一、应用遥感技术对北京地区不同尺度动态监测方法的研究（论文文献综述）
张吟[1]（2021）在《基于天空地一体化的石漠化治理草地畜牧业效益监测评价研究》文中研究表明喀斯特石漠化是中国南方生态建设中需要面临的最突出地域问题,治理成效是判断该地区实现生态文明建设与可持续发展的主要依据之一。党的十九届五中全会要求科学推进石漠化综合治理,石漠化治理草地畜牧业是石漠化综合治理工程向纵深发展的重要组成部分,是科学改善石漠化生态环境和推动社会经济高质量发展的有效措施之一。进行石漠化草地畜牧业综合效益评价对揭示草地畜牧业的实施与成效间的协调性和畜牧业生产效益具有重要意义。根据地理学、遥感学、草地学、畜牧学等关于空间异质性、地物光谱差异性、草地生态系统整体性等理论,针对草地畜牧业效益监测与信息化融合、因地制宜的定量效益评价指标体系、模型构建等技术需求和科学问题,在代表南方喀斯特石漠化生态环境类型总体结构的贵州高原山区选择关岭-贞丰花江、毕节撒拉溪和施秉喀斯特为研究区。以天空地一体化为技术手段,获取2015-2020年卫星遥感、航空遥感和地面监测等数据,运用频度统计、理论分析、专家咨询、层次分析、静态和动态分析相结合等方法,构建基于天空地一体的石漠化治理草地畜牧业综合效益监测评价指标体系和评价模型,通过不同石漠化等级草地畜牧业“两山”效益、扶贫效益、可持续效益与综合效益实现综合效益动态监测和评价,提出后续可持续发展的对策建议,为国家和地方石漠化治理草地生态恢复与生态畜牧业发展提供科技参考。（1）基于研究目标以及对数据的时间连续性、空间分辨率、数据获取成本等需求,获取了多平台、多时空、多分辨率、多尺度的数据:包括:2015和2020年两期Landsat-8中分辨率遥感影像,2020年的2m分辨率GF和ZY卫星数据,高精度无人机影像数据,地面草地样本数据,社会经济数据,集成了天空地一体化动态监测体系,满足了研究的时间、空间和精度需求,实现草地畜牧业综合效益动态监测评价与信息化技术的融合。在进一步研究中可以引入雷达遥感和高光谱地面监测数据,丰富数据类型和监测手段,更加有利于提升监测精度。（2）植被覆盖度增加速率与石漠化程度成正比,平均草地地上生物量增加速率与石漠化程度成反比,石漠化演变趋势整体呈现由高等级石漠化向低等级石漠化、有石漠化向无石漠化方向发展,石漠化程度越深的区域,石漠化治理取得的成效越显着:从2015-2020年间的植被覆盖度变化来看,关岭-贞丰花江平均植被覆盖度由38.50%提升至57.87%,毕节撒拉溪平均植被覆盖度由53.03%提升至61.19%,施秉喀斯特平均植被覆盖度由58.45%降低至58.20%,不同等级石漠化区域的平均植被覆盖度增长率分别为52.63%、15.09%和0%。从2015-2020年,植被覆盖度随石漠化程度越深,增长速率越快,无-潜在石漠化的施秉喀斯特植被保护较好,潜在-轻度石漠化和中-强度石漠化区域的植被恢复较好,生态环境得到了较大改善。关岭-贞丰花江平均草地地上生物量密度由478.55 g/m2增加至708.52 g/m2,增长率为48.06%;毕节撒拉溪由703.39 g/m2增加至1544.96 g/m2,增长率为119.64%;施秉喀斯特由1632.85 g/m2降低为1035.97 g/m2,增长率为-36.55%,草地地上生物量总体表现为石漠化程度越深密度越小,施秉喀斯特作为世界自然遗产地保护区,草地生物量密度水平较高,关岭-贞丰花江和毕节撒拉溪草地生态系统恢复均较好。针对不同石漠化地区草地生态系统异质性较强特点,政府制定明确的草地治理与保护目标和具体措施,鼓励农民种草养殖可以有效降低地区裸土比率,提升地表植被覆盖度。