基于GRACE的京津冀地下水储量变化

基于2003—2019年GRACE陆地水储量变化数据和全球陆地水文模型（global land data assimilation system,GLDAS）数据反演京津冀地下水储量变化,运用时空分析方法对地下水等效水高变化进行时空演变特征分析。在空间变化上,整个京津冀地下水等效水高变化速率约为-51.77 mm/a,其中：北京市变化速率最低,约为-38.15 mm/a;天津市变化速率最高,约为-62.85 mm/a;河北省变化速率与区域平均变化水平相当,约为-52.42 mm/a。基于Sen Slope和Mann-Kendall非参数检验法分析得出西部、西南部和中部地区地下水等效水高下降[JP]趋势最明显,东北部下降趋势最小。在时间变化上,地下水等效水高变化具有一定的季节性规律：夏季变化速率最大,约为-75.99 mm/a;冬季变化速率最小,约为-37.24 mm/a;春秋两季的变化速率大致相同,分别为-52.34 mm/a和-48.21 mm/a。在影响因素分析中,人类活动是引起京津冀地区地下水等效水高变化的主要因素。研究结果可为科学掌握京津冀地下水储量时空变化规律提供数据支撑。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数（Leaf Area Index, LAI）对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数（Vegetation Index,VI）,利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度。研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R2为0.44~0.58;RMSE为0.16~0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R₆₃₆))相比其他反演模型预测精度较高（R2=0.58,RMSE=0.16）;6种植被指数与LAI高度相关,相关性系数R ²为0.85~0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R2为0.66~0.72,RMSE为0.12~0.14;其中mNDVI构建的LAI估算模型（LAI=exp(2.76~1.77/mNDVI))精度最高（R2=0.72,RMSE=0.13）。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据。     

土壤全氮含量与碳氮比的高光谱反射估测影响因素研究

基于土壤高光谱反射特征可以实现土壤全氮(TN)含量与碳氮比(C∶N)等土壤属性的快速、无损测定,但其估测模型受土壤颗粒粒径水平与光谱指数(预处理)等因素影响。通过研磨准备2、0.25和0.15 mm共3个水平颗粒粒径的土样,分析了原始(RAW)及多次散射校正MSC(Multiple Scattering Correction)、一阶微分FD(First Derivative)、连续统去除CR(Continuum Removal)等预处理的土壤反射光谱与TN含量、碳氮比变化之间的关系,发现土壤研磨可以提高反射光谱对TN含量变化的响应,而FD、CR与MSC等光谱预处理能够明显缩小不同颗粒粒径水平土样的光谱反射-TN含量、碳氮比相关性差异。结果表明:0.25 mm颗粒粒径土样的FD预处理光谱在2 250 nm和2 280 nm处分别与TN含量、碳氮比变化存在最大相关,但最大相关单波段线性回归模型的TN含量、碳氮比估测精度不如全波段光谱PLSR模型。其中,0.25 mm土样RAW光谱全波段PLSR模型估测TN含量的表现最佳(RPD=3.49,R²=0.92,RMSEP=0.1 g/kg);而碳氮比的估测结果并不十分理想,其最优估测模型(0.25 mm土样FD预处理的全波段PLSR模型)的RPD仅为1.21,可能与土样的碳氮比变化范围较小有关,在以后的研究中可以尝试采集更多的样本数量或土壤类型,使训练样本具有较大的变量范围,以取得较好的估测效果。     

基于文献计量的无人机地理学应用态势分析

无人机技术的迅速发展为地理学研究提供了新的方法和思路,为了解无人机在地理学研究中的应用态势,以Web of Science核心合集中涉及无人机在地理学领域应用的相关文献作为数据源,采用文献计量方法对2002～2021年的3 911篇论文进行分析。结果表明,自2012年以来无人机地理学应用文献呈现显著增长趋势,增长率年平均值达54.7%;中国、美国在该领域均占据主导地位;关键词聚类结果表明应用主要集中在测量与地图学、地理信息系统、生态地理学、自然灾害和地貌学研究领域,其中测量与地图学应用最多,发文量占总量的27%,地理信息系统、生态地理学发文量增速最快,分别为73%和69%;热点关键词中,“CNN”“Deep learning”等人工智能领域的关键词在近几年出现频率较高,表明“UAV+Deep learning”已成为当前研究热点之一。未来无人机遥感领域将出现更多的技术和理论创新,进一步推动其在地理学中的应用。     

