Supporting habitat conservation with automated change detection in Google Earth Engine

A significant limitation in biodiversity conservation has been the effective implementation of laws and regulations that protect species’ habitats from degradation. Flexible, efficient, and effective monitoring and enforcement methods are needed to help conservation policies realize their full benefit. As remote sensing data become more numerous and accessible, they can be used to identify and quantify land-cover changes and habitat loss. However, these data remain underused for systematic conservation monitoring in part because of a lack of simple tools. We adapted 2 algorithms that automatically identify differences between pairs of images. We used free, publicly available satellite data to evaluate their ability to rapidly detect land-cover changes in a variety of land-cover types. We compared algorithm predictions with ground-truthed results at 100 sites of known change in the United States. We also compared algorithm predictions to manually created polygons delineating anthropogenic change in 4 case studies involving imperiled species’ habitat: oil and gas development in the range of the Greater Sage Grouse (Centrocercus urophasianus); sand mining operations in the range of the dunes sagebrush lizard (Sceloporus arenicolus); loss of Piping Plover (Charadrius melodus) coastal habitat after Hurricane Michael (2018); and residential development in St. Andrew beach mouse (Peromyscus polionotus peninsularis) habitat. Both algorithms effectively discriminated between pixels corresponding to land-cover change and unchanged pixels as indicated by area under a receiver operating characteristic curve >0.90. The algorithm that was most effective differed among the case-study habitat types, and both effectively delineated habitat loss as indicated by low omission (min. = 0.0) and commission (min. = 0.0) rates, and moderate polygon overlap (max. = 47%). Our results showed how these algorithms can be used to help close the implementation gap of monitoring and enforcement in biodiversity conservation. We provide a free online tool that can be used to run these analyses ( https://conservationist.io/habitatpatrol ).     

物联网远程接入通信的RFID矿井机车定位系统

提出了LoRa远程数据传输的有源RFID定位技术方案,实现矿井机车运行状态监测。基于nRF24LE1和nRF24L01+两种射频芯片构建RFID标签识别系统,利用电子标签标识对象唯一性和标签在巷道空间位置固定的条件,通过SX1278射频芯片开发的物联网远程接入平台传输数据,实现对矿井机车运行状态实时定位和监测,保障矿井机车运行安全。由于采用了LoRa物联网远程通信技术,降低了建设和运行成本,可靠性、抗干扰性和可用性都得到了较好的改善。     

基于MODIS数据的太湖蓝藻水华时空分布规律研究

利用EOS/MODIS遥感影像数据,采用蓝藻水华分级评价方法和蓝藻水华发生频率分析方法,对2010年～2013年不同级别太湖蓝藻水华时空分布规律进行分析和研究,以期为太湖蓝藻水华预警、监控、治理工作提供技术支持.结果表明：（1） 2010年～2013年,全太湖共发生蓝藻水华354次,其中小型水华发生次数最多,蓝藻水华级别越高,发生次数越少.（2）年际变化上,蓝藻水华发生次数总体趋于平稳,蓝藻水华发生呈现“小型多发、中大型少发、重大型偶发”趋势,蓝藻水华发生规模呈显著缩小趋势.（3）月际变化上,蓝藻水华主要发生在8 ～10月,8月和9月尤其是太湖蓝藻水华的高发月份.发生规模上,4～6月蓝藻水华发生规模较小,7月开始规模逐步扩大,到9月达到顶峰,10月规模有所缩小.（4）空间变化上,太湖西部沿岸是太湖蓝藻水华首次爆发最频繁的水域.从空间分布频率来看,太湖西部沿岸区尤其宜兴沿岸是蓝藻水华爆发频率最高的水域.     

基于植被指数和地表温度的冬小麦遥感干旱监测

针对河北省冬小麦主要种植区2007年发生的一次春旱过程,利用MODIS8天合成遥感资料,结合地面站点数据,分析植被供水指数及其多年距平值在冬小麦生长旺期对站点和区域尺度的旱情响应,探求其在河北省冬小麦旱情日常监测中的可操作性。研究结果表明：在三个典型干旱站点,植被供水指数多年距平值与土壤相对湿度多年距平值有较为一致的时间动态;在区域尺度,植被供水指数对水分亏缺状况敏感,与20cm土壤相对湿度的相关性较好。利用植被供水指数建立的遥感监测模型可用于反演冬小麦种植区旱情空间格局,结果与地面观测资料基本吻合。     

基于GIS与QuickBird影像的小流域土壤侵蚀定量评价

基于GIS技术和QuickBird遥感影像,采用修正的通用土壤流失方程RUSLE作为评价模型,计算了清水沟小流域土壤侵蚀量,并结合土壤侵蚀强度分级标准,生成流域土壤侵蚀强度等级图;利用GIS的叠置分析功能,定量分析了土壤侵蚀与坡度和土地利用之间的关系,并针对不同水保措施预测了水土保持治理效果.结果表明清水沟小流域土壤侵蚀模数为75.02 t·hm-2·a-1,属强度侵蚀区,年水土流失量2.6×104 t;流域64.5%的泥沙来自于占流域面积仅28%的极强度和剧烈侵蚀区域;经分析,流域土壤侵蚀模数与坡度呈显著正相关,不同土地利用类型的土壤侵蚀模数大小排序依次为难利用地＞建设用地＞坡耕地＞园地＞草地＞林地;退耕还林是降低土壤侵蚀强度与减少水土流失量的主要途径.     

