线性光谱混合模型影响因子不确定性定量研究

线性光谱混合模型(Linear Spectral Mixing Model,LSMM)是一种像元分解模型,由于其简单和易操作性的特点,在目前亚像元研究中应用颇为广泛。其分离精度受多种因素的影响,但目前对该模型的研究多集中在对模型本身的线性假设评价及端元光谱选取方法上,而忽略了模型应用的环境条件(大气反射、散射、地形起伏等)对模型分解精度的影响等。本文以线性光谱模型提取植被分量为例,探讨环境大气条件、地形因素对模型精度影响的不确定性。研究将数据处理为四个层次,即原始的ASTER数据,利用MODTRAN进行大气校正的数据,经C-地形校正的数据,同时进行了大气校正和地形校正的数据。然后在四个层次上依次提取植被丰度,并将其和NDVI进行线性回归分析,检验植被丰度的分离精度,从而量化大气、地形等因子对LSMM的影响程度。研究结果表明:大气条件、地形因素都会制约LSMM分离精度的提高,特别在有地形起伏的中小空间尺度范围内,地形因子对线性光谱混合模型的影响远大于大气影响。     

定南县岭北矿区植被覆盖与地形因子关系分析

以岭北稀土矿区植被退化的环境为研究背景,数据选择1990、1999、2008、2013四年30 m分辨率LandsatTM数据,利用像元二分模型估算研究区植被覆盖度;利用DEM数据获取研究区的坡度及坡向地形因子,并对不同地形因子进行定量评价。分析定南县岭北矿区植被覆盖度与不同地形因子条件的相关性,及不同地形因子条件下植被覆盖的分布特点。研究结果表明:植被覆盖度受高程、坡度影响较大,其中在高程400 m到500 m,坡度6°~15°区域内植被覆盖度较其他区域高,坡向影响主要表现在阳坡阴坡上,阴坡植被覆盖度普遍比阳坡高。研究结果能够快速、客观地反映稀土矿区植被的状况,为南方稀土矿区环境的治理和监测提供有效科学依据。     

水土流失区马尾松林植被提取的土壤调节指数分析

为实现水土流失区植被遥感信息的准确提取,本文采用2007年ALOS 10 m多光谱影像,利用土壤调节植被指数SAVI和MSAVI,对福建长汀水土流失区马尾松林不同植被覆盖密度的3个实验区进行植被提取,并选用不同的土壤调节因子（L=0.25,0.5,0.75,1）做实验,将结果和以NDVI植被指数提取的结果进行对比,分析了提取效果及受土壤噪音的影响程度。实验表明,SAVI指数能提高水土流失区的植被提取精度。在中、低植被覆盖区,其提取的总精度比NDVI高出2%~7%,Kappa系数高出7%~18%;而土壤调节因子L的取值对植被信息的提取也呈现出一定的规律性,即：随着L从0向1递增,SAVI提取稀疏植被的能力上升而探测阴坡植被的能力下降。总体来看,对于低植被覆盖和中等植被覆盖地区,可分别用SAVI（L取0.75）和SAVI（L取0.5）来提取植被信息,对于高植被覆盖区,仍可直接用NDVI进行植被信息提取;研究发现MSAVI在植被信息提取中并不具有特别的优势。     

神农架林区植被分布与地形的关系研究

神农架林区是我国物种多样性最为丰富的地区之一,地形地貌复杂,对植被分布影响巨大。本文利用该地区2007年数字高程数据、2007年植被分布图以及2017年野外实地调查数据,基于最大熵模型和空间分析理论,从植被类型和种群两个角度研究该地区不同尺度植被空间分布的地形特征,分别量化植被类型和种群空间分布的地形范围,得到植被类型与地形因子关系模型、植被种群与地形因子关系模型。结果表明:①神农架林区影响植被空间分布的地形因子不同,其中影响针叶林分布的最重要的地形因子是高程和高程变异系数,影响阔叶林分布的是高程和坡向,影响灌丛分布的是坡向变率和坡向,影响草丛分布的较为分散;②典型植被种群分布的地形范围和植被类型的基本一致,其中90%针叶林分布在高程1600~2600 m间,典型种群巴山冷杉和华山松主要分布在高程1700~3200 m和1700~2200 m;85%的阔叶林分布在高程1000~2000 m间,典型种群青冈类和鹅耳枥主要分布在高程1200~2200 m间;95%的灌丛分布在坡向变率0~40°间,典型种群杜鹃和蔷薇主要分布在坡向变率小于40°的范围,但相应的关系模型存在差异,植被类型与地形因子为高斯模型,典型种群与地形因子关系模型相对复杂,不同种群的分布模式不同;③虽然坡度常作为数字地形的重要因子,但本文研究发现该地区坡度对植被类型和种群分布的影响不明显。研究结果可为神农架林区植被保护和恢复,以及植被规划和管理提供基础参考。     

