北京市PM5.0可吸入颗粒物反演及其时空分布分析

分析城市可吸入颗粒物的空间特征及影响因素对于制定更为有效的可吸入颗粒物污染控制政策具有重要的现实意义.本研究在实际采样和遥感数据处理基础上,构造差值植被指数(DVI),通过建立TM影像与对应PM5.0颗粒物实测值之间的相关关系模型,对北京市2008~2010年3 a的PM5.0的分布进行了反演计算和精度分析;研究了NDBI和NDMI对PM5.0浓度的影响,进一步揭示了北京五环区域范围内可吸入颗粒物的时空分布特征.结果表明,采用DVI反演PM5.0分布的方法可行,反演精度在可接受范围内;整体上研究区2008年PM5.0颗粒物污染最轻,西南三环和四环以及东南三四环之间为颗粒物污染的高值区,西北五环附近颗粒物污染较轻;NDBI(归一化建筑指数)、NDMI(归一化水汽指数)与PM5.0可吸入颗粒物的分布分别呈现显著的负相关和正相关关系,且二者对PM5.0的影响相近.     

生态环境变化遥感评价指数的应用研究——以敖江流域为例

利用1994年5月12日与2009年6月6日的Landsat TM和2001年5月23日的Landsat ETM＋卫星影像,选用遥感生态指数（RSEI）,结合流域的植被覆盖度状况,定量评价了15年间敖江流域的生态环境变化与植被覆盖度变化情况,并对二者的关系进行了简要分析.结果表明：15年间,敖江流域生态等级为优所占的面积比例从13.48％上升到24.90％,增加了304.29 km2;植被覆盖度等级为极高的面积增加比例为29.31％.总体看来,敖江流域生态环境状况和植被覆盖状况均有明显的提高,两者具有较好的对应关系.     

上海一次典型雾霾过程中不同天气现象的气溶胶光学特性及转化机制

以上海市2013年冬季一次持续雾霾过程为例,根据能见度和相对湿度的地面观测资料将雾霾过程划分为干霾、湿霾、雾3种不同天气现象,对不同天气现象的气溶胶光学特性垂直分布特征进行了研究,并初步分析不同天气现象的转化机制.结果表明,3种不同天气现象的发生顺序为湿霾→干霾→湿霾及湿霾→雾→干霾→湿霾,相对湿度对能见度的影响最大,温度次之,再次是风速,而PM_(2.5)对能见度的影响最小.CALIPSO(Cloud Aerosol Lidar and Infrared Pathfinder Satellite Observation)探测期间,存在2~3 km明显气溶胶层,且不同天气现象的气溶胶层厚度不同(雾湿霾干霾);雾霾发生期间,1.0 km以下高度气溶胶消光能力最大;在干霾、湿霾到雾的转化过程中,球形、大粒径气溶胶增多,非球形、小粒径气溶胶减少.     

基于Landsat多光谱与PALSAR/PALSAR-2数据的汉江流域森林覆盖变化研究

汉江流域是南水北调中线工程的水源地,森林覆盖对于保障水源地生态安全具有重要作用.为监测汉江流域2007～2017年森林变化情况,以Landsat多光谱数据与ALOS(Advanced Land Observation Satellite)雷达遥感数据为基础,在GooSe Earth Engine平台上对数据进行处理分析,根据区域特点,选取9个特征指数,利用随机森林分类算法,提取2007和2017年森林分布,监测汉江流域森林覆盖变化.结果 表明:结合Landsat多光谱数据与ALOS雷达遥感数据的分类精度最高,2007年森林分类整体精度为98.0％,2017年森林分类整体精度为98.6％,精度明显高于单独使用Landsat多光谱数据或ALOS雷达数据的森林分类结果;2007 ～ 2017年十年间汉江流域森林面积增加了5 653.21 km2;森林呈现增多的区域主要分布在河南省的西峡县、南召县和丹江口水库附近,而森林呈现减少的区域在荆门市、十堰市和汉中市附近区域.     

