近30余年辽河口海岸线遥感变迁分析

利用1979年、1990年、2000年和2013年4个时相的Landsat遥感影像,开展了30余年辽河口海岸线遥感变迁分析研究.结果表明:(1)1979~2013年间,辽河口岸线不断向海推进,海岸线长度总体呈增加趋势,目前岸线长度为298 km,较1979年增加了63 km,陆域面积增加了410 km2;(2)辽河口自然岸线中的淤泥质岸线减少显著,近70%的淤泥质岸线转化为港口、盐田和养殖围堤岸线;1979~1990年间淤泥质岸线主要转化为了盐田和养殖围堤岸线,进入新世纪因盘锦港的建设,使得盐田围堤岸线转化为了港口岸线;(3)1979~1990年、1990~2000年、2000~2013年3个时段辽河口岸线变迁速率分别为94.2 m/a、52.1 m/a、81.0 m/a,尤其二界沟镇在1990~2000年间,因盐田建设导致海岸线迅速向海推进,海岸线变迁速率达到了1200 m/a;(4)辽河河流入海口门和河道也发生了较大变化,由于大规模的养殖开发和盐田建设围海导致双台子河入海口门变窄,而大辽河入海口门由于盐田和港口建设导致河口变窄;双台子河道和大辽河道主要由于泥沙淤积和养殖围填,也导致了河道局部变窄.     

基于国产高分卫星遥感数据的现代黄河三角洲入侵植物互花米草监测方法

本文以国产高分一号和高分二号影像为数据源,辅以现场调查数据,发展了一种结合空间位置与决策树分类的互花米草信息提取方法。首先基于互花米草适宜生长于高潮带下部至中潮带下部区域的特点,利用高潮时获取的Landsat 5遥感图像缨帽变换的湿度分量,通过二值化处理和矢量后处理提取现代黄河三角洲互花米草生长的向陆边界,进而对高分图像的互花米草生长区域进行掩膜;基于掩膜后的高分图像,利用决策树分类方法对互花米草分布范围进行提取。通过对现代黄河三角洲互花米草信息提取实验,表明提出的分类方法能够较为精确地识别和提取互花米草信息,总体分类精度达到97.05%。通过对提取的互花米草分布情况的统计和分析,发现整个现代黄河三角洲地区的互花米草总面积约有3278.1100 hm2,主要分布于黄河故道西侧、五号桩、孤东油田东南侧和黄河现行入海口两侧等四个区域,其中黄河现行入海口两侧是2002年之后出现的新生互花米草区域,互花米草面积最广,占现代黄河三角洲互花米草总面积的91.39%;其次为孤东油田东南侧及五号桩,自首次引种互花米草至今都有互花米草分布,所占比例分别为6.22%和1.59%;本文首次在黄河故道西侧发现互花米草,在此前的研究工作中均未报道,互花米草面积最小,约为26.1527 hm2。     

一种自适应学习率的卷积神经网络模型及应用——以滨海湿地遥感分类为例

滨海湿地是重要的生态系统,开展滨海湿地类型分布监测,对滨海湿地的保护与利用具有重要意义。传统卷积神经网络（CNN）模型中的学习率为人工设置的固定值,本文提出一种自适应学习率的CNN模型,以代价函数为目标函数自动计算学习率的优化值,从而使CNN模型具有自适应性。应用黄河口滨海湿地的CHRIS高光谱遥感影像数据,开展本文提出的CNN模型分类方法验证与优化。实验结果表明:对于不同的学习率搜索区间,自适应学习率CNN模型在[0,1]区间的整体分类精度最高,说明在学习率优化过程中只需在小区间[0,1]内进行微调就能保证较好的分类精度;对于不同的学习率初值,自适应学习率CNN模型的分类精度和稳定性都高于传统CNN模型,说明本文提出的模型对初值敏感性较低;在训练样本数目减少的情况下,两模型分类精度的稳定性都有不同程度的降低,但在保证训练样本占全部样本1.35%以上的条件下,自适应学习率CNN模型稳定性高,说明本文提出的模型对小样本具有一定的适应能力。     

