许章华词三首

忆江南 端午 渔阳鼓，怎搅那沧浪，琴台寂寂寄哀肠，山远绵绵松柏壮，几度认忠良! 注：高中毕业至今，不曾拾笔写诗。今端午来临，有感而发。 忆江南 腊梅 依桐树，窗下恋晨读。一缕幽香融日暖，几枝黄淡和霜舒，偏好这冬初。 注：在武汉读大学时，宿舍在一楼，窗前有几棵腊梅树。冬天，尽管开出不多的、小小的淡黄色花朵，但是，花香沁人心脾,至今不忘。

“三创五育”背景下“双一流”高校本科人才培养的DIE模式初探及评价

针对新时代背景下“双一流”高校人才培养的发展需求,在“三创五育”理念指导下,解析基于产学研合作理论引入的DIE模式的内涵,系统阐述了DIE理念贯彻下的教学系统设计并付诸实践,旨在打破教学系、研究所、企业之间的壁垒,为学生学习、实践提供更多样化的渠道。问卷调查结果表明DIE模式在本科生团队协作、学术创造、自信心树立等方面有切实作用,为培养全面发展的高素质本科人才提供了参考。

ZY1-02DAHSI影像归一化阴影植被指数NSVI的波段选择及其构建

高光谱影像具有连续的地物光谱信息,在阴影检测方面具有巨大的潜力,而波段冗余度高需进行波段优选。归一化阴影植被指数(NSVI)能够扩大光谱差异,在高光谱影像中应用NSVI将更有效地识别阴影。资源一号02D卫星是我国首颗自主研发并成功运行的高光谱业务卫星,数据信噪比大、覆盖能力强,对该高光谱影像进行准确的阴影检测具有重要意义。以ZY1-02DAHSI影像为试验数据,提取并分析明亮区植被、阴影区植被及水体的光谱反射率;结合竞争自适应重加权采样(CARS)和连续投影算法(SPA)筛选能够有效区分典型地物的主要波段,综合考虑算法的特性进一步选出特征波段构建NSVI;通过步长法确定最佳阈值对影像进行分类,从像元值分布情况、分类精度和光谱增强效果等对比出构建NSVI的最佳波段,并结合不同的阴影指数、波段和影像进行综合评价,验证该方法的意义及普适性。结果表明:波段32和波段73是构建NSVI的最佳波段,分别对应红光波段和近红外波段;不同波段构建的NSVI分类精度均高于90%,由最佳波段构建的NSVI分类精度为94.33%,Kappa系数为0.8328,分类效果最优;NSVI能够增强典型地物间的光谱差异并缓解归一化植被指数的“易饱和”现象,在该影像中因水体累积产生的小波峰有助于提取水体;在ZY1-02DAHSI影像中NSVI的分类效果优于归一化阴影指数和阴影指数,于另一景影像的分类精度也达到93.55%,Kappa系数为0.8167。由算法筛选出的波段具有一定的代表性,最佳波段构建的NSVI在ZY1-02DAHSI影像中具有较好的阴影检测能力,对高光谱影像阴影检测及构建植被指数具有一定的借鉴和参考意义。

黑龙江省大豆生产的碳足迹时空分布特征及生态优化研究

选取我国大豆主产区黑龙江省为研究区,采用生命周期评价(LCA)法核算该地区2011—2020年大豆生产的碳足迹,分析其时空分布特征,利用灰色关联分析法分析全省各地级市(地区)大豆生产碳足迹的影响因素,确定其碳排放的主要来源,提出大豆生产的生态优化方案。结果表明:2011—2020年黑龙江省大豆生产碳足迹平均值为0.337 kg/kg(以CO 2当量计),整体呈现反复波动、“北多南少”的格局;在所选的9个黑龙江省大豆生产碳足迹影响因素中,农药、种子、柴油3个因素的贡献度最大。

