巢湖碳氮地球化学沉积记录揭示全新世以来的环境演化

通过对巢湖湖泊沉积物的总有机碳(TOC)、总氮(TN)、有机碳同位素(δ^(13)Corg)、氮同位素(δ^(15)N)和粒度参数的研究,重建了全新世以来湖泊初级生产力的变化,从而揭示了巢湖地区全新世环境变化历史。早全新世时期(10100—8200 cal a BP),较高的TOC和TN、在波动中逐渐升高的δ^(13)Corg值以及高δ^(15)N值、高黏土(<4μm)含量指示了较高的湖泊初级生产力,反映气候温暖较湿;中全新世时期(8200—4200 cal a BP),TOC、TN、δ^(13)Corg值和黏土(<4μm)含量总体上较高但呈波动降低趋势,粉砂(4—64μm)含量升高,δ^(15)N值总体较低但变化幅度较大,指示初级生产力由较高水平开始逐渐降低,气候由温暖湿润逐渐向凉干方向发展;7300—5800 cal a BP和4300—3800 cal a BP的低δ^(15)N和高TN值可能受到固氮蓝藻的影响,分别对应着7500—7000 cal a BP和4200—4000 cal a BP气候事件时期夏季风强度的减弱;晚全新世前期(4200—2000 cal a BP),TOC、TN、δ^(13)Corg值、黏土(<4μm)含量的低值和较高的δ^(15)N值、高粉砂(4—64μm)含量代表初级生产力继续降低,气候环境进一步向冷干转变。全新世以来湖泊初级生产力的逐渐下降反映了季风的逐步减弱,而逐渐减少的30oN夏季太阳辐射是驱动季风减弱的主要因素。晚全新世后期(2000 cal a BP至今),各环境代用指标的变化表现出不同于全新世环境演化趋势的异常,说明湖泊环境及沉积物受人类活动的影响加剧。

冬小麦叶面积指数遥感反演方法比较研究

叶面积指数(leaf area index,LAI)是反映作物生长状况和进行产量预测预报的主要指标之一,对诊断作物生长状况具有重要意义。遥感技术为大面积、快速监测植被LAI提供了有效途径。利用高光谱遥感影像,结合田间同步实验数据,探讨不同方法对冬小麦叶面积指数遥感反演的能力。介绍了支持向量机、离散小波变换、连续小波变换和主成分分析四种LAI反演方法。分别利用上述四种方法构建冬小麦LAI反演模型,并对不同算法反演的LAI模型进行了真实性检验。结果显示,支持向量机非线性回归模型精度最高,对冬小麦LAI估算能力最强,反演值与实测值拟合的决定系数为0.823 4、均方根误差为0.419 5。离散小波变换法和主成分分析法都是基于特征提取和数据降维,其多元变量回归分析对LAI估算能力相近,决定系数分别为0.697 1和0.692 4,均方根误差分别为0.605 8和0.554 1。连续小波变换法回归模型精度最低,不适宜直接用其小波系数来反演LAI。结果表明,非线性支持向量机模型最适宜用于研究区域的冬小麦LAI反演。

近30a来雅鲁藏布江流域冰川系统特征遥感研究及典型冰川变化分析

综合运用RS和GIS手段,利用卫星遥感影像,结合中国第一次冰川编目数据及数字高程模型(DEM),获取了雅鲁藏布江流域不同朝向上冰川面积分布、冰川面积随高度带分布状况统计结果,及3个冰川聚集区21条大型海洋性冰川在1976、1988、2005年的冰川面积、厚度、冰储量及物质平衡线等基本参数,丰富了该研究区相关冰川信息,并统计分析了21条大型冰川面积变化状况及与气候变化的响应关系.研究表明:3个区域冰川在1976—1988年和1988—2005年时间段内随着气温、降水的变化出现了相应的波动,但总的来说在1976—2005年间,这21条大型海洋性冰川并没有出现明显的前进或退缩现象,这可能是由于降水的增加抵消了气温升高给冰川积累带来的不利影响,也可能是由于大型冰川在高海拔地区有较大的积累区补给造成的,进一步的研究亦在进展中.