（3）运用频度统计法、理论分析法、专家咨询法和实地调研法选定指标,构建了包括13个具体指标的指标层和生态效益、经济效益、社会效益3个准则层的综合效益评价指标体系,采用专家打分法和层次分析法给出相应指标权重,构建石漠化草地畜牧业综合效益评价模型:石漠化草地畜牧业综合效益评价模型生态效益:经济效益:社会效益比为0.4934:0.3108:0.1958。轻度及以下石漠化面积占研究区面积比重C4、人均畜牧业产值C6、植被覆盖度C1、平均草地地上生物量C3、人均耕地面积C12等五个指标对综合效益评价的影响最大,这5个指标权重之和达到目标层权重的61.78%,说明石漠化治理草地畜牧业的综合效益主要由这5个指标来体现。针对石漠化治理草地畜牧业效益多尺度评价缺乏因地制宜的规范指导问题,构建了石漠化治理草地畜牧业综合效益评价模型。基于天空地一体化应用层面构建的评价指标体系还具有一定的试探性,后续研究可以尝试结合高光谱遥感,更系统科学地把宏观和微观指标相结合。（4）石漠化治理草地畜牧业在2015-2020年间的生态效益、经济效益、社会效益变化表现为无-潜在石漠化区域的三类效益增长率最小,潜在-轻度石漠化研究区经济效益增长率最大,中-强度石漠化研究区生态效益和社会效益增长率最大:施秉喀斯特生态效益由0.4883下降至0.4503,毕节撒拉溪生态效益由0.3560增长至0.4217,关岭-贞丰花江生态效益由0.2774增长至0.3301。施秉生态效益增长率为负,但在不同时期施秉的生态效益都优于关岭-贞丰花江和毕节撒拉溪生态效益。潜在-轻度石漠化研究区经济效益值在2015年时相对最低（0.1375）,但在2015-2020年间的增长速率最快（85.98%）。在经济发展方面,潜在-轻度石漠化区域比中-强度石漠化区域和无-潜在石漠化区域更具发展优势。社会效益与不同石漠化程度的关系与生态效益变化规律相似,在不同时期都呈现出无-潜在石漠化区域社会效益值最高,但增长率最低。说明石漠化程度越深的区域社会效益发展潜力越大。（5）在综合效益评价基础上,结合国家提出的生态文明建设要求,精准扶贫思想和可持续发展理念,提出“两山”效益、扶贫效益和可持续效益的联动分析手法:从2015-2020年间,无-潜在石漠化研究区综合效益由0.8173提升到0.8270,潜在-轻度石漠化研究区综合效益由0.6109提升到0.8095,中度-强度石漠化研究区综合效益由0.6126提升到0.7589,就综合效益增长率来看,无-潜在石漠化研究区增长率最小,但与同时期不同等级石漠化研究区相比,综合效益值最高。不同等级石漠化区域石漠化治理草地畜牧业的综合效益在均在变好。施秉喀斯特“两山”效益保持为0.6424不变,毕节撒拉溪“两山”效益由0.4935提升到0.6774,关岭-贞丰花江“两山”效益由0.4879提升到0.6168。施秉喀斯特扶贫效益由0.3290提升到0.3766,毕节撒拉溪扶贫效益由0.2549提升到0.3878,关岭-贞丰花江扶贫效益由0.3352提升到0.4287。施秉喀斯特可持续效益由0.6631下降为0.6349,毕节撒拉溪可持续效益由0.4735提升到0.5539,关岭-贞丰花江可持续效益由0.4021提升到0.4722。石漠化治理草地畜牧业的发展对不同等级石漠化区域的生态文明建设,农村人民的贫困扶持,社会的可持续发展均有一定的贡献。要继续鼓励各单位、组织、机构积极参与石漠化治理科技推广,加强石漠化治理与草地畜牧业关键性技术问题的研究和开发。
