红树林空间分布遥感监测精度的影响因素及应对措施

为提高红树林空间分布遥感监测结果的准确性和可靠性,分析了现有研究中存在的突出问题及其原因:不同研究者得到的同一区域和相同(或相近)年度的红树林面积相差很大;同一研究者得到的同一区域相邻监测期的红树林面积变化剧烈,明显不符合红树林空间演变规律。结合长期监测实践,讨论了影响区域和地方尺度红树林空间分布遥感监测精度主要因素。分析认为:遥感图像的空间分辨率、海水淹没情况、信息提取策略、实地调查验证等是影响红树林空间分布遥感监测精度的主要因素。我国区域和地方尺度红树林空间分布遥感信息提取宜采用优于1 m、处于低潮位、滩涂裸露的高分辨率遥感数据;在作多期遥感信息提取时,须确保相邻监测期间红树林斑块范围的变化符合其空间演变规律;必须开展深入细致的地面调查工作,全面了解各个海湾的红树林分布状况和特点,并在实地逐一修正红树林斑块边界。     

红树林卫星遥感监测技术研究进展

遥感技术是红树林生态监测中的关键技术。详细介绍了目前应用于红树林监测的遥感信息源及各种数据源识别方法和方法的精度比较,叙述了基于光谱特征、叶面积指数LAI、植被指数以及纹理特征的红树林遥感监测理论基础,给出了应用这些理论及方法在探测红树林的生态学指标包括面积、分布范围、类内区分和类外区分以及动态变化等的应用和精度对比情况。此外,阐述了红树林遥感技术的发展前景。     

遥感技术在受损红树林资源调查与监测中的应用

红树林目前还受到不可持续利用方式的严重威胁。为快速掌握广西北海市合浦县铁山港白沙镇榄根村近岸海域监测范围内红树林受损及其周边景观演变情况,采用无人机（UAV）技术和多时期高分辨率卫星影像,结合野外地面群落调查,利用目视解译方法,对榄根村近岸海域红树林及周边景观进行遥感监测与分析。结果显示,该区域红树林2017年12月、2018年10月、2019年6月、2020年4月受损面积分别为0.55,4.77,9.42,17.18 hm²,4年间红树林受损面积增长约30.23倍。将2020年4月红树林受损区按照受损程度不同分为死亡区和严重受损区,面积分别为7.81,9.37 hm²,斑块数分别为35,106个。研究期内榄根村红树林受损面积呈迅速增加趋势,主要位于潮沟两侧;死亡及严重退化区红树林群落形态上呈灰白色不规则斑块状;红树林受损斑块呈“多点开花”特点,有从斑块林缘向内部蔓延的趋势。遥感技术可有效提高红树林生态监测的工作效率和准确性,应用前景广阔。     

基于多时相Sentinel-2数据的中牟县冬小麦种植面积提取

农作物的遥感识别监测是开展农作物长势监测、估产的前提和出发点，是农业遥感的焦点之一.利用遥感数据监测作物种植面积，日益成为农业管理及政策制定的重要技术支撑.以中牟县为研究区，选取2020—2021年期间的6幅Sentinel-2遥感影像数据，主要依据农作物的物候期光谱特征曲线变化和时序归一化植被指数曲线的变化，利用面向对象提取方法提取中牟县冬小麦面积及空间分布.将提取结果与谷歌地球高分辨率影像结合野外调查得到的验证样本进行精度验证，评价结果显示：总体精度93.33%,Kappa系数86.38%，结果能够较好地反映中牟县冬小麦种植面积及空间分布情况.该方法为大区域农作物的面积提取提供了重要方法参考.     

