长株潭城市群绿心区植被覆盖时空变化特征分析

植被覆盖度(FVC)是衡量地表植被状况的一个重要指标,是描述生态系统的重要基础数据,也是区域生态系统环境变化的重要指示;研究城市植被覆盖变化,可以为城市生态系统建设的可持续发展提供依据。利用Landsat系列数据,运用像元二分法对2000-2022年长株潭城市群生态绿心地区遥感影像的近红外和红光波段进行植被覆盖时空变化特征分析。结果表明:从时间变化上看,22 a绿心区植被覆盖度呈波段增长趋势,不同时间节点上发生植被覆盖度降低变化是由于生产建设活动所造成的。从长株潭城市群绿心区空间规划所规定的禁止开发区、限制开发区和控制建设区三类不同管控区域上看,高植被覆盖度地区面积占比为:禁止开发区(78.06%)>限制开发区(19.09%)>控制建设区(2.85%),低植被覆盖度地区的面积占比为:控制建设区(40.57%)>禁止开发区(35.28%)>限制开发区(24.15%)。整体而言绿心区植被覆盖明显改善,改善趋势和覆盖变异情况都很稳定,绿心区生态环境呈良性发展趋势,进一步完善规划、健全法规制度、强化监管可有力促进长株潭城市群地区的植被改善,将更好地发挥“绿心区”的生态屏障和生态服务功能。

基于像素注意力特征融合的城市街景语义分割算法研究

针对城市街景数据集中存在小目标和大量长条形状物体,分割难度大,虽然目前编码解码结构的网络能细化分割结果,但大多数都没有充分利用空间和上下文信息,因此本文提出一种基于像素注意力特征融合的语义分割算法。首先以ResNet50作为骨干网络,利用空洞空间卷积池化金字塔和条状池化进行初步特征融合,获得多尺度特征的同时规避无用信息;然后利用像素融合注意力模块,聚合上下文信息并恢复空间信息,最后利用注意力特征细化模块消除冗余信息。该算法在CamVid数据集上进行实验,结果表明该算法在验证集上能达到75.22%的mIoU,在测试集上也能达到67.21%。相比于DeepLabv3+网络分别提升了2.51%和2.86%。

福州城市扩张对地表温度影响及其空间分异分析

基于福州城区两时相Landsat影像,根据城市发展程度差异将研究区划分为Zone 1、Zone 2、Zone 3三个环形区域,在反演地表温度和获取不透水面覆盖度信息的基础上,计算各区域各级不透水面覆盖度的热分布指数和热效应贡献度指数,分析2004—2021年福州市不同发展程度区不透水面覆盖度与地表温度之间的定量关系,并运用地理探测器分析植被覆盖度、不透水面覆盖度和海拔高度对地表温度(Land Surface Temperature,LST)空间异质性的影响。结果表明:2004—2021年,Zone 1不透水面扩张较少,Zone 2和Zone 3不透水面扩张明显,增加最明显的为Zone 3内不透水面覆盖度大于60%的区域;不透水面覆盖度大于60%的区域对城市高温面积贡献最大,不透水面覆盖度为80%~100%时热效应贡献度最大;2004年影响地表温度的主导因子为植被覆盖度,2021年Zone 1中不透水面覆盖度为影响地表温度的主导因子,其余区域中海拔高度为影响地表温度的主导因子;福州市地表温度空间分异受多因子共同影响且两因子交互q值均高于单因子q值。研究结果可为城市规划和缓解城市热岛效应提供参考。

提高城市TM图像分类精度的两种方法比较

城市遥感图像分类是获取城市绿地空间分布状况的基础,然而混合像元的存在导致分类精度不高。因此,提出了混合像元分解模型结合神经网络法(MPD-NN法),利用其对北京市TM图像进行地物分类,并与较常用的决策树法分类结果比较,研究在图像现有空间分辨率的条件下提高城市分类精度。结果表明,MPD-NN法分类可较为有效地处理城市遥感图像存在的混合像元问题,可以提高城市分类精度,分类精度高于决策树法,其总体精度和Kappa精度均将近90%,水体、草地、农田、裸地、林地的分类精度在85%以上,高密度建筑区、低密度建筑区、水泥地的分类精度接近80%,也均高于决策树法,是遥感分类较精确识别城市下垫面地物的一种可行方法。

