最新刊期
在线出版刊期浏览栏目浏览
摘要：随着空间信息技术、大数据模型和可持续城市研究的兴起，城市热环境遥感研究由最初重点关注热环境监测，逐渐转变为聚焦于人类对城市热环境时空变化的适应与调控研究。城市热环境遥感研究的内容和范式正在发生巨大而深刻的转变，本文基于文献计量方法，分析城市热环境遥感研究的现状和热点，梳理了近20年城市热环境的研究进展。通过总结当前研究存在的问题，指出城市热环境研究的未来发展趋势：（1）面向城市热环境的多温度参数反演与重建；（2）城市热暴露与城市结构、生态结构及社会发展模式的耦合关系；（3）面向公共健康的城市热环境适应；（4）气候变化背景下热暴露调控与健康风险管理。关键词：城市热环境;遥感监测;城市热浪;城市热岛;热暴露;高温健康风险166|41|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-04
摘要：双季稻和再生稻作为中国亚热带季风区的重要栽培种植模式，明晰这两种稻作模式在未来气候变化条件下的适应性特征，对维护区域乃至全球粮食安全具有关键作用。然而，二者在气候变化背景下的相对气候优势仍缺乏系统认知。本研究利用遥感卫星和全球气象站观测数据生产的气候环境变量产品，结合两种稻作模式空间记录点数据，从12种常用的物种分布模型中筛选高性能模型，采用真实技能统计量加权平均集成多模型预测结果，系统评估了中国双季稻与再生稻当前及未来多种情景下的适宜性分布特征；通过真实技能统计量最大化阈值法划分适宜区边界，并在适宜区中按照等分概率范围划分不同适宜等级；通过比较两种稻作模式的适宜性等级，识别出再生稻适宜性等级高于双季稻适宜性等级的区域作为更适宜再生稻区域，以突出两种稻作模式适宜性在时空维度上的非对称演变特征。研究结果表明，在当前气候条件下，再生稻的适宜区域（137.91×10⁵ ha）显著广于双季稻（98.56×10⁵ ha）；但未来气候变化将驱动二者呈现时空维度上的非对称演变特征。在时间维度上，双季稻适宜面积在各排放情景下均呈持续扩张趋势，SSP585情景下至本世纪末增幅约27%；而再生稻表现为先扩展后缩减，其适宜面积在SSP585情景下至本世纪末相比当前缩减10.29×10⁵ ha。在空间维度上，双季稻适宜区呈现低纬度基本无收缩的单向北移拓展；而再生稻呈现低纬度大幅收缩与高纬度及西南高地扩张并存的特征。尽管气候变化会削弱再生稻相比双季稻的空间优势，但即使在SSP585情景下本世纪末其潜在优势区面积（24.59×105 ha）仍远高于当前种植规模（12.4×105 ha）。这种时空维度的非对称响应凸显了制定针对性适应策略以维持动态气候条件下粮食生产稳定的必要性。关键词：遥感应用;气候变化;适宜性;再生稻;双季稻;物种分布模型160|29|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-04
摘要：研究以河北省张家口市为研究区，针对较大范围农村居住用地闲置风险识别在复杂地形与城乡混杂背景下存在的漏检率高、背景干扰强及利用状态判别不足等问题，提出融合地形约束与多源时序活力特征的深度学习与机器学习协同识别方法，通过在U-Net模型中融合DEM地形通道与注意力机制，实现复杂地形条件下农村居住用地的像元级提取后，结合建成区边界与夜间灯光特征去除城市像元，构建农村居住用地掩膜，进而融合SDGSAT-1微光夜间灯光与Sentinel-2多时相NDVI时序特征，构建表征人类活动衰减与植被增强的多源协同特征，并利用机器学习模型实现农村居住用地闲置状态的后验概率估计与空间风险分异表达。结果表明：改进U-Net模型在复杂地形背景下具有更高的居住用地分割精度，IoU达到0.8994；在闲置风险识别阶段，轻量梯度提升机（LightGBM）模型综合性能最优（AUC=0.874，F1=0.826），空间自相关分析显示闲置概率像元呈显著正向空间集聚特征（Global Moran’s I=0.842）。