基于GF-1 WFV影像的浑河悬浮物浓度和浊度遥感反演研究

综合利用高分一号(GF-1)卫星WFV影像和地面同步水质实测数据,以沈阳浑河为实验区,分别建立悬浮物浓度和浊度反演经验模型。经验证分析GF-1WFV数据可有效反映浑河悬浮物浓度和浊度,且反演精度较好,结果均符合常规水质监测规律。同时基于浊度数据模拟的悬浮物浓度也具有较高的精度,拟合度达到0.68,可为今后简化浑河悬浮物浓度反演流程提供经验。将反演模型应用于GF-1卫星WFV数据,得到2016年9月浑河悬浮物浓度和浊度分布图,反映了浑河流域悬浮物浓度和浊度的空间变化规律。对GF-1卫星WFV数据和Thermo便携式浊度计综合运用进行中小尺度河流水质遥感监测有一定的参考价值。

大区域海洋遥感数据处理方法研究

卫星遥感是现代海洋大尺度观测的主要技术手段。30多年来，对地观测卫星积累了大量的海洋观测数据，在区域海洋科学研究中得到了广泛的应用和关注，对遥感数据集的精度也做了许多分析和评价[1-5]。利用海洋卫星、资源卫星和气象卫星的数据，建立了长时序列连续立体观测数据库。从这些数据支撑下的研究发现，西太平洋、东太平洋、北大西洋、黑海等海域对整个海气相互作用系统起着至关重要的作用，从中找到了一些区域，如用厄尔尼诺区的异常海温指示厄尔尼诺事件[6-7]、IDO指示年代际气候振荡[8]等指示性区域，重点分析这些代表性区域有助于见微知著，把握现象背后的内在规律。如何更有效地找到对气候影响较大的海域，高效地探索这些区域不同要素的时空变化规律，进而预测海洋现象，分析造成这种现象的自然因素（气候突变、水循环、大气循环等）和人为因素（人类活动造成全球升温等）及其影响，是目前对海观测与海洋工作者应该回答的问题。同时，为准确预报海洋环境和海洋灾害，要求海洋资料处理分析工作必须由定性分析为主发展到定量分析为主。因此，“唤醒”沉睡的数据，从纷繁复杂的数据中得到有用的信息，是海洋遥感的目的之一。目前海洋数据处理方法以点数据处理方法为主，而遥感观测数据以面为主，因此，需要以海洋学、大气学为背景，结合地理信息学科方法，发展能有效使用遥感观测数据的处理技术与方法。在此领域，已有对部分海域时空特征大量的观测和分析，形成了很多数据处理方法并已得到很好的应用。

基于多核支持向量机的小麦条锈病遥感监测研究

为提高小麦条锈病的遥感探测精度,依据日光诱导叶绿素荧光和冠层反射光谱数据在小麦条锈病遥感探测中的优势及其与病情严重度之间的映射关系,在运用独立分量分析法对光谱数据降维的基础上,利用核学习算法分别确定冠层光谱特征和日光诱导叶绿素荧光特征反映小麦条锈病病情严重度的最优核,同时针对冠层光谱与叶绿素荧光特征组,建立基于不同特征最优核映射的多核学习支持向量机模型,并与基于特征直接拼接的模型结果进行对比。结果表明,对于冠层光谱而言,采用高斯核构建的支持向量机模型可较好估测小麦条锈病病情指数,而日光诱导叶绿素荧光指数则是采用多项式核的效果更优;采用直接拼接法融合叶绿素荧光指数和冠层光谱特征能够在一定程度上改善小麦条锈病病情指数估测精度,决定系数(r^2)最高为0.847,而单独利用冠层光谱信息或者叶绿素荧光信息时,r^2最高仅为0.802;对日光诱导叶绿素荧光和反射光谱特征分别利用其最优核进行映射构建的多核学习支持向量机模型精度最高,r^2为0.915,RMSE为0.090,优于基于特征直接拼接构建的支持向量机模型精度。

基于本体概念相似度的遥感信息服务匹配研究

构建了一个遥感信息领域本体,基于领域本体和Word Net词典对遥感信息服务进行语义扩展,提出了一种基于本体概念相似度的遥感信息服务匹配方法,并对Leacock和Chodorow语义相似度计算模型进行改进。实验结果表明,该改进模型比距离模型和信息量模型都有提高,基于本体概念相似度的遥感信息服务匹配方法的查全率和查准率都能达到70%以上,较关键字匹配方法有显著提高。