ETM＋影像亚像元级城市土地覆盖组分丰度提取--以南京市为例

城市景观复杂,地物具有强烈的空间异质性,利用中等空间分辨率遥感影像(如ETM+)进行城市土地覆盖研究会出现大量混合像元。针对该问题,以南京市为例,通过混合像元分解提取城市土地覆盖组分丰度,进行城市土地覆盖研究,并从各个波段的残差、平均残差、相对误差、均方根误差等方面分析模型误差。利用IKONOS影像对提取的组分丰度图像进行精度验证,发现不同城市土地覆盖组分丰度图像具有一定的可靠性,与城市实际情况吻合。城市土地覆盖组分丰度图像还能作为一种新的数据源用于城市功能分区、城市人口数据空间化和城市环境监测与评估等研究中。

高光谱遥感城市植被识别方法研究

传统的植被状况调查方式费时、费力,并且更新困难,而高光谱遥感数据图谱合一,能够更精细、准确地进行遥感地物识别和分类,因此采用Hyperion高光谱数据来研究地物混合严重并且呈零星碎片状的城市植被。利用混合像元分解思想改进Gram-Schmidt融合算法,将Hyperion高光谱和ALI全色波段进行融合,提高光谱数据的空间分辨率,来解决城市植被像元混合严重和分布过于零散破碎难题,进而提高植被识别精度。为了避免高光谱植被识别陷入维数灾难,采用主成分分析对融合后的高光谱数据进行数据降维。最后,在地面光谱成像仪获取的纯净像元光谱信息辅助下,选取训练样本进行最小距离分类,完成植被类型识别,总体精度达到84.9%。

利用混合像元分解结合SVM提取城市绿地

从遥感图像提取城市绿地是准确获取城市绿地空间分布的基础。然而由于混合像元的存在,导致城市遥感分类精度不高。因此,利用混合像元分解结合SVM(支持向量机)法提取北京市TM图像城市绿地,并与决策树法比较,研究提高遥感提取城市绿地精度的方法。结果表明,该方法较适合复杂高维空间,对样本选取的准确性没有那么苛刻,可有效地处理城市遥感图像存在的混合像元问题,可较准确地提取城市绿地信息,其精度在92%以上,优于决策树法。

基于像元信息分解的城市绿地信息自动提取系统

为了快速而有效地监测城市绿地的变化,建立了基于遥感和GIS的城市绿地自动识别系统。系统利用像元信息分解的方法,将城市环境下的像元信息分解为绿地、水体、土壤、水泥地等4种地物端元组份信息,求解绿地在混合像元中的丰度,并允许自由设定判定绿地像元的阈值,以便通过调整达到分离的最优分离结果。此外,系统也集成了绿地信息的空间分析以及统计分析识别等功能。最后,以深圳市罗湖区和福田区TM影像作为实验区,将系统自动提取的绿地面积和目视解译的结果进行对比,准确率达到98.7%。

基于Landsat8数据的城市群热岛效应分析——长株潭城市群为例

本文利用Landsat8数据,采用普适性单通道法反演了长株潭城市群2013?2014年多季节的地表温度,运用多端元混合像元分解技术提取地表组分丰度信息,定量分析了土地覆盖类型对于城市群热岛效应的影响。研究发现:从初夏到夏末热岛效应先增强后减弱,在盛夏极高温区面积比率达到最高的3.0%,热岛效应程度最强且范围最广,而冬季热岛效应相对而言最不显著;在相同的气候条件下,植被的丰度与地表温度呈负相关,具有降温效应,不透水表面的丰度与地表温度呈正相关,导致城市增温;在不同季节,不透水表面丰度对地表温度贡献均为正,二者相关系数在0.87以上,这种贡献作用在盛夏季节最为强烈。城市化进程中不透水表面的面积与密度增长,是热岛效应产生的关键因素之一。

RS与GIS支持下城市热岛效应与绿地空间相关性研究

在RS和GIS技术支持下,以LANDSAT ETM+为数据源,综合运用遥感热红外影像的地温反演、遥感影像分割、空间聚集性分析、混合像元分解、基于遥感信息模型的地理建模及多元线性回归分析等技术,提取了青岛市城市热岛与绿地空间格局,并定量分析了绿地格局与城市热岛效应的相关性及其对城市热岛的缓解机制.结果表明:城市热岛效应在给定尺度上与植被盖度呈负相关关系,与绿地斑块密度指数和分维数呈正相关关系.