基于无人机量测和卫星影像识别的红树林生长分布规律研究

时间尺度上分析红树林生长区域变化规律,对保护红树林生长和恢复具有重要意义。本研究使用无人机获取研究区域高空间分辨率正射影像并结合近50年卫星遥感影像,通过人工目视解译方法提取并统计历年红树林面积分布大小和区域。主要研究结论如下：1) 本区域植被以红树林和互花米草为主,分别对2012、2015、2018和2019年红树林与互花米草面积进行解译分析,红树林与其他植被面积平均比例约为1:6;2) 近年研究区域红树林面积波动较大,从1973年至1984年红树林面积维持在13.5公顷,1984年至2001年红树林面积急剧减少至0.19公顷,2001年至2019年红树林面积逐步恢复至2.14公顷。3)互花米草入侵和人为活动的干扰将对红树林生长和繁衍产生不利影响。该研究可为无人机量测和遥感技术在植被保护中的应用提供相关参考。     

基于MODIS-NDVI时序数据集的面向对象分类提取广西耕地面积的方法研究

研究提取耕地的方法是为了提高耕地提取的高效性,直接目视解译时山体阴影和水体难以区分,建设用地和未种植的耕地难以区分,本文主要以2015年的Landsat 8遥感影像,借助辅助数据DEM及MODIS-NDVI等多源数据基于eCognition平台应用多阈值分割、多尺度分割将影像进行分割成对象,再分别用阈值法、归一化水体指数(NDWI)、增强的指数型建筑指数(EIBI)等将坡度大于25度的地区、水体、建设用地剔除。最后利用影像的波段特点及MODIS-NDVI值进行多次提取研究区耕地,以达到较高精度的分类方法。利用总体面积精度及空间分布进行精度评价。其总体面积精度达到98.84%,且提取出的耕地分布情况符合作物的种植规律。     

广西海岸潮间带互花米草遥感监测

【目的】对广西海岸潮间带入侵物种互花米草(Spartina alterniflora)进行遥感监测,查清互花米草分布区域。【方法】以2016年GF-1号高分辨率卫星影像为数据源,利用遥感技术与野外勘查相结合的方法,对广西互花米草扩散现状进行监测和分析。【结果】截至2016年7月,广西海岸潮间带互花米草分布面积为686.48hm~2,斑块数5 191个,平均斑块面积为0.13hm~2,最大斑块面积为47.24hm~2(位于丹兜海海域滩涂)。此次调查结果显示互花米草面积比引种时期增加了685.54hm~2,面积增长了729倍。北海市海滩互花米草分布面积为685.91hm~2,占入侵总面积的99.92%,钦州市海滩分布面积为0.57hm~2,占入侵总面积的0.08%。丹兜海互花米草入侵面积达317.89hm~2,但廉州湾斑块数量分布最多,为2 777个。【结论】高分辨率卫星影像能有效地提取互花米草分布信息;广西互花米草正处于迅速扩张期,空间上自东往西扩散,最远已到达钦州市大风江口西部海域滩涂;廉州湾互花米草扩散正处于急速爆发期;自然保护区内红树林、海草床和土著盐沼植被等海洋生态系统已经受到互花米草的严重威胁,生态环境不容乐观。建议加强对互花米草扩散和防治机制的研究。     

县域尺度上基于多时相影像的冬小麦面积监测

探究了基于多时相遥感影像在县域尺度上对冬小麦种植面积的监测方法.以河北省廊坊市固安县柳泉镇为研究区域,以冬小麦为目标作物,采用2014年11月份ZY-3(资源三号)和2015年4月份GF-2(高分二号)卫星的遥感影像数据源进行研究.影像经过预处理后,分别计算其归一化植被指数(NDVI),综合分析冬小麦种植面积和其NDVI的相关关系,构建NDVI差值模型来提取冬小麦种植面积,结合ArcGIS软件在影像上随机采样进行验证,最终得到种植空间分布图.采用2015年在柳泉镇实地勘测的冬小麦种植面积数据进行验证,精度可达95.54%.在廊坊市固安县进行区域应用,利用Excel软件进行各乡镇面积统计.结果表明,在县域尺度上采用该方法进行冬小麦面积提取能够达到很高的精度,为科学管理冬小麦的播种面积及制定相关政策提供技术支持.     