跨尺度蒸馏特征感知的轻量化水下图像增强

水下图像增强技术能够提升水下图像的质量和可视性,在丰富数字媒体资源、水下探测、水下通信等领域具有重要应用价值。近年来,深度学习方法在水下图像增强方面取得了显著的效果。然而,现有的方法计算复杂度高,限制了它们在计算资源有限的场景中的使用。针对这一问题,提出了一种轻量化的水下图像增强方法,该方法基于跨尺度深度蒸馏特征感知,采用U型网络结构,在保证非线性抽象层级抽取的同时,大幅减少了模型参数量。实验结果表明,所提出方法在视觉效果和客观评价指标上均取得了具有竞争力的结果。

阴影植被指数SVI的构建及其在四种遥感影像中的应用效果

阴影是遥感影像中普遍存在的干扰因素,如何有效去除阴影已成为共识,寻找一个有效的阴影检测指标是实现影像阴影去除的基础工作。以Landsat TM,ALOS AVNIR-2,CBERS。02B CCD及HJ-1 CCD影像为试验数据,立足于进一步增大阴影区植被与明亮区植被、水体间的差异,实现影像阴影的有效检测,构建了一个新的植被指数——阴影植被指数SVI,该指数既可保证明亮区植被、阴影区植被、水体区在近红外波段的绝对差异,又能对NDVI进行放大,消除可能存在的混淆现象,改变NDVI直方图的"偏态"现象,使植被指数值更接近于正态分布,更符合地面实际;该指数适用于近红外波段辐射特征差异较大的地物。采用精度评估法验证SVI对明亮区植被、阴影区植被、水体区三类地物的识别效果,结果显示,四幅影像总分类精度依次高达98.89%,100%,97.78%,97.78%,总Kappa系数依次为0.983 3,1,0.966 7,0.966 7,说明SVI对明亮区植被、阴影区植被及水体区具有极好的检测效果;对子影像、SVI与NDVI的统计指标对比亦说明,SVI可靠、有效,可以将其应用于影像阴影去除。

松毛虫危害马尾松光谱特征分析与等级检测

以福建省延平区实测51条不同虫害等级的马尾松高光谱数据为基础,对健康、轻度虫害、中度虫害、重度虫害等4个虫害等级光谱反射率及一阶微分光谱特征进行分析,并在建立7个检验参数的基础上,构建了虫害等级的检测模型。结果表明:(1)虫害状态下的马尾松光谱反射率明显较健康状态低,虫害等级越高,反射率越低;(2)随着虫害等级的上升,马尾松光谱反射率曲线"绿峰"和"红谷"渐趋消失,红边被拉平;(3)虫害导致光谱"绿峰"红移、红边位置蓝移,但"红谷"与近红外反射峰位置的变化则较为复杂;(4)CARI,RES,REA,REDVI与松毛虫害等级显著相关,REP,RERVI,RENDVI与虫害等级的相关性较弱;(5)以7个检验参数为自变量的多元线性回归模型可以较为有效地检测松毛虫害等级,检测精度与准确度均达0.85以上。

自制着色底板和光谱特征检测竹叶面积

为快速准确地检测健康与病态竹叶单叶面积,提出一种基于自制着色底板和光谱特征(CBP-SF)的叶面积检测方法。根据叶片光谱特征设计底板,然后利用波段计算、碎片过滤和自适应阈值方法进行图像分割,再根据竹叶大小进行参照物切割,最后统计叶片区域和参考矩形框的像元数并计算叶面积。与随机森林(RF)、最大类间方差法(OTSU)和叶面积仪法(LAM)的对比结果表明:对于健康竹叶的检测效果,CBP-SF>RF>OTSU=LAM;对于病态竹叶的检测效果,CBP-SF>RF>OTSU>LAM;对于全样本竹叶的检测效果,CBP-SF>RF>OTSU>LAM。CBP-SF具备检测健康与病态竹叶单叶面积的能力。