基于垂直带谱的太白山区山地植被遥感信息提取

遥感数据因其全覆盖的优势被广泛应用于山地植被信息的调查和研究。为了实现山区植被类型的高精度提取,本文以太白山区为实验区,结合山地植被的垂直地带性分布规律,利用太白山植被垂直带谱、高分辨率遥感影像（GF1/GF2/ZY3）和1:1万的数字表面模型（Digital Surface Model, DSM）数据,进行了多层次、多尺度的影像分割,构建了具有植被垂直带谱信息的地形约束因子,并据此进行样本选择和面向对象的分类,分类总精度达92.9%,kappa系数达到0.9160。该方法相比于未辅以垂直带谱信息的分类,总精度提高了10%。研究结果表明,分类过程中加入具有垂直带谱信息的地形约束因子,能显著地提高样本选择的效率和准确率,为后续的植被分类提供了精度的保证。通过人机交互的方式,将垂直带谱知识应用到分类中,可以有效地提高山地植被分类的精度。     

电阻率法在辽西山区水文地质勘察中的应用与效果

一、前言辽宁西部地区约占全省总面积的三分之一,为山地或丘陵区。地形切割剧烈,沟谷纵横,植被不发育,水土流失严重,地表水系不发育,且多为季节性河流。区内百分之八十以上地区属于干旱缺水山区,少数地区连生活用水都十分困难。多年来在本区开展了以电阻率法为主的水文物探工作,取得了较好的地质效果。本文现就应用电阻率法在山区水文地质勘探中的效果进行讨论,以供参考。     

数字化技术在地籍测量中的应用

本文概述了数字化地籍测量从控制测量再到细部测量到室内成图的全过程.地籍图编好后,打印工作底图,按街道、街坊、宗地三级预编号,再进行外业调查,并利用南方CASS、SCS等相应地形地籍成图软件,录入当天调查信息,整个街坊调查完后,进行分类汇总.该方法与传统方法相比具有很大优越性,避免了相邻宗地之间在确认界址线后因无宗地图而拒绝签字盖章的现象,提高了权属调查的速度和精度.     

广元市丘陵地区土地整治潜力调查评价

通过调查3个丘陵区的土地整治情况,按地形、地貌进行土地整治分区,讨论土地整治潜力评价的方法,分别对农用地整治、农村建设用地整治、土地复垦和宜耕后备土地资源开发的建设规模和补充耕地的数量潜力与质量潜力进行分析计算,最后对调查区土地整治综合潜力进行评价。     

兴国县土壤侵蚀变化的遥感监测与分析

兴国县是南方红壤丘陵区水土流失最严重的地区之一,近20年的综合治理成效显著。为分析该时期县域内水土流失的变化趋势,并掌握其目前的水土流失状况,本文选用1987、1994和2000年的TM影像,采用基于NDVI 的动态监测和影像分类相结合的方法.对江西兴国县近20年水土流失的情况进行分析,定性与定量地反映兴国县水土流失的时空变化趋势,并结合地形因素进行交叉分析,获取水土流失的空间分布规律。兴国县水土流失变化分析结果表明:在水土流失面积方面,这3年中均呈减少趋势;在空间分布上,中南部和东部部分地区流失强度下降幅度较大,强度明显加剧的区域较少,除西南部的部分地区外,仅在县境边缘有零星分布。目前,水土流失主要分布在海拔500m以下和坡度20°以下的地区。     

北京：划定水土保持生态红线

近日,北京市法制办公布《北京市水土保持条例（送审稿）》（以下简称《条例》）,即日起至7月22日向社会征集意见。《条例》划定水土保持生态红线．将崩塌滑坡危险区、泥石流易发区、生态公益林、湿地、绿道郊野公园等纳入城乡总体规划的禁建区、限建区范围。《条例》要求,市水行政部门应当每5年组织对全市进行一次水土流失调查并公告调查结果。针对重大自然灾害造成严重水土流失的,水行政部门应当及时开展水土流失情况调查。     