研究基于“农村居住用地闲置风险在遥感时序上表现为夜间灯光活力衰减与庭院植被增强并存的复合信号”特征，所构建的闲置风险识别方法，实现了区域尺度农村居住用地闲置的像元级识别与概率化风险表达，可为农村低效建设用地监测与土地整治优先区划定提供参考依据。关键词：农村居住用地;闲置风险;DEM地形约束;SDGSAT-1 微光衰减;NDVI时序植被特征增强;U-Net156|30|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-04
摘要：大型浅水湖泊是区域水资源供给与生态安全的重要载体，其水质长期演变规律对流域治理与生态保护具有重要科学与实践意义。然而，该类湖泊具有高度易扰性与生态脆弱性，在高强度人类活动与持续治理共同作用下，其水质演变过程是否呈阶段性和非线性响应特征仍缺乏系统认识。为此，本研究以中国第五大淡水湖泊—巢湖为研究对象，选取能够综合表征水体光学特征与水质状态的水色指数FUI（Forel-Ule Index）作为切入点；基于2000-2024年MODIS长时序遥感数据，采用改进的高精度水色反演模型（验证精度MRE=1.38%，RMSE=3.32°）构建水色序列，系统揭示长期人为扰动背景下湖泊水色的时空演变特征及其驱动机制。结果显示，巢湖多年平均FUI为12-15级，整体呈现绿-黄色水体特征；空间上呈显著的“西高东低”梯度格局，主要受入湖污染负荷差异及湖体自净过程共同影响；季节水色呈“双峰式”波动，夏季最清澈（色度角α：208.74°）、秋季最浑浊（色度角α：214.23°），受气象因子节律性调控。长期趋势上，2000-2024年巢湖年均α总体呈上升趋势（0.15°/年），且东湖区增幅最为明显（0.26°/年）。Mann-Kendall与Pettitt检验共同识别出2014年为关键转折点，水色演变由2000-2014年的下降趋势（-0.13°/年）转变为2014-2024年的上升趋势（0.44°/年），呈现“先改善、后恶化”的阶段性特征。SHAP归因分析表明，人为活动因子对水色年际变化的贡献显著高于自然气候因子，是驱动巢湖长期变化的主导因素。总体而言，前期治理措施成效显著，但后期社会经济压力增速超过治理能力提升，导致“压力-响应”关系失衡；同时，引调水工程和极端气候事件进一步加剧了水色年际波动与短期恶化风险。研究结果揭示了大型浅水湖泊在长期人为扰动下水色演变的阶段性、非线性与空间异质性特征，可为巢湖及同类湖泊的水环境治理与长效调控提供科学依据。关键词：浅水湖泊;巢湖;水色指数;长时序遥感;人为扰动124|29|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-04
摘要：行道树遮挡交通标志牌影响道路交通安全，但现有研究多止步于静态遮挡检测，缺乏从量化分析指导修剪决策的技术路径。为此，本文构建了连接季节性遮挡动态量化与多强度修剪仿真评估的决策框架。以上海市张江高科技园区8.0公里道路为研究区，对74个悬臂交通标志牌和1524棵行道树进行分析。首先，基于点云重建高精度行道树模型（平均误差2.0cm），并通过虚拟树叶模拟季节变化。其次，采用视锥体空间分析，量化冬季和夏季标志牌的路面可视程度。最后，设置树枝修剪直径阈值分别为5cm和10cm两种方案进行修剪仿真，从修剪成本、生态损失和景观影响三方面评估修剪效果。结果表明：冬季标志牌的路面平均可视程度为91.15%，夏季降至85.26%，下降5.89%，其中编号为7的标志牌降幅达41.45%，受季节影响最大。短悬臂标志牌更易被遮挡。5cm修剪方案下（即修剪树枝直径阈值取为5cm时），树枝体积损失6.20%、树叶损失20.70%；10cm修剪方案下，树枝体积损失增至19.20%、树叶损失升至39.21%，修剪点由558处减至219处。高强度修剪虽降低成本，但可能导致树木结构严重受损（如编号为43的标志牌单木树枝损失57.69%，部分树木几乎只余主干）。研究表明，该框架通过将遮挡量化结果映射为修剪阈值选择依据，并揭示了修剪点减少与树木结构受损之间的非对称代价关系，为城市行道树在交通安全、生态与景观之间的协同管养提供了科学依据。关键词：车载激光点云;行道树;交通标志牌;遮挡分析;修剪仿真;交通安全66|10|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-04
