黄河流域的土地利用和土地覆盖变化

应用遥感技术与地理信息系统 GIS技术进行土地利用变化监测 ,具有快速、客观的特点。对 L ANDSAT TM图像进行解译判读 ,获取反映黄河流域 2 0世纪 80年代末期到 90年代末期土地利用和覆盖情况的 1:10万比例尺的土地利用数据。通过应用土地利用动态度模型、土地利用程度时空演变模型、土地利用类型转移模型和土地利用重心模型 ,对黄河流域近 10年的土地利用和覆盖变化进行了研究。研究结果表明 :10年来黄河流域草地、林地面积减少 ,而耕地、建设用地、未利用地面积增加 ,而人类活动是黄河流域土地利用和覆盖变化的主导因子     

Approaches to prediction of impact of Qinghai-Tibet Railway construction on alpine ecosystems alongside and its recovery

With the aid of the Remote Sensing (RS) and Geographic Information System (GIS) technology, the ecosystem pattern and fragility distribution maps of the 50-km-wide zone along the Qinghai-Tibet Railway were compiled and by using the superimposition method, range, area and indexes of the impact of various engineering activities on the ecosystems alongside the railway were studied. By making reference to the ecosystem recovery process of the Qinghai-Tibet Highway, mechanisms of recovery of the alpine ecosystems alongside the Qinghai-Tibet Railway were studied and extents and rates of the recovery were predicted.The results indicate that the impact of the railway engineering on the Alpine ecosystem depends mainly on how much the original surface soil in the zone has been disturbed and how fragile of the ecosystem per se. Restoration of vegetation coverage and species abundance shows a significantly reverse relationship with disturbance of the original surface soil but an extremely positive one with the length of the restoration period and mean annual precipitation and annual mean relative humidity in the period and no obvious bearings with altitude and temperature. In sections with an annual precipitation over 200mm, as long as a certain percentage of original soil is left in situ, it takes only 30 years or so for biodiversity to get basically restored to the original level after the construction is completed but at least 45-60 years or more for vegetation coverage.     

中巴地球资源卫星02星交付仪式在京举行

2004年2月12日 ,国防科工委在京举行中巴地球资源卫星02星交付仪式。中巴地球资源卫星由中国和巴西两国从1988年开始共同投资、联合研制 ,02星与1999年发射的01星为同一型号的两颗卫星 ,都是我国第一代传输型地球资源遥感卫星。据该星总设计师孙家栋院士介绍 ,02星在01星基础上作了进一步改进 ,卫星由有效载荷舱和服务平台两部分组成 ,总质量1540千克 ,采用单翼太阳电池阵 ,设计寿命2年 ,26天可覆盖全球表面1遍。中巴地球资源卫星02星于2003年10月21日在我国太原卫星发射中心发射升空 ,并准确进入轨道倾角为98.5度的太阳同步轨道。至2004年1…     

IKONOS图象的城市土地利用信息提取方法研究

目前，高分辨率遥感图象正愈来愈多地应用于土地与水资源的监测和管理，其中，IKONOS图象数据因其具有较高的空间分辨率和人机交互的解译效果．在省市土地利用信息获取及在城市研究中更具有广阔的应用前景．以南京幅的IKONOS图象数据为基础．以城乡接合部的不同试验区为对象，着重讨论了高分辨率遥感图象城市土地利用信息的提取与分类方法其主要思想是先应用常用的多光谱分类算法对试验区的土地利用现状进行初始的类别划分，然后采用Majority Filtering技术获取图象的上下信息，并给你根据地物的形状特征和空间关系对初始分类结果进行校正与调整．研究结果表明，当初始的类别划分能满足一定精度时，采用本所提出的方法能进一步改善高分辨率图象城市土地利用信息的分类效果．     

基于DTR的中国东部沿海地区城市热岛强度定量估算

为解决城市热岛效应研究中热岛强度定量计算的难点问题,将气象学上的温度日较差(diurnal temperature range,DTR)概念引入遥感城市热岛强度定量评估中,通过对热红外影像的日夜温度差计算,得到基于遥感的DTR_MODIS. 结果显示: DTR_MODIS从2001年的10.61℃减小至2013年的9.47℃,12年间缩减了1.14℃,表明中国东部沿海地区热岛强度不断增加. 同时,利用基于气象站气温数据的DTR_WS对DTR_MODIS进行回归分析,揭示二者之间具有较显著的相关性,证明利用遥感热红外影像估算研究区DTR的可行性.     