喀斯特地区植被覆盖度变化及地形与人口效应研究

喀斯特山地流域植被变化具有独特性,探究其植被变化特征有利于石漠化治理和退耕还林工程科学实施。本文选取1990-2016年贵州石阡河流域Landsat系列遥感影像,采用像元二分模型和相关分析等方法研究流域植被覆盖度时空变化特征,并探究其变化的地形效应和人口效应。研究表明：① 1990-2016年贵州石阡河流域植被覆盖度总体处于上升趋势,植被恢复取得较好效果;② 1990-2016年贵州石阡河流域植被覆盖度变化的地形效应中,随海拔和坡度上升,植被覆盖度总体处于稳定上升趋势。随坡向变化中,无坡向地区植被覆盖度最低,其他坡向差异不明显;③ 1990-2016年贵州石阡河流域植被覆盖度变化的人口效应中,随人口密度上升,植被覆盖度总体处于下降趋势。研究结果可以为喀斯特地区退耕还林还草和石漠化治理提供科学依据。     

基于投影寻踪学习网络算法的植物群落高分遥感分类研究

传统的植物群落调查方法主要是野外样地调查和抽样统计,其对于地形复杂的区域难以做到对数据的全面调查;将遥感技术应用于植物群落调查,可实现数据的全面获取,以及对植物群落的快速分类。在深圳市植物群落野外样地调查的基础上,本文应用高分辨率Pléiades影像,结合光谱、地形及纹理信息,采用投影寻踪学习网络的方法,实现了深圳市东部地区植物分类。在实验中,选取人工林和次生林中典型群落样本,将投影寻踪与学习网络算法结合应用于植被分类,通过分类结果与经典监督分类方法比较表明,该算法应用于植物群落分类是可行的;并且该算法分类精度高,更新速度快,能满足深圳市重点项目基本生态控制线专项调查的要求。     

陇东黄土区地质灾害气象预警方法与应用——以泾川县为例

在地质灾害详细调查的基础上,基于GIS平台以地质灾害点密度为依据生成初步地质灾害易发性区划图.从诱发地质灾害的内部因素出发将地层岩性、地形坡度、地貌类型、植被覆盖率、多年降雨量分级后,叠加到初步易发性区划图中,生成了地质灾害气象预警区划基图.以降雨作为诱发地质灾害的主导外在因素,重新对泾川县进行了地质灾害气象预警区划,...     

地形复杂山区常用植被指数的地形校正对比

植被指数能反映地表植被生长、覆盖等情况,常作为反演植物生物物理参量的有效参数。然而,在地形复杂的山区,由于地形效应的影响,导致一些植被指数适用性受限。基于以上现状,本文以贵州省江口县为研究区,采用4种地形校正模型（Teillet-回归模型、Minnaert模型、C模型、SCS+C模型）对常用植被指数（SR、MSR、NDVI、SAVI、MSAVI、EVI）进行地形校正,以评价不同坡度条件下植被指数地形校正效果。结果表明：地形校正对缓解波段比形式的植被指数（SR、MSR、NDVI）地形效应的作用有限,而对非波段比形式的植被指数（SAVI、MSAVI、EVI）效果较好。另外,随着坡度增加,地形效应显著,地形校正效果也更明显：坡度较小时,波段比形式的植被指数无需进行地形校正,而建议非波段比形式的植被指数进行地形校正;坡度较大时,建议2类植被指数都进行地形校正,但非波段比形式的植被指数可能会发生过度校正现象。此外,地形校正后非波段比形式的植被指数与森林地上生物量线性回归模型的精度明显提高。因此,建议在地形复杂山区利用非波段比形式的植被指数进行定量反演时,先进行地形校正。     

基于MODIS-NDVI的云南省植被覆盖度变化分析

植被覆盖变化监测是区域资源环境承载力研究的基础,本文通过计算2001-2016年MODIS-NDVI植被指数,辅以趋势分析、变异系数等方法,估算了2001-2016年云南省植被覆盖度,进而探讨了植被覆盖度的时空变化特征及与地形因子之间的分布关系。结果表明：① 2001-2016年云南省植被覆盖度呈显著增加趋势,增速为4.992%/10 a。② 在空间上,植被覆盖度空间格局呈现由南向北、由西向东逐渐降低的特征,滇西、滇西南地区植被覆盖度最高,滇西北地区最低;植被覆盖度稳定性表现为由西南向东北方向波动性越来越大;滇东北地区植被覆盖度增加趋势明显优于其他区域,研究区内植被覆盖度变化趋势为增加、基本稳定和减少趋势的面积分别占49.53%、43.76%和6.71%。③ 植被覆盖度在2001-2006年、2006-2011年、2011-2016年3个时段的面积转移矩阵结果均表现为植被覆盖进化面积大于退化面积,二者的比值分别为1.42、1.63、2.01,植被覆盖情况呈持续改善趋势。④ 云南省植被覆盖度与地形因子之间的关系表现为,平均植被覆盖度随海拔增加呈先增加再减少、再增加、再减少趋势;随坡度的增加呈先增加再减少趋势;随坡向的变化呈由北向南逐渐减少趋势。     

