Use of Airborne Thermal Imagery to Detect and Monitor Inshore Oil Spill Residues During Darkness Hours

/ Trials were conducted using an airborne video system operating in the visible, near-infrared, and thermal wavelengths to detect two known oil spill releases during darkness at a distance of 10 nautical miles from the shore in St. Vincent's Gulf, South Australia. The oil spills consisted of two 20-liter samples released at 2-h intervals, one sample consisted of paraffinic neutral material and the other of automotive diesel oil. A tracking buoy was sent overboard in conjunction with the release of sample 1, and its movement monitored by satellite relay. Both oil residues were overflown by a light aircraft equipped with thermal, visible, and infrared imagers at a period of approximately 1 h after the release of the second oil residue. Trajectories of the oil residue releases were also modeled and the results compared to those obtained by the airborne video and the tracking buoy. Airborne imagery in the thermal wavelengths successfully located and mapped both oil residue samples during nighttime conditions. Results from the trial suggest that the most advantageous technique would be the combined use of the tracking beacon to obtain an approximate location of the oil spill and the airborne imagery to ascertain its extent and characteristics.KEY WORDS: Airborne video; Thermal imagery; Global positioning; Oil-spill monitoring; Tracking beacon     

基于机器学习和卫星遥感的PM2.5/10 空间连续分布反演方法研究

在过去的几十年里,快速的经济发展以及工业化、城镇化进程加速使得中国的资源环境承担的压力不断加大。作为影响空气质量的首要污染物,PM_2.5和PM₁₀（记为PM_2.5/10）直接影响着广大人民群众的身体健康。因此,针对PM_2.5/10浓度进行遥感反演研究,对环境监测和控制改善全国空气环境质量具有重要的意义。近些年来,随着对近地面PM_2.5/10浓度研究的不断深入,基于遥感影像数据进行PM_2.5/10浓度的反演方法也日益增多。本文利用Google Earth engine（GEE）平台获取了海量的Landsat 8 OLI遥感影像数据,并结合气象信息、空间特征等参数,采用机器学习中常用的多层映射反向传播神经网络构建了波段反射率与PM_2.5/10浓度之间的反演模型,以获得PM_2.5/10在研究区域的连续分布。为了提高基础PM_2.5/10反演模型的反演精度,还从影响因素和前溯时间两个维度出发,探寻了模型的最优化输入参数组合,并最终实现了对PM_2.5/10浓度的精准反演。以北京市地区为例,模型的PM_2.5和PM₁₀的反演精度R²分别达到0.814和0.796,均方根误差RMSE分别为19.21 μg?m^?3和28.31 μg?m^?3。鉴于该反演结果具有较高的准确性和可靠性,本文所建立的方法模型为研究PM_2.5/10在空间上的连续分布特征提供了新的思路和方法,具有较为重要的科研意义与广泛的应用价值。     

太湖水华的遥感分析

随着太湖流域的经济迅速发展,太湖湖体的富营养化程度日趋严重,特别是在20世纪的后期,水华频繁爆发。国家环保总局常规的水质监测是基于21个点位对全湖进行评价,完成一次采样耗时近1月,其对大面积水华现象的监测具有很大的局限性。文章利用遥感技术快速、大尺度、动态监测的特点,基于多个时相的TM影像对太湖的水温、悬浮物、叶绿素等水质参数的浓度和分布进行了遥感反演,进而对太湖水华的成因、发展程度、影响因素等方面进行分析,从而对太湖水华发生的特点,太湖的水质情况有一个全面的了解。     

基于GEE的1998～2018年京津冀土地利用变化对生态系统服务价值的影响

在京津冀地区可持续发展评估研究中,对生态系统服务价值进行动态估算具有重要意义.本文以京津冀地区为研究区,基于谷歌地球引擎(GEE)云平台采用分类决策树(CART)分类算法对研究区内1998、2003、2008、2013及2018年的Landsat TM/OLI影像进行监督分类得到5个时期土地利用数据并定量分析1998～2018年京津冀地区土地利用动态变化规律,再利用生态服务价值(ESV)当量估算方法定量估算京津冀地区的ESV并结合15 km×15 km尺度格网探明其时空动态变化.结果表明:①1998～2018年间,京津冀地区6种土地利用类型中建设用地(增加16. 67%)及草地(减少13. 73%)面积占比变化幅度最大,水体(减少0. 2%)面积占比变化幅度最小.②京津冀地区ESV总价值在1998～2003年间出现短暂增长(增加91. 97亿元),2003～2018年间持续降低(减少239. 07亿元),主要与建设用地面积在除1998～2003年的其余3个时间段扩张较快有关,6种土地利用类型中林地提供的ESV最高,建设用地及未利用土地提供的ESV最低.③基于15 km×15 km尺度格网的ESV时空分析表明,1998～2018年间京津冀地区ESV中等区逐渐较少,ESV较低区及较高区逐渐增加,且ESV较低区增速高于较高区.④1998～2018年间,京津冀地区6种土地利用类型对价值系数的敏感性系数(SI)范围为0～0. 40,且均低于1,表明本文ESV对修订后的生态系统服务价值系数缺乏弹性,证明本文定量估算ESV的结果是可靠的.在未来经济发展中,京津冀地区应合理优化土地利用格局,加强对林地、草地、水体及耕地的保护.研究可为制定可持续发展战略,建设生态友好型社会提供参考.     