基于Sentinel-3 OLCI影像的秦皇岛海域悬浮物浓度遥感反演

基于2013~2021年期间秦皇岛海域遥感反射率、悬浮物浓度及叶绿素a浓度等实测数据,开展了该海域Sentinel-3 OLCI影像的悬浮物浓度遥感反演模型研究.结果表明,文献中常用的典型经验模型形式均不适用于秦皇岛海域,以490、620及708.75nm为悬浮物反演的敏感波段,以560nm为参比波段,将各敏感波段与参比波段的比值作为自变量,最终建立了适用于秦皇岛海域的Sentinel-3 OLCI四波段悬浮物浓度遥感反演模型（R²=0.69,MAPE=24.79%,RMSE=2.82mg/L）;并采用2021年7月24日Sentinel-3 OLCI影像进行悬浮物浓度遥感反演产品的真实性检验,得到反演值与实测值的平均相对误差为13.24%.将上述四波段模型用于2021年1~12月秦皇岛海域的Sentinel-3 OLCI影像,反演得到月均悬浮物浓度,发现秦皇岛海域悬浮物浓度整体呈现沿岸海域高、离岸海域低,秋冬季高、春夏季低的时空变化特征;且2018~2021年秦皇岛海域悬浮物浓度的年均值逐年递减,水体越来越澄清.     

酰基高丝氨酸内酯延缓好氧颗粒污泥解体的研究

为探究外源信号分子对好氧颗粒污泥（AGS）稳定性的影响,在SBAR系统中分别投加不同类型的酰基高丝氨酸内酯（AHLs）,并分析AGS胞外聚合物（EPS）相对含量变化,采用液相色谱-质谱技术（LC-MS）分析系统中信号分子的分布,基于BugBase物种表型预测微生物种群变化.结果表明,投加C12-HSL对微生物分泌EPS有明显促进作用,EPS含量达120.78 mg?g^-1,系统运行90 d未出现颗粒解体现象,可维持AGS稳定状态;信号分子投加后C10-HSL主要分布于水相,而C12-HSL和C14-HSL更容易进入泥相;信号分子投加后种群结构变化显著,革兰氏阴性菌属丰度都有不同提升,在投加C12-HSL之后优势菌属为可塑菌属（Plasticicumulans）丰度显著增加（可达18.14%）、黄杆菌属（Flavobacterium）、梭菌属（Clostridium_sensu_stricto_1）.C12-HSL通过提高革兰氏阴性厌氧菌属,并促进内源C14-HSL分泌,进而使EPS相对含量增加的方式延缓好氧颗粒污泥解体.     

基于高分遥感的危险化学品重大危险源安全布局动态管控研究*

为遏制危险化学品重特大安全事故，解决传统安全监测手段的空间局限性问题，结合高分遥感与数值模拟技术，开展危险化学品重大危险源区域安全布局动态管控研究。利用数值模拟技术模拟并确定危险化学品重大危险源重点管控范围；基于高分遥感影像提出适用于危险化学品重大危险源安全布局动态管控的变化检测方法，动态监测安全防护范围内的建筑、道路等人工构筑物的变化情况，严控事故影响范围内的人工构筑物密度；以内江市隆桥化工为实例开展示范应用。结果表明:高分遥感技术能够高效监测危险化学品重大危险源安全防护范围内的工程建设情况，有助于危险化学品企业保持足够的外部安全防护距离，降低危险化学品重特大安全事故风险。     

洪水灾害遥感监测研究综述

洪水灾害是最严重的自然灾害之一,洪灾造成的损失十分严重,对其进行科学的监测是防灾减灾的基础。在洪水灾害遥感监测研究进展的介绍基础上,着重对中分辨率、高时相、微波、高精度DEM、多源数据遥感洪水监测原理及方法的研究进展进行比较和总结,分析各种数据特点。在此基础上提出了洪水遥感监测向高分辨率、高时相性方向,遥感影像相互订正和利用3S技术是洪涝灾害动态监测发展的方向,为洪水灾害的快速反应和防洪辅助决策提供依据。     

Changes in vegetation persistence across global savanna landscapes, 1982–2010

We present a global analysis of the changing face of vegetation persistence in savanna ecosystems by boreal seasons. We utilized nearly 30 years of monthly normalized difference vegetation index data in an innovative time-series approach and developed associated statistical significance tests, making the application of continuous vegetation metrics both more rigorous and more useful to research. We found that 8,000,000–11,000,000 km² of savanna have experienced significant vegetation decline during each season, while 20,000,000–23,000,000 km² have experienced an increase in vegetation persistence during each season, relative to the baseline period (1982–1985). In addition, with the exception of the March–April–May season, which is mixed, the pattern of significant vegetation persistence in the Northern Hemisphere is almost exclusively positive, while it is negative in the Southern Hemisphere. This finding highlights the increasing vulnerability of the Southern Hemisphere savanna landscapes; either resulting from changing precipitation regimes (e.g., southern Africa) or agricultural pressures and conversions (e.g., South America).