遥感数据时空融合研究进展及展望

遥感数据在空间分辨率和时间分辨率上相互制约,单一的卫星传感器不能获得既具有高空间分辨率又具有高时间分辨率的数据,遥感数据时空融合技术是目前解决此问题的重要方法之一。对此介绍了国内外在遥感数据时空融合领域的主要研究成果,通过对当前主流融合模型构建理论进行对比分析,将时空融合模型分为基于变换的模型和基于像元重构的模型,并且进一步将基于像元重构的模型分为了基于线性混合模型和时空自适应融合模型2类,分别介绍了各类模型的基本原理与方法,并对模型的优缺点进行了对比分析。最后,对时空融合模型的发展趋势从数据、应用和尺度3个方面进行了展望。

面向地块的农作物遥感分类研究进展

农作物遥感分类是农作物面积监测的核心问题,对于进一步开展农作物长势、产量等专题监测具有重要意义。与同质像元聚类得到的对象相比,地块数据包含了更为精确的位置和面积信息,被越来越多地应用于农作物遥感分类。首先,系统总结了面向地块农作物遥感分类在理论、方法和实践中取得的进展;然后,分析了该方法目前存在的问题;最后,对未来的发展趋势进行了展望。研究认为,数字化和影像分割是获取地块数据的主要途径,陆续发布的全国地块数据集也给面向地块农作物遥感分类带来了新的契机;将面向地块的农作物遥感分类策略分为考虑地块整体特征和以像元为基础2种,并总结了遥感分类特征和分类方法取得的进展;在未来一段时间,多源数据的应用、地块边界检测技术的发展、分类特征的挖掘以及遥感分类运行化能力的提高将是面向地块农作物遥感分类的重要研究内容。

作物病虫害遥感监测与预测研究进展

作物病虫害作为严重的生物灾害已危及到世界农业生产和粮食安全,病虫害对我国粮食生产造成的损失日益加剧,植保部门目前使用的测报和防控方式无法满足大范围的精准、高效、绿色科学防控需求.因此,建立基于遥感手段的高效、无损的大面积病虫害监测预测方法,将提升我国大面积作物病虫害的监测和测报精度与防控水平,有利于减少农药施用,对保障国家粮食和食品安全,实现农业可持续发展具有重要战略意义.近年来出现的多种形式的作物病虫害遥感监测方法和技术手段为病虫害的有效防治和管理提供了重要支撑,通过对相关技术方法进行综述,本文从多尺度下的作物病虫害遥感监测与预测机理、监测方法、预测预报方法、典型模型与应用等方面阐述了作物病虫害遥感监测和预测预报研究进展,并探讨了作物病虫害遥感监测当前面临的挑战以及未来发展趋势,建议通过建立全国尺度的作物病虫害遥感监测预测系统,构建作物病虫害绿色智能防控体系,实现病虫害大面积、快速的监测、预测预报和精准、高效、绿色科学防控.

基于单时相高分辨率遥感影像的震后道路提取研究

地震发生后,道路是生命救援及运输物资的重要通道,因此,快速有效地获取道路的信息是震后抢险救灾非常关键的一步。在震前影像及矢量数据等缺失的情况下,本文基于2014年8月3日云南鲁甸地震的单时相高分辨率World View-2遥感影像进行了震后毁损道路提取方法研究。在提出的一个震后毁损道路提取方法中,先在e Cognition软件中对影像进行多尺度分割和最邻近分类,然后在Matlab软件平台下对分类结果进行二值化,并用数学形态学技术去除偏大和偏小的地物,最后利用Hough变换进行道路检测得到毁损的路段。实验结果证明:该方法能够快速有效地提取出震后的山区道路毁损信息,可为地震应急提供信息支持。

湖库水生植被光学遥感监测研究进展和展望

水生植被在湖库生态系统中发挥稳定沉积物、净化水质、平衡水生生态系统等作用,监测水生植被变化对湖库生态环境的监测具有重要意义。梳理了国内外利用高光谱、多光谱光学卫星遥感数据提取湖库水生植被的方法,尤其是针对其中涉及的阈值确定问题进行总结分析,介绍了典型研究区水生植被时空分布和变化以及与水质的关系,最后给出一些水生植被遥感监测的展望。

