基于机载LiDAR技术植被茂密区小型滑坡识别与评价

山体滑坡会导致生命和财产损失,获取完整的滑坡空间分布图及对易发区域的准确判定有利于指导生产、生活和生态空间优化。在滑坡调查过程中,茂密的植被覆盖使滑坡调查难度加大,机载激光雷达(light detection and ranging,LiDAR)技术的穿透能力使真实地形特征得以呈现,从而实现植被茂密区滑坡识别。该文通过仿地飞行获取研究区LiDAR点云数据,基于点云数据得到数字高程模型(digital elevation model,DEM),在山体阴影分析、彩色增强显示及三维场景模拟基础上,识别出区域内已有滑坡的位置与规模,经野外核实,滑坡解译精度为86.4%。针对滑坡易发区评价问题,以现有滑坡为样本,首次采用遥感分类思维开展滑坡易发区划定,采用小区域内与滑坡发育有关的高程、坡度和地表起伏度组合成影像,以支持向量机为分类方法,判定出滑坡易发区域,经滑坡检验样本分析,滑坡识别精度为81.91%。研究表明:基于高精度的LiDAR数据及其视觉增强后的图像能识别小型滑坡,采用支持向量机分类法可以准确确定滑坡易发区,为下一步三生空间规划与优化提供依据。

煤层气富集区遥感勘查研究进展与展望

煤层气是一种自生自储式非常规清洁能源,它赋存于煤层及其围岩中。传统勘查方法费时费力,而遥感技术提供了煤层气富集区快速勘查的新途径。煤层气富集区遥感勘查的基本原理是基于典型地物波谱特征与富集区烃微渗漏导致的地表物体异常波谱特征,包括岩矿蚀变、植被异常和热异常等波谱特征的对比,结合煤田地质、地震、大地电磁等物探方法获取的数据,进行多源信息提取与综合分析,逐步查明煤层气富集区分布范围与含气特性。文章综述了煤层气富集区烃类物质渗漏与地表岩矿波谱和植被波谱异常的响应机制,以及基于地表岩矿波谱与植被波谱参数反演的多种方法与地物波谱异常反演在煤层气潜在富集区的勘查应用;阐述了含煤层气地层导致地表热异常的不同解释与提高地表温度反演准确率的主要方法与应用。未来,遥感与煤田地质数据、地震探测和大地电磁探测相结合,开展立体多元信息分析与信息提取,将成为实现煤层气富集区低成本快速勘查的主要途径。

云南省植被覆盖时空变化特征及影响因素研究

云南省物种资源丰富但生态系统十分脆弱,生态环境脆弱性保护与植被覆盖联系紧密。为此,该文采用2000—2022年MOD13Q1数据集的归一化植被指数(normalized difference vegetation index,NDVI),利用最大值合成法(maximum value composite,MVC)、Theil-Sen中位数趋势分析、Mann-Kendall显著性检验方法动态监测植被的时空格局变化。利用相关分析方法探讨植被对地形地貌、气候变化及土地覆被等影响因素的响应。研究表明:2000—2022年,云南省整体植被覆盖度较高,年均NDVI值在0.74~0.90之间,呈波动上升趋势,其中增加趋势的面积占91.17%,滇东北增长速率最快;植被覆盖在地域上存在差异,滇东南、滇西南的植被覆盖高于滇西北、滇中、滇东北;在海拔3900 m以下,云南省NDVI值比较稳定,3900 m以上随海拔升高而NDVI值呈减少趋势;坡度<3°时,NDVI值最低,随着坡度增加,NDVI值先增加后降低;平面坡向的NDVI值最低,除平面坡向外,其余坡向对植被生长影响较小;2000—2022年,滇中、滇东南、滇东北的植被覆盖与降水呈正相关,表明降水有利于植被生长;而滇西南、滇西北与降水呈负相关。全区及各区域的植被覆盖与气温呈正相关,表明气温有利于植被生长。研究结果可为加强云南省生态环境建设和生态管理提供科学依据。

