基于VIIRS Nightfire数据的山东省工业热源分类提取与变化特征分析

卫星遥感的多传感器技术为大尺度上实现工业热源的快速分类、识别提供了可能。利用2012—2019年VIIRS（可见光红外成像辐射仪）Nightfire数据,以山东省为研究区,首先,根据工业热异常点的空间聚集性特征和统计特征,使用DBSCAN聚类和时间序列聚类提取确认工业热源对象。其次,基于工业温度特征模板,使用K最近邻分类算法实现了工业子类热源的分类。研究表明：(1)使用该方法提取工业热源对象精度达到99.81%,比“空间—时间—温度”维度的面向对象方法提高了1.47%,在提取工业热源对象数量上提高了8.99%;工业子类热源对象分类总体精度为84.54%,可较好地对山东省工业热源对象进行提取与分类。(2)山东省工业热源对象主要分布于潍坊市、滨州市、临沂市和东营市4个城市（占比43.30%）;工业热源对象集中分布于淄博市、滨州市和东营市交界处,聊城市东部,枣庄市中部及临沂市中部,呈现显著的空间集聚态势;根据工业转型升级政策提出前后工业热源对象数量的变化（减少13.63%）,表明山东省推进工业转型升级政策取得一定成效。因此,利用该方法可较好地提取山东省工业热源,为工业相关政策的制定和评价提供...     

2001~2018年我国热异常点时空分布特征研究

基于2001~2018年MODIS标准产品,研究了我国及七大区域热异常点的时空分布特征。结果表明：空间分布上,热异常点主要分布在除西北、西南之外的大部分地区;年际趋势上,2001~2014年间热异常点数量持续上升,年均增长率为15.01%,2015年后逐年下降,年均下降率为14.96%。月季尺度上,热异常点在春、秋季节出现最为频繁（春：551 716个,秋：416 698个）,春、秋季相对在东北地区分布最多（春：164 898个,秋：186 727个）,东北地区月均数量10月最高（118 274个）;夏季热异常点数量最低（290 793个）,多分布于华东地区（120 455个）,华东地区月均数量6月最高（76 465个）;冬季数量为358 483个,且在华南地区分布最多（108 209个）,华南地区月均数量1月最高（37 770个）。研究有助于掌握我国典型区域的森林、草原火灾,以及由于秸秆焚烧、工业排放等引起热异常的变化情况,进而为区域灾害防治和环境监测提供技术支撑。     

基于TES算法的地表温度反演应用研究

温度比辐射率分离算法（TES）是针对高光谱分辨率的热红外测量数据,利用地物热红外光谱的一些共性特点作为先验知识或者约束条件,从一次观测中同时反演温度和光谱发射率的方法。利用这类方法反演地表温度时主要需要较多的光谱波段和较高的信噪此。本研究以长白山火山区为例,首次将温度比辐射率分离算法应用于该区的地表温度反演,通过NEM,RAT和MMD这三种TES方法的迭代逼近,基于ASTEPR多波段热红外数据反演了长白山地区的地表温度。反演结果显示：望天鹅火山区为低地表温度集中分布区;而长白山火山区却表现为高海拔低温背景下的高地表温度集中分布,经过对地表覆盖状况的实地调查发现,该区裸露的大量浮岩是引起这种地表温度异常的主要原因之一。     

基于随机子空间的扩展隔离林算法

针对扩展隔离林（EIF）算法时间开销过大的问题,提出了一种基于随机子空间的扩展隔离林（RS-EIF）算法。首先,在原数据空间确定多个随机子空间;然后,在不同的随机子空间中通过计算每个节点的截距向量与斜率来构建扩展孤立树,并将多棵扩展孤立树集成为子空间扩展隔离林;最后,通过计算数据点在扩展隔离林中的平均遍历深度来确定数据点是否异常。在离群值检测数据库（ODDS）中的9个真实数据集与呈多元分布的7个人工数据集上的实验结果表明,所提RS-EIF算法对局部异常很敏感,相较EIF算法减少了约60%的时间开销;在样本数量较多的ODDS数据集上,该算法识别精度高出孤立森林（iForest）算法、轻型在线异常检测（LODA）算法和基于连接函数的异常检测（COPOD）算法2~12个百分点。RS-EIF算法在样本数量大的数据集中识别效率更高。     