结合显著性检测和超像素分割的遥感信息提取算法研究

针对目前显著性检测算法在复杂多目标遥感图像中检测能力不足的问题,提出一种结合显著性检测和超像素分割的遥感信息提取算法。该算法通过GBVS(graph-based visual saliency)方法检测出原始影像中部分显著性较高的区域,然后利用SLIC(simple linear iterative clustering)方法分割显著区域,并修正显著区域边缘得到训练样本数据,进一步对训练样本进行统计学习,构造显著目标提取的阈值区间,最后实现对整幅超像素图像的显著目标提取。实验结果表明,该算法具有较高的准确率和召回率,能更加有效地检测出遥感图像中的显著目标,比目前主流的显著区域检测算法提取效果更好,可以很好地应用于具有明显显著区域的复杂多目标遥感图像信息提取中。

巢湖东部第四纪红土微量元素地球化学特征及物源初探

在野外地质地貌考察与采样的基础上,利用X射线荧光光谱分析对巢湖东部第四纪红土的微量元素含量进行测定,结合微量元素富集指数和因子分析方法,并将巢湖东部第四纪红土与长江河漫滩沉积物、西北黄土沉积物和上陆壳的相应微量元素通过判别函数和物源指数相比较,初步探讨了巢湖东部第四纪红土的微量元素地球化学特征及其物源。结果表明:(1)微量元素变化率△值显示,微量元素Sr的△<0且|△|<10%,表明其相对Ti发生了少量的迁移,微量元素Ni、Mo、Ga、Zn、V、Cu、Ba、Co、Cr、Pb、Th和Nb的△值> 0,表明这些元素相对Ti在化学风化过程中发生了富集;(2)巢湖东部第四纪红土、长江河漫滩沉积物和西北黄土沉积物的各微量元素与上陆壳(UCC)微量元素平均值的对比发现,巢湖东部第四纪红土与西北黄土沉积物的微量元素相似度较高,而长江河漫滩沉积物显示了Pb、Zn、Cu和V的富集,与上述两者不同;(3)将三地的判别函数FD值和物源指数IP进行分析,巢湖东部红土IP黄土为0. 395(<0. 5),而IP长江河漫滩为0. 605(> 0. 5),表明巢湖东部第四纪红土的元素组成更接近于西北黄土沉积物,而不同于长江河漫滩沉积物,主要物源十分类似于西北黄土,而异于长江河漫滩沉积物。

作物病虫害遥感监测研究进展与展望

病虫害是农业生产过程中影响粮食产量和质量的重要生物灾害。目前,我国的作物病虫害监测方式以点状的地面调查为主,无法大面积、快速获取作物病虫害发生状况和空间分布信息,难以满足作物病虫害的大尺度科学监测和防控的需求。近年来,随着国内外卫星光谱、时间和空间分辨率的不断提升,利用遥感手段开展高效、无损的病虫害监测成为有效提升我国病虫害测报水平的重要手段。与此同时,多平台、多种方式的作物病虫害遥感监测也为病虫害的有效防治和管理提供了重要科技支撑。本文从作物病虫害光谱特征、遥感监测方法和遥感监测系统等方面阐述了作物病虫害遥感监测研究的进展,分析了当前面临的挑战,并对未来发展趋势进行了展望。

基于遥感技术的作物病虫害监测研究进展

作物病虫害严重影响农业生产和粮食安全。近年来,随着全球气候变化,病虫害造成的经济损失日益加剧。作物病虫害监测目前主要依靠植保人员田间调查,这种传统的病虫害监测方法费时费力且存在以点代面的代表性差、主观性强和时效性差等弊端,难以满足大范围病虫害实时监测的需求。遥感技术的出现为作物病虫害监测提供了新的契机,是未来大面积病虫害监测与产量损失评估的重要手段。本文在阐述作物病虫害胁迫光谱响应的生理机制的基础上,对目前作物病虫害遥感监测中较为通用的方法进行了综述,同时指出了目前作物病虫害遥感监测中尚需解决的关键技术问题,并就如何实现大面积作物病虫害遥感监测提出了解决思路。