融合DT和SDFPT的时序InSAR矿区形变监测与分析

煤矿高强度开采会导致严重的地面形变及次生地质灾害。时序合成孔径雷达干涉(synthetic aperture Radar interferometry,InSAR)具有较强的形变监测能力,但在开采核心及周边低相干区域时无法监测到足够的目标点。该文尝试将分布式目标(distributed target,DT)和缓慢去相关滤波相位目标(slowly-decorrelating filtered phase target,SDFPT)进行联合,以提高矿区形变监测点的密度和覆盖度。分别采用快速同质点选取(fast statistically homogenous pixel selection,FaSHPS)法和振幅离差指数法选取DT和SDFPT候选点,分别对2类点进行相位优化和稳定性分析,筛选出符合条件的DT和SDFPT形成融合点集,并对其进行三维相位解缠、恢复相位时间序列和时空滤波,最终得到融合点集的形变时间序列和年均形变速率。选取2018年4月—2020年4月获取的覆盖布尔台煤矿的60景Sentinel-1影像进行形变监测,结果表明,融合DT和SDFPT后形变点密度和覆盖度显著提升,可监测最大形变量级也随之增加。实验区域内存在5处形变漏斗,最大累积形变量达到-309.76 mm;形变影响范围和不同年份时序形变量的差异与矿区开采活动密切相关。

联合SAR影像相位和幅度信息的多形变量级滑坡监测——以金沙江白格滑坡为例

近年来,雷达遥感被广泛用于提取滑坡表面的高精度形变信息,所用技术包括基于相位的干涉测量和基于幅度的像素偏移量追踪;然而,大型复杂滑坡的形变量在时间演化以及空间分布上都存在较大差异,单一雷达遥感手段难以实现滑坡形变的全面监测。该文在雷达遥感形变探测能力分析的基础上,提出联合SAR(synthetic aperture Radar)影像的相位和幅度信息进行滑坡的全过程监测。以2018年发生的金沙江白格滑坡为例,基于2014—2021年Sentinel-1数据和2014—2018年ALOS-2数据,联合时序InSAR(interferometric SAR)分析和时序像素偏移量追踪(pixel offset tracking,POT),获取滑坡灾前灾后时序形变。结果显示白格滑坡灾前后缘的年平均速率在20 mm/a,主滑坡区2014年12月—2018年7月形变量可达45 m左右;灾后滑坡逐渐向后缘扩张,年平均形变速率可达200 mm/a,已经威胁到部分民房。2种方法的联合可以实现大型复杂滑坡的时空维多形变量级提取。

基于ICESat-2和Sentinel-2A数据的森林蓄积量反演

森林蓄积量是林业调查的重要指标,在衡量森林健康状况和评价森林固碳能力等方面发挥重要作用,协同主被动遥感是当前反演大区域森林蓄积量的主要手段。以云南香格里拉森林为研究区,分别提取ICESat-2/ATLAS和Sentinel-2A影像的特征变量,并通过相关性分析和共线性诊断方法筛选特征变量,构建Sentinel-2A变量集和ICESat-2/ATLAS变量集,以及二者联合的变量集,然后结合样地实测数据与3个特征变量集,采用逐步线性回归和随机森林方法分别建立线性和非线性回归模型,反演森林蓄积量,并对结果进行精度验证及对比分析。研究结果表明:对3个变量集,随机森林方法精度均优于逐步线性回归;ICESat-2/ATLAS变量集在2种回归方法下的反演精度均高于Sentinel-2A变量集;联合Sentinel-2A和ICESat-2/ATLAS变量集,随机森林方法的反演精度最高,其R 2,RMSE和rRMSE分别为0.7034,84.78 m^(3)/hm^(2)和36.46%。整体来说,与Sentinel-2A数据相比,基于ICESat-2/ATLAS数据及其与多源数据联合的反演模型均可以提高森林蓄积量反演精度和模型稳定性。

