生态调查与评估基于深度学习的白洋淀水体动态变化分析

白洋淀位于雄安新区建设范围的核心区域,对白洋淀水面面积变化趋势进行有效的监测和分析,能够对白洋淀流域的水资源保护提供重要的参考价值。本研究以1990—2020年的Landsat系列遥感影像为数据源,基于深度学习模型WatNet对研究区进行像素级的地表水提取,并将地表水分为永久水体、间歇性水体和非水体,进行基于像元尺度的白洋淀地表水时空变化制图,获得了不同时期的地表水类型动态变化专题图。研究结果表明:1)白洋淀的水面面积经过持续性减小→保持稳定→缓慢增加的3个过程;2)自然或人工补水是维持白洋淀水域的重要影响因素,多次引水济淀措施有效缓解了白洋淀水资源枯竭危机;3)白洋淀水域地表水类型变化趋势先变差后向好发展,部分区域通过补淀措施得到生态修复,但有小部分区域发生了地表水永久流失现象。

基于多源数据的城市住区生态宜居性评价——以深圳市为例

作为反映城市生态环境的重要指标,城市生态宜居性受到学术界越来越多的关注。结合遥感与兴趣点(POI)数据生成分类特征,利用文档主题生成模型进行特征重表达,采用随机森林模型提取住区,为后续的生态宜居性评价提供基本单元;随后,依据多源数据生成多个生态宜居性评价指标,使用基于熵权的TOPSIS方法构建生态宜居评价模型,得出每个住区综合得分;以深圳市为实验区对研究提出的方法进行了验证,并对深圳市的住区生态宜居性进行了空间分析。结果表明:(1)机器学习方法与多源数据结合可得到精细的城市功能分区图,总体精度可达82.1%;(2)基于TOPSIS方法构建的生态宜居评价框架能够对住区生态宜居性进行有效量化,综合得分高的住区多为片区绿化率高、空气质量好、建筑密度较小的住宅区,而得分较低的住区主要集中在城中村等生态环境较差的区域,结果符合客观事实;(3)深圳市内的住区及其评价得分呈现出明显的空间分异,南山、福田、罗湖区域的住宅小区较多;宝安、龙华、龙岗区内部同时包含较多的住宅小区与城中村,导致三个区内部各评价单元的得分差异较为明显;因住区数量少、绿地面积大、空气质量高等客观条件,坪山、盐田和大鹏区生态宜居得分情况较好。以上结果展示了研究方法的有效性,可为城市生态宜居建设及城市规划等提供案例参考和数据支撑。