基于TM影像的乌梁素海叶绿素a浓度反演

首先选取预处理后乌梁素海TM影像的单波段及波段组合与实测叶绿素a浓度进行分析,发现相关性很低。然后,结合乌梁素海的水利条件和自身特点,把湖区分为两个区,发现波段组合(TM1+TM2+TM4)/TM3和TM4/TM3与叶绿素a浓度有较高的相关性。最后,选取误差较低的波段组合(TM1+TM2+TM4)/TM3建立线性模型,实时、快速地反演乌梁素海湖区叶绿素a浓度,与实地情况吻合,为乌梁素海"黄苔"预警提供理论依据。     

基于光谱分析的生物结皮提取研究——以毛乌素沙地为例

利用典型地物高光谱数据和TM遥感影像,对毛乌素沙地处于旺盛生长期(7-9 月)的由苔藓结皮主导的生物结皮进行了提取研究.结果表明:① 苔藓结皮在生长期具有与绿色植物相似的光谱曲线变化趋势;红边参数显示,二者除红边位置非常接近外,红边振幅、红边宽度和红边面积差异均较大;在近红外区域,苔藓结皮比绿色植物的反射率低很多;苔藓结皮无明显的553 nm反射峰;低盖度苔藓结皮(33%)、藻类结皮和植被枯落物在整个波段光谱曲线比较接近,与裸沙相比,三者反射率均较低.② 基于TM影像,用生物结皮指数(BSCI)、归一化植被指数(NDVI)、监督分类和坡度分级相结合的方法提取生物结皮,发现苔藓结皮的像元面积为0.72×10⁴ km²,占研究区总面积的6.43%.     

基于TM影像的城市地表湿度对城市热岛效应的调控机理研究

论文以探究城市热岛效应调控机理为研究目的,以徐州地区1985-2010 年夏季四期Landsat TM影像为研究数据,应用单窗算法、K-T变换、空间叠加分析以及缓冲区分析等研究方法,对徐州市城市热岛时空变化特征进行了反演,重点对徐州市城市热岛强度的调控机理进行了分析并提出了通过K-T变换提取表示城市建成区内部植被与水体覆盖程度的城市地表湿度(ULSW)这一新指标.研究结果显示:城市地表湿度显著区对城市热岛效应起到了有效的调控作用,并且随着城市地表湿度值的提高,区域内部以及周围环境的温度都会随之下降.城市地表湿度指标对于城市热岛效应的调控水平具有一定的代表意义.     

基于面向对象的海岸带土地利用信息提取研究

针对海岸带复杂多样的土地利用信息,选取山东省乳山市海岸带为研究区域,运用 Landsat TM遥感影像数据,基于面向对象分类方法,利用不同地物的光谱、形状、纹理和空间关系等特征,通过多尺度分割、隶属度函数法和标准最邻近分类法提取研究区土地利用信息,并对分类结果进行精度评估。结果表明：①隶属度函数法和标准最邻近分类法结合,提取出乳山市海岸带12 种土地利用类型信息,很好地区分了盐田和养殖水面、林地和园地,可提取出主要的道路和河流等细长线状地物;②将提取结果与最大似然法对比,面向对象分类方法提取精度达到82.50%,Kappa系数为0.809 1,分别比最大似然法提高了11.44%和0.105 5,很好地避免“同物异谱”和“异物同谱”对分类精度造成的影响,有效地避免了“椒盐”现象。面向对象分类方法提取中分辨率遥感影像精度较高,为海岸带土地利用信息的快速、准确提取提供了有效的技术手段。     

基于知识的AVHRR影像的水体自动识别方法与模型研究

根据水体光谱特性，通过分析水体在ＮＯＡＡ气象卫星的ＡＶＨＲＲ影像上的表象特征及与其它相关环境因子在光谱信息上的差异，认为水体在ＡＶＨＲＲ影像上具有光谱可分辨性，从而提出了基于水体光谱知识的水体自动提取识别的水体描述模型，并将该模型应用于太湖、淮河、渤海等地区，取得较好的效果。该模型方法同样可扩展应用于其它传感器获得的影像数据，从而实现遥感信息提取的自动化与智能化     

基于植被指数和神经网络的热带人工林地上蓄积量遥感估测

热带森林作为陆地生态系统的组成成分之一,研究其蓄积量估测对我们了解其在全球碳循环中的地位和作用有很重要的意义.但遥感估测森林生态参数的精度如何,还是个不确定的问题.利用LANDSAT-TM数据,基于森林清查数据和遥感技术,以尾叶桉和加勒比松为例,对中国南方地区人工林蓄积量估测进行了尝试研究.首先,通过测量样方胸径、树高,建立森林蓄积量估算模型.其次,通过对比分析不同植被指数与森林蓄积量之间的关系,选择合适植被指数组合,建立多元回归和神经网络模型.结果表明:单波段TM数据和大多数植被指数与蓄积量相关性并不好.神经网络比回归分析模拟效果好.而多元回归和神经网络模型大大提高预测精度.本研究方法对大面积的森林蓄积量估测具有一定的参考价值.