亚热带低山丘陵区土壤遥感监测图像处理

用TM图像对亚热带低山丘陵地区进行土壤遥感监测时，根据该地区的环境特点，采用线性光谱混合分解、缨帽变换、纹理提取等多种图像处理方法来突出土壤信息，消除噪声。研究结果表明，仅用TM遥感图像进行土壤分类，经过去噪处理的TM6可以使土壤分类精度提高5%以上；经过其它图像处理提取的一些图像特征对某些土壤类型表现出较强的区分能力，经线性光谱混合分解处理消除植被光谱的特征图像及其纹理对水稻土的识别精度较原图像普遍提高，缨帽变换对潴育型水稻土和测渗型水稻土有最好的分类精度，但在提高总分类精度上并没有优势，除了线性光谱混合分解图像处理方法外，其它的图像处理方法得到的特征图像加入原始图像信息能起到提高总分类精度的作用。     

2009—2017年南充市城区酸雨特征分析

为了更为有效地治理酸雨污染,根据南充市环境监测中心站提供的2009—2017年降水监测数据,对南充市城区酸雨污染情况进行了分析及源解析。结果表明:2009—2017年,南充市降水pH从4.60波动上升至5.6以上,酸雨频率波动下降,酸雨污染情况有所改善;[SO4^2-]/[NO3^-]从4.92下降至0.86,酸雨污染类型从硫酸型转变为硝酸-硫酸型。同时,对比分析2014—2016年大气污染物排放源可知,NOx排放源中,工业污染源占比由14%降至11%,生活污染源由2%上升至5%;SO2排放源中,工业污染源占比由62%降至43%,生活污染源由38%上升至57%,表明南充市SO2污染已从以工业污染源为主转变为工业污染源与生活污染源并重。     

基于面向对象的石漠化山区植被信息提取及分布特征研究

重庆东北部地区是重庆岩溶石漠化重点治理区，该区地形复杂，山高坡陡，植被退化现象严重。了解该地区的植被分布特征，对该区环境的改善和石漠化治理具有十分重要的现实意义。基于Landsat OLI等数据，运用面向对象分类方法对研究区植被信息进行提取，然后对分类后的数据进行统计、制图和分析，并在空间布局上进行总结和探讨，旨在了解该区域植被的空间分布特征和规律。结果表明：（1）在eCognition 9.0软件中进行多尺度分割，再结合地物类型特征使用隶属度函数法进行分类，该方法符合山地地物类型的分布规律和特点，分类精度达到81.35%；（2）研究区属典型的中山地区，海拔在500~1 500 m之间的地区约占64.49%，林地和耕地是该区域主要的地物类型，所占总面积为8 872.22 km2，占研究区总面积的96.50%，各地物类型分布受地形地势的影响较大；（3）综合研究区地形因子(高程和坡度)与植被分布的相关性可知，耕地和草灌主要分布在高程为200~1 500 m且坡度等级在2~4级（5°~35°）之间，该区域人类活动频繁，故受人类活动影响较大，植被覆盖度低，群落生长不稳定，容易受到干扰。针阔混交林主要分布在高程>500 m且坡度等级在2~4级（5°~35°）之间。马尾松林、阔叶林和柏木林主要分布在高程大于500 m且坡度等级在2~5级（5°~45°）之间。 关键词： 多尺度分割；面向对象分类；地形因子；植被空间分布     

硫酸盐还原菌的分纯及对Cd2+钝化研究

该研究从土壤中分离纯化得到1株耐镉性较好的细菌,通过对其生长特性、菌液Cd~(2+)浓度变化及矿化产物特性分析,探究菌株对Cd~(2+)的钝化行为及去除效果。结果表明,实验菌株初步被确定为硫酸盐还原菌(SRB)。SRB的去除效果随Cd~(2+)浓度增大而降低。在其生长过程中液相pH不断升高,有利于诱导合成硫化镉。当Cd~(2+)初始浓度为10 mg/L时,菌株对Cd~(2+)的去除率达到95%。此时,SRB的适应性最强且钝化效果稳定。Cd~(2+)初始浓度为40 mg/L时,菌株对Cd~(2+)的去除率为75%。通过SEM-EDS和XRD表征确定其矿化产物为硫化镉。研究显示,SRB可以有效钝化游离态的重金属离子,有望为突发性、高浓度重金属污染地区的原位治理提供新的思路。     

基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类

地表覆被分类对国土资源调查评估及全球变化具有基础性和关键性意义,但山区由于地形和云雾等的影响,可利用光学遥感影像和其他资源十分稀缺。因此,论文以渝东南山区为研究区,基于Sentinel-1A极化合成孔径雷达（SAR）数据,通过系列预处理,得到后向散射系数值,同时对各类地物的VV/VH极化后向散射系数、纹理、高程和坡度等特征值统计分析,综合这些特征值运用面向对象分类方法对单时相与多时相SAR数据进行地表覆被分类,最后将这两种分类方法与Landsat 8 OLI数据分类作对比。研究表明：1）在同时运用面向对象分类方法的前提下,单时相SAR数据分类和Landsat 8 OLI数据分类精度相当,多时相SAR数据面向对象分类精度最高,总精度为85.65%,Kappa系数为0.829 9;2）与光学数据相比,SAR数据对阔叶林、人工建筑提取有优势,精度提高了10%以上,多时相特征有利于耕地和针阔混交林提取,分类精度比单时相提高了9%左右;3）研究区土地覆被类型以林地为主,占总面积的42.68%,耕地、草灌次之,人工建筑、草地与河流占地面积较少。