地表水环境遥感监测关键技术与系统

本文主要是围绕地表水环境遥感检测展开讨论,全面介绍了水环境检测的关键技术和系统,建立改进双峰法的水体分布遥感提取方法,并以具体地区为例进行分析,采用不同方法建立解析方法,从根本上提升反演方法的区域和积极适用性,希望能够对相关人员起到参考性价值。     

玛纳斯河流域荒漠草地沙化遥感监测研究

以1989—2016年玛纳斯河流域TM/OLI遥感影像为数据源,利用混合像元分解技术,计算玛纳斯河流域草地总覆盖度和裸沙面积。在此基础上通过监测年与基期年的比较,计算草地覆盖度相对基期年的减少率和裸沙面积相对基期年的增加率两个监测指标,依据《天然草地退化、沙化、盐渍化的分级指标》(GB 19377—2003),对计算出的两个指标分别进行沙化等级评定和赋值,将两种评定结果相综合来监测草地沙化。结果表明,玛纳斯河流域近30年来荒漠草地沙漠化总体呈现先增加后降低的趋势。分析表明,玛纳斯河流域草地沙化是人为和自然因素双重作用的结果。     

乡村振兴背景下陕西省生态环境质量影响因素探究

生态环境质量的优劣一定程度上决定着人类社会能否实现可持续发展,探明乡村发展对生态环境的作用方式及程度,对于区域实现乡村振兴和可持续发展具有一定的现实意义。以陕西省为研究对象,以县域为研究单元,利用长时间序列的遥感生态指数(RSEI)表征陕西省生态环境质量的时空变化特征与变化趋势,借助时空地理加权回归模型,探究生态环境质量的影响因素及其空间差异。研究表明：(1)2000—2020年生态环境质量整体呈向好趋势,RSEI值从2000年的0.483 3增长到2020年的0.651 2,生态环境质量等级为好、较好区域面积占比由40.14%上升至63.43%,集中分布在陕南山区及延安市;(2)生态环境质量从2000—2020年总体呈现“快速变好→缓慢转好”的演变趋势,生态环境质量改善区域面积远大于生态环境退化区域;(3)人口因子、土地因子和产业因子对生态环境的影响呈现明显的空间差异性,影响方式发生转变的因子有林地面积占比、农村居民点面积占比、单位面积化肥使用量和单位面积机械总动力。建议在未来发展过程中制定出分区域、科学合理的乡村振兴政策,以实现陕西省乡村发展与生态环境的协调发展。     

基于哨兵SAR数据和多光谱数据的水稻识别研究

水稻分布范围与面积监测可为水稻产量估算、农业水资源消耗和评价等提供科学决策依据。目前,对华北单季稻稻作区水稻识别的研究尚少,寻找一种适用该区域的水稻识别方法具有一定的研究价值。以天津为研究范围,以Sentinel-1和Sentinel-2为数据源,基于水稻后向散射系数时序变化特征和水稻不同生长期光谱特征,分别对研究区水稻进行了提取,并对两者的提取精度进行了比较。得出以下结论：(1)利用Sentinel-1移栽期、拔节期、抽穗期影像组合可识别水稻,水稻生产者精度和用户精度均在90%以上;(2)在水稻移栽期和成熟期,Sentinel-2近红外、短波红外和可见光红光等波段组合易识别水稻,水稻生产者精度和用户精度均在96%以上,成熟期B12+B8+B4波段组合效果最优;(3)基于水稻成熟期的Sentinel-2 B12+B8+B4波段组合,采用支持向量机法提取水稻是一种适用于华北单季稻的识别方法。运用该方法计算出研究区2016、2018和2021水稻种植面积分别为399.04、586.67和764.55 km²,5 a增加365.51 km²,符合天...     

中外超大城市生态质量遥感评价

超大城市生态系统和地表生物物理组分之间存在复杂的潜在非线性关系,且其产生的生态效应大于中小城市和乡村地区,这使得超大城市生态质量客观评估遇到了技术挑战。该文针对性选取空气质量指数、路网密度、生态连接度、热度、绿度、干度和湿度7个超大城市生态重要影响因子,利用主成分分析方法实现指标集成和阈值自动设定,建立城市生态评价遥感指数(URSEI),对比快速城市化背景下中国超大城市(北京、上海和广州)与进入城市化后期的发达国家超大城市(伦敦、纽约和东京)的城市生态状况差异。URSEI指数评价结果表明,6个城市URSEI均值分布在0.445～0.542之间,伦敦生态质量最好(URSEI为0.542),其后依次为广州(0.533)、北京(0.517)、纽约(0.511)和上海(0.495),东京最差(0.445)。对比URSEI指数的7个指标分量,伦敦与广州URSEI分量中,对生态质量起正向作用的生态连接度和绿度值较高,对生态质量起负向作用的空气质量指数、路网密度、干度和热度值较低,使得这2个城市的生态质量较好。从空间分布来看,城市中心不透水面覆盖率高,植被覆盖少,生态用地的生态效益较低,热岛效应严重,空气质量差,导致其生态质量差;城市大块绿地覆盖区,绿度和湿度高,干度和热度低,空气质量较好,完整连续的生态用地发挥的生态效益也更高,因而生态质量较好。URSEI指数既能作为一个量化指标来刻画区域生态质量,还可以反映城市空间的生态差异性。