摘要：因气候变暖及人类活动加剧，全球植被覆盖状况发生剧烈变化，进而影响区域乃至全球气候。其中，植被覆盖变化对地表能量分配（即全波段净辐射在潜热、感热和土壤热通量之间的分配）具有重要影响，深入理解植被变化如何影响地表能量分配有助于从物理机制的角度理解土地覆盖变化的气候效应。本文以“植被对地表能量分配的影响”为主题，系统梳理过去三十年中外期刊的研究工作，并重点关注了遥感监测在这一研究领域的应用现状。总体而言，植被主要通过自身生理结构、对地表辐射收支的调节和参与水文循环等路径影响地表能量的分配，这些过程又会受到自然扰动及人类活动的干扰，同时地表能量通量之间也存在相互促进或抑制机制，进而在不同区域或不同时空尺度产生不同的气候响应。研究方法上，现有研究以模型模拟为主，但观测证据的重要性日益凸显。遥感监测凭借空间覆盖广、时间序列长、时空尺度多样化等优势，突破了地面站点观测的空间局限，为模型模拟提供了关键输入及物理约束，有效拓宽了植被与地表能量研究的应用场景，成为揭示全球绿化对地表能量平衡贡献的定量化证据及全球性规律的关键数据源。本文进一步指出，利用新的技术路径（如遥感基础模型）提高地表关键参量遥感产品的时空分辨率及精度、聚焦植被覆盖过渡区域及复杂下垫面（如干旱/半干旱区、城市及山地等）并考虑耦合植被生物地球化学效应等，应是未来从地表能量分配的角度深入理解植被变化及其区域气候响应等相关研究的重要方向。关键词：植被;地表能量分配;地表辐射收支;遥感监测;潜热通量;感热通量;陆气相互作用;气候响应114|20|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-04
摘要：机载LiDAR点云语义分割是三维地物精细化解译与场景理解的重要基础，在智慧城市建设、城市三维建模、交通基础设施提取、国土空间调查和生态环境监测等领域具有重要的应用价值。针对现有深度学习点云语义分割方法在局部几何结构刻画与上下文建模之间协同不足的问题，提出了一种新的机载LiDAR点云语义分割网络LSENet（Local Subdomain-aware and Edge-enhance Dynamic Fusion Network）。首先通过局部子域自适应划分提取每个采样点细粒度空间几何特征；其次在子域间引入特征增强的交互机制以强化局部空间感知与信息流通；最后设计了边缘增强的分组多尺度双注意力动态融合模块，实现了关键特征的动态加权融合，增强了不同语义类别之间的可分性，并提升了模型对复杂结构及边界区域的判别能力。基于Vaihingen 3D与DFC2019两个公开数据集的实验结果表明，LSENet分别取得了83.9%和97.8%的总体精度、70.5%和89.1%的平均F1分数，整体性能优于部分对比方法，验证了所构建网络在机载LiDAR点云语义分割中的有效性和跨场景适用性。关键词：机载LiDAR点云;深度学习;语义分割;局部子域感知;动态融合;边缘增强93|15|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-04