马尾松毛虫害等级的Fisher判别分析

马尾松毛虫是我国森林最具危害性的害虫之一,开展该虫害的遥感预测研究有助于全面、及时地发现可能发生虫害的区域,为有效采取森防检疫措施,降低虫害造成的直接、间接损失提供技术支持。以福建省为研究区,于2012年2—5月份依次开展了三明市、将乐县、沙县、南平市、华安县、云霄县、南安市、安溪县、莆田市、长汀县、建阳市、宁德市及福清市等13个监测站的马尾松毛虫越冬代调查,调查指标包括GPS坐标、松林冠层光谱、气候、地形、林分、虫源、人文环境等。对上述因子进行分析与提取,经相关分析得到13个可有效预测马尾松毛虫害等级的子因子;利用Fisher判别分析,建立无危害、轻度危害、中度危害、重度危害等4个虫害等级的判别函数,建模组样本自检结果显示4个等级的判别精度分别为71.0%、84.9%、87.2%、100%,总判别精度为80.8%,验证组样本检验结果显示判别精度为73.00%,预测准确率为75.99%,表明利用Fisher判别分析预测马尾松毛虫害等级具有较好的可行性。

基于遥感的区域人居环境指数构建及其应用

基于生态宜居和以人为本双重理念,选取区域绿度、区域热度、区域蓝度、区域亮度、区域透明度和区域起伏度等6个指标,利用主成分分析法构建基于遥感的区域人居环境指数(RHEI)。以福建省为例,分季度测算其RHEI,揭示区域人居环境的时空差异。结果表明:福建省RHEI随着季节变化逐渐降低,呈现东南低西北高、沿海岸线向内陆上升的空间分布格局。通过比较各指标的回归模型系数,发现区域蓝度对区域人居环境的影响最大,区域透明度的影响最小。由年度均值回归模型预测,未来每增加0.166单位的区域蓝度或减少0.278单位的区域热度,能提升0.1单位的人居环境质量。

基于Fisher判别分析与随机森林的马尾松毛虫害检测

虫害检测算法的构建是耦合"地—天"特征的过程,是实现其遥感监测的重要保障。以福建省三明市、将乐县、沙县、南平市延平区等4个县(区、市)为试验区,收集182组马尾松毛虫害样本数据,随机划分为训练集与验证集,设置5次重复试验及1次指标筛除试验。结合马尾松毛虫危害下的寄主表征,获取松林叶面积指数LAI、叶面积指数标准误SEL、归一化差值植被指数NDVI、缨帽变换湿度轴WET及影像绿光波段B2、红光波段B3、近红外波段B4等7个地面与遥感特征指标,建立其危害等级的Fisher判别分析与随机森林模型,从检测精度、Kappa系数、ROC曲线等角度综合比较两种算法的检测效果,并给予配对t检验。结果表明:7个指标均具备虫害响应能力,SEL和NDVI相对较弱;Fisher判别分析6次试验的虫害平均检测精度为73.26%,Kappa系数为0.631 9,而RF法则分别为79.30%,0.715 1,显著优于前者(p<0.05);RF法对无危害、轻度危害、中度危害3个虫害等级的检测精度、Kappa系数、AUC均显著高于Fisher判别分析(p<0.05),对于重度危害等级,Fisher判别分析则占优。总体而言,RF法对马尾松毛虫害的检测效果优于Fisher判别分析,但Fisher判别分析对重度危害等级有更高准确性且模型明确、易于推广,可综合应用两种算法开展虫害监测工作。该成果为马尾松毛虫害及其他森林病虫害的有效检测提供技术参考,奠定其遥感监测的基础。