基于时序Landsat数据的三江平原植被地表类型变化遥感探测研究

Landsat 卫星遥感数据具有分辨率较高,数据积累时间长的特点,在探测地表覆盖变化和地物分类中得到广泛应用。首先,对获取的Landsat TM/ETM+时间序列数据进行了定量化处理,获取了三江平原七台河市1989~2012年时间序列Landsat地表反射率图像。其次,设计了林地指数和湿地指数,提取了三江平原七台河区域地物光谱和时序特征,同时设计构建了地表覆盖分类和植被地表类型变化探测的决策树算法,实现了1989~2012年七台河区域的植被地表覆盖变化的动态监测,提取了森林覆盖变化的空间分布与变化时间。最后,对七台河区域地表覆盖与植被地表类型变化进行了精度检验,分类总体精度达到90.04%,Kappa系数达0.88。研究结果表明:基于定量化的Landsat时间序列数据的分类算法能克服单时相影像分类的缺陷,实现区域地物自动分类和地表覆盖变化的动态监测。
     

世界首套30米全球地表覆盖遥感制图

清华大学地球系统科学研究中心联合中国科学院遥感应用研究所、北京师范大学、国家测绘局基础地理信息中心在国家科技部863重点项目支持下,利用30米空间分辨率陆地卫星(Landsat)数据完成当前世界上最高空间分辨率的全球地表覆盖制图工作。该套地表覆盖遥感制图比已有的同类图空间分辨率提高了1个数量级;建立了新的地表覆盖分类系统;开发并应用两个     

超大城市土地覆盖与热环境的随机森林回归模型研究

目前对于超大城市土地覆盖和热环境定量模型研究报道不足,这主要是因为大城市地表温度和地表生物物理组分之间存在复杂的潜在非线性关系,这使得准确评估城市热环境情况遇到了严峻的技术挑战。研究选取中外6个典型超大城市（北京、上海、广州、伦敦、纽约和东京）为研究对象,以Landsat遥感影像为主要数据源,利用单通道算法反演各城市地表温度,采用随机森林回归模型（RFR）建立土地覆盖类型与城市热环境定量关系模型（LCT）,综合分析城市土地覆盖因子与热环境间的多维定量关系。土地覆盖与地表温度的定量关系显示,城市地表热场的空间结构在很大程度上被下垫面用地类型所左右,不透水面会导致高温热场的聚集,而植被和水体则有降温作用。6个超大城市地表覆盖结构变化产生的升温/降温效应有所差异,北京、上海、纽约和东京等城市区域的植被和水体降温效应较广州和伦敦显著。基于随机森林回归方法建立了NDVI、MNDWI和NDISI等3种土地覆盖类型与城市热环境的综合定量关系模型（LCT）,模型得到的精度高于基于多元线性回归方法建立的模型。LCT＿RF模型的R2值在0.623～0.826之间,比LCT＿MLR模型高0.021～0.07...     

近10年榆林市植被净初级生产力时空分异特征

针对榆林市生态环境脆弱,植被净初级生产力分布及变化对其影响较大的问题,利用2000年、2005年和2010年的NPP数据,采用马尔科夫转移矩阵及GIS空间分析功能,揭示榆林市NPP的时空变化特征。结果表明：（1）榆林市NPP空间分布由西北向东南逐渐递增。（2）2000年～2010年NPP呈显著上升趋势：2000年～2005年NPP升高区域95.03%,增幅大于300gC/（m2·a）的占47.22%,主要分布在榆林市最北端和南部地区;2005年～2010年NPP升高区域面积93.96%,增幅大于300gC/（m2·a）的占54.10%,集中在东南大部分地区。（3）榆林市NPP增加的主要因素是1999年以来该区采取的多项植被恢复与重建工程等措施,植被覆盖度增加。     