基于模糊隶属度的多核SVR遥感水深融合探测

遥感是海岸带浅海和岛礁周边水深探测的重要手段,支持向量回归(SVR)是广泛应用于数据回归的机器学习模型。本文将SVR引入多光谱遥感水深探测,针对单核SVR模型在浅水区水深反演中误差较大的问题,以单核SVR模型反演不同水深段的模糊隶属度作为决策融合因子,提出了基于模糊隶属度的多核SVR遥感水深融合探测方法,并以我国西沙群岛中的北岛为实验区,与单核SVR模型和传统的对数线性水深遥感模型开展对比实验。实验结果表明:1)基于模糊隶属度的多核SVR融合模型在25 m以浅的水域,平均绝对误差0.99 m,平均相对误差8.2%;2)融合模型的平均相对误差分别比以RBF、Sigmoid、多项式、线性为核函数的四种单核SVR模型提高了1.7%、4%、4.4%、4.8%,比对数线性模型提高了5.5%;3)对于不同水深段,多核SVR融合模型在0~15 m的3个水深段内平均相对误差比四种单核SVR模型提高了0.7%至54.9%不等,在0~25 m的5个水深段内比对数线性模型提高了1.1%至20.4%不等。     

黄河三角洲典型植被地物光谱特征分析与可分性查找表

通过实地测量黄河三角洲的6种典型植被的现场光谱,开展了基于反射率光谱的植被特征光谱分析和提取,该工作在原始反射率光谱曲线和经过包络线去除法变换后的曲线上分别开展。论文主要工作和结论包括:(1)通过分析建立了黄河三角洲6种典型植被类型的光谱特征波段查找表,并给出了每一种植被区别于其它5种植被类型的特征波段分布范围;(2)分析了包络线去除变换对上述6种植被光谱可分性的影响,发现柽柳由不可分变为可分,碱蓬、棉花、刺槐和天然柳树的可分性光谱波段明显增多和展宽。     

基于高分一号卫星影像的柽柳地上生物量遥感估算研究——以昌邑柽柳国家海洋特别保护区为例

柽柳是滨海湿地植被中的典型物种，多生长在潮间带和潮上带，在保护海岸、改良滩涂等方面发挥着巨大的作用。国民经济与社会发展"十三五"规划明确提出实施"南红北柳"湿地修复工程，凸显了柽柳在滨海湿地保护中的核心作用，应用遥感技术估算大范围柽柳的生物量对柽柳保护具有重要意义。本文以昌邑柽柳国家海洋特别保护区为例，应用国产GF-1卫星遥感数据和地面生物量实测数据，构建了柽柳地上生物量估算模型，选取了最优模型并开展了应用试验。结果表明:(1)5个植被指数中，比值植被指数RVI与柽柳地上生物量(AGB)相关性最高，为0.686；(2)RVI对应的三次多项式生物量估算模型决定系数最高，为0.81，且平均相对误差MRE和均方根误差RMSE最小，分别为4.7%和0.05 kg/m2；(3)应用2014年9月4日获取的昌邑柽柳国家海洋特别保护区GF-1卫星遥感影像，利用RVI三次多项式估算模型进行生物量遥感估算，得到研究区柽柳林地上平均生物量为0.75 kg/m2，总生物量为15020 t。     

基于现场光谱的黄河口湿地芦苇生物量估算模型研究

本文利用2014年春季黄河口湿地芦苇的现场光谱和生物量数据,以植被指数、光谱一阶导数及其导出量为特征参数,运用多种单变量回归模型,构建了基于现场光谱的芦苇生物量估算模型。结果表明:(1)总体上,特征参数与生物量的相关性由大到小排序为:植被指数 光谱一阶导数 光谱一阶导数导出量;(2)春季芦苇光谱在715~755 nm波段范围处的一阶导数与生物量显著相关。当构成植被指数的红光波段在722~751 nm范围内,近红外波段为765 nm或768 nm时,植被指数与生物量相关性最好;(3)S型模型和三次模型较其他单变量的估算模型结果好,所有估算模型中,修改型土壤调节植被指数MSAVI(modified soil adjusted vegetation index)的S型模型的估算结果最好,R2、MRE和RMSE分别为0.817、11.80%和0.085 kg/m2,且估算值总体上与实测值相当。     