马尾松毛虫寄主有效叶面积指数遥感反演模型研究

叶面积指数(LAI)是植物的重要结构变量,可以较好地反映植物冠层特征,构建该指标的有效反演模型是实现马尾松毛虫害空间监测与预警的必然要求。以在三明市、将乐县、沙县、南平市等4个县(市)测定的马尾松有效叶面积指数及同时段HJ-1 CCD多光谱遥感影像为基础数据,分别建立LAI与NDVI、TNDVI、DVI、RDVI、RVI、PVI、SAVI、MSAVI、MCARI等9个植被指数的一元线性、乘幂、指数、对数与二次曲线模型。结果表明:(1)上述9个植被指数均与马尾松有效叶面积指数显著相关;(2)R2、RMSE及预测精度等指标显示,以TNDVI与MSAVI作为自变量的乘幂、指数模型是马尾松毛虫主要寄主马尾松有效叶面积指数遥感反演的最佳模型,这与影像光谱信息量、指数对虫害状态下的林冠特征响应敏感有关。

归一化阴影植被指数NSVI的构建及其应用效果（英文）

以ALOS AVNIR-2、CBERS-02B CCD、HJ1A-CCD2、Landsat 7 ETM四幅中分辨率遥感影像为试验数据,分析明亮区植被、阴影区植被与水体区的光谱特征与差异,基于近红外波段与归一化植被指数NDVI,构建归一化阴影植被指数NSVI,并评价其光谱差异增强及分类效果.结果表明,NSVI大幅扩大了明亮区植被、阴影区植被、水体区间的光谱相对差异,降低光谱混淆概率;利用NSVI阈值法对四幅试验影像进行分类,总精度均大于97%,总Kappa在0.96以上,且阴影区植被的检测精度均在94%以上,总Kappa系数亦高于0.96.该指数利用地物在近红外波段的辐射差异,解决NDVI只能部分削弱地形影响的问题,扩大地物间的光谱差异,从而提升地物尤其是阴影检测的有效性,且不存在NDVI"易饱和"问题,可为遥感影像阴影去除提供一种新的解决方案.

基于GIS的马尾马江片区公共厕所布局分析与优化

公共服务配套设施的合理布局和质量提升是新型城镇化的内涵之一,将GIS技术应用于规划领域可使规划成果具更理性与可实施性。以福州市马尾区马江片区为例,基于出行人群密度、区域繁华程度、公共厕所服务半径三者间的对应关系,对马江片区公共厕所的空间布局进行分析,认为该片区现状公共厕所存在数量与质量上的双重不足。针对存在的不足,提出优化算法与优化布局方案,并基于GIS技术实现可视化模拟。优化后的公共厕所共有53座,较现状的27座增加26座,符合《城市公共厕所设计标准》规定;公共厕所服务区覆盖片区总面积的91.5%,较现状的38.8%增加52.7%,满足城市规划与未来发展的需求。

基于RS与GIS地震灾害后森林植被重建的关键技术探讨

简要分析地震灾害对森林植被造成的破坏,指出森林植被灾后重建的必要性和重要性。探讨分析RS与GIS技术在地震灾害后森林植被重建中林区道路选址与区划、森林植被受害状况统计、生产恢复条件调查、林地适宜性评价与树种选择、森林植被空间优化配置及恢复评价等方面的重要作用,以期为灾后森林植被的重建工作提供理论参考与技术支持。

松毛虫危害下的马尾松林冠层光谱特征可辨性分析

深入挖掘寄主光谱响应机制是推进马尾松毛虫害遥感快速监测与预警的必要基础。将采集于福建省长汀县、南平市建阳区的46条马尾松林冠层光谱曲线数据设为规则组,利用单因素方差分析法实现不同危害等级可辨性波长的选择。研究表明,不同危害等级下的马尾松林冠层光谱数据呈现极显著差异（P〈0.01）,其中,中度—重度危害的马尾松林冠层光谱可辨性在516.51~598.99 nm和700.68~706.18 nm位置上有显著差异（P〈0.05）,在708.92~810.62 nm位置上有极显著差异（P〈0.01）。为此,以519.20 nm,540.72 nm,758.40 nm和785.88 nm波段处光谱反射率为组合,以健康状态下的马尾松林冠层光谱数据为标准样本,基于空间距离法、相关系数法及光谱角制图法分别建立松毛虫危害等级的定量化判定规则,并利用将乐县、南平市延平区、华安县的34条验证组光谱曲线数据对此规则进行验证。结果显示,空间距离法的判定效果远优于相关系数法与光谱角制图法;无松毛虫危害、轻度危害、中度危害以及重度危害的空间距离判定规则依次为：〈0.355 3,[0.355 3,0.742 5）,[0.742 5,0.9631）及≥0.963 1,判定精度为88.24%,准确率达97.06%。