红树林景观空间结构分析方法

红树林是一种分布于潮间带的特殊森林,其生态系统与陆地生态系统无论在功能、作用,还是在物质和能量交换机制等方面都存在着很大的差异。为了探讨更适用于红树林景观空间结构的分析方法,笔者从红树林功能和作用方面,尤其是其消浪护岸作用的角度,讨论了海湾内理想的红树林空间分布,在此基础上定义了红树林丰度、空间分布均匀度、红树林岸线长度比例、高效护岸红树林面积比例4个红树林景观空间结构分析指标,介绍了根据红树林和海岸线空间分布图通过空间叠置分析计算这些指标的方法,并利用此方法对广西珍珠港、茅尾海和铁山港的红树林空间结构进行了分析。结果表明:这4个指标不但与红树林数量有关,也与其空间分布状态(斑块位置、形状、大小)以及与海岸线长度和空间位置有关,反映了红树林在海湾内的空间结构状态,既可用于同一时期不同海湾红树林数量的比较分析,也可用于同一海湾不同年度红树林数量的比较分析,并可对红树林景观空间结构进行优化。     

基于景观结构的遥感影像超分辨率制图

尺度问题是基于遥感信息的土地覆盖分类中的一个核心问题,利用低空间分辨率数据得到高分辨率分类结果的向下尺度转换又是其中的难点．遥感影像超分辨率制图是近年发展起来的用于分类向下尺度转换的新方法,可由低空间分辨率遥感数据得到高分辨率的硬分类结果,弥补了传统的通过混合像元分解进行向下尺度转换时不能得到亚像元具体空间位置的不足．但现有超分辨率制图方法对小斑块、具有平直边角的形状或线形地物制图能力普遍较差．文中提出一种基于景观结构的超分辨率制图方法并将其用于模拟景观和真实景观的超分辨率制图．结果显示该方法可用于大斑块、小斑块共存景观的超分辨率制图,且制图结果不确定性低,算法简单,对研究区的先验信息要求低．基于景观结构的超分辨率制图改善了现有方法,为遥感影像土地覆盖分类向下尺度转换提供了一种简易可行的新选择．     

海岸带红树林范围与种类识别精度的荟萃分析

对2000年以来基于遥感数据的红树林范围与种类识别的研究结果进行荟萃分析,阐明红树林范围和种类识别精度的现状,分析遥感数据源、分类算法、地物类型和物种数对总体精度的影响.结果表明,红树林范围识别的总体精度范围为55.7％～99.7％;约66％的研究基于Landsat遥感数据开展,且总体精度最高(75％～99.7％);光...     

北部湾沿海5种红树林群落生物量的遥感估算

采用广西海南两地2004年红树林TM影像和红树林群落样地调查数据,应用多元逐步回归分析方法,选取影像光谱特征及纹理特征等作为自变量,对红海榄(Rhizophora stylosa)、木榄(Bruguiera gymnoihiza)、白骨壤(Vicenna mariana)、桐花树(Aegiceras cornicula...     

地理国情普查中地表覆盖信息提取技术研究

地理国情普查的开展,促使地表覆盖信息提取技术向智能化、高效化发展;以西藏地区作为研究区域,选用2011年11月空间分辨率为0.5 m的WorldView_2影像作为数据源,采用目视解译、计算机自动解译、计算机人工交互解译3种遥感信息提取方法进行土地覆盖信息提取;通过实验对比分析,3种解译各具优势与不足,分类结果精度与遥感影像质量与解译区地形复杂程度和目标地物种类息息相关,在地理国情普查过程中需要综合使用.     

基于Keyhole和Landsat MSS融合影像的土地利用变化监测研究—以杭州湾南岸为例

以杭州湾南岸为研究区,利用1980年9月20日的Keyhole遥感影像与同一时期的Landsat MSS遥感影像,通过融合处理,获得既具有高空间分辨率又有多光谱分辨率的历史遥感影像,填补历史高分辨率遥感影像的空缺．研究结果将历史土地利用类型变化监测时间序列推前的同时,提高杭州湾南岸土地利用变化监测的精度．研究中将使用历史融合影像对杭州湾土地利用类型变化进行监测,同时结合1990—2020年4景Landsat遥感影像,获得杭州湾南岸地区近41年的土地利用情况,辅以前人的目视解译结果图,得到分类精度>90%的土地覆被利用分类结果．从面积变化、类型转化、年均变化率3方面分析讨论了1980—2020年间杭州湾南岸地区土地利用的时空变化特征．结果表明:1980—1990年,杭州湾南岸库塘呈减少的趋势,耕地逐渐向海岸地区扩张;1990—2020年,城市的扩张面积不断增加且呈现向海岸扩张的趋势,库塘的面积增加明显,主要表现在人工养殖场继续向海岸扩张．城市的发展是影响杭州湾南岸土地利用变化的主要因素,并且在杭州湾城市规划的同时应该充分考虑其生态环境的问题,加强自然湿地保护,严格控制自然湿地的开发规模,坚持可持续发展,在保护湿地的基础上进行合理的开发利用．      