摘要：Segment anything model（SAM）凭借优异的性能和泛化能力广泛应用于各种下游视觉任务，但是将其直接迁移至遥感图像语义分割任务时存在明显的局限性：1）SAM基于自然图像数据训练，难以适应遥感图像的尺度范围大以及地物分布的不均一性；2）SAM的图像编码器基于Vision Transformer，对局部纹理与高频细节的建模能力有限，难以保留高频空间信息，导致地物边界模糊和纹理特征弱化。为解决上述问题，本文提出了一种基于微调与高频增强的多尺度SAM遥感图像分割模型MSHF-SAM（Multi-Scale SAM with Fine-tuning and High-Frequency Enhancement）。在编码阶段，首先引入高频增强模块，使其有效保留高频特征信息，其次，引入少量参数高效微调策略，缓解SAM模型迁移至遥感领域时的跨域特征偏移问题。在解码阶段，采用MACU-Net解码头替换SAM原始掩码解码器，并设计轻量级边界细化分支，在保持模型高效运行的同时，有效提升地物边界与分割质量。在高分辨率遥感数据集LoveDA和Vaihingen上的实验结果表明，MSHF-SAM的mIoU和F1等评价指标均优于其他对比模型。其中，相较于经典的Unetformer分割模型，本文所提方法在LoveDA数据集的mIoU得分提升了4.33%，在Vaihingen数据集的mIoU得分提升了2.85%，实验结果表明所提方法具有良好的性能，实现了视觉大模型在遥感语义分割场景的应用。关键词：深度学习;分割任意模型（SAM）;语义分割;高频信息;大模型微调;遥感图像126|21|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-09-04
摘要：极化SAR（合成孔径雷达）凭借其全天时、全天候的优势，在作物分类中具有重要作用。目前，基于机器学习方法构建极化分解特征与作物之间的关联是实现极化SAR分类的重要途径。然而，现有双极化分解方法常依赖于固定的散射模型，仅能获取离散的散射特征，限制了其对作物复杂散射信息的细致表征。为此，本文提出一种基于旋转变换的双极化SAR散射特征提取方法，该方法利用表征双极化空间的两个极化参数构建旋转矢量，观测矩阵在旋转矢量上的连续投影可获得海量连续散射特征，从而更全面地反映不同作物的散射特性，增强类间差异性。本文选取中国甘肃省金昌市与美国加利福尼亚州两个农田实验区进行实验。实验结果显示，与现有双极化分解方法相比，在金昌实验区，新方法分类精度达96.10%，较
摘要：田块尺度作物长势的实时监测是精准农业的关键。然而，卫星遥感监测范围广但易受天气与空间分辨率制约，无人机（unmanned aerial vehicle， UAV）空间分辨率高但受续航限制，单一数据源难以满足大范围连续监测的需求。针对此问题，本研究基于UAV、Sentinel-2与PlanetScope SuperDove多光谱数据，提出一种基于改进CACAO算法的跨平台时空融合方法。该方法构建了“UAV+Sentinel-2”与“SuperDove+Sentinel-2+UAV”两种数据组合策略，并通过前向预测与后向更新两种模式，近实时地生成每日1米分辨率的归一化植被指数（NDVI）时间序列数据集。进一步采用留一法交叉验证（Leave-One-Out Cross-Validation， LOOCV），并与现有GLM-STF（基于广义线性模型的时空融合，Generalized Linear Model-based Spatiotemporal Fusion）算法进行对比，以评估融合结果的精度。结果表明：（1）不同平台的NDVI数据具有良好的一致性，Sentinel-2与SuperDove NDVI相关性达到0.97，无人机与卫星NDVI相关性超过0.75，满足数据融合的前提；（2）CACAO算法能够有效地重建水稻的物候动态，其中后向更新模式生成的NDVI时间序列更为平滑，且基于CACAO的两种数据组合策略均获得了较高的精度（R > 0.94），在关键物候期引入高时间分辨率的SuperDove数据能在一定程度上提升精度，相关性从0.51提升至0.67；（3）CACAO算法在整个生长季中表现出比GLM-STF算法更稳定和略高的精度优势。综上所述，本研究提出的跨平台融合框架能够有效生成连续、高精度的田块尺度水稻NDVI时间序列，可以为作物长势的精细化监测与精准化管理提供有力的技术支持。关键词：PlanetScope;哨兵二号（Sentinel-2）;时空数据融合;长势监测;精准农业;田块尺度;物候曲线;近实时监测1129|1139|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-03-17
