驱动因素。研究表明：GEE在对海岛进行影像处理和地表覆盖信息提取方面具有处理数据量大、效率高的优势。随机森林分类精度较高,研究区2000年、2015年和2018年分类总体精度分别为91%、88%、85%,Kappa系数分别为0.89、0.86、0.82。变化监测研究发现苏拉威西岛的主要地类为林地和耕地,两者占整个海岛地表面积的85%以上。在2000~2018年期间受移民计划以及禁止非法砍伐政策的影响, 林地面积呈先减（减少7 982.29 km²）后增（增加9 079.17 km²）的态势,耕地面积不断萎缩（共减少14 267.35 km²）且主要流向林地、草地和人造地表。人造地表的变化最为活跃且其面积显著增加,主要驱动力为人口的迁移以及经济的发展。研究结果为生态型海岛的土地资源合理开发及应用、生态环境的保护、气候与环境变化等研究奠定了基础。     

21世纪以来西安城乡梯度土地覆盖变化及对城市热岛影响时空特征

城市快速扩张导致城乡梯度土地覆盖发生显著的变化,引发不透水地表的增加,植被覆盖的减少,从而加剧了城市热岛强度。研究城乡梯度土地覆盖变化引起的城市热岛效应,并揭示城市热岛的时空特征及强度的变化,对城市规划建设、人居环境改善及提升城市生态系统服务功能具有重要的意义。基于Landsat系列4期影像,利用单窗算法反演西安市地表温度,计算热场变异指数得到热力场强度图并对其进行等级划分,结合土地利用/覆盖类型数据分析城乡梯度土地覆盖变化对城市热岛强度的影响。结果表明：①2000年西安市极强热岛效应区占研究区面积的10.58%,逐渐增加到2011年极强热岛效应区域的面积占比达到16.14%,而后到2015年降低为9.00%,整体上西安市城市热岛效应呈现出了先增长后降低的趋势;②2000年到2015年城乡建设用地面积增加了412.76 km2,极强热岛强度的范围随城市建成区的扩张逐年向外扩展;③无热岛效应区约70%位于耕地和林地,水域在无热岛效应中的占比也在逐年增多,从31%增加到了47%。不透水地表面积占比与地表温度有显著相关性,城乡梯度植被和水体面积的增加可以有效地缓解城市热岛强度。     

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。     

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.     

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。     

Remote Sensing Monitoring and Comparison of Urban Land Cover Changes in Typical Cities in China-Kazakhstan Arid Region based on Cloud Platform

Urban land cover composition is the key factor affecting the living environment and urban ecosystem service. Based on the Google Earth Engine platform, Landsat 5/8 remote sensing image data were used to adopt the improved "Vegetation-Impervious Surface-Soil" model and linear spectral mixed decomposition method. The variation characteristics of land cover in Nur-Sudan, Almaty, Urumqi cities from 1990 to 2015 were compared and analyzed. The results show that the urban built-up area of Urumqi city expanded the largest area of the three cities from1990 to 2015, with an expansion of 349.81 km², followed by Nur-Sultan, with a city expansion area of 158.16 km². As the capital of Kazakhstan was relocated from Almaty to Nur-Sultan, the city of Almaty expanded the slowest during the entire period, with a total expansion of 126.23 km². In the urban built-up area, the urban surface in Urumqi increased by 7.10% from 1990 to 2015, and the Nur-Sultan and Almaty decreased by 14.9% and 4.49%，respectively. The green space component of the built-up area, Nur-Sultan increased by 6.68% from 1990 to 2015, while Urumqi and Almaty decreased by 6.65% and 2.75%，respectively. The different surface cover patterns of cities are different for different reasons. Urumqi is mainly supported by national policies, and Almaty is known for its historical background and urban planning, while the rapid development of Nur-Sudan was affected by the relocation of Kazakhstan.     

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.     

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。     

基于云平台的中哈干旱区典型城市地表覆盖变化遥感监测与比较

城市地表覆盖组分是影响人居生存环境和城市生态系统服务的关键因素。基于Google Earth Engine平台,利用Landsat 5/8遥感影像数据,采用改进的“植被—不透水面—土壤”模型及线性光谱混合分解方法,提取地处干旱区的中国西部大城市乌鲁木齐市与邻国哈萨克斯坦首都城市努尔–苏丹市、大城市阿拉木图市的地表覆盖信息,对比分析1990~2015年3个城市地表覆盖的变化特征。结果表明：1990~2015年间乌鲁木齐市城市建成区扩张面积最大,扩张了349.81 km²;其次为努尔-苏丹市,城市扩张面积为158.16 km²;由于哈萨克斯坦首都由阿拉木图市迁往努尔-苏丹市,整个时段阿拉木图市城市扩张最慢,总计扩张了126.23 km²。在城市建成区内,1990年到2015年间乌鲁木齐市城市地表不透水组分增加了7.10%,努尔—苏丹市和阿拉木图市分别减少了14.9%、4.49%。建成区内绿地组分努尔—苏丹市从1990年到2015年增加了6.68%;乌鲁木齐市和阿拉木图市分别减少了6.65%和2.75%。城市所表现出来的不同地表覆盖特征乌鲁木齐市主要受国家政策支持,阿拉木图市由于其历史背景和城市规划,努尔—苏丹市城市的快速发展则受哈萨克斯坦迁都的影响。     

土地利用变化下北京市热通量的时空演变

探究土地利用变化对城市热通量的影响,对城市用地规划和城市热岛缓解具有重要指导意义。利用混合像元组分排序对比和分层能量切割方法,通过Landsat系列数据反演的地表参数,结合气象再分析资料,估算了2004、2009、2014和2017年4期9月份的北京市地表瞬时热通量,依据同期的北京市土地利用图,分析了北京市热通量随土地利用变化的时空演变。结果表明：①北京市地表温度和热通量分布具有明显的空间异质性,山区和平原、平原不同土地利用类型之间差异明显;②在不同时期,土地利用类型间的地表温度和热通量的高低次序具有一致性,瞬时潜热通量,林地最高,为347.85~546.95 W/m²,其次为耕地、草地,建设用地最小,为225.23~349.03 W/m²,感热通量和地表温度则相反,建筑用地最高,分别为94.06~189.28 W/m²和25.18~32.25 ℃,耕地和草地次之,水体的最低,分别为28.15~102.55 W/m²和19.25~28.38 ℃;③土地利用类型转变引起的城市热通量变化方面,自然表面转为建设用地时,潜热通量急剧减少,感热通量增加,城区周边耕地的潜热通量受城市热辐射影响而增加,城市绿地能有效缓解城市热岛效应。