太原市城区植被覆盖变化地形分异效应

[目的]分析山西省太原市城区植被覆盖变化在高程、坡向、坡度、坡度变率、地形位和地形起伏度上的分异效应,为该市生态环境保护提供基础信息。[方法]基于2004年8月、2007年8月、2011年8月、2014年9月、2016年9月的Landsat系列影像和ASTER GDEM数据,采用像元二分模型法估算太原市城区5个时期的植被覆盖度,对其时空动态变化特征进行分析,并结合地形面积差异修正系数分析植被覆盖变化在不同地形因子上的分异性及变化趋势。[结果](1)2004—2016年植被覆盖度以中高度覆盖度和高度覆盖度为主,二者占总面积的65%以上,总体呈显著上升趋势,植被覆盖度显著下降区主要分布在小店区和尖草坪区,而中东部和西部植被覆盖度上升较快;2007—2011年植被覆盖度减少面积为852.70 km^2,增加面积为601.62 km^2,总体呈退化趋势,而2004—2007,2011—2014,2014—2016年植被覆盖度增加面积超过研究区面积的1/2,植被恢复效果较好;(2)不同坡向上,在平地区域不同植被覆盖变化类型的分布差异较显著,其余坡向上的差异不明显;不同植被覆盖变化类型在不同高程、坡度、坡度变率、地形位和地形起伏度上的空间分布差异明显。[结论]坡向对植被生长变化的影响不明显,而高程、坡度、坡度变率、地形位和地形起伏度对植被覆盖变化的地形效应较明显。

东北老工业区植被覆盖度时空特征及城市化关联分析

植被覆盖度研究一直是揭示自然生态系统演化以及人类活动与环境演化关系的重要路径。基于MODIS数据,结合像元二分模型和一元线性回归方法,定量估算东北老工业区2000—2015年的植被覆盖度及其时空变化特征,并特别分析辽宁省植被覆盖度变化与城市化水平的关系。结果表明,1)东北老工业区的植被覆盖度呈现"中部高-东西低-西部最低"的空间分布态势;2)黑龙江省和吉林省高植被覆盖区明显增加,但辽宁省高植被覆盖区面积比重由2000年全省总面积的49.99%下降到2015年的25.99%,这一变化情况在辽宁省城市化水平的空间差异中得到进一步的验证;3)除部分辽西城市植被退化趋势严重并且逐渐向东蔓延,东北老工业区植被覆盖表现出增加的趋势,特别是黑吉两省与内蒙古交界的大部分地区植被覆盖度明显提高。研究结果阐明了东北老工业区植被演化格局与过程,对推动绿色可持续转型及生态文明建设具有重要意义。

基于混合像元分类的城市地表覆盖时空演变格局研究

基于可能性理论和中心点聚类方法的原理,提出可能性C中心点(PCRMDD)聚类方法。运用该法对上海市中心城区Landsat ETM+遥感影像进行混合像元分类,并自动获取地物端元盖度分布图及影像端元光谱,解混精度的检验结果表明该方法能在噪声环境下获得精度较高的分类结果和端元光谱信息。根据各时期研究区域的地表覆盖分类结果,应用GIS空间分析功能,进一步探讨在城市化过程中上海中心城区土地利用时空演变格局,揭示城市用地空间扩展模式。

高原河谷城镇化对植被覆盖度的影响

以典型的高原河谷城市--西宁市为例,定量分析了2000-2015年研究区景观格局及植被覆盖度的时空演变,揭示了高原河谷地区的城镇建设对植被覆盖度的干扰过程及生态环境质量的影响。结果表明:(1)2000-2015年间,西宁市城镇面积增幅为25.99%,总体城镇化率为4.76%,各区县城镇化水平差异较大;(2)西宁市平均植被覆盖度呈增加趋势但不显著(P<0.57)。植被覆盖度以中高和高植被覆盖度为主,空间上呈现“东西低-南北高”的分布特征,退耕(牧)还林(草)区的植被覆盖度显著增加(P<0.01),说明生态恢复工程效果显著;(3)区县尺度上,城镇化速率与中高覆盖植被面积变化呈显著负相关(P<0.01),区县内生态质量有所下降,城镇发展程度和区位条件的差异是影响中高覆盖度植被变化的主要因素;(4)格网尺度上,建成区及其周边区域的低覆盖植被面积呈显著增加趋势(P<0.01),表明城镇内部区域生态质量有所改善。研究结果对保护和提高西宁市生态环境质量及合理推进城镇建设等方面具有重要意义。

基于混合像元分解的HJ-1卫星时间序列影像城市植被信息提取

针对城市植被信息提取中单时相遥感影像无法获得物候特征及影像中的混合像元问题,本研究以南京市区及近郊作为研究区,将2013年77景环境星(HJ-1)归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列数据看成"类高光谱"数据,利用非限定性分解法、半限定性分解法和全限定性分解法对滤波后的数据进行分解,结果表明:使用非限定的线性光谱混合模型分解算法对研究区草地、灌木丛、针叶林、落叶阔叶林、常绿与落叶阔叶混交林5种植被信息提取的均方根误差(Root Mean Square,RMS)最小,此方法效果最好.