高时间分辨率遥感在土壤质地空间变化识别中的应用

在土壤信息推测研究中,遥感技术通常被作为辅助手段,用来提供地形和植被数据,并利用它们与土壤之间的关系推导土壤空间信息。然而,在平原等地形平缓的农业区,易于观测的地形和植被等环境因素,通常与土壤的协同程度较低,不能有效用于推测土壤质地等属性的空间变化。对于这类地区,如何寻找新的易于获取的变量,以准确地揭示土壤属性的空间变化,是需要解决的问题。本文提出了利用高时间分辨率遥感捕捉这类地区土壤质地空间变化的方法。采用光谱-时间响应线对多时相的光谱数据进行组织表达,使用光谱信息散度定量刻画不同光谱-时间响应线之间的差异。结果显示,在相同的地形和植被条件下,土壤质地相同的区域,其地表动态反馈模式明显相似;土壤质地不同的区域,其反馈模式也明显不同;土壤质地越相似,反馈模式也呈相似趋势。这表明,高时间分辨率遥感获取的地表动态反馈能够有效地指示土壤质地的空间差异。本文的工作表明了高时间分辨率遥感在土壤空间变化识别方面的应用潜力。     

江西省都昌县山地与平原植被界线提取

由于生长环境、地带性分布规律和垂直差异,山地与平原地区的不同植被类型在遥感影像上存在“同物异谱”及“异物同谱”现象,易导致土地类型的误分。为避免此类错分,在进行土地覆被类型解译之前,应首先确定平原、山地植被的边界。本文在遥感影像聚类分析、GIS空间分析及数理统计分析技术的支持下,以江西省都昌县北部地区为研究区域,基于高分一号（GF-1）遥感卫星影像及地形要素,完成了山地植被与平原植被的界线提取。实验结果显示,本研究得到的植被界线精度高达99.47%和96.28%。与单纯基于遥感影像分类得到的植被边界成果相比,精度提高了近25%和23%。研究证明,高分辨率遥感影像与地形因子结合后,计算得到的山地平原划分界线精度有明显提高,可以满足高分辨率遥感影像土地覆被类型解译研究的需要。     

全球定位系统（GPS）在土地测量中的应用

一、土地测量 运用测量学和遥感技术方法对各类土地的数量、分布、地形等特征进行测量、绘图的工作。包括地形测量、地籍测量、土地平整测量、土地利用现状测量、荒山荒地等后备资源调查等内容。所使用的测量方法包括大地测量、普通测量、航空摄影测量、遥感技术及地图编制等。目前,在国家基本地形图逐步完成的情况下,土地测量主要指地形测量以外的其它各项内容,并均以国家基本地形图为基础进行测量。     

改进的DisTrad模型在地形起伏区地表温度空间分辨率提升的应用

DisTrad（Disaggregation procedure for radiometric surface temperature）模型是常用于遥感地表温度空间分辨率提升的主要模型之一。DisTrad模型常面向空间范围有限、地形相对平坦的研究区域,且常选用植被参数（如植被指数或植被覆盖度等）作为关键参数。然而在空间范围较大、地形起伏地区,地表温度的空间变异可能无法完全通过植被参数解释。本研究选取四川盆地及毗邻地区为研究区,通过模拟数据研究DisTrad模型在地形起伏区地表温度空间分辨率提升中的适用性。数字高程模型（Digital Elevation Model,DEM）、归一化差值植被指数（Normalized Difference Vegetation Index,NDVI）等参数,采用滑动窗口逐步回归,将空间分辨率为6km的地表温度提升至空间分辨率为1km。研究结果表明,改进的模型在平原及海拔较低的高原地区提升获得的地表温度空间分辨率具有较高精度,均方根误差（Root Mean Square Error,RMSE）为0.5K左右;在地形起伏较大的地区,RMSE为4K,验证了改进的模型提升的可行性。     

大通县水土保持生态建设的主要经验与做法

大通县位于青海省东部湟水流域,总土地面积3090km2,其中水土流失面积1978km2,占总面积的64%,地势自西北向东南逐渐降低,境内地形复杂,气候干旱,水土流失严重,生态环境十分脆弱,严重制约着经济发展.