基于面向对象与替换法的遥感影像云检测与去除技术

裁剪20090716和20090730两景HJ-1 CCD多光谱影像的部分作为试验区,基于面向对象法实现了厚云、薄云及云影的检测,进而利用替换法去除云和云影。对原影像、去云后影像的像元灰度均值、最大值、标准差、熵等指标进行了比较,结果表明,还原后的影像符合地面实际,面向对象与替换法可作为HJ-1 CCD多光谱数据的云检测与去除的重要方法。

利用普通数码相机估测松林叶面积指数与标准误

叶面积指数(LAI)与叶面积指数标准误(SEL)是植被的重要结构变量,可为森林经营管理、开展病虫害防治检疫工作提供数据参考。针对条件复杂区域LAI与SEL测定仪法应用的限制性,提出利用数码相机拍摄松林林冠图像,经特征指数2G B计算图像叶覆盖度(用Cover表示)与叶覆盖度标准差(用Cover SD表示)两个指标,构建LAI-Cover、SEL-Cover SD关系模型,实现松林LAI与SEL的估测。利用福建省13个县(市)65组数据对该方法进行试验,结果表明:Cover与LAI、Cover SD与SEL均呈极显著正相关关系,可以用CoverLAI3.0955 0.1926e准确估测松林LAI,用SEL 1.1059CoverSD 0.0674估测SEL,两模型的R2分别为0.613 5、0.493 5,估测精度达0.894 6、0.798 5。由此可见,利用普通数码相机估测松林LAI与SEL具有较高的可行性与准确性,可将该方法推广应用。

一种适于南方山地丘陵区马尾松毛虫虫害信息提取的方法

马尾松毛虫是我国南方地区最主要的森林害虫,给生态、经济与社会带来极大威胁。随着遥感数据国产化步伐的不断加快及空间、时间、光谱分辨率的不断提升,马尾松毛虫害空间识别技术的突破迎来新的契机。旨在探索一种适于南方山地丘陵区马尾松毛虫虫害信息提取的方法,其主要思路是:在实现马尾松林信息提取的基础上,选择并获取与马尾松毛虫虫害信息相关的地形因子、NDVI、叶面积指数及红边参数等指标,基于光谱实现松毛虫信息片层的分割;以光谱片层为对象,进行主成分变换,提取其纹理特征,并利用决策树分类规则实现马尾松毛虫虫害信息的提取。

福建省马尾松毛虫害空间自相关分析

马尾松毛虫是危害最严重的森林害虫,掌握该虫害的空间分布规律有助于实现其有效监测与预防。以福建省67个县域单元为例,对马尾松毛虫害全局和局部空间自相关性进行分析。结果表明:1)福建省马尾松毛虫害Moran's I的值为0.613 5,Z值为13.464 2,达到极显著水平,表明虫害存在极为显著的全局正空间自相关性,集聚效应明显;2)从局部空间自相关结果看,空间差异小的县域单元数量远大于差异大的数量,"高-高"、"低-高"及"高-低"相关均位于森林资源丰富的闽中、闽北各县,呈"3横2纵"状分布格局,"低-低"正相关均位于沿海一线,呈带状分布格局,沙县、永安、邵武是马尾松毛虫害分布的"冷点",建瓯则是虫害分布的"热点";3)在大部分县(市),马尾松毛虫害空间自相关性不明显,呈随机型分布。研究表明,空间自相关分析可在马尾松毛虫害分布特征识别与规律研究方面得到较好的应用。