基于MRSEDI与CA-Markov的延河流域生态环境质量评价及预测

为探索快速准确评价和预测生态环境质量的普适方法，以延河流域为例，采用1998年、2004年、2010年、2016年6—9月的Landsat TM/OLI遥感影像数据，选取土壤侵蚀指数SEI、建筑裸土指数NDSI、湿度指数WI、植被指数NDVI计算改进型遥感生态距离指数MRSEDI,对1998—2016年生态环境质量进行评价，并采用CA-Markov模型对生态环境质量进行模拟预测。结果表明：(1)改进型遥感生态距离指数MRSEDI能够综合多指标信息、较为准确地反映延河流域生态环境状况，可作为生态环境质量评价的指标；CA-Markov模型兼具CA模型模拟复杂系统空间变化的能力和Markov模型长期预测的功能，可用于模拟预测流域生态环境质量。(2)延河流域生态环境质量在空间上具有西北低、东南高的特征，1998—2016年负向指标SEI和NDSI均呈下降趋势、正向指标WI和NDVI均呈上升趋势，MRSEDI流域均值从0.873提高到1.376,流域生态环境质量整体上明显上升，但存在局部生态环境质量退化现象。(3)未来延河流域生态环境质量将整体持续上升，但流域北部和中部生态环境极度脆弱区生态环境...     

基于XGBoost算法的遥感图像云检测

云检测是利用卫星遥感影像进行相关应用的基础。针对云检测过程容易受到复杂地表环境干扰的问题，提出了一种基于极限梯度提升（XGBoost）算法的云检测模型。该方法以TOA反射率、亮温和光谱指数等组建特征空间；然后，采用贝叶斯优化对XGBoost模型的超参数进行了调整。为检验XGBoost的云检测效果，选择不同云场景的Landsat 8遥感影像为测试数据，并把XGBoost、随机森林和决策树的云检测结果作对比。结果表明：本文提出的XGBoost云检测模型的云识别效果优于随机森林和决策树，展现了XGBoost在云检测中的潜力；且XGBoost的F1分数和Kappa系数分别可达73%和71%以上，实现了较准确的云检测，可为后续开展云检测研究提供一定的支持。