基于3S技术的震害快速评估

地震是人类面临的重大自然灾害之一，破坏性地震发生后，对震害的快速评估有利于政府及有关部门对灾情迅速做出应急反应，实施救援。地理信息系统（GIS）、遥感（RS）和全球定位系统（GPS）合称为3S技术。随着计算机技术和地球空间科学的发展。3S技术已逐渐应用于防灾减灾领域。探讨了应用3S技术替代传统的经验性估计决速评估震害的技术路线、方法和前景。首先，归纳了目前防震减灾信息及辅助决策系统建设取得的成绩和存在的问题。通过两个破坏性地震的震害实例，说明了应用基于GIS的系统快速评估震害的可能性和有待重点解决的问题。然后。通过新疆一次地震的遥感图像的变化检测，展示了震害快速评估中借助遥感数字图像处理技术的前景。在上述综合分析的基础上，讨论了三者结合的重要性、潜在功能和优点。     

遥感在生态与环境监测中的主要应用领域

遥感是一种以物理手段、数学方法和地学分析为基础的综合应用技术 ,具有宏观、综合、动态和快速的特点。在解决宏观尺度的环境问题时 ,卫星遥感可重复获取多种空间、不同时相和不同波谱分辨率的地球信息 ,是适宜于调查和研究这些主题的唯一的、最有效的工具。本文通过对遥感在环境与生态监测的主要应用领域进行概要阐述 ,旨在抛砖引玉 ,推动遥感在环境与生态监测中的广泛应用。     

董磊:书生VS硬汉

正有时,他是一介文弱书生,三尺讲台,传道授业,为人师表。有时,他又化身一条无惧硬汉,壁立千仞,跋山涉水,探秘寻踪。他就是董磊,在教师之外,他有一个更为人熟知,也更令人感喟的身份——自然摄影师。阴差阳错,转换领域仍旧不忘初心结识董磊是缘于偶然在微信上看到的一则讲座启事,"一个IBE自     

国内首个影像环保联盟启动

为了进一步推进中国环保事业更好、更快的发展，近日，佳能与世界自然基金会、野性中国工作室、搜狐绿色频道达成影像环保战略合作关系，宣布正式启动我国国内首个影像环保战略联盟。     

桂林市典型园林绿地与水体的降温效应研究

随着城市化的快速发展,城市热岛现象也越来越突出。作为城市生态系统中两种重要的地物类型,园林绿地和水体对城市热岛均有明显的降温效应,因此对其进行定量研究具有重要意义。以桂林市建成区为研究对象,利用TM影像数据提取了区域的地表温度(LST)、植被覆盖度(FV)以及改进的归一化差异水体指数(MNDWI)等生物物理信息,同时借助空间统计和缓冲区分析方法,对区域典型园林绿地和水体地表温度的空间特征及其相关性进行了定量研究。结果表明:桂林市5城区的地表温度以低温区和中温区为主。高温区与极高温区也占有较大比例,两者占市区总面积27.8%,较全市平均地表温度高约2~4℃,整体上呈现显著的热岛效应。城市中园林绿地和水体的平均地表温度分别为26.76和24.86℃。相关性分析揭示,城市园林绿地和水体面积与其内部地表温度呈现极显著负相关关系(sig=0.001),园林绿地的FV、水体MNDWI则呈显著负相关关系(sig=0.015和sig=0.038),说明地表温度随着上述参数的增大而降低。除典型水体面积与地表温度的拟合曲线为对数函数之外,其他参数的最佳拟合效果均为线性。缓冲区分析说明,不论是城市园林绿地还是水体,都会对外围一定区域的热环境产生影响。伴随城市园林绿地与水体样区缓冲带距离的增大,外围区域的地表温度呈上升趋势,但这种趋势随距离变化在不断减弱,其有效影响范围在距样区边界120~240 m处。通过对比研究发现,城市中较大面积的公园绿地或水体其降温效应要比面积较小者显著,而水体对于周围热场的影响和敏感度要强于园林绿地。     

大渡河上游丹巴地区地质灾害的地貌分维特征解析

地貌对地质灾害的分布、类型、规模与危害等特征具有重要的影响,宏观及微观地貌指标均能在一定程度上刻画其作用特征。应用高分辨率遥感影像详细解译崩塌和滑坡灾害,采用高精度DEM和滑动窗口技术提取地貌分维特征,并用其解析灾害分布的地貌特征。结果表明:灾害体的内部与后壁、前缘、侧壁和邻区均表现出较为明显的分异性,崩塌的微地貌分异特征较之滑坡显著,大型、厚层、老(古)崩塌及滑坡分异特征更为突出。计算地貌分维值可有效识别与其同时期的或更早的地质灾害,也可间接挖掘新发生灾害的微地貌复杂性和离散性。     

水源地土地覆被分类及无人机遥感验证评价方法研究

本文提出一种水源地土地覆被分类及无人机遥感验证评价方法。采用面向对象分类方法对高空间分辨率卫星遥感影像进行土地覆被分类,基于无人机遥感影像,采用随机抽样方法获取多边形样本验证分类结果,建立混淆矩阵后评价分类精度,并采用国产卫星及无人机遥感数据开展示例研究,取得了很好的研究应用效果。     

基于无人机高光谱遥感在太湖蓝藻水华监测中的一次应用

采用机载高光谱视频相机,在4个季节对太湖蓝藻进行7次、18个架次的有效拍摄。对拍摄到的高光谱影像进行辐射定标、几何拼接等预处理后,提取不同浓度蓝藻和水草等其他物体的高光谱数据,发现不同浓度的蓝藻光谱在680 nm后表现出较大差异。采用主成分分析（PCA）对高光谱数据降维后,结合k-近邻（kNN）分类算法,可实现对蓝藻的精准定位。定性识别结果经光谱预处理后,采用连续投影算法（SPA）进行特征波段提取,发现蓝藻光谱的季节差异主要表现在450 nm~570 nm和760 nm~910 nm波段。     

基于无人机影像的城市植被精细分类

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.