整合多源遥感数据的洪涝灾害评估恢复——以河南“7·20”暴雨灾害为例

洪涝灾害发生后通过植被指数和灯光指数定量评估灾后恢复情况,对灾区经济建设和生态恢复的评估具有重要科学意义。该文以河南“7·20”暴雨灾害区为研究区,基于日度和月度NPP-VIIRS数据、Sentinel-NDVI、MODIS-EVI数据和统计年鉴数据,构建归一化差异城市指数(normalized difference urban index,NDUI)来表征城市内部空间细节;基于回归模型模拟人口和国内生产总值的空间分布;从研究区的夜间灯光数据和植被覆盖数据2个不同的维度来评估洪涝灾害。结果表明:高危区和中危区总面积为1429.04 km^(2),占研究区总面积的6.06%,高危地区主要分布在郑州西部、新乡东部、安阳东部、鹤壁北部,其中郑州市受灾严重程度最高;从植被覆盖度恢复率(vegetation cover recovery rate,VCRR)来看,卫辉市、淇县、滑县、林州市等地区整体植被恢复情况较差,其VCRR的值大部分在0以下,植被覆盖有恶化趋势。NDUI与社会经济统计数据拟合精度高于0.8,表明NDUI可以在洪涝灾害发生后应用于精确位置救援和灾后针对性重建工作;NPP-VIIRS和MODIS-EVI评估洪涝灾害的结果具有很好的互补性,2种数据的有机结合进行洪涝灾害研究,对灾后救援和恢复评估均有较高的应用价值。

基于高分辨率遥感影像和改进U-Net模型的滑坡提取——以汶川地区为例

滑坡快速识别检测可以满足滑坡灾害的高时效性要求,对灾害损失评估和灾后救援具有重要意义。研究提出一种基于深度学习的滑坡自动提取方法提高滑坡检测的精度。该方法使用目标区遥感影像、数字高程模型数据和面向对象多特征变化向量分析法(robust change vector analysis,RCVA)提取的变化特征作为模型输入,设计结合密集上采样和非对称卷积的U-Net模型提高滑坡识别精度。以四川省汶川地区作为研究区,设计试验测试了不同数据组合和不同方法得到的像素级滑坡分割精度,结果表明该研究提出的改进的U-Net模型可以取得更好的分割结果。

高原山地区域生态脆弱性研究——以四川省康定市为例

该文基于“暴露度-敏感性-适应性”(vulnerabiliy-scoping-diagram,VSD)模型构建生态脆弱性评价指标体系,利用层次分析-主成分熵权法对康定市2011—2019年共3期数据进行生态脆弱性动态评价,通过时空变化特征分析、空间相关性分析、驱动力分析揭示其时空分异特征以及驱动机制,以期为康定市生态环境的修复、保护和可持续发展提供建议。结果表明:①在整个研究期间脆弱性以潜在脆弱和微度脆弱面积增加、重度脆弱面积减少为主要的变化趋势,整体属于中度脆弱,生态环境变化趋势向好,且具有西部、东南部高-高聚集,中部及东北部低-低聚集的空间分布特征;②康定市生态脆弱性空间分布特征由内外多种因素共同作用决定,其中植被状况、生物丰贫程度、水土保持条件、气象等自然驱动力起到主导作用。

基于改进U-Net网络的花岗伟晶岩信息提取方法

利用遥感手段进行花岗伟晶岩型锂矿的识别是锂矿找矿勘查中的重要方法之一。为提高深度学习语义分割方法在花岗伟晶岩这一特殊场景中的信息提取精度,文章对经典U-Net网络进行了改进。在编码部分卷积单元层中加入批量归一化模块,使用ReLU6激活函数代替ReLU激活函数,同时构建复合损失函数,以提高运算效率,减少训练过程中的精度损失。使用国产GF-2花岗伟晶岩型锂矿影像制作数据集进行实验,结果表明,改进U-Net模型对GF-2影像研究区内花岗伟晶岩信息的识别效果较好,相比原始U-Net网络、基于VGG主干网络的U-Net模型、基于MobileNetV3主干网络的U-Net模型以及传统随机森林模型,平均交并比分别提高了14.69,0.95,5.08和35.34百分点,F 1-score分别提高了18.38,1.02,5.7和54.59百分点,实现了低植被覆盖区域遥感影像中含矿花岗伟晶岩信息的高精度自动化提取。

