基于GEE的阿尼玛卿冰川面积遥感监测及潜在灾害初步分析

为了解黄河源区冰川的长时序变化，本文选择1995—2020年62景Landsat影像，利用Google Earth Engine(GEE)数据云处理平台，构建冰川提取的波谱参数，编译自动处理程序，提取覆盖研究区的冰川时序面积，同时结合ERA5再分析资料和光学遥感影像，初步分析冰川变化引起的灾害效应。结果表明：气温增高主控下，阿尼玛卿冰川面积持续退缩，从1990年的104.92 km²减少到2020年的92.32 km²,且2011—2020年冰川退缩的趋势相较于2000—2010年明显加快；冰川在退缩—前进—退缩运动过程中存在冰崩风险，易引发冰川泥石流、堰塞湖等链生灾害，且冰川在持续退缩过程中的搬运、侵蚀冰碛物会造成冰川前缘堆积大量松散物质，成为冰缘泥石流发育潜在物源区。     

随机森林在高光谱遥感数据中降维与分类的应用

高光谱数据的特征数目庞大,而且波段之间存在冗余信息,对高光谱数据进行分类的成本较高,因此需要提取合适的特征达到提高效率的目的.随机森林作为一种热门算法,广泛应用于各种分类、特征选择等问题中,均取得了良好的效果.本文选择北京小汤山农业试验区的OMIS高光谱影像作为研究数据,利用随机森林算法计算每个特征的重要性指标并对其排序,针对面向精度和效率的特征选择策略,使用RF-RFE波段选择方法去除价值低的特征分别得到最佳波段组合,实现高光谱数据降维,进行随机森林、支持向量机分类.实验结果表明随机森林分类精度为72.82%,SVM分类精度为65.21%,随机森林分类器优于SVM,是一种较好的高光谱数据分类器.     

基于随机森林和支持向量机的云南省土地利用分类

针对基于遥感进行大尺度空间上土地利用类型分类研究的精确性问题,对比提出适用于多样性高原山地地貌大尺度下精确高效的土地利用分类提取方法和土地分类模型。基于2019—2021年云南省sentinel-2卫星影像数据,分别采用随机森林（random forest,RF）和支持向量机（support vector machines,SVM）算法对云南省土地利用进行分类,通过目视解译随机抽样选取1 525个样本点进行精度验证。结果表明：应用RF和SVM分类算法对云南省土地利用分类精度均达80%以上,2019—2021年云南省土地利用中耕地主要呈现先增加后减少趋势;采用RF与SVM总体精度和Kappa系数均值能够更加有效进行土地利用分类比较分析;研究区内RF算法识别地物信息的准确度高于SVM,更适合云南省高原山地土地利用分类研究     

基于随机森林特征变量优化的湿地植物分类与密度反演

以长江口滨海湿地为研究区域,采用随机森林算法对滨海湿地植被进行分类。在提取Landsat?8 OLI影像植被指数和水体指数的基础上,提出利用植被指数季节差值对模型进行特征变量优化,分析了长江口滨海湿地植物群落分布的空间特征。以所占面积最大的互花米草（入侵物种）为例,采用多元线性回归模型结合实地测量数据,估算了秋季的互花米草植物密度的空间特征。提出的多时相遥感数据结合随机森林特征变量优化方法,可以较为便捷地提取长江口湿地3种优势物种的空间分布特征,与最大似然法相比,分类精度有较大提高,总体分类精度由78.35%提高至87.55%,Kappa系数由0.72提高至0.84。该方法适用于存在“异物同谱”问题的湿地植物群落研究。     

基于谷歌地球引擎的开封城区2010—2019年水体分布变化研究

为了研究开封市年际水体分布变化,选用Landsat系列多时相影像数据,在谷歌地球引擎google earth engine(GEE)云平台上结合归一化水指数、改进的归一化水指数、归一化植被指数以及归一化建筑指数构建光谱特征使用分类回归树、支持向量机、随机森林分类方法对开封市城区的水体进行提取并分析.结果表明:基于GEE云平台和机器学习的分类,能够很好地提取出开封市城区年际水体分布变化情况;开封市城区的水体面积处于不断变化中,先减少后增加,总体上趋于增加,随着城市的发展变化,城区的景观格局发生较大改变,影响开封市水体面积产生变化的主要因素是北部黄河水量的变化以及开封市近年来正在实施的"城市双修"对水体的影响;使用随机森林分类能更好地对开封市城区的水体进行提取,提取水体的最小精度为94.6％,平均总体分类精度为96.9％,平均Kappa系数为0.954.     