摘要：本文面向农作物倒伏“灾前-灾后”一体化监测需求，针对现有方法自动化水平低、缺乏时空协同机制及系统性框架等问题，提出了一种基于农作物生长标准曲线的倒伏常态化自动监测方法——StandardCurve-iForest-RF。该方法利用Sentinel-2时间序列数据，通过软动态时间规整（Soft-DTW）算法构建不受年度波动干扰的作物生长标准曲线，作为稳健的监测基准；结合孤立森林算法计算多特征异常得分累计值，并引入时空联合判定机制，有效识别真实倒伏事件，抑制因云噪声等导致的误判；最终实现从倒伏动态发现到范围精细检测的高度自动化流程。在黑龙江省大庆市肇源县薄荷台乡的倒伏案例中，该方法成功检测出2020年9月15日的倒伏事件，整体精度达80.36%，Kappa系数为0.60。结果表明，StandardCurve-iForest-RF方法具有自动化程度高、准确性好的优势，可为农业灾害监测与应急管理提供可靠的技术支持。关键词：作物倒伏监测;标准生长曲线;时序分析;时空联合检测;Sentinel-2515|1047|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-03-13
摘要：街景影像是感知城市物质环境的一种新型地理大数据。通过街景发现立面变化并识别变化语义类别是城市更新的重要感知手段。传统变化检测方法无法直接区分街景变化物体的时相归属（变化拆分），难以高效识别两个时相中变化区域的语义类别。本文提出Cross-C2PO （Cross-Combine 2 POssible change types）模型统一变化检测与时相拆分任务，有助于引入现有图像语义分割模型实现街景语义变化检测。在此基础上，文章构建了城市更新动态度指标的感知分析方法，以广州主城区2013-2019年更新变化监测为目标，进行街景全景综合变化感知，实现前后左右视四个视角感知的城市更新动态度制图，直观展现了城市更新的分布及物理环境变化强度，为街景与计算机视觉智能结合应用提供创新方法和案例研究。关键词：城市更新;街景影像;语义变化检测;场景变化检测;弱监督;动态度753|924|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2026-03-06高分一号宽幅多时相水体提取数据集 AI导读
摘要：针对当前公开水体数据集时相单一以及标注精度较低等方面的局限性，本研究基于“高分一号”（GF-1）的宽幅多光谱影像，构建了高质量多时相湖泊提取数据集。分别选取了动态程度较高的鄱阳湖、中等的纳木错以及较低的阳澄湖作为试验区，涵盖了2022年春夏秋冬四个季节。为提高数据质量，GF-1宽幅多光谱数据首先经过辐射、正射和快速大气校正等预处理；然后采用自动与人工目视相结合的标注策略，三个研究区四个季节的总体精度均达到94%以上，确保了数据集的可靠性和科学性。该数据集具有多时相特性和高标注精度等特点，为高分辨率遥感影像中的动态水体制图和动态变化监测研究提供了重要数据支持。为验证数据集的实用性，采用阈值分割、传统机器学习算法以及深度学习等多种水体提取方法进行实验。结果表明，该数据集能够有效支持不同方法的训练与评估，为动态水体提取算法的性能提升提供可靠数据基础。关键词：高分一号;动态水体;水体提取;数据集;特征提取801|939|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-12-11
