不透水面的迅速增长是城市化的显著特征之一,针对大范围的城市监测,运用遥感技术迅速提取城市不透水面是当前国内外研究的热点。论文选用Landsat 7的ETM+影像,基于光谱混合分解模型,结合热红外遥感数据反演生成的地表温度,研究杭州市的不透水面分布信息的提取。通过高、低反照率、植被及土壤4类光谱端元的线性组合来表征不同城市土地类型,并利用地表温度和土壤分量分别剔除高、低反照率分量中的"噪声",综合修正后的高反照率分量和低反照率分量估算杭州市不透水面分布。结果显示,研究区中均方根误差的平均值为0.003 6,不透水面分布结果与同期Google earth上的高分辨率影像和SPOT 4影像的解译结果...

随着2020年新冠肺炎疫情在全球肆虐,国际环境动荡加剧引发了大众对于粮食储备问题的担忧,而及时估算种植面积对于有效应对可能的突发事件具有重要战略意义。考虑到粮食种植具有范围广、区域差异大的特点,因而进行面积估算时,混合效应模型是非常合适的选择,但现有文献多局限于解决有抽样单元的剩余区域的外推估算问题,对零样本量的域估计问题则鲜有涉及。值得注意的是,在进行农业抽样工作时,抽样数量的设计多服务于国家或省级层面,对于人口数量较少或经济程度不发达的地区,则容易出现没有样本被抽中的情况。往往这类地区是以农业为主要产业,因此忽视该类地区的农作物面积将会对我国实现农业精准监测产生显著影响。有鉴于此,本文提出使用改良后的分类混合效应模型预测方法(Modified Classified Mixed Model Prediction,MCMMP),其原理可概述如下:首先通过协变量信息对抽样单元进行聚类,然后使用混合效应模型预测所有类的随机效应,最后利用待估单元所处类的随机效应对待估单元面积进行估算。为展示MCMMP的应用潜力,本文基于山东省济宁市兖州区下属12个镇的卫星图像已经部分测绘数据,并结合“留一法”对小麦种植面积进行了估算。结果显示与现有方法相比,MCMMP具有更小的相对误差,且当感兴趣的变量为小域均值时,如村或镇范围的平均土地面积时,MCMMP依旧表现最优。

随着2020年新冠肺炎疫情在全球肆虐,国际环境动荡加剧引发了大众对于粮食储备问题的担忧,而及时估算种植面积对于有效应对可能的突发事件具有重要战略意义。考虑到粮食种植具有范围广、区域差异大的特点,因而进行面积估算时,混合效应模型是非常合适的选择,但现有文献多局限于解决有抽样单元的剩余区域的外推估算问题,对零样本量的域估计问题则鲜有涉及。值得注意的是,在进行农业抽样工作时,抽样数量的设计多服务于国家或省级层面,对于人口数量较少或经济程度不发达的地区,则容易出现没有样本被抽中的情况。往往这类地区是以农业为主要产业,因此忽视该类地区的农作物面积将会对我国实现农业精准监测产生显著影响。有鉴于此,本文提出使用改良后的分类混合效应模型预测方法(Modified Classified Mixed Model Prediction,MCMMP),其原理可概述如下:首先通过协变量信息对抽样单元进行聚类,然后使用混合效应模型预测所有类的随机效应,最后利用待估单元所处类的随机效应对待估单元面积进行估算。为展示MCMMP的应用潜力,本文基于山东省济宁市兖州区下属12个镇的卫星图像已经部分测绘数据,并结合“留一法”对小麦种植面积进行了估算。结果显示与现有方法相比,MCMMP具有更小的相对误差,且当感兴趣的变量为小域均值时,如村或镇范围的平均土地面积时,MCMMP依旧表现最优。