基于多源卫星遥感影像的广西中南部地区甘蔗识别及产量预测

针对广西地区作物种类多、蔗区调查复杂度高,以及因天气多变导致的卫星遥感图像获取困难等问题,该文提出了一种基于Sentienl-2影像的语义分割改进算法用于自动识别甘蔗种植区域,并在多时相的Sentinel-2和Landsat8影像数据基础上,提出了一种代表性光谱特征提取方法构建甘蔗产量预测模型。首先在轻量级网络BiseNetV2中加入了高效通道注意力模块(efficient channel attention,ECA),构建了ECA-BiseNetV2模型识别蔗田的种植区域;然后从识别到的甘蔗种植区域中提取不同时期的多种植被指数,利用线性回归模型将Landsat8植被指数转化为Sentinel-2植被指数,以减小Sentinel-2和Landsat8的数据差异;接着对各蔗区、各生长周期内的植被指数时间序列数据进行三次曲线拟合,提取最大值作为代表性光谱特征;最后使用了多种机器学习算法构建产量预测模型。结果表明,所提出模型总体精度达91.54%,甘蔗查准率达95.57%;基于植被指数拟合最大值构建的决策树模型的测试集R 2为0.792,比采用实际最大值构建的相应模型(R 2=0.759)提升了4.3%。该方法可有效解决因天气问题导致的甘蔗关键生长期遥感图像缺失而难以准确构建产量预测模型的问题,展示出较强的应用性。

Landsat和GF数据面向对象土地覆盖分类研究

针对中分辨率遥感数据面向对象分类,以河北省北部山区和南部平原Landsat8 OLI,Landsat5 TM及高分一号(GF1)数据为研究对象,对支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、决策树(decision tree,DT)及朴素贝叶斯(naive Bayes,NB)4种分类器的土地覆盖分类效果进行对比,并分析SVM,RF和DT中关键参数对分类结果的影响。结果表明:在2个研究区,各分类器结果略有差异,从整体上看其优劣排序为SVM,NB,RF和DT。其中SVM和DT分类精度随参数变化波动较大:对于SVM,当参数C取值不小于103且gamma不大于10^(-1)时,无论哪种情况其分类精度均优于90%;对于DT,当参数树深(Depth)大于3时,各情况下的分类精度相对较高且趋于稳定。RF分类精度随参数变化波动较小且没有明显的变化规律。研究结果可为中分辨率遥感数据面向对象土地覆盖分类研究提供参考。

多源遥感技术支持下的滑坡地灾隐患识别——以常澧地区为例

湘北常澧山地-丘陵地区地理地质环境复杂,滑坡地质灾害点多、面广、零散、频发,是造成人员伤亡和经济损失最主要的地质灾害类型。InSAR、光学遥感、LiDAR、GIS多源遥感综合技术,是目前可行性高、精度良好的滑坡地灾隐患识别和监测技术方法,能够满足宏观大范围、时效性等要求。该文基于InSAR形变速率数据、多光谱影像和DEM数据对湖南常澧地区的滑坡地灾隐患进行了识别和提取:首先用2种决策树分类方法对多光谱图像进行了土地利用分类,以便于观察研究区的用地类别及分布情况;然后运用DEM数据提取了高程、坡度、坡向、起伏度和曲率等5项地形地貌因子对研究区进行了滑坡危险性评价;再基于SBAS-InSAR技术对研究区进行地表时序微形变测量;最后在GIS系统内综合危险性评价结果和形变速率对研究区滑坡隐患进行提取和圈定,并基于CART决策树分类结果和研究区水系分布情况,对研究区内除圈定的滑坡隐患点以外的形变速率大于-0.01 m/a的区域进行了危险性推断。本次研究在植被覆盖区和裸露区识别出了数处隐蔽性高、规模小的滑坡隐患,并圈定了滑坡隐患的空间分布范围,面积0.126 km 2,证明了技术方法的有效性,具有一定的实践应用价值。