摘要：定量分析中国脱贫县生态环境和社会经济之间的耦合协调关系及其影响因素对于总结脱贫经验、巩固脱贫攻坚成果具有重要意义。本文基于长时序、高精度的遥感数据集，构建了全国832个脱贫县生态环境和社会经济的综合评价指标体系，定量评估了两者在2010年、2015年和2020年的发展水平及其耦合协调状态，并运用提升回归树模型识别各指标因子对区域耦合协调发展的贡献率。研究结果表明，脱贫县生态环境的综合发展水平整体高于社会经济发展水平，但社会经济的发展速度快于生态环境的改善速度，且两者在2015至2020年间的平均增长率高于2010至2015年。从空间分布来看，东北地区脱贫县的耦合协调度最高，西北地区最低，整体呈现“东高西低”的分布格局，并表现出由沿海向内陆逐步推进的发展趋势。绝大部分脱贫县属于“经济滞后型”的耦合协调类型，人口数量、国内生产总值、夜间灯光等社会经济指标在耦合协调发展中的贡献尤为显著。基于典型地区的脱贫路径和实践经验，研究进一步提出，因地制宜发展产业扶贫是推动脱贫县社会经济快速发展的关键举措，打造多元化的本地特色产业是巩固脱贫攻坚成果、有效防止返贫的核心策略。关键词：脱贫县;生态环境;社会经济发展;遥感数据集;耦合协调;提升回归树模型;贡献率;空间分布格局;产业扶贫604|438|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-11-04
摘要：地面观测是遥感科学研究的基础，为定量遥感模型的构建、遥感信息准确高效的反演、真实性检验提供重要的数据支撑。特别是进入工智能时代以来，将地面观测与遥感数据相结合驱动深度学习的模式在一定程度上创新了陆表参数反演的范式。然而，由于地面观测与遥感像元的尺度差异以及陆表本身复杂的空间异质性，地面观测存在代表性误差，将其直接作为像元尺度地面真值使用时会给后续的地面观测数据与遥感数据的协同分析和处理带来很大不确定性。如何通过科学的地面观测获取无限接近遥感像元尺度地面真值是野外遥感观测实验关注的焦点。目前围绕像元尺度地面真值获取已经系统开展了从样区的选择、空间异质性评价、地面样点优化布设、地面观测、到尺度转换获取像元尺度“真值”等研究。虽然针对每一个环节都开展了大量的研究工作，然而各个环节中存在概念模糊和理解不充分的情况，导致像元尺度地面真值获取的不确定性很大。如何对像元尺度地面真值获取过程进行不确定性的约束和控制从而获得不确定性最小的像元尺度地面“真值”是目前亟需解决的瓶颈难题。本文围绕像元尺度地面真值获取的几个关键环节论述了目前存在的挑战以及可能的解决途径，在一定程度上为像元尺度地面真值获取的准确性和精度的提升提供一些新的认识和理论指导。关键词：像元尺度真值;地面观测;尺度差异;空间异质性;代表性误差;不确定性;真实性检验;质量评估;样本构建708|1135|1<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-07-21
摘要：人为热通量（Anthropogenic Heat Flux， AHF）是单位时间内单位面积上产生的人为热排放总量。研究AHF的时空分布，有助于理解城市热环境的形成与变化，也对缓解和调节城市生态环境问题具有重要的理论和实际意义。为获取区域范围少量样本情形下人为热排放的空间分布并开展关中平原城市群人为热排放的时空演化特征分析，本研究首先采用修正后的源清单法估算地级市人为热通量，再结合POI数据、夜间灯光数据、建筑高度数据以及人口分布数据等多源空间数据通过多元线性回归构建不同类型人为热排放估算模型，获取了2016-2021年关中平原城市群空间分辨率为500米的逐年人为热排放数据，并开展了人为热排放时空特征分析。