联合LiDAR和多光谱数据森林地上生物量反演研究

【目的】森林地上生物量的准确估测对于实时掌握全球碳储量变化及应对气候变化有着重要的意义。组合多种遥感数据特征优选,分类建模反演森林地上生物量,是提高森林地上生物量精度的有效方法。【方法】以根河市大兴安岭生态观测站寒温带天然林为研究对象,以机载激光雷达(LiDAR)、Landsat8 OLI两种遥感数据源结合55块地面调查数据,采用偏最小二乘算法优化筛选变量,再以线性多元逐步回归和快速迭代特征选择的最近邻算法(KNN-FIFS)构建模型,在两种数据源的不同组合方式下进行森林地上生物量反演。【结果】①基于线性多元逐步回归模型下的单一LiDAR数据反演精度决定系数(R²)为 0.76,均方根误差(RMSE)为 21.78 t/hm²;单一Landsat8 OLI数据的反演精度R²为 0.24,RMSE为39.27 t/hm²;LiDAR和Landsat8 OLI联合反演精度R² 为 0.84,RMSE为18.16 t/hm²;②基于KNN-FIFS模型下的单一LiDAR数据反演精度R²为 0.74,RMSE为23.83 t/hm²;单一Landsat8 OLI数据的反演精度R²为0.60,RMSE为 29.63 t/hm²;LiDAR和Landsat8 OLI联合反演精度R²为0.80,RMSE为21.15 t/hm²。【结论】①特征优选支持下的3种组合方式中,LiDAR和Landsat8 OLI两种数据的组合在两种模型中反演精度均最高,其中线性多元逐步回归模型的反演精度最高,说明LiDAR和Landsat8 OLI数据组合,激光雷达与光学数据优势特征互补,协同反演可有效提高森林地上生物量的反演精度;②单一数据源反演森林地上生物量精度中,LiDAR数据比Landsat8 OLI数据在两种模型反演精度中均较高,这与LiDAR数据空间分辨高、可获得垂直结构特征参数有关。     

基于Google Earth Engine的合肥市土地覆盖变化研究

针对传统的单机处理遥感影像方式难以进行大尺度和长时间序列土地覆盖监测的缺点，文章以合肥市为研究区，借助谷歌地球引擎(Google Earth Engine, GEE)平台，利用2000—2020年多景Landsat卫星影像和多种辅助数据，采用随机森林(random forest, RF)算法得到土地覆盖分类图，并对土地覆盖变化(land cover change, LCC)进行驱动力因素分析，基于植被覆盖度(fractional vegetation cover, FVC)反演算法进一步得到FVC时空变化。研究结果表明：近20年来研究区土地覆盖时空变化特征十分明显，FVC时空变化呈现减少特征；人口增加和社会经济发展是LCC主要驱动因素。     

辽宁省耕地利用的时空演变特征分析及对策

采用耕地核密度、动态度及影响机制等模型对1990—2020年辽宁省耕地空间分布演化与影响机制进行了探讨.结果表明:辽宁省耕地集聚特征显著,整体呈现"西北密东南疏"的空间分布格局,变化范围为0～10.17 hm²/km².耕地变化的相对指数由1990年的西部、东部地区高逐渐到2020年的中部地区高,20世纪90年代耕地年均增加1.88×10⁴ hm²,而21世纪后年均减少2.72×10⁴ hm².沈阳、大连及鞍山等耕地面积减少,而盘锦、铁岭等耕地面积增加.自然因素是耕地利用的先决条件,但是社会经济及地区政策发挥着重要的作用.其中干旱化加剧及农业人口减少导致耕地面积减少了3.576×10⁵ hm²,而随着社会发展,地均产值增长了302%,社会固定投资增长了9.4倍.建议政府鼓励耕地多元化种植,建立耕地流转机制,加强新农村建设,鼓励青年劳动力回乡发展科技农业.     

大运河江苏段沿线城市三生空间冲突的演化特征

定量探讨三生空间的冲突可为国土空间管控提供科学依据和数据支撑。以大运河江苏段沿线城市为研究区,利用1980、1990、2000、2010和2018年的五期影像,构建三生空间冲突测度模型,探求大运河江苏段三生空间冲突的演化特征。结果表明:1980年-2018年三生空间格局变化明显:生产空间的面积由38408.59 km²持续减少到31993.95 km²,降幅16.7%;生活空间的面积逐年增加,从1980年的7283.18 km²到2018年的13273.86km²,增幅达82.3%;生态空间面积整体保持稳定。38年间研究区的空间冲突也随之发生变化:稳定可控的区域零散分布于运河周边,面积变化趋势表现为先减少后增加,于2000年达到最小值;基本可控的大片地区与大面积的水体具有高度的重合性,变化趋势与稳定可控一致;基本失控的区域散布于整个研究区,但面积逐年下降;严重失控的地区主要集中于研究区南部(镇江、常州等),前期呈现扩张之势,2000年之后开始收缩。冲突强度较低的土地利用结构以水体和建设用地为主,冲突...     

金沙江下游梯级水库消落带空间分布特征

金沙江下游干流乌东德、白鹤滩、溪洛渡、向家坝4大梯级电站建成蓄水运行，在库区形成大面积水库消落带(Water Level Fluctuating Zone,WLFZ)，明确该消落带空间分布特征对库区生态环境保护和水库安全运行具有重要意义.以金沙江下游4个梯级水库消落带为研究对象，基于12.5 m的AlosDEM数据，利用ArcGIS软件的水文和空间分析功能，结合野外详查，对4个库区不同县域、高程、坡度和干支流的消落带总面积进行综合分析.结果表明：(1)四大梯级水库消落带总表面积231.02 km²，投影面积为202.88 km²，其中干流表面积142.12 km²，支流表面积88.90 km²；白鹤滩、溪洛渡、乌东德和向家坝4个库区消落带表面积分别为96.62、65.60、56.29 km²和12.51 km²；(2)消落带的分布共涉及云南省和四川省7个州(市)、22个县(区)，其中巧家县消落带面积占比最大；(3)在海拔梯度上，乌东德水库消落带表面积呈现随...