闽江流域水质时间序列变化趋势识别及特征分析

针对传统方法难以反映水质指标时间序列非线性、局部特征的问题,提出一种结合STL时间序列分解算法和Mann-Kendall趋势检验算法的水质时间序列识别与分析方法。该法首先应用STL时序分解算法对水质指标的时序数据进行回归分解,分离出水质指标趋势项,利用Mann-Kendall检验法,识别并分析出水质指标趋势项的变化趋势及特征。选用2014-2018年闽江流域12个监测站点、8个水质指标时间序列作为分析数据源,结果表明:闽江流域水质状况整体较好且呈现出稳步提高的趋势;闽江上游水质整体上优于闽江下游,但有机物污染较下游更为严重;闽江下游NH3—N、TP浓度下降趋势明显,但DO值较上游偏低并成为影响水质的主导因素。     

基于GDAL的遥感图像变化检测技术

由于GDAL（Geospatial Data Abstraction Library）具有快速读取多种格式的遥感图像且能有效解析空间元数据等特点,利用它开发遥感图像处理算法具有明显的优势。结合GDAL及相应算法,开发了一套复杂地形山区植被遥感变化检测的技术,其中包括利用阴影消除植被指数（Shadow Elimination Vegetation Index,SEVI）反演植被长势;利用图像差值法及最大类间方差法（OTSU）来提取植被长势明显变化点位;利用[K]均值聚类自动分割识别变化区域。将该方法用于武夷山自然保护区和闽江源自然保护区2016-2017年Landsat8 OLI遥感图像的植被长势变化检测,结果表明,这套遥感图像变化检测技术切实可行,能够有效识别遥感图像变化区域,并在复杂地形山区的植被长势监测中具有良好的应用价值。     

基于时序遥感数据的福州市耕地非农化特征及驱动因子分析

耕地是粮食生产的基本载体,及时准确地获取耕地非农化信息,对于耕地资源管理和政策实施具有重要意义。为探究福州市近30 a耕地非农化变化规律,基于谷歌地球引擎（Google Earth Engine,GEE）和随机森林方法,利用多时相Landsat遥感影像提取了福州市1989、2000、2010和2019年耕地空间分布信息,并在此基础上利用土地转移矩阵、网格单元法和地理探测器等方法,分析了福州市耕地非农化的重要特征及其驱动因子。结果表明：(1)基于GEE平台的随机森林方法可有效提取南方多云多雨地区的耕地信息,土地利用分类总体精度高于90%,Kappa系数大于0.85;(2)福州市耕地空间分布不均匀,呈现东多西少,耕地面积随时间推移不断减少,耕地非农化呈现“快—慢—平”的特征。耕地非农化主要发生在高程100 m和坡度10°以下区域,耕地非农化类型主要为园林地和建设用地,其中西部地区主要为园林地,中东部地区为建设用地;(3)耕地非农化是由自然和社会因素共同驱动的结果,自然因素是耕地非农化的先决条件,城镇化增长率与人口数量增长率是导致耕地非农化主要驱动因素,其中城镇化增长率和第一产业比重增长率是...     

利用多源数据分析呼伦湖地表与地下水的动态变化

湖泊对揭示区域环境演变特征与规律具有重要意义.为研究近30 a呼伦湖地区地表水面积与地下水水储量的变化,利用Google Earth Engine(GEE)云平台处理了 1986～2018年间所有Landsat卫星影像.结合卫星测高所获得的水位数据,得到呼伦湖的水体面积长时间变化序列,并将其划分为4个阶段:2000年之...     

HMGMRF模型及其在高分辨率影像分割中的应用

通过修改离差预测的方式,对高斯马尔可夫随机场(Gauss Markov Random Field)模型加以改进,提出层次型多光谱高斯马尔可夫随机场 (Hierarchical Multispectral Gauss Markov Random Field,HMGMRF) 模型及其相应的分割算法。影像分割时,先通过HMGMRF模型分析地物在各波段光谱特征的变化趋势（即地物各波段的纹理特征）,期间结合了"谱间相关"这一特性,将离差预测时的邻域空间由原先的单层扩展为多层,增加了纹理特征的维度,从而提高了模型在描述纹理特征方面的能力;接着,基于贝叶斯原理,采用EM (Expectation Maximization)算法对各类地物的模型参数进行迭代估算;最后,基于增强型纹理特征,依据MAP (Maximum A Posteriori)原则,实现影像分割。实验结果表明,所提出的基于HMGMRF模型的分割算法具有较强的识别地物能力,可以获得较高的分割精度。