研究结果表明：（1）多元线性回归在AHF格网化中具有较高的可行性，其获得的拟合模型拟合精度较高，决定系数（R2）均超过0.9，其中建筑AHF的拟合模型精度最高，R2达0.98；（2）POI参与人为热的格网化分配能够很好地体现出不同类型人为热排放的空间异质性，是估算不同热源AHF空间分布的重要数据源；（3）关中平原城市群人为热通量空间分布不均匀，在经济发达、地形平坦、城市化程度高的城市群中心区域形成高值区，在时间上其总体呈现上涨趋势。研究获得的人为热排放空间分布数据可以为城市热环境评估和城市热舒适度模拟提供数据参考。关键词：人为热;POI数据;夜间灯光;多源空间数据;人类活动;多元线性回归;源清单法;关中平原城市群;时空变化831|1208|0<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2025-07-21中尺度涡调制下全球海洋遥感特征相关性分析 AI导读
摘要：本文旨在探寻反气旋性涡旋（AE）、气旋性涡旋（CE）调制下海表特征的相关性分布及其与涡旋外部（OE）区域的差异，为进一步厘清中尺度涡对海气界面的调制机制，改进海洋数值模拟提供理论依据。本文利用2010-2019年长时序遥感观测数据以及皮尔逊积距相关系数、涡旋识别等方法，系统分析了全球中尺度涡调制下海表温度异常、海面高度异常、叶绿素浓度异常、风速异常四种参数相关性的时空分布特征及其差异。结果表明，各参数之间相关性分布赤道太平洋地区相关性最强，印度洋地区以及北美洲西南岸相关性较为显著，其他地区相关性偏弱，且各参数分布呈现出较强的涡旋信号。此外，各参数的相关系数在OE中相比于CE以及AE内部降低0.2左右，相关系数分布的平滑程度约为AE与CE中相关系数分布的20倍，且相关性相反两区域之间存在明显的过渡区域。可以得出结论中尺度涡调制下各参数的相关性分布表现很强的地域特征，其差异主要表现在相关程度以及整体平滑性方面。关键词：遥感观测;中尺度涡;耦合分析;海表温度;海面高度;叶绿素浓度;风速439|1020|2<HTML><网络PDF><Enhanced-PDF><Meta-XML>更新时间：2024-06-17
摘要：地表温度对于全球气候变化等研究具有重要意义。被动微波遥感传感器AMSR-E（Advanced Microwave Scanning Radiometer for EOS）可以获得全天候地表温度，可作为多云条件下热红外地表温度数据的补充；但轨道扫描间隙限制了该数据在全球或区域尺度上的实际应用。鉴于地表温度的高时空异质性和AMSR-E LST轨道间隙数据的特点，本文提出了一种多时相特征连接卷积神经网络地表温度双向重建模型（MTFC-CNN），利用深度学习在处理复杂非线性问题上的优势，重建轨道间隙区域的地表温度值。将2010年中国大陆区域四季的AMSR-E LST数据，分为白天和夜晚，形成共八个数据子集进行实验。在模拟实验中,重建结果与原始反演地表温度值平均均方根误差在1.0K左右，决定系数R2在0.88以上，优于传统的样条空间插值和时间线性回归方法；真实实验结果具有较好的目视效果，且与对应MODIS LST产品对比发现，重建区LST值和未重建区LST值与MODIS LST产品间具有相近的平均均方根误差和决定系数。因此，本文提出的MTFC-CNN方法能有效重建AMSR-E LST轨道间隙数据，且优于传统方法。关键词：地表温度;AMSR-E LST;重建;深度学习;MTFC-CNN3031|1195|0<HTML><网络PDF><Meta-XML>更新时间：2022-03-09
