2003—2020年新疆北部积雪因子时空变化分析

积雪作为冰冻圈的活跃因子之一,对气候环境的敏感性使其能够快速反映出与气温、降水等气候因素的关系变化,并影响着全球水文变化。对新疆北部地区2003年6月—2021年6月的中分辨率成像光谱仪(moderate resolution imaging spectrometer, MODIS)逐日积雪数据进行去云处理,并基于像元计算了积雪覆盖比例(snow cover percentage, SCP)、积雪覆盖日数(snow cover days, SCD)、积雪开始时间(snow onset day, SOD)和积雪结束时间(snow end day, SED)。实验结果表明：积雪产品相对于气象站点数据的总精度达到91.47%,有利于提高对积雪因子的时空变化分析。新疆北部地区SCD空间分布差异较大,SCD随海拔的升高而增加,SOD随海拔升高而提前,主要在11月和12月出现;SED随海拔升高而推迟,主要在2月和3月出现;夏季平均SCD最少,主要分布于天山中部以及阿尔泰山北部区域,约占3.35%,冬季平均SCD最为明显,大于60 d的区域占46.3%;而SCP在1月达到最大,7月和8月最小。趋势变...     

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GEE的土地利用变化对生态系统服务价值的影响研究——以京津冀地区为例

基于Google Earth Engine(GEE)云平台提供的随机森林分类算法对京津冀地区2017年—2019年遥感影像进行分类,解译出林地、耕地、草地、建设用地,水域和未利用地等类型,由此发现三年内林地、耕地、草地面积变化幅度最大,其次为建设用地、水域和未利用地.土地利用类型主要由耕地转向林地、草地;土地利用面积的变化导致研究区生态系统服务价值(ESV)总值从2017年的3 914亿元增长到2019年的4 013.99亿元,其中林地面积的变化起主要作用,而未利用地贡献最低; ESV对三地的生态价值系数缺乏弹性,生态系统服务价值系数对ESV的影响较小,结果具有可靠性. 研究表明伴随京津冀协同发展战略的推进,生态服务有所提高,但应当根据各地区实际情况合理规划土地利用格局,加强对林地、草地、水域的保护,推进集约用地,合理开发未利用地.     

模拟检验相关数据的方差结构

纵向研究广泛应用于医学、生物学等研究领域。纵向数据为典型的相关数据,数据方差结构选择的正确与否直接影响估计的效率。当样本量较大时,QIF方法表明工作相关阵的选择等价于无偏估计方程的选择。本文主要通过模拟讨论样本量较小时,利用经验相对效率选择无偏估计方程。模拟表明,如果增加没有信息的无偏估计方程,估计的效率就会减少,并且随着样本量的增加,估计的效率也会得到提高。     

结合DEM与淹没频率的水库水体动态遥感提取优化方法

由于云、雪及山体阴影造成的无效地表像元影响,利用遥感影像难以获取高精度的水库水体信息动态监测结果.论文在大津法的基础上,提出了结合DEM和淹没频率约束条件对水库遥感提取结果进行优化的方法(DF优化方法).基于Landsat系列卫星影像数据,使用改进的归一化差分水体指数(MNDWI),通过大津法初步提取水库水体信息.结合多期提取结果综合得到的淹没频率以及当期有效水体像元的淹没频率特征,填补了受云、雪等因素影响的无效像元.在此基础上综合高程及水体淹没频率信息,剔除了山体阴影及其他偶发性因素的影响.遴选全球九个不同类型水库验证了DF优化方法的有效性,结果显示DF优化方法能有效减小水库水体的提取误差.与全球水体数据集JRC MWH的直接修正结果相比,DF优化方法总体分类精度提高了13%,达到了95.67%.同时,结合同步卫星测高数据构建的水位－水面积关系模型,进一步验证了DF水面积提取结果的准确性.相较于JRC MWH的直接修正结果,DF优化方法提取结果构建的水位－水面积关系模型的RMSE降低了30%.此外,该方法可基于GEE平台实现,能快速完成长时序的水体动态提取,为全球大尺度范围内的水库相关研究提供基础.     

基于GEE平台的国家公园土地覆盖变化遥感检测方法构建

【目的】高效、可靠地提取土地覆盖动态变化信息对于国家公园保护与管理方案制定具有基础性数据支撑作用。本研究主要目的是构建经济高效的遥感监测方法,提取钱江源国家公园体制试点区2001—2017年的土地覆盖变化信息,评估国家公园保护与管理活动的有效性。【方法】首先定义研究区的土地覆盖分类体系(耕地、森林、草地、水体、人造地表和裸地),并利用增强型目视解译方法选取历史训练样本点;其次综合Landsat多季节复合数据的光谱波段、光谱指数、纹理特征和地形特征,基于Google Earth Engine(GEE)云平台执行随机森林分类算法,生成土地覆盖数据集;最后建立土地覆盖转换规则从而识别主要的土地覆盖变化类型及其空间分布模式。【结果】独立样本集验证结果表明,钱江源国家公园2001年、2009年和2017年土地覆盖总体分类精度分别为83.12%、81.82%和87.35%。造林活动、耕地废弃和开发建设的变化信息体现出保护管理工作取得显著成效。【结论】增强型目视解译能够高效、可靠地选取历史训练样本点,从而支持历史土地覆盖数据集构建。采用基于云计算的变化检测技术可快速评估国家公园管理措施的有效性并发现生态脆弱地带,具有高效、经济及计算资源限制性少等优势,可广泛推广应用。