不透水面是评价城市发展及生态的关键指标,而不透水面提取的方法以四端元模型为主,存在无法有效区分裸土和高反照度的问题。本文以东北老工业代表性城市——沈阳市为研究区,基于Landsat 8多光谱波段(OLI)和热红外波段(TIRS),利用五端元线性光谱混合分解方法对传统的四端元线性光谱混合分解方法进行优化,提取不透水面并对其空间分布进行分析。在四端元线性光谱混合分解方法获取研究区高、低反照度分量基础上,反演地表温度,通过五端元线性光谱混合分解方法获取裸土盖度,利用地表温度和裸土盖度阈值对高、低反照度分量进行优化,得到沈阳市不透水面盖度空间分布。经过精度检验,提取的不透水面均方根误差RMSE=13.14%,相关系数R=0.91,表明本文所用方法可有效提取不透水面。不透水面空间总体分析表明,沈阳市非建设区比例为79.04%,中心老城区高密度区占比较高,城市新扩张区域还未形成合理布局。局部特征分析结果表明,沈阳市东西向发展不对称,南北向的生态环境优于东西向。本文研究结果可为其他城市不透水面提取提供借鉴,为城市规划和发展建设提供科学依据

本文构建了V-I-AP模型,以兰州市Landsat TM影像为数据源,利用线性光谱混合模型进行亚像元分解,以获取不透水面比例及植被覆盖度的空间分布。在此基础上采用景观格局指数对研究区植被覆盖景观的空间格局及其分异进行测度,为利用中等分辨率遥感数据定量评价河谷型城市生态环境提供更精确的方法。研究结果表明:与常规景观分类相比,基于亚像元分解的不透水表面与植被覆盖提取方法具有更高的精度,并可以表征地表覆盖的生物物理组分构成特点;1999年—2006年,兰州市中心城区不透水面盖度和面积增加明显,而植被盖度则急剧降低,植被破碎程度减缓,植被分布聚集度增加。

不透水表面是城市中一种人工地表特征,隔离地表水下渗到土壤,割断了城市地表与地下水文联系,主要由城市中的道路、停车场、广场及屋顶等建筑物组成。不透水表面影响城市的地表径流、水文循环、水体质量、局部气候、生物多样性等生态环境要素,是监测城市生态系统及环境变化的重要指标,也是许多生态环境模型的主要输入参数。本文归纳了不透水表面提取技术及其对城市自然生态环境影响的研究进展。从遥感提取技术方面看,亚像元分解等新的运算方法提取中尺度分辨率遥感影像的不透水表面,将是未来遥感技术应用到城市自然资源环境研究的趋势。在数据源方面,中分辨率(10~100m)与高分辨率(0.3~5m)遥感数据为不透水表面指数在大范围、多时段的获取提供了可靠基础。在不透水表面指数应用方面,城市地表覆被监测与模拟可以为城市未来发展及规划管理提供基础。鉴于不透水表面决定了城市地区的地表水文循环、非点源污染、能量分布、植被变化及生物多样性等生态环境要素,因此搭起深入理解城市景观格局与生态过程相互关系的桥梁,是研究城市化的生态环境效应的最佳切入点。

利用高光谱遥感技术能够高效，无损，快速的获取草地地上生物量，对草地畜牧业的高效管理，动态监测及草畜供求关系平衡等方面具有重要意义。为了探求估算生长期针茅群落地上生物量最适宜的光谱变量与植被指数，本研究在内蒙古锡林郭勒盟镶黄旗牧场获取光谱反射率与地上生物量数据，通过原始高光谱数据以及一阶微分，植被指数，绿峰与红谷等变量，运用回归模型建立相应地上生物量估算模型并对比评价模型精度。结果表明：克氏针茅（Stipa krylovii）群落在7-8月的牧草生长过程中，生物量逐渐增加，8-9月牧草枯黄明显，生物量明显下降。对原始高光谱进行微分处理有助于提高敏感波段与地上生物量的相关性；在高光谱变量中，利用红边斜率（Dr）构建的线性模型精度最佳，R²为0.94，均方根误差（RMSE）为1.97g/m²，平均相对误差（MAE）为1.97g/m²。在植被指数中，利用土壤调整植被指数（SAVI）构建的多项式模型精度最佳，R²为0.92，RMSE为1.15g/m²，MAE为1.39g/m²。本研究能够为用不同高光谱变量估算针茅群落地上生物量提供科学依据，为快速精准的牧区天然草场遥感监测提供方法和技术支持。