基于支持向量机回归的冬小麦叶面积指数遥感反演

利用单一植被指数反演叶面积指数(LAI)时,存在不同程度的饱和性且每种指数只能包含部分波段的信息,该文提出利用支持向量机回归的方法进行叶面积指数的反演,可以用更多的波段信息作为输入参数以提高LAI反演精度。选取冬小麦起身期、拔节期和灌浆期的实测光谱和叶面积指数数据,用统计回归的方法分别建立NDVI-LAI和RVI-LAI模型,用支持向量机回归(SVR)方法分别建立以NDVI、RVI以及蓝、绿、红和近红外4个波段数据作为输入参数的回归预测模型,即NDVI-SVR、RVI-SVR和NRGB-SVR模型。上述5个模型分别利用对应时期的环境星HJ-CCD数据进行验证。结果表明:NDVI和RVI与叶面积指数(LAI)的回归模型预测的结果与实测值的RMSE分别为0.98与0.97;预测精度分别为59.2%与59.3%。以NDVI和RVI结合实测叶面积指数(LAI)训练并预测的结果与实测值的均方根误差RMSE分别为0.71与0.83预测精度分别为70.4%与67.1%。以蓝(B)、绿(G)、红(R)以及近红外(NIR)波段作为输入参数回归并预测的RMSE值为0.42,预测精度为81.7%。通过支持向量机回归预测具有更好的拟合效果,可以输入更多波段信息,提高了叶面积遥感反演精度,对冬小麦的多个生育期均具有较好的适用性。

星载激光雷达GLAS与TM光学遥感联合反演森林叶面积指数

通过对地球科学激光测高系统(Geoscience Laser Altimeter System,GLAS)波形数据进行高斯分解,提取精确的波形特征信息,计算出GLAS波形数据激光穿透指数(LPI),基于LPI提出GLAS数据反演叶面积指数(LAI)的新方法,建立了GLAS数据反演森林LAI的模型(R2=0.84,RMSE=0.64),并用留一交叉验证法(LOOCV)对反演模型的可靠性进行了验证,结果表明,该模型没有过度拟合,具有很好的泛化能力,最后通过人工神经网络融合GLAS与TM(Thematic Mapper,专题制图仪)遥感数据实现区域尺度森林LAI反演,用25个实测LAI对反演精度进行了验证,研究表明反演LAI与实测值较为接近,精度较高(R2=0.76,RMSE=0.69),为生态环境研究提供精确的输入参数,为GLAS数据大区域高精度LAI反演提供新的方法和思路.

基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测

除选择合适的建模方法外,选择合适的特征选择算法来优选建模特征对提高作物病害的遥感监测水平具有重要作用。选取陕西省关中平原西部小麦白粉病为对象,基于Landsat 8遥感影像共提取了18个特征变量,通过相关性分析(correlation analysis,CA)和最小冗余最大相关(minimum redundancy maximum relevance,mRMR)2种特征选择算法筛选出了2组不同的特征变量,分别将其输入Fisher线性判别分析(Fisher linear discriminant analysis,FLDA)、支持向量机(support vector machine,SVM)和AdaBoost 3种方法,构建小麦白粉病发生严重程度监测模型,并对其进行精度验证与对比分析。结果表明,2种AdaBoost模型对小麦白粉病发生严重程度的总体监测精度分别比FLDA模型和SVM模型高出27.9%、27.9%和14.0%、9.3%,mRMR算法筛选特征所建FLDA、SVM及AdaBoost监测模型的总体监测精度分别比CA筛选特征所建模型高出7.0%、11.7%和7.0%,且mRMR算法筛选特征结合AdaBoost方法所建监测模型的精度和Kappa系数分别为88.4%和0.807,为所有模型中最高。说明将AdaBoost方法用于作物病害遥感监测效果较好,在作物病害监测模型的特征变量选择中mRMR算法比常用CA算法更具优势。研究结果可为其他作物病害遥感监测提供方法参考。

我国主要积雪区AMSR-E被动微波雪深算法对比验证研究

采用高级微波扫描辐射计(AMSR-E)亮温数据,选取Chang算法、GSFC 96算法、AMSR-E SWE算法、青藏高原改进算法和Savoie算法等5种雪深反演算法,利用2010年2月10-12日3d的气象站台雪深观测数据,对比分析了5种雪深反演算法在新疆地区、青藏高原、内蒙古地区、东北地区、西北地区和华北平原的精度和适用性.结果表明:总体验证中,青藏高原改进算法3d的结果均优于其他算法,其均方根误差(RMSE)为9.16cm、9.96cm和9.63cm,平均相对误差(MRE)分别为59.77%、52.79%和48.47%.分区验证中,结果最佳的算法分别为:在新疆地区,GSFC 96算法RMSE为6.85～7.48cm;内蒙古地区,青藏高原改进算法的RMSE分别为5.9cm、6.11cm和5.46cm;东北地区,青藏高原改进算法RMSE为6.21～7.83cm;西北地区和华北平原5种算法的适用性不佳;青藏高原由于缺乏实测数据,无法得到该区验证统计结果.