无人机遥感图像融合方法研究

针对待拼接的无人机遥感图像重叠区域不规则、焦距不固定、含噪声较多等问题, 在加权平均融合算法的基础上引入基于折线化思想的不规则重叠区域生成法, 减小算法误差, 并运用基于距离比的自适应算法实现权值自动匹配, 使算法在不受重叠区域形状限制的同时得到更精确的计算结果, 解决了图像拼接后融合区域分辨率低、拼接线明显的问题。仿真表明, 改进的加权平均融合算法在保持原算法快速性的同时, 达到了去除拼接缝隙、使图像融合区域过渡平滑的目的, 并获得了融合质量较好的大视野无缝拼接图像。     

基于小波变换的卫星遥感图像融合与分割

近年来针对卫星云图的分析成为研究人员进行天气预报及判断大气走势的重要途径.卫星云图本身是包含着众多数据的数据源之一,是探测地表-大气系统的可靠依据.本文利用卫星云图的云层信息和水汽图的水汽信息,采用小波变换的方式对二者图像进行融合处理,使得一幅图像中既包含云层信息也包含水汽信息,并且在融合之后的基础上进行图像分割,实现云层、陆地、海洋的分离,便于下一步对特征提取的研究.     

三峡库区生态敏感区土地利用变化及其生态效应研究——以奉节、巫山县为例

土地利用变化及其生态效应的研究对区域社会经济发展和生态环境建设具有重要的指导意义.以三峡库区腹地奉节县和巫山县作为研究区,选取1986—2015年4期遥感、土地利用等数据,在GIS和RS技术的支持下,运用土地利用综合程度指数及土地利用转移信息图谱分析研究区土地利用空间格局演变,从湿度、绿度、干度和热度4方面构建遥感生态指数,反映研究区生态效应时空演变,探讨土地利用变化及其与生态效应的关系.结果表明:1)就土地利用而言,在空间上,耕地和建设用地多分布于低海拔平坝河谷区,林、灌、草地多分布于高海拔中低山区,交通建设用地多分布于各类用地之间起连通的作用;在土地利用强度和转换方式上,以林、灌、草地和耕地变化最为显著.2)就RSEI而言,长江及其支流沿岸低地,受土地开发及城镇扩张的影响,生境退化严重;研究区其余范围,受退耕影响,生境趋好.研究区土地利用变化最大的地区也是生态效应变化最为剧烈的地区,若人类活动合理,生态状况好转.     

基于低秩矩阵分解的遥感图像薄云去除方法

为了较好地去除遥感图像中的薄云遮挡,还原地表图像,提出了一种利用低秩矩阵分解的遥感图像薄云去除算法。该算法根据薄云图像的低秩特性,将图像进行低秩矩阵分解,得到背景、前景和薄云图像。然后将去除薄云信息后的前景和背景信息相融合,得到地物成分。将该算法与其他传统算法应用在卫星影像数据上,对薄云去除效果运用主客观指标进行比较。实验结果表明,该算法能够克服传统算法中细节丢失以及去除不完全的问题,不仅能够在不同地物场景下对薄云进行去除,而且能够较好地保留地物的细节信息。     

基于深度极限学习机的高光谱遥感影像分类研究

高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱遥感数据的地面物体精确分类是高光谱遥感技术的核心应用之一.针对高光谱遥感影像的分类问题,提出一种基于深度极限学习机(D-ELM)的分类方法.该方法利用一种新的深度学习模型——深度极限学习机对高光谱遥感影像进行分类,并与基于极限学习机(ELM)、支持向量机(SVM)、核极限学习机(ELMK)分类方法进行了比较分析.研究结果表明:相对于ELM、SVM、ELMK分类方法,D-ELM分类方法能够更加准确地挖掘高光谱遥感影像的空间分布规律,提高分类的准确度.