基于高分遥感的西沙群岛珊瑚礁沙洲稳定性评估

珊瑚礁沙洲是珊瑚岛形成的前一地貌类型,大多无植被生长,易受气候条件和水文动力条件的影响,位置不稳定,形态多变。本研究利用2005－2020年多期高分辨率遥感影像,分析了西沙群岛珊瑚礁沙洲的大小、形状变化以及平面位置移动过程,评估了珊瑚礁沙洲稳定性,并对其影响因素进行了初探。结果表明:（1）北沙洲、中沙洲、盘石屿和筐仔北岛相对稳定,而西新沙洲、三峙仔、全富岛和银屿仔尚不稳定;（2）珊瑚礁沙洲稳定性是沙洲沉积物供应、海洋动力环境条件和珊瑚礁地形地貌综合作用的结果,在相同的季风浪和台风浪作用下,各个沙洲由于在礁坪中所处位置和岸滩沉积物类型等不同,在不同的水动力作用下,形成了8个沙洲不同的演变过程和稳定状态;（3）建议在相对稳定的北沙洲、中沙洲、盘石屿和筐仔北岛上人工种植抗风、抗盐碱的植被（如木麻黄）,促使其更快地由珊瑚礁沙洲发育成为珊瑚岛。西沙群岛珊瑚礁沙洲监测与评估结果可为南海珊瑚礁沙洲发育研究和西沙群岛岛礁建设与保护管理提供数据支撑。     

维生素C作为共代谢基质在苯胺废水处理中的应用

将维生素c（Vc）作为共代谢一级基质用于苯胺废水的好氧处理，考察了Vc与苯胺质量比、曝气时间、反应温度对苯胺废水处理效果的影响。在苯胺质量浓度为80mg/L、污泥沉降比（SV30）为10％～15％、Vc与苯胺质量比为1：6、曝气时间为16h、反应温度为30℃的条件下，苯胺去除率最高达99．98％；当苯胺质量浓度为800mg／L时，在常温下连续曝气26h，苯胺去除率为99．99％，达到GB8978—1996《污水综合排放标准》一级排放标准（1mg／L）。     

水深被动光学遥感反演模型适用性研究

目前常用的水深遥感反演模型有对数线性模型和对数转换比值模型,近年新发展了一种改进的对数转换比值模型。本文分别选取不同水体类型的蜈支洲岛和槟城为研究区,基于GeoEye-1多光谱影像开展如下水深反演研究:首先对改进的对数转换比值模型进行水深反演能力验证,然后从三个维度对三种模型反演能力进行剖析与比较。研究表明:（1）改进的对数转换比值模型基本可以真实的反映水下地形变化,且反演水深与真实水深差值绝大部分控制在2 m以内,在10~20 m反演效果尤佳,水深差在1 m水深处上下浮动。（2）多维度剖析:①整体精度评价:在清澈海域蜈支洲岛周边水深反演精度最高的是改进的对数转换比值模型,MAE为1.56 m,MRE为13.5%,对数线性模型MAE为1.71 m,MRE为14.8%,对数转换比值模型次于前两者,在浑浊海域槟城周边水深反演精度最高的亦是改进的对数转换比值模型,而对数线性模型反演精度有所下降;②分水深段精度评价:随着水深值的增加,三种模型在蜈支洲岛反演精度均呈上升的趋势,在槟城研究区,对数转换比值模型和改进的对数转换比值模型反演规律与蜈支洲岛相似,而对数线性模型在15~20 m水深段,反演精度明显下降;③模型稳定性:改进的对数转换比值模型在不同水深段反演精度变化幅度最小且反演精度最高,且在不同的水质环境中具有相对稳定的反演能力,对数转换比值模型其次,而对数线性模型易受海水环境影响,尤其在浑浊水体反演精度不够稳定。