2022年江西省极端干旱对柑橘种植经济损失的遥感评估

2022年江西省发生极端干旱灾害,对柑橘生长及产量造成了十分严重的影响。利用遥感技术快速、准确地评估干旱受灾程度对柑橘种植减损及后续稳产具有重要意义。采用2022年Landsat遥感影像数据、江西省土地利用类型数据和Google Earth柑橘监督分类样本点数据识别并提取了江西省柑橘种植区;在此基础上,利用2021年及2022年MODIS数据产品分别计算江西省柑橘关键生育期（6～10月）的归一化差值植被指数（NDVI）和地表温度（LST）,用以联合反演温度-植被干旱指数（TVDI）;再结合江西省统计年鉴中的柑橘种植面积数据及实地调研数据,定量评估了4种情形下2022年江西省极端干旱对柑橘种植造成的经济损失。研究结果表明：(1)2021年和2022年6月～10月江西省柑橘种植区TVDI平均值分别为0.83和0.62,2022年干旱胁迫明显加重;(2)2022年6月～10月江西省柑橘种植区重度干旱占66.1%,中度干旱占33.7%,且干旱空间分布具有赣北大于赣南的空间格局;(3)2022年7月初～11月初,江西省柑橘种植区TVDI长时间维持在0.8以上,表现为重度干旱,此时段与柑橘关键生育...     

可见光红外成像辐射仪数据林火识别算法研究

针对新型传感器可见光红外成像辐射仪(VIIRS)数据具有较宽的波段覆盖范围、中等空间分辨率以及高重访周期,可以在火灾监测中发挥重要作用的特点,该文结合VIIRS数据的波段设置,分析了火点像元与背景像元在反射波段的地表反射率差异及热红外波段的亮度温度差异,研究了应用该数据进行林火识别的算法。并对2013年8月发生在美国加州斯坦尼斯劳斯国家森林公园的火灾,开展了基于该算法的应用研究,使用中高分辨率Landsat ETM+/OLI影像对提取结果进行了验证。结果表明,该文提出的林火识别模型在火点集中区域可达到85%的精度,较好地提取了火灾发生的区域分布。     

基于MODIS数据的亚马逊热带雨林火灾时空变化规律研究

频繁发生的森林大火对亚马逊热带雨林造成了大面积破坏,获取不同年份的火灾影响范围以及植被破坏情况,有助于了解该地区火灾时空演变规律以及火灾与植被的相互作用关系,进而探究火灾发展机理,为防灾减灾提供科学依据。为此,利用2015～2019年MODIS植被指数产品与地表温度产品,构建MODIS全球扰动指数模型（MGDI）,结合火点数据（以下统称MOD14A1）、植被连续场数据（Vegetation Continuous Field,VCF）提取1 000 m分辨率下的燃烧范围和燃烧强度,并分析研究区域5年内的火灾分布时空规律。实验结果表明：(1)火灾主要分布在巴西中部以及巴西与玻利维亚的交界处,占燃烧区总面积的67%左右;(2)燃烧范围以及燃烧强度的综合信息显示火灾整体呈现出“升—降—升”的趋势;(3)火灾多发生于灌木草地（50%以上）以及阔叶林（30%）,且火灾多发在旱季;在全球变暖大背景下,火灾发生频率呈上升趋势;（4）人类活动范围扩张、不合理农业开垦、森林砍伐导致研究区内草地退化严重,农业用地以及建筑用地逐年上升,在一定程度上为火灾的发生、传导提供了良好的条件。     

基于金融技术指标的用电数据分析

针对已有用电数据分析缺乏有效描述趋势性特征的不足,适应性地将金融领域中十字过滤线(VHF)、异同移动平均线(MACD)等技术指标迁移至用电数据分析中,提出了基于金融技术指标的异动检测算法和负荷预测算法.所提异动检测算法通过统计各指标的统计情况划定阈值,并采用阈值检测捕捉用户异常用电行为.所提负荷预测算法通过提取14项与...     

