长春市城市扩展与土地利用效率研究

基于四期遥感影像数据(TM、ETM、WFV2)对城市建成区进行调查,研究1990年以来长春市的扩展情况,并结合统计年鉴资料,对长春市城市土地利用效率进行研究。结果表明:1990—2013年长春市建成区的面积持续增加,除东北方向之外,其他方向扩展明显;长春市的发展方式以外部扩张与内部填充发展交替进行,并且城市建成区形状简单,土地利用受城市规划影响较大,城市向着有序的方向发展,有利于城市土地利用效率的提高;1990—2012年城市土地利用效率虽有波动,但整体呈上升趋势。

全球农情遥感监测关键技术与应用

2003年,我国成为粮食净进口国,2013年成为全球最大的粮食进口国,2022年农产品进口金额为2361亿美元,国际粮食价格的波动影响巨大.长期以来,发达国家垄断了全球农情信息,通过利用农情信息在粮食进出口贸易中赚得盆满锅满,而我国等发展中国家则因信息的滞后与误导,在国际粮食贸易中损失惨重,屡次成为"待宰的羔羊",如2004年大豆风波使我国直接损失100亿元,大量粮油加工企业倒闭.因此,亟需打破全球农情信息的垄断,为国际社会提供中立、透明和高可信度的农情信息,支撑全球发展倡议.

CropWatch:以自主遥感监测技术守望全球农情

在国家重点研发计划“政府间国际科技创新合作”重点专项支持下,中国科学院空天信息创新研究院牵头开展了先进农情遥感监测技术研发,实现了参与式的全球农情监测云服务平台(CropWatch Cloud)的重大升级,为24个发展中国家提供了定制化农情培训,涵盖近5亿人口,契合了GEOGLAM提升全球农情监测信息透明度的初衰,为联合国零饥饿目标的实现作出了贡献。

资源环境数据生成的大数据方法

资源环境监测是实现人类可持续发展目标的保障,地面调查和遥感监测是资源环境监测的重要手段。智能手机的普及以及其衍生的众源地理数据给资源环境地面调查提供了新的方式和途径;云端资源环境数据产品的指数级增长,大幅提高了数据的透明度和置信度。众源地理数据和云端资源环境数据产品的云端专业服务的蓬勃发展,将使现有的资源环境数据获取途径、管理方式以及分析方法被更加高效的大数据方法所替代;公众的参与,实现了公众对资源环境监测与管理的参与;契合了资源环境服务于全人类共同利益与福祉的本源,同时避免了业务数据调查过程中的投入过大、不确定性高的弊端。

基于多层神经网络与Sentinel-2数据的大豆种植区识别方法

大豆作为全球最重要的油料作物,是中国进口的大宗农产品,对其种植区的精准识别是决策制定、种植结构调整基础,对国家粮食安全有重要意义。本文利用Sentinel-2作为数据源,利用多层神经网络方法与对大豆进行提取,并与随机森林、决策树、支持向量机等机器学习进行对比,发现F1-Socre指标显示多层神经网络的分类精度最高,为93.53%,其次为随机森林、支持向量机、决策树。将神经网络分类结果与SLIC面向对象分割聚合之后,结果既忽略了同一地块的微小差别,又区分出了不同地块的作物差异,很好的体现了大豆的分布。Sentinel-2数据是进行大尺度大豆种植监测的绝佳数据源,大豆与玉米等其他作物在第二个红边波段的反射率有较为明显的差异。多层神经网络方法在图像分类任务中表现出色,结合图像分割算法精度可达到95.51%,可以满足大豆种植面积监测的需求。