【目的】光合作用是农作物产量和品质形成的基础,农作物光合参数的准确定量遥感反演不仅能够了解农作物的生长发育和有机物累积状况,还能为基于遥感的生态系统过程模型提供参考。为快速准确的估算光合特征参量,本研究综合原始光谱、3种传统光谱变换技术和4种模拟方法构建冬小麦3种光合参数的高光谱反演模型,探讨高光谱反演冬小麦光合参数的可行性,对比不同类别光谱和模拟方法的适用性。【方法】本研究基于氮肥施用条件冬小麦气体交换和高光谱田间试验,获取不同叶位叶片的最大净光合速率(Amax)、PSⅡ有效光化学量子产量(Fv′/Fm′)、光化学猝灭系数(qP)和高光谱反射率,并对原始高光谱进行倒数、对数和一阶微分变换。根据3种光合参数和4种光谱的相关性分析结果,筛选显著性水平优于0.01的波段作为输入变量,采用偏最小二乘(PLS)、支持向量机(SVM)、多元线性回归(MLR)和人工神经网络(ANN)等方法建立冬小麦叶片光合参量反演模型,以建模和验证的决定系数(R~2)和均方根误差(RMSE)为依据,对不同模型的模拟精度进行比较分析。【结果】(1)3种光合参数和4种光谱的相关性分析结果表明,原始、倒数和对数光谱对3种光合参数(Amax、Fv′/Fm′和qP)的敏感谱区均集中在400—750 nm波谱区间,一阶导数光谱对3个光合参数的敏感谱区为470—560、630—700和700—770 nm波谱区间。(2)Amax、Fv′/Fm′和qP的最优反演模型组合分别为基于倒数光谱的MLR模型、基于一阶导数光谱的MLR模型和基于原始光谱的MLR模型。模型的建模R2分别为0.75、0.65和0.65,验证R2分别为0.73、0.59和0.44,表明基于高光谱模拟Amax和Fv′/Fm′切实可行,模拟qP的有效性需要进一步验证。(3)不同变换的光谱表现能力不同,以PLS模拟Amax为例,光谱的表现能力顺序为原始光谱>倒数光谱>对数光谱>一阶导数光谱。(4)不同模型的估算能力也存在明显差异,以基于原始光谱的Amax模拟为例,不同模型的估算能力顺序为MLR>PLS>ANN>SVM。【结论】通过对比分析4种光谱和4种模拟方法对3种冬小麦光合参数的高光谱反演结果发现,Amax和Fv′/Fm′可以很好通过高光谱进行模拟,而高光谱对qP解释能力偏低,有待进一步研究。高光谱信息对冬小麦光合参量具有较强的敏感性,同时受光谱类型和模拟方法的影响,可以用来监测冬小麦光合能力的动态变化,为把握农作物生长状况提供依据。

作物叶片氮含量的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。该文以经济作物生姜为研究对象,获取了2015年4月-9月不同品种、不同生育期和不同氮肥梯度下生姜叶片的高光谱和氮含量数据,对比分析了比值植被指数、归一化植被指数、植被指数组合形式对生姜叶片氮含量的估算效果。在此基础上,基于波段组合算法,筛选出了生姜叶片氮含量的敏感波段,并构建了两个新型光谱指数NDSI_((754,713))和RSI_((754,713))。结果表明,所选择的植被指数中,MCARI(705,750)/OSAVI(705,750)对生姜叶片氮含量估算效果最好,模型精度R~2、RMSE和RE分别为0.73、0.27、11.64%;利用波段组合算法构建的归一化光谱指数NDSI(754,713)对生姜叶片氮含量估算效果要优于MCARI(705,750)/OSAVI(705,750),模型估算精度R~2达0.83,使用的敏感波段713 nm与754 nm均位于植被的"红边"区域。对所建模型进行验证,叶片氮含量的预测值和实测值具有较好的一致性,验证样本R~2为0.78,RMSE为0.20,RE为9.81%。上述分析结果可为农业管理部门及时掌握生姜长势信息、制定施肥策略提供技术支持。