Detecting unknown coal fires: synergy of automated coal fire risk area delineation and improved thermal anomaly extraction

This paper presents two complementing algorithms for remote sensing based coal fire research and the results derived thereof. Both are applicable on Landsat, ASTER and MODIS data. The first algorithm automatically delineates coal fire risk areas from multispectral satellite data. The second automatically extracts local coal fire related thermal anomalies from thermal data. The presented methods aim at the automated, unbiased retrieval of coal fire related information. The delineation of coal fire risk areas is based on land cover extraction through a knowledge based spectral test sequence. This sequence has been proven to extract coal fire risk areas not only in time series of the investigated study areas in China, but also in transfer regions of India and Australia. The algorithm for the extraction of thermal anomalies is based on a moving window approach analysing sub‐window histograms. It allows the extraction of thermally anomalous pixels with regard to their surrounding background and therefore supports the extraction of very subtle, local thermal anomalies of different temperature. It thus shows clear advantages to anomaly extraction via simple thresholding techniques. Since the thermal algorithm also does extract thermal anomalies, which are not related to coal fires, the derived risk areas can help to eliminate false alarms. Overall, 50% of anomalies derived from night‐time data can be rejected, while even 80% of all anomalies extracted from daytime data are likely to be false alarms. However, detection rates are very good. Over 80% of existing coal fires in our first study area were extracted correctly and all fires (100%) in study area two were extracted from Landsat data. In MODIS data extraction depends on coal fire types and reaches 80% of all fires in our study area with hot coal fires of large spatial extent, while in another region with smaller and ‘colder’ coal fires only the hottest ones (below 20%) can be extracted correctly. The success of the synergetic application of the two methods has been proven through our detection of so far unknown coal fires in Landsat 7 ETM+ remote sensing data. This is the first time in coal fire research that unknown coal fires were detected in satellite remote sensing data exclusively and were validated later subsequently during in situ field checks.     

非渗透表面丰度提取方法运用——以广州市海珠区为例

非渗透表面丰度即非渗透表面含量百分比,是水文学中不透水层与遥感领域混合像元分解概念相结合的产物。在城市区域,非渗透表面多指房屋、道路、停车场等建设用地区。本文基于广州市海珠区2000年ETM＋数据,首次采用单窗算法反演的地表温度数据与植被-非渗透表面-土壤（V-I-S）模型、归一化线性混合光谱模型（NSMA）相结合的方法提取研究区非渗透表面丰度值,并对提取结果进行49个300m×300m有效样区的抽样检验。结果表明抽样值与真实值之间存在10.03%的均方根误差以及2.65%的系统误差,从而进一步验证了三模型结合使用提取非渗透表面丰度的可行性。     

基于LandUSEM模型的海南岛海岸带土地利用适宜性评价

开展海南岛海岸带土地利用适宜性评价对实现其土地资源合理配置有着重要意义。采用2000年、2010年和2020年3期土地利用数据,利用土地利用适宜性评价模型（Land Use Suitability Evaluation Model,LandUSEM）,优选适用于研究区的海岸带土地利用适宜性评价因子,得到海岸带土地利用适宜度空间分布及变化结果。研究表明：(1)海南岛海岸带土地利用适宜性年均值较高,整体适宜性较好。2000至2020年,研究区土地利用适宜性整体上先升高后降低。(2)在依据最新发展规划纲要将海南岛海岸带划分的四大区域中,南部组团土地利用综合适宜性最好,而北部组团最差。(3)土地利用类型与土地利用适宜性存在耦合性。近海地区适宜度变化相对明显,且人造地表扩张强烈,限制海岸带城镇建设用地扩张具有必要性。     

基于ANN的空气处理单元换热器的动态性能预测

应用人工神经网络技术对安装在空气处理单元（Air Handler Unit,AHU）中的换热器建立了动态神经网络模型。该模型的所有预测值基本都在实际测量值的95%~105%之间。实际测量值和神经网络模型预测值之间的平均相对误差（Mean Relative Error,MRE）小于2.5%,充分说明模型逼近实际对象的精确性。实验结果显示,神经网络,尤其是BP神经网络,可以作为一个很容易的建模工具来获得空气处理单元中换热器的神经网络模型,同时也很容易应用在类似的热系统中。     

Effects of the Relocation of Chongqing Iron and Steel Group Industrial Area on Regional Ecological Quality

