南迦巴瓦峰地区地表形变的InSAR监测与分析北大核心CSCD

南迦巴瓦峰地区位于东喜马拉雅构造结的构造变形核心地带,地质构造环境复杂,地质灾害频发,加强对该地区的地表形变监测研究对当地防灾减灾和经济可持续发展有着重要意义。研究利用Sentinel-1卫星数据在该区域开展地表形变监测,通过PS-InSAR技术获得雷达视线方向(Line-Of-Sight, LOS)的形变速率分布与形变时间序列数据,并对地表形变的分布情况和2017年米林M6.9地震的同震形变情况展开分析与讨论。结果发现南迦巴瓦地区地表形变受新生代构造变形影响较大,研究区内的构造形变主要有同震、震后松弛形变和板块边界带的俯冲形变。雅鲁藏布江两侧变形差异较大,北侧呈缓慢的负形变趋势,南侧由于受到俯冲断裂的影响以较高的速率正形变。米林地震的同震形变呈现出西南盘负形变,北东盘正形变且西南盘形变量更大的空间分布特征。研究结果表明:InSAR监测技术可为青藏高原灾害监测和科学研究提供高时空分辨率的地表形变数据。     

基于Sentinel数据估算非均匀下垫面蒸散发的方法研究

蒸散发是水循环和能量平衡的重要组成，在地下水监测、农业灌溉等研究中发挥重要作用，但非均匀下垫面会导致遥感估算的水热通量产生空间尺度误差。以Sentinel数据作为基础数据，利用EFAF(Evaporative Fraction and Area Fraction)方法和温度降尺度法校正水热通量偏差，并且对比两种方法的差异。研究结果表明：EFAF方法和温度降尺度法的精度不相上下，决定系数R2约为0.86，平均偏差MBE约为18 W/m²，均方根误差RMSE约为64 W/m²，两种方法的精度都高于未校正潜热通量的精度，对于校正非均匀下垫面造成的潜热通量偏差有一定的效果。EFAF方法估算的潜热通量在像元尺度上的分布与土地分类数据一致，在区域尺度上和未校正的潜热通量分布一致。温度降尺度法估算的潜热通量在像元尺度上与地表温度的分布高度相似，其空间细节信息更加丰富，局部特征明显。     

基于遥感的黄河三角洲湿地时空变化特征及驱动因素研究

为适应黄河三角洲湿地快速频繁变化的特点并提高数据解释力度,为黄河三角洲科学规划和管理保护提供必要参考,基于Landsat影像密集观测1986—2021年15个时期的黄河三角洲湿地,研究湿地时空变化,定量分析驱动因素。结果表明:(1)黄河三角洲湿地存在波动变化和阶段性特征,自然湿地减少1 579.07 km²,滩涂和草甸灌丛损失率均超过60%;人工湿地面积增加了1 210.67 km²。(2)农田、建设用地和人工湿地扩张与自然湿地萎缩显著相关,相关系数分别为-0.682、-0.963、-0.976;2009年后因退耕还湿,开垦的影响减弱。(3)输沙量与自然湿地面积相关系数为0.614,在水文因素中起主导作用;1993年以前河口泥沙淤积效应强于海洋侵蚀作用,随后反转。(4)气温升高和干旱事件加剧了湿地损失。     

机器学习视角下的多光谱卫星浅海水深反演研究

利用覆盖典型海岛的Landsat-8 OLI多光谱卫星遥感影像和收集到的水深数据，分别采用传统多元线性回归模型、机器学习中的back propagation(BP)神经网络模型和随机森林模型对目标海域水深进行整体反演，并对三种方法的反演精度进行评价。结果表明：相比于多元线性回归模型，机器学习方法的水深反演精度更高；随机森林模型的水深反演精度最高，平均绝对误差为1.94 m，平均绝对百分比误差为18.29%，模型的鲁棒性更加出色，整体精度较多元线性回归模型有明显提高。本研究比较三种方法构建的浅海水深模型的性能，为后续更加高效地获取高精度浅海水深信息提供参考价值。     

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。