基于GEE的长三角城市群城市化与生态环境的动态研究

随着中国城市化的快速发展，城市群是区域经济协调发展的主要趋势及核心，其生态环境压力却日益见长，如何有效合理地对城市化与生态环境之间的关系进行评价是一个值得关注的问题。以长三角城市群(Yangtze River Delta Urban Agglomerations, YRDUA)为研究区，选用MODIS遥感数据与“类DMSP-OLS”夜间灯光数据为数据源，对研究区域整体与区县的城市化水平、生态环境质量、植被覆盖水平以及其相关耦合程度进行了长时间序列的分析研究。研究结果表明：(1) 2002—2021年长三角城市群整体和各区县的夜间灯光指数(Compounded Night Light Index, CNLI)均呈现上涨趋势；(2) 2002—2021年长三角城市群的遥感生态指数(Remote Sensing Ecological Index, RSEI)与植被覆盖度(Fractional Vegetation Cover, FVC)总体均处于良好水平，由于区域内各区县具有特殊性，局部又呈现显著差异性；(3) 2002—2021年长三角城市群的城市化与生态环境耦合协调指数(Urbanize...     

基于GDEM的泥石流灾害提取

利用高分辨率GDEM数据,通过arcgis软件提取沟壑矢量数据,设置阈值,提取泥石流灾害数据,通过叠加已有的地质灾害调查数据,进行数据正确性检验;应用TM影像经过数据预处理、辐射校正、几何校正、大气校正,提取植被覆盖度、植被指数数据,叠加已提取的泥石流灾害数据进行分析,研究泥石流灾害与植被覆盖度及植被指数之间的相关性,寻求其规律,降低泥石流灾害危害。     

基于Landsat影像的千将坪滑坡植被覆盖度变化监测

监测滑坡区植被生态恢复过程，可为滑坡区生态恢复提供科学依据。以湖北省秭归县千将坪滑坡为研究区，以多期空间分辨率为30 m的Landsat TM/OLI影像为数据源，计算归一化植被指数(NDVI),采用像元二分模型估算2002～2020年间9个时相的植被覆盖度数值，对滑坡区植被覆盖度变化趋势进行分析。结果表明：滑坡区平均植被覆盖度2002～2020年呈现先下降后上升的趋势，在2003年发生滑坡后平均植被覆盖度明显下降，之后逐渐上升，至2014年平均植被覆盖度已超过滑坡前水平。滑坡发生后，低植被覆盖区面积明显增加，高植被覆盖区毁损严重，经历近20 a生态恢复，至2020年研究区低植被覆盖区面积比例低于滑坡前，高植被覆盖区面积比例高于滑坡前，千将坪滑坡区植被生态总体恢复良好。     

需求跟踪矩阵在软件测试中的应用与实现

软件测试是保障软件质量的重要手段。需求跟踪矩阵是一种管理需求变更和验证需求是否能够实现的有效工具，是测试需求分析的输出。为满足用户的需求和提高用户使用产品的满意度，文章在软件测试的过程中，引入了需求跟踪矩阵，分析了需求跟踪矩阵在软件测试中的应用与实现。     

基于MAGA-PPC模型的胡家河矿区生态环境质量评价

矿山开采不仅破坏和占用大量土地资源,而且会对生态环境造成持久的负面影响。结合胡家河矿区2013—2020年8期逐年Landsat-8影像数据,通过计算植被覆盖度和景观格局指数,建立了矿区生态环境质量指标评价体系,并基于多智能体遗传算法的投影寻踪聚类(MAGA-PPC)模型对该矿区的生态环境质量进行了评价,分析了矿区地下开采对生态环境的影响。研究表明:2013—2020年,该矿区植被覆盖逐年下降,植被覆盖度均值总体减少,农用地减少,建设用地增加,矿区开采初期景观格局破碎化程度最高;随着矿区地下开采不断推进,矿区所有斑块在景观尺度水平上越来越聚集,整体景观水平破碎度明显减少,不同斑块类型交替出现的规律减弱,受矿区开采和土地复垦工作的共同影响,区内景观丰富度减少,各景观类型趋于均匀;MAGA-PPC模型评价结果反映出2013—2020年矿区生态环境质量整体呈下降趋势。     

挠力河湿地植被覆盖度对水文要素的响应

挠力河国家级自然保护区位于黑龙江三江平原腹地，是我国重要的生态功能区。基于遥感影像数据与保护区水文数据，通过像元二分法反演区域植被覆盖度，分析1984～2021年挠力河保护区植被覆盖度的时空分布特征，研究降水量与保护区淹水频率对于植被覆盖度的影响。结果表明，1984～2021年挠力河湿地低、中植被覆盖度地区呈先增后减趋势，中高植被覆盖度地区则反之。从保护区多年逐月降水与每年各月植被覆盖度的相关系数来看，挠力河保护区内植被生长情况整体受降水量影响较大，呈正相关，且植被覆盖度对降水量的响应为滞后约1个月。湿地淹水频率在0.45～0.50之间时，湿地植被长势良好。研究成果可为挠力河湿地生态保护提供参考。     

基于Sentinel-2影像的南四湖菹草群落遥感提取研究北大核心CSCD

基于Sentinel-2遥感数据,选用最大似然监督分类法、随机森林机器学习分类法和基于时序NDVI的物候特征分类法等3种方法,对2021年5月初南四湖沉水植被(菹草群落)进行提取研究,利用同期实测的南四湖菹草群落面积和分布数据对3种方法的提取精度进行分析,结合菹草植被覆盖度分析3种方法对菹草的提取能力。结果表明:①不同方法提取的南四湖菹草群落总面积存在明显差异。监督分类和随机森林方法提取的2021年南四湖菹草群落面积均在100 km^(2)以下,分别为98.97 km^(2)和75.92 km^(2),基于时序NDVI的方法提取面积为207.44 km^(2),最接近实地调查的菹草面积。②无论是全湖还是核心区,监督分类和随机森林法的提取精度均75%左右,平均相对误差(MRE)在0.5左右,平均误差在20~30 km^(2)左右,而基于时序NDVI的方法精度在90%以上,MRE和ME area也最低。③对比植被覆盖度发现,监督分类和随机森林方法只能提取到近湖岸的植被覆盖度较高的菹草,对湖心区覆盖度较低的菹草提取效果差,而时序NDVI的方法对低植被覆盖度菹草群落更敏感,是菹草遥感提取的有效方法。本研究对于创新沉水植被遥感提取方法和指导湖泊生态环境遥感监测具有一定的参考价值。