典型电厂区多源遥感定量反演的适宜性评价

【目的】探讨典型电厂厂址区各种地质要素在多源遥感监测的影像及方法选取方面的适宜性。【方法】以寿光火电厂和西北典型洪灾区(有4个电站)为例,从海岸线变化监测和洪水痕迹范围识别方面,开展适宜性评价研究。【结果】对电厂厂址尺度范围内的海岸线变化监测,在传感器类型和反演方法选取时,不同潮滩坡降分别受到影像空间分辨率、水边线高程误差和改正时的内插误差、坡度改正误差的影响,而需要选择相应合适的影像数据。在进行洪水淹没范围的提取时,遥感反演、现场调访和模拟结果对比显示,基于Landsat数据的土壤含水量法提取的洪痕及洪水淹没范围更加准确。【结论】本研究结果可为电厂选址及后期监测选取适宜的遥感数据源和相应技术方法提供参考,为工程厂址环境监测提供可靠的遥感反演理论依据。     

不同融合方法在区域地质调查中的应用

随着遥感技术不断发展，获取遥感数据的方式各不相同，如何充分发挥遥感多时相、高分辨率等优势成了遥感应用的瓶颈问题。遥感影像融合则是行之有效的方法，不同应用领域采取的融合方法一般不同。以青海巴隆地区为例，介绍了不同影像数据融合方法在区域地质调查中的应用，并最终确定了用于区域地质调查的影像数据融合方式。     

基于纹理方向和角点的居民地信息提取

高分辨率遥感影像中规则建筑聚集街区式居民地纹理方向性明显且含有丰富的角点,为了充分利用该特性,以简化滤波器参数设置,提高居民地提取精度及效率,提出基于纹理方向和角点的高分辨率遥感图像居民地信息提取方法。该方法首先对遥感图像进行特定方向角度的Gabor滤波变换;并将滤波器组输出的不同方向滤波影像进行重构。然后对滤波影像做Harris角点检测;并计算检测结果影像的角点密度似然度。最后将角点密度似然影像进行阈值分割以提取影像上的居民地信息。实验结果表明,该方法对乡村及山区居民地信息提取的Kappa系数分别达到0.954 2和0.894 4,保证了居民地提取的精度。同时,算法中各参数的鲁棒性较好,其中中心频率不需要反复的选取试验,从而提高了居民地信息提取的效率。     

高原山区遥感植被制图研究综述

 植被制图是植被生态学研究的基础和重要内容之一.在环境复杂、异质性高的高原山区,由于诸多因素的影响给该区域的遥感植被制图带来很大的困难和挑战.作者重点介绍在复杂山区环境中利用遥感技术进行植被制图的基本过程.为了提高山区遥感植被图的精度,建议注意以下几点：①在提取训练样本阶段,应将同一地物或者植被类型根据其不同的光谱特征分成不同亚类型进行选取训练样本;②现有许多地形校正模型不能有效地提高遥感分类精度;③分类器选择时,建议选择人工智能神经网络分类法、决策树、基于专家知识分类法等先进的非参数分类器;其次如果选择使用中低分辨率影像数据,可以考虑使用亚像元或软分类法;当使用高分辨率影像时,选择基于对象分类法要优于基于像元分类法;④结合辅助数据,尤其是DEM数据能显著提高山区遥感植被或森林制图精度.将来高级地形校正模型和分类算法需要进一步开发和发展.GIS技术与遥感数据结合也是未来遥感植被制图技术发展的一个重要方向.未来研究还需要将群落和植被生态学的理论和方法与遥感技术相结合来提高山区植被制图精度,并促进遥感科学和空间植被生态学发展.