入河排污口遥感排查进展评述

入河排污口是人为污染物流入河流的最后一道关卡,对其进行精确排查在水资源保护、水污染防治等工作中具有重要作用。首先回顾了近30 a来国内大型入河排污口排查工作情况,分别从人工实地调查、GIS台账系统建设、卫星遥感监测和无人机排查4个方面进行介绍;其次,在分析了直接目视解译、基于水环境参数反演以及基于地物分类等常用入河排污口遥感监测技术的基础之上,讨论了上述方法在无人机影像上应用的局限性;再次,通过简要介绍深度学习目标检测方法原理,评述了基于深度学习的目标检测方法在入河排污口无人机遥感排查上的应用现状及其关键技术;最后,对深度学习在无人机影像入河排污口识别上的应用前景进行了分析,并对今后包括入河排污口在内的复杂地理要素的无人机遥感监测的研究重点进行了展望。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段，以此快速反演叶面积指数（Leaf Area Index, LAI）对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象，利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段，并以此计算6种植被指数（Vegetation Index,VI），利用6种回归模型分别对单一特征波段和VI进行反演建模，以实测LAI评定模型精度。研究表明，光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感，以此建立的单一特征波段反演模型预测LAI精度R2为0.44~0.58；RMSE为0.16~0.18，其中636 nm建立的模型(LAI=21.86exp(-29.47R₆₃₆))相比其他反演模型预测精度较高（R2=0.58，RMSE=0.16）；6种植被指数与LAI高度相关，相关性系数R ²为0.85~0.86，以此建立的反演模型相比单一特征波段反演模型精度有所提高，R2为0.66~0.72，RMSE为0.12~0.14；其中mNDVI构建的LAI估算模型（LAI=exp(2.76~1.77/mNDVI))精度最高（R2=0.72，RMSE=0.13）。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段，为指导精细化尺度作物管理提供依据。     

基于面向对象方法的露天煤矿用地类型提取优先级分析

高分辨率影像为矿产资源开发遥感监管提供了更为精确有效的数据.以霍林河露天煤矿区为研究区,应用高分一号卫星影像为主要数据源,在面向对象的影像分类基础上,探讨了露天煤矿区用地类型信息提取优先顺序对最终分类精度的影响.结果表明:露天煤矿区的用地类型信息提取中,采用优先提取采矿场和排土场等资源开发用地类型、而后提取其他非开发用地的优先级顺序的分类精度最高,其总体精度达到８２％,Kappa系数达到０．７８,可以为露天煤矿区的用地类型信息提取提供理论和方法支持.     

基于分区技术的静态R树索引并行计算技术

海量空间数据静态R树索引的加载时耗很大。该文利用关系数据库的优势,以空间数据分区存储技术为基础,提出针对自上而下的贪婪分裂算法的静态R树并行加载方法。该方法提高了海量数据批量加载效率,支持分区粒度的索引重建。论证与实验结果表明,并行构建的R树在合理空间数据分区下可以获得更高查询效率。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数(Leaf Area Index,LAI)对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数(Vegetation Index,VI),利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度。研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R~2为0.44～0.58;RMSE为0.16～0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R636))相比其他反演模型预测精度较高(R~2=0.58,RMSE=0.16);6种植被指数与LAI高度相关,相关性系数R2为0.85～0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R~2为0.66～0.72,RMSE为0.12～0.14;其中mNDVI构建的LAI估算模型(LAI=exp(2.76～1.77/mNDVI))精度最高(R~2=0.72,RMSE=0.13)。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据。     

基于面向对象的高分影像分类研究

遥感技术已经成为实现地表信息提取的主要手段。以高分辨率影像为主要数据源,采用面向对象的多尺度分割算法,根据对象的光谱、形状等特征,实现了面向高分遥感数据的土地利用分类算法。该算法结合了面向地物对象和综合对象特征的分类方法,充分发挥了高分辨率影像进行精细地物分类的优势,得到了高精度的分类结果。通过西双版纳纳板河流域国家级自然保护区实例验证表明:该算法总体精度达到88.58%,Kappa系数达到0.77,精度符合应用要求,能够实现土地利用高精度、快速的分类。