基于InVEST模型的河北省生境质量时空演变驱动分析

利用InVEST模型与土地覆盖数据,分析了河北省1995-2020年的生境质量时空分布格局,并借助地理探测器分析了气候、人口、地形等因素对生境质量空间分异的驱动机制。结果表明:(1)1995-2020年,河北省生境质量的平均值由0.4488降至0.4419,下降幅度为1.54%,其中城市建成区生境质量下降明显,沿海区域生境质量有所上升;(2)空间分布呈西北高、东南低的特征,山区生境质量较高而平原较低;(3)人口密度的增加及平均气温和年降水量的变化驱动着生境质量逐年下降;(4)坡度是影响生境质量的主导因子,解释力达0.84,其次为平均高程(0.67)、人口密度(0.65)及平均气温(0.61),而年降水量(0.12)的影响最小;(5)任意两因子的交互作用均大于单一因子对生境质量的影响。

基于Relief F与卷积神经网络的湿地植物群落精细分类

湿地是陆地生态系统和水生生态系统之间的重要过渡带,准确高效地获取湿地植物群落分布信息对于保护湿地具有深远的意义。本文以无人机多光谱影像为数据源,首先构建包含光谱特征、植被指数和纹理特征的多维特征数据集,并采用Relief F算法进行特征优选,确定最优特征数据集;然后构建基于特征优选的卷积神经网络(CNN)分类模型,对最优特征数据集进行分类,并与基于原始多光谱影像的CNN和随机森林(RF)分类方法进行对比。结果表明:(1)随着特征个数的增加,分类精度先增加后下降,当特征数为32时分类精度最高;(2)窗口为13×13的GLCM提取的信息熵和同质性等纹理特征及GNDVI、MSAVI2、RVI等多光谱植被指数重要性较高;(3)基于最优特征数据集的CNN分类模型,能够有效提取空间光谱信息,抑制“椒盐现象”的产生,分类效果最佳,总体精度达93.40%,与未进行特征优选的RF和CNN分类模型相比分别提高了9.80%和7.40%。

夜光遥感视角下京津冀城市群时空变化特征分析

为探究京津冀城市群城市规模的演变特征,基于NPP-VIIRS长时序夜光遥感影像,综合运用夜光变化率、位序规模法、重心迁移轨迹与标准差椭圆的方法,分析2012~2020年京津冀城市群时空格局演变特征。结果表明:2012~2020年间,京津冀城市群各城市夜间灯光总量呈逐年递增,整体平均增长率超过130%;京津冀城市群中心城市对周边地级市辐射带动作用逐渐增强,城市体系规模分布逐渐由单个城市高位序主导转向多城市均衡发展的模式;城市群空间演变格局表现为东北-西南的趋势,城市群重心按逆时针方向整体迁移9.756 km,其中2012~2016年城市群向东北方向迁移7.631 km,农产品主产区、生态功能区、重点开发区起主要拉力作用,2016~2020年由于重点开发区的建设,城市群向西南方向迁移13.764 km。该项研究可为京津冀城市群及我国其他城市群时空演变研究提供数据支持及方法借鉴。

基于GEE的滨海湿地互花米草信息提取方法研究

互花米草是我国海岸盐沼中最重要的入侵植物,探究遥感识别机理与量化入侵状态对于科学管控互花米草入侵及维护滨海湿地可持续发展具有重要意义。本文以盐城湿地珍禽国家级自然保护区为研究区,基于Google Earth Engine(GEE)云平台,以2021年Sentinel系列卫星遥感影像和ALOS地形数据为数据源,采用基于像元的随机森林(RF)算法和基于对象的简单非迭代聚类(SNIC)+RF算法识别入侵物种互花米草,对比两种分类精度选取最优算法进行互花米草分布提取。结果表明,多模态特征集合中雷达特征、光谱特征、植被指数以及红边指数在互花米草信息提取中具有重要作用;基于RF和SNIC+RF分类方法获得的互花米草精度均高于90%,SNIC+RF算法提取的互花米草群落信息完整性更好,分类精度更高,用户精度和生产者精度分别达到了92.86%,98.11%,并且算法能够在GEE环境下快速执行,适合推广应用于滨海湿地互花米草群落信息提取实践中。

基于卷积神经网络高光谱影像土地利用分类方法研究

土地覆盖/土地利用变化信息是全球环境变化发展的最重要信息来源之一。本文以高分五号高光谱影像为数据源,采用主成分分析(Principal Component Analysis,PCA)方法进行特征提取,并选用前六个主成分作为分类数据,利用基于卷积神经网络(Convolutional Neural Networks,CNN)的分类方法进行分类,并以支持向量机(Support Vector Machine,SVM)和RF(Random Forest,RF)分类方法进行对比。结果表明,基于CNN的分类方法获得的总体分类精度最高,达到87.67%,Kappa系数为0.84,总体精度相较于基于SVM和RF分类方法的总体精度分别提高了9.00%和8.00%;基于SVM和RF的分类方法的分类结果“椒盐”噪声明显,基于CNN的分类方法可以很好地改善这种情况;基于SVM和RF的分类结果对草地、林地以及其他用地等的分类精度较低,错分比率较高,而基于CNN的分类方法可以有效地改善这种情况。

耦合高光谱数据的多源遥感影像铁尾矿信息提取研究

尾矿是矿产资源采选过程中的主要废弃物,处理方式主要为堆存排放,既污染环境又不利于资源回收利用,遥感作为高效、便捷的技术手段可全面摸查尾矿的堆存现状,推动“双碳”目标的实现。本文以河北省滦州市司家营尾矿库为研究对象,利用实测尾砂波谱以光谱角度匹配(spectral angle match, SAM)和波谱特征拟合(spectral feature fitting, SFF)方法进行端元波谱识别,然后对Landsat8 OLI影像和珠海一号影像数据进行尾矿填图。结果表明,Landsat8 OLI影像尾矿的匹配分值为1.618,珠海一号影像内尾矿的匹配得分为2.069,多光谱数据和高光谱数据识别结果高度吻合,且珠海一号高光谱影像填图精度要优于Landsat8 OLI多光谱影像;耦合高光谱数据的多源遥感影像能够获取尾矿库的位置信息,可为矿产资源管理部门提供数据参考。