Urbanization is typically accompanied by the reconstruction or relocation of heavy industrial areas due to limited space and high standard environmental requirements.Taking "environment\|friendly relocation" of Chongqing Iron and Steel Group as an example,this study quantitatively compares and analyzes changes of the thermal and ecological conditions before and after the relocation.Main biophysical properties of the study area and land surface temperature(LST) were retrieved from the multi\|temporal Landsat serial satellite images.Urban Heat Island Index(URI) and Remote Sensing based Ecological Index(RSEI) were employed for the study.The results reveal that urban heat island effect of the industrial area was significantly mitigated and the ecological quality was significantly improved after the relocation,suggested by the decline of URI value from 0.387 in 2005 to 0.128 in 2014(a drop of 66.7%),and the rise of RSEI value from 0.398 to 0.553 during the same period(an increased of 38.9%).This is due largely to the halting of steel production,change of land cover types and properties caused by the “environment\|friendly relocation” of the industrial area.In general,the halting of steel production,the decrease of impervious surface and the increase of vegetation coverage can mitigate the heat island effect and improve the ecological quality.The result of this study can provide a useful case for reconstruction or relocation of urban heavy industrial area and promotion of city’s healthy sustainable development.     

The potential of multidiurnal MODIS thermal band data for coal fire detection

In this paper we present the results of our analyses of multidiurnal low‐resolution Moderate Resolution Imaging Spectroradiometer (MODIS) thermal data for coal fire‐related thermal anomaly detection. Results are presented for data of the Jharia coal mining region of India. We combine three relatively new approaches: first, we use low‐resolution MODIS data for coal fire area analyses, which has only been undertaken by a few authors. Second, we analyse data from four different times of day (morning, afternoon, evening and predawn) and for three different bands (MODIS bands 20, 32 and a ratio thereof); and third, we use an unbiased automated algorithm for thermal anomaly extraction of local thermal anomalies. The MODIS data analysed stem from the years 2001 and 2005. In 2001, MODIS data were only been available from the platform TERRA as morning and evening data (around 1030 and 2200 h). In 2005, MODIS data were available from this platform as well as from the platform AQUA as afternoon and predawn data (around 0130 and 0200 h). Our analyses indicate that MODIS multidiurnal data, and especially bands 20, 32 and ratio bands thereof, have a high potential for the detection of coal fire zones and coal fire hot spot zones, as well as for regular thermal monitoring activities. However, the data are not suitable for a quantitative coal fire analysis concerning fire outline, fire temperature or fire classification into surface and subsurface fires. We used higher‐resolution ASTER and LANDSAT data from 2005 and 2002 for general orientation and later comparison of thermal anomaly extraction results. We also used high‐resolution Quickbird data for the characterization of individual anomalous thermal clusters. Comparisons demonstrate that even low‐resolution thermal sensors such as MODIS can support coal fire detection and zonation into warm and very hot zones.     

西南山地典型流域地震前后泥石流物源遥感精细识别

泥石流物源的信息获取目前主要依靠野外勘查测量和目视解译提取,存在耗时费力、覆盖范围有限、主观性强等问题。遥感因其快速、大范围、高精度监测的特点为泥石流物源识别提供了更为可靠的方式。基于Sentinel 2影像和ALOS地形数据,根据物源区光谱特征和地形特征差异,采用面向对象的分类方法进行物源识别,实现了树正寨流域地震前后泥石流崩滑物源、沟道物源和坡面物源的遥感精细识别。实验结果表明：①基于无人机和Google Earth高分辨率影像选取验证样本发现,采用该方法的树正寨流域物源识别精度分别为震前85.71%,震后88.34%,对应的Kappa系数分别为0.77和0.76;②相比于传统基于像元的遥感分类方法,该方法震前和震后分类精度分别高出14.28%和22.70%,尤其对于小面积的崩滑单体识别有着更优秀的表现;③地震前后由于地震诱发崩塌滑坡等灾害导致物源总储量由1.85×10⁶ m³增至3.99×10⁶ m³,主要物源类型是崩滑物源,占比70.80%。总体而言,实验为泥石流物源的判识提供了基于高分辨率遥感影像观测的自动识别方法,判识结果也将为泥石流灾害防治及风险评估提供重要的科学支撑。