基于MODIS时序数据的大兴安岭火烧迹地时空变化及其森林恢复研究

林火是对森林生态造成影响的最主要干扰因素之一,探究林火时空变化规律及森林恢复具有一定的社会学和生态学意义。大兴安岭拥有我国面积最大的原始林区,也是林火频繁发生的重点区域。本研究使用MODIS火烧迹地、土地覆盖以及总初级生产力(gross primary productivity,GPP)时间序列产品对大兴安岭2002—2021年火烧迹地分布信息进行提取,并对火后森林恢复情况进行统计。结果表明:2002—2021年间,大兴安岭森林地区火灾次数整体呈下降趋势,但火烧迹地面积呈现波动性变化,其中2003年无论是过火面积还是火灾频率都为最高,2008年次之,2019年过火面积最小;林火主要集中在春秋两季,3月过火面积和过火次数都为最高,9月的过火次数较高;同时林火在空间上由东北向西南呈不均匀分布,主要集中在黑龙江大兴安岭地区和内蒙古呼伦贝尔市,且内蒙古地区的林火面积远远大于黑龙江地区。对过火地区的林种分析可知,阔叶林的过火区域最大,其次是混交林,最后是针叶林。通过对过火区域的GPP时间序列分析得出,一般灾后第一年GPP数值恢复最快,但需要近7 a时间才能完全恢复到过火前的生长水平,且不同森林类型在灾后恢复速度存在明显差异,阔叶林地恢复速度较快,其次是针叶林,之后是混交林。了解林火的时空分布能够为布置和调整防火、灭火力量提供数据支撑,灾后森林的恢复研究可为森林重建和持续发展提供科学依据。

广东省东莞市国土空间生态安全格局构建与分析

构建国土空间生态安全格局可以约束和引导城市空间发展,实现城市发展与区域环境协调可持续发展。本研究通过遥感生态指数、最小累计阻力模型等方法,识别广东省东莞市生态安全格局的生态源地、生态廊道、生态夹点及生态障碍点等要素,提出相关优化建议。结果表明:①全市生态基底好,生态空间连片,生态廊道分布均匀且能够有效串联生态源地;②滨水空间保护提升和道路绿化建设为生态要素流动提供有效路径;③农业生产、交通运输对生态网络影响最强烈,其次是工业生产和居民生活;④应将生态源地、12 m宽生态廊道和生态夹点划为生态保护重点区,将200 m宽生态廊道和生态障碍点划为生态修复重点区。本研究可为东莞市构建国土空间生态安全格局提供科学依据。

面向海岛海岸带区域的高分遥感影像智能化色彩增强方法

原始高空间分辨率海岛海岸带遥感影像往往存在影像灰暗、偏色、地物信息较难辨识的现象。为及时获取清晰、信息丰富、反差适中、亮度均匀的海岛礁遥感影像,满足日益强烈的海岛海岸带地理信息保障需求,针对海岛海岸带高空间分辨率遥感影像,该文提出一种深度学习结合改进直方图匹配的智能化调色方法。首先,进行数据重采样与自适应分块获取抽稀影像;其次,应用MBLLEN网络对抽稀影像进行真彩色增强;最后,采用改进直方图匹配的方法对原始影像进行色彩映射,最终得到符合人眼视觉、色彩一致、细节丰富的遥感影像。采用主客观相结合的方式综合评价调色效果,结果表明:相较于Retinex,HE和MASK等常用调色方法,该文算法结果更符合人眼视觉、色彩一致、细节丰富,可有效改善海岛海岸带高空间分辨率遥感影像视觉效果,较好地保留原始地物的细节信息,大幅提升调色效率。

深度语义分割网络无人机遥感松材线虫病变色木识别

松材线虫病是危害我国林业资源的主要病害,研究深度语义分割网络无人机遥感技术可提高松材线虫病变色木识别准确率,为提升和保护林业资源质量提供技术支撑。该文以青岛崂山松林为研究区,通过固定翼无人机航拍获取区域无人机松材线虫病疑似变色木影像,以全卷积网络(fully convolutional networks,FCN),U-Net,DeepLabV3+和OCNet 4种深度语义分割模型为研究对象,选用召回率(Recall)、精确率(Precision)、交并比(intersection over union,IoU)和F1值评估各模型分割精度。航拍飞行获得2688张无人机影像,通过手动标记和样本扩增生成训练样本28800个。4种网络均能够较好识别松材线虫病变色木,无显著误报,并且深度语义模型对颜色相近的地物,如岩石、黄色裸土等有较好的辨别结果。总体上,DeepLabV3+具有最高的变色木分割精度,IoU与F1值分别为0.711和0.829;FCN模型分割精度最低,IoU与F1值分别为0.699和0.812;DeepLabV3+训练耗时最低,达到27.2 ms/幅;FCN预测耗时最低,达到7.2 ms/幅,但分割变色木的边缘精度最低。以3种特征提取网络ResNet50,ResNet101和ResNet152为前端特征提取网络构建的DeepLabV3+模型变色木识别IoU值分别为0.711,0.702和0.702,F1值分别为0.829,0.822和0.820。DeepLabV3+比DeepLabV3网络具有更高的变色木识别精度,DeepLabV3网络变色木识别的IoU和F1值分别为0.701和0.812。DeepLabV3+模型在测试数据中具有最高变色木识别精度,特征提取网络ResNet网络深度对变色木识别精度影响较小。DeepLabV3+引入的编码和解码结构能够显著改进DeepLabV3分割精度,同时可获得详细的分割边缘,更有利于松材线虫病变色木识别。