作物叶片氮含量的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。该文以经济作物生姜为研究对象,获取了2015年4月-9月不同品种、不同生育期和不同氮肥梯度下生姜叶片的高光谱和氮含量数据,对比分析了比值植被指数、归一化植被指数、植被指数组合形式对生姜叶片氮含量的估算效果。在此基础上,基于波段组合算法,筛选出了生姜叶片氮含量的敏感波段,并构建了两个新型光谱指数NDSI_((754,713))和RSI_((754,713))。结果表明,所选择的植被指数中,MCARI(705,750)/OSAV

为通过构建高精度SPAD遥感估算模型,实现对水稻叶片叶绿素含量进行实时无损的监测,以东北地区多时期不同施氮水平下水稻叶片光谱反射率为研究对象,采用回归模型与BP神经网络算法构建不同输入量的SPAD高光谱估算模型,通过模型精度评价指标决定系数R~2、均方根误差RMSE,确定最优输入量和最优模型。结果表明:1)不同品种水稻成熟时期不同导致在孕穗期和抽穗期之间光谱反射率出现差异;2)回归模型中以DVI(D755,D930)为变量建立多项式模型估算精度最高;3)与回归模型相比,不同波长处单波段反射率作为输入量的BP神经网络模型估算精度显著提高,R~2为0.98。BP神经网络模型在隐藏节点数为7时估算精度达到稳定,在可见光和近红外处经过不同波段反射率作为输入量的尝试说明神经网络模型较为稳定,可以用来反演叶绿素相对含量。

首先介绍了流域管理和不透水面分析的概念，并提出小流域是区域层面海绵城市建设管理的最佳单元，而不透水面比例是城市建设开发的依据。通过将规划区依据自然地形特性划分为小流域，根据不透水面分析结果进一步将其划分为敏感区、受影响区域、无支撑区域及城市化地区。针对各分区提出不同的开发指导策略。最后以重庆为例说明如何通过小流域的不透水面分析来指导海绵城市开发建设。

不透水面的分布规模、空间格局和变化是影响区域生态系统和环境变化的重要指标。Landsat 8卫星的成功发射使得基于Landsat系列遥感影像的陆地生态环境监测及其科学研究得以延续。本研究以该卫星搭载的陆地成像仪(OLI)影像为遥感数据源,基于植被-不透水面-土壤(V-I-S)模型,采用最小噪声分离法(MNF)和支持向量机(SVM)相结合的方法实现地表信息遥感影像分类,并提取高反照和低反照覆盖初步提取不透水面,利用遥感指数去除水体、阴影等干扰物后,得到研究区不透水面的分布现状,在此基础上分析其空间格局。结果表明:相较于TM影像,OLI影像辐射分辨率提高为16bit,其波段范围普遍变窄,影像经大气...

基于时序Landsat影像采用城市组分指数(urban composition index, UCI)获取1988—2021年莆田市城区不透水地表分布图，综合分析莆田市城区不透水面的时空变化特征，探究其演化的相关驱动因素。结果表明：1988—2021年莆田市城区不透水面面积呈增长趋势，增加面积为127.42 km~2,扩张速度由快变慢；空间分布为分散-聚集格局，主要扩张方向为东南沿海方向，以市中心为内核不断完善周边建设，以交通为轴向进行带状扩展。在政府政策引导和控制城市发展进程下，人口和经济的增长是莆田市城区不透水面扩张的决定性因素，地形和交通也有着一定的驱动作用。

不透水面是影响城市生态环境的关键因子,及时、精确地掌握不透水面的动态变化对城市的发展规划具有重要指导意义。本文以环胶州湾为例,基于1990年、1995年、2000年、2005年、2011年Landsat TM影像和2016年Landsat OLI影像,采用线性光谱混合分析和决策树相结合的方法分析了环胶州湾不透水面格局演变过程。结果表明:(1)本文提取的1990—2016年环胶州湾不透水面丰度与验证数据的决定系数R~2均在0.70以上,均方根误差RMSE均在16.70%以下。(2)环胶州湾不透水面面积由1990年的105.17km~2增长到2016年的620.02km~2,总的扩展方向为由南向北、向东和向西移动。(3)1990年城阳区成为辅助市区发展的重心,现由城阳区逐渐向黄岛区、崂山区、即墨区和胶州市发展。