芝加哥片区化

城市空间的割裂导致了芝加哥普遍存在的隔离现象,并引发了社会和种族冲突问题。城市肌理被高速公路、铁路、水路、公园和工业走廊切割为独立的不规则土地斑块。芝加哥区划法进一步加强了种族隔离和隔都化。与雅典宪章的原则相类似,它将城市分成不同的单一功能组团,而且组团与城市障碍物及土地斑块相一致。为深入研究上述问题,本文将以建筑的视角探讨增加社会城市交流,促进民族与文化多样性,通过吸引"新兴产业"可持续发展城市经济等内容。作为城市更新反思会议的主要方面,本文将介绍"胖城计划"(Fatness)。

顾及POI与土地利用数据的城市功能区划分

城市功能区划分是落实智慧城市用地政策和用地开发管控的重要前提和基础,科学探测其分类及分布,对于支撑智慧城市空间规划具有重要作用。针对现有方法在功能区划分时受限于格网或者路网的束缚,易出现POI权重设置不科学及划分不精确的问题,提出一种基于聚类分析确定主体功能单元下的功能区划分方法。首先,基于POI数据,综合利用KD-Tree聚类算法、泰森多边形等算法,实现主体功能地块的划分;然后,基于核密度算法、像元阈值法等方法,实现精准功能区划分;最后,利用研究区真实数据,对城市功能区划分进行精度验证。实验结果表明,利用此方法进行功能区划分精度的Kappa值达到了0.763,具有良好的可行性。

自适应小波亚像素配准城市路网遥感识别系统

为了提高城市交通控制质量和可视化程度,设计并实现了一种基于自适应小波亚像素配准的城市路网遥感识别系统。系统采用SPCA563B单片机实现城市路网遥感识别信息的采集、传递、存储和控制,通过MSP430F149芯片图像传感器采集城市路网遥感图像,对城市路网遥感图像压缩处理模块的结构进行了详细分析,采用LPC2114芯片为核心的控制板,完成城市路网遥感识别系统中图像数据的转发、检测以及控制,完成城市路网遥感图像的可视化识别。软件设计过程中,利用自适应小波亚像素配准算法的优势,解决识别中的干扰问题。对城市路网遥感识别软件设计进行了详细分析,并给出了城市路网遥感识别的程序代码,仿真实验结果验证了本文系统的可行性和实用性。

基于DMSP/OLS灯光亮度组合值的城市建成区提取方法

DMSP/OLS数据的“饱和”和“溢出”效应会导致城市建成区与非城市建成区的边界像元被错分为城市建成区,影响城市建成区的提取精度。为此,提出了一种基于灯光亮度组合值的城市建成区提取方法,通过确定建成区与非建成区边界的精确位置,提高建成区提取精度。首先,构建灯光亮度组合值指数,增大城市建成区与非城市建成区的差异;然后,利用Mann-Kendall非参数检验法确定相邻像元灯光亮度组合值突变点,将其作为边界像元来识别城市建成区;最后,以广州市、深圳市、武汉市和南京市为研究区进行了实验验证。研究结果表明,该方法提取建成区的平均面积误差仅为10.89%,空间重叠覆盖率平均值为84.93%,Kappa系数为0.8630,总体精度为91.68%。与阈值法、邻域统计分析法(neighborhood statistics analysis,NSA)和特征组合值法相比,该方法提取精度最高,为城市建成区提取提供了一种高效准确的识别方法。

海南城市发展进程遥感监测分析与模拟

基于混合像元分解模型与CLUE-S模型相结合的方法,对海南省三亚市和海口市两个不同类型城市在2000–2015年期间的城市化进程进行了监测,模拟分析了两个城市2020年城市土地利用分布格局及异同.结果表明,海口市和三亚市在15年来均存在大幅度城市扩张情况,其中三亚市扩张了3.4倍,扩张程度更为巨大.实验表明,所采用的混合像元分解模型与CLUE-S模型相结合的方法能够提供更加精细的城市发展过程信息,有助于城市规划与国土资源决策.