基于DMSP/OLS和NPP/VIIRS夜光影像的中原城市群城市扩张的时空演变及驱动力分析

掌握城市扩张空间格局和驱动机制,有助于中原城市群可持续发展。基于DMSP/OLS和NPP/VIIRS夜间灯光影像,采用统计数据比较法提取了中原城市群1993—2018年间建成区范围;并从整体和地级市2个尺度研究了1993—2018年城市扩张的时空演变特征;在此基础上构建驱动力模型,研究其时空扩张驱动力。结果表明:①空间上,以郑州为中心,东北至西南方向为参考,各城市建成区面积及扩张规模总体上呈现出“中间大、两边小”的分布格局;以2010年为分界点,扩张类型由边缘式转向飞地式,扩张模式由面状扩张向多中心的点状扩张和沿主要交通线路的线状扩张转变;②时间上,不同城市扩张面积、扩张速度、扩张强度差异显著,扩张速度和扩张强度均为正且大体呈“W”型波动式变化;建成区重心经历了“西南-东北-东北-西-西北-东南”的变动过程,重心在郑州市和开封市之间“徘徊游走”;③城市群扩张的主要驱动力来源于经济因素,其次是社会、交通和环境因素。对城市扩张影响前5的驱动指标依次为一般公共预算收入、GDP、实际利用外资额、教育支出和人口密度。

基于复杂阴影测量方法的建筑物高度反演

阴影法能以较低的成本测量大范围的城市建筑物高度,但其中的阴影长度测量方法在复杂阴影场景中存在测量效率低、精度差、鲁棒性低等问题。对此,该文提出了一种复杂建筑阴影测量方法。该方法首先通过渔网法和多种约束条件相结合实现对阴影的测量与划分;其次,统计所有划分区域的阴影长度值,利用四分位法和双向逼近策略确定阴影最优值;然后,综合评估所有区域最优值确定阴影长度;最后,利用立体交会的建筑高度对应用该阴影测量方法计算的建筑物高度进行验证。结果表明:该方法计算建筑物高度有90.6%以上绝对误差在0~5 m之间。因此可以得出该文方法计算的阴影长度有着较高的精度,能够满足不同种类的复杂阴影测量,提高了阴影法反演建筑物高度的精度,为城市建筑物高度的反演提供新的技术支撑。

融合多源地理数据与高分辨率遥感影像的尾矿库识别与监测——以云南省个旧市为例

尾矿库是具有高势能的重大危险源,对尾矿库空间范围开展快速识别与监测,及时掌握尾矿库数量及分布情况,对我国尾矿库的环境监管与治理具有重要意义。现有单纯基于遥感影像识别提取的思路,因缺乏尾矿库潜在目标针对性,易将裸露地表等混淆为尾矿库,给实际的尾矿库监测应用带来较大误差。为此,提出一种融合企业名录与空间分布点位、数字高程模型(digital elevation model,DEM)、道路网等多源地理数据与高分遥感影像的尾矿库提取方法。以云南省个旧市为研究区的应用验证结果表明:融合多源地理数据可有效排除不存在尾矿库的干扰区域,尾矿库提取结果的精确率和召回率分别为83.9%和72.4%。该技术方案在全国尺度的尾矿库高频次、自动化遥感监测中具有广阔的应用前景。