摘要：在全球升温背景下,北半球中高纬度植被生产力呈现增强趋势。学界普遍认为植被生长季延长是促进植被生长的重要因素,而夏季植被生长幅度(最大生长能力)对生产力的影响尚不明确。本文基于长时序遥感NDVI数据,探讨生长季长度和幅度对植被生长力的长期趋势与变异的控制作用及差异。首先基于1982-2015年的GIMMS NDVI3g数据,利用曲率求导法确定关键物候参数-生长季开始点、结束点和夏季峰值点,通过曲线下积分方法获得生长季生产力(VIsum),然后在像元和植被覆盖区尺度上探索生长季长度(Length of Growing Season, LOS)、生长幅度(Growing Magnitude, MAG)、VIsum的长期变化趋势与变异,利用相对重要性分析方法,确定LOS和MAG对VIsum的影响。结果表明：研究区总体的LOS呈现微弱缩短趋势,MAG轻微增强,生产力变化趋势不显著。VIsum与LOS的波动性一致,与MAG振幅呈反相位,三个变量的趋势和变异都存在一个10年的周期。在像素尺度的空间分布上,VIsum主要在北部针叶林区、西部草原和南部针叶林区呈增长趋势,LOS和MAG趋势的空间分布基本相反,LOS在中部和东部的农作物区和少部分西部草原呈现缩短趋势(约占植被区81.5%),MAG在农作物区、大兴安岭部分针叶林区、西部草原区为增强趋势(约占植被区16.5%)。表明植被生长周期压缩促进了夏季生长幅度的提升(LOS与MAG负相关)。在各植被覆盖类型中仍然是LOS对VIsum趋势和变异的贡献最大(约为75%)。LOS和MAG对VIsum趋势及变异贡献作用的空间分布完全相反：LOS在北部针叶林和东部阔叶林区占主要控制作用,MAG主要影响西部草原和中-南部农作物区(贡献率27%),但是相对作用仍小于LOS。基于森林站点通量数据的验证表明地面物候和生产力变化趋势与卫星NDVI的发现一致。虽然研究区植被生长季长度仍然是控制生产力长期趋势和变异的主要因素,但是植被生长幅度呈现不断增强的趋势,未来有可能发生控制力的转变。关键词：植被物候;植被生产力;生长季长度;生长幅度;相对重要性;GIMMS NDVI3g1922|2357|0<HTML><网络PDF><Meta-XML>更新时间：2021-06-11- 摘要：基于卫星遥感的水体提取算法主要针对大中型湖库或者是大型河流，应用于细小水体时容易出现误判。哨兵二号卫星多光谱遥感数据空间分辨率为10、20、60米，双星时间分辨率5天，时间和空间分辨率较高，因此本文采用了哨兵2绿光波段（560nm）、红边波段（705nm）、近红外波段（842nm、865nm）和短波红外波段（2190nm）的遥感反射率，提出了一种新的水体指数算法（Vegetation Red Edge based Water Index，简称RWI）。对比分析了植被、阴影、建筑物、混合像元、裸土、水体6种地物的归一化遥感反射率，从机理上解释了为什么RWI比其他水体指数具有更好的提取细小水体的效果。本文对比了常用的几种水体提取算法，包括改进的归一化差异水体指数MNDWI（Modified Normalized Difference Water Index）、多波段水体指数MBWI（Multi-Band Water Index）、自动水提取指数AWEI（Automated Water Extraction Index），以人工目视解译的水体结果为准，对比以上几种算法得到的水体提取结果，得出RWI、MNDWI、MBWI、AWEIsh、AWEInsh的误差分别为3.6%, 4.2%、12.2%、8.8%、19.8%。从结果可以看出RWI算法精度最高。从影像提取结果来看，本文提出的RWI算法提取的水体边界效果更佳，而且能够一定程度上消除山体和建筑物阴影、云阴影以及混合像元的影响。同时，在2016年1月~2018年12月时间范围内筛选选取了共43景无云的哨兵2影像，利用本文提出的算法对雄安新区、神东矿区、永城矿区三个区域的细小水体分布开展了多时相分析。观察后发现每个时相的结果均十分良好，细小水体的边界区分度较高，基本没有错提、漏提，算法具有良好的适用性和稳定性。关键词：水体提取;水体指数;细小水体;哨兵2;RWI;MNDWI;MBWI;AWEI3453|3747|0<HTML><网络PDF><Meta-XML>更新时间：2021-06-11
