基于MODIS时序数据的黑龙江流域火烧迹地提取

火烧迹地信息是研究火灾的重要参数和基础数据,也是研究全球生态系统和碳循环扰动的重要依据之一。以受森林火灾影响较为严重的黑龙江流域为研究区,以MODIS时间序列数据为数据源建立了一个分为两阶段的火烧基地提取算法(即首先设定较为严格的提取条件对最有可能发生火灾的像元——核心像元进行提取,然后设定较为宽松的阈值提取距离核心像元一定范围内的火烧像元),对2000—2011年的火烧迹地信息进行了提取,生成了研究区长时间序列火烧迹地分布图,并对其时空分布特征进行了分析。选择黑龙江省为典型验证区对算法精度进行了验证,结果显示算法的整体精度较之以往的算法有了一定程度的提高。

基于环境减灾小卫星数据的森林火灾迹地检测算法研究

森林火灾迹地是森林火灾的基本描述因子之一,是评估森林火灾严重程度的重要资料。本文基于环境减灾小卫星数据的特性,提出将GEMI指数作为火灾迹地检测指数;为了降低利用单幅影像进行火灾迹地检测时云污染现象对检测精度造成的影响,构建时序GEMI指数合成方法;并进一步提出适用于环境减灾小卫星数据的基于时序合成GEMI影像的火灾迹地检测算法;最后,将算法应用于2009年4月发生在中国黑龙江的森林火灾,检测结果表明该算法能准确地反映出森林火灾过火区域。

Research Status and Key Technologies of Geo-Electromagnetic Magnetic Induction Sensor

According to different applications,the performance parameters of the several Geo-Electromagnetic Magnetic Induction Sensors( GEMISs) which are the most representative in the world are compared. After discussing the several key technologies for improving the performance of GEMISs,the main conclusions are as follows: the application bandwidth can be expanded by adopting flux negative feedback( 1 m Hz-10 k Hz);"laminated"core structure is useful for suppressing eddy current loss; the effective permeability of the core has increased observably after adding flux concentrators to the two ends of the core; the chopper amplifier is a useful method to suppress 1/f noise for reducing the GEMIS's output noise; the indoor calibration scheme based on"long straight solenoid"proposed to obtain sensor sensitivity. Accordingly,the problem how to reduce the noise of GEMIS is urgent need to be solved,which will improve the performance of GEMIS. And there is plenty of work requires further study on parameters ' optimization of coil and core. In the future,miniaturization,intelligence and three-axis measurement are the development directions of GEMIS.

基于植被指数的高分一号遥感影像火烧迹地提取评价

贵州省每年2—5月份是森林火灾高发期,火烧迹地提取是林火损失评估的基础,在林火生态气候研究、植被灾后恢复、保险理赔等方面具有重要意义。以贵州兴仁市2019年2月发生的一次林火为例,介绍利用高分一号WFV影像开展植被指数提取贵州火烧迹地的效果评估。经过辐射定标、大气校正、正射校正等预处理步骤对高分一号遥感影像进行处理,使用不同波段组合计算了研究区范围内的过火区识别指数(BAI)、增强型植被指数(EVI)、归一化植被指数(NDVI)和全球环境监测指数(GEMI),比较了不同植被指数区分度,并计算了火烧迹地和其他类别的分离度。经区分度和分离度评估,BAI指数为区分火烧迹地和其他类别最优的植被指数。通过分析所有类别的BAI均值,选取水体样本的平均BAI指数作为BAI指数提取火烧迹地的阈值,最大限度提取出火烧迹地,并根据6.67 hm^(2)的面积阈值去除了绝大部分非火烧迹地,只剩下煤矿场地还混淆在火烧迹地里,并发现了提取火烧迹地的云阴影、水体为易混淆源,山体阴影为易漏提源。利用高分二号融合影像目视提取的火烧迹地,对高分一号BAI指数提取的火烧迹地进行精度评估,提取的制图精度、用户精度、总体精度均达到90%以上,Kappa系数为0.85。

基于GEMI-H算法的森林过火区提取方法

针对GEMI(global environment monitoring index)算法和HANDS(hotspot and NDVI differencingSynergy)算法判识过火区存在的缺陷,提出了一种基于GEMI-H(GEMI and HANDS Synergy)的指数合成算法。通过利用MODIS数据进行了验证与分析,发现新的算法不但可以减小单纯利用HANDS算法时所受到的气候条件等因子的影响,而且还融合了GEMI算法具有抗大气和土壤背景值等干扰的优点,抽取的过火区精度得到了进一步的提高。

基于GEMI算法提取森林火灾迹地研究

基于MODIS数据在森林火灾迹地识别研究中,国内外学者利用各种植被指数算法对大区域火灾迹地损毁程度进行评估,并取得了一定的效果,但对潜在的火灾迹地进行侦测识别方面的研究还相对滞后.为此,利用GEMI指数算法编写程序,构建GEMI指数,设定相关阈值.通过大量的实验研究发现,该算法可有效突出显示火灾迹地.

我国高科技产业集群竞争力评价——基于技术创新的GEMI模型

当前随着新一轮科技革命和产业变革孕育兴起,技术创新对于产业集群尤其是高科技产业集群的作用更加凸显。本文在GEM模型基础上,将技术创新因素纳入GEM模型中,构建一套涵盖4要素、8因素和36个显性观测指标的GEMI模型,并使用AHP层次分析法确定指标权重,建立GEMI模型评价指标体系。本文运用模型分别对深圳和北京电子信息产业集群进行实际测度,测评结果显示:深圳地区电子信息产业集群的竞争力强于北京地区,GEMI模型较传统模型更加准确可靠。