邵亚琴[2]（2020）在《基于多源动态监测数据的草原区煤电基地生态扰动与修复评价研究》文中研究表明草原区煤电基地开发在满足我国能源战略需求的同时,给区域生态环境系统带来了巨大冲击,引发众多生态问题,如土地损毁、地下水位下降、大气污染等,生态扰动表现方式和演变机制各不相同,累积效应显着,严重影响区域能源保障和生态屏障作用的发挥,实现煤电基地生态环境实时监测和合理评价,为煤电基地生态环境保护和修复补偿监管提供依据,能够有效促进煤电基地生态文明建设。本文依托于国家重点研发计划项目《东部草原区大型煤电基地生态修复与综合整治技术及示范》（2016YFC0501109）,针对我国绿色开发能源战略的需求,以生态文明建设为契机,紧扣草原区煤电基地生态环境的特点,选择内蒙古锡林郭勒盟胜利煤电基地为典型研究区域,基于多源空间动态监测技术,应用系统分析方法,对该区域生态环境时空状况进行了扰动规律分析与监测评价。主要研究内容和成果如下:（1）基于戴明环与生命周期理论构建煤电基地CE-PDST生态环境系统循环驱动机制。研究归纳了草原区煤电基地生态环境的特点,分析了煤电基地煤矿、火电厂及煤炭城市三大扰动源对生态环境影响的时空演变趋势,分阶段讨论了煤电基地时空发展的特点,揭示了煤电基地生态系统的周期性发展规律。针对煤电基地生命周期各阶段扰动源发展状态及对生态环境的扰动特征,构建了煤电基地CE-PDST生态系统循环驱动机制,分别从扰动源子循环和生态环境单元子循环两个角度进行了生态环境系统演化分析。（2）搭建多源异构数据“获取-处理-融合-分析”技术框架和体系。基于空间信息技术获取的空间数据及统计数据和调查数据等,提出了基于邻域信息约束的中高空间分辨率遥感影像分类后处理方法、多源多尺度DEM融合方法和“暗像元法”与“深蓝算法”相结合的气溶胶厚度反演等方法,通过影像参数反演、数据融合、统计分析、空间数据挖掘与空间分析等技术手段,为在不同时空尺度下分析草原区煤电基地内土地环境、水环境和大气环境参数的扰动规律和变化特征以及生态环境综合评价提供数据和技术支撑。（3）实现煤电基地尺度下土地利用类型、植被覆盖、土壤侵蚀和大气环境的时空动态变化分析及扰动源识别。针对胜利煤电基地的特点构建土地利用分类体系,通过土地利用动态度模型和煤电开发驱动指数进行煤电开发土地利用类型转移驱动力分析;综合运用GIS空间相关性分析方法,分别从全局演变和局部效应进行植被覆盖时空变化检测;针对煤电基地土壤侵蚀的特点,建立土壤侵蚀风-水复合模型sA并实现总模数的估算,利用经验模型验证了其适用性;通过遥感反演获取了研究区域内SO2、NO2的柱状浓度和气溶胶厚度AOD,并利用地面观测站数据验证了其可靠性。研究结果表明,煤电基地开发是研究区域土地利用类型转移的主要驱动力,植被破坏、水土流失和大气污染均以露天矿区、电厂区及锡林浩特市城区为扰动热点,随着开发规模的不断扩大,扰动程度逐渐加强。（4）在典型扰动源-露天矿尺度下进行生态环境扰动规律及生态修复效益分析。根据露天矿土地单元扰动机理,归纳了7种土地利用类型转移方式,建立了扰动重心加权模型,通过不同阶段加权重心的转移距离和转移方向,验证了CE-PDST驱动规律。针对露天矿首采区已经形成的四种扰动土地利用类型的转移方式,研究其在转移过程中植被指数的时空演变规律,通过建立排土场NDVI与地形因子、气象因子和人为修复因子之间的驱动关系,提出了提高排土场土地复垦效益的有效建议。利用多孔监测井的多期监测数据分析了胜利一号露天矿开采过程中潜水位的变化规律,并通过回归趋势分析确定了露天开采对地下水的影响半径和静水位,为确定受地下水位下降影响的居民搬迁范围和研究基于影响半径分析地下水位变化对地表植被变化的影响规律提供了依据。（5）通过生态效益响应因子识别,参考《生态环境状况评价技术规范-2015》,采用层次分析法计算了各项指标的权重,构建了草原区煤电基地生态环境综合评价体系(MEICE),从煤电基地尺度、功能区单元和最适宜格网单元等多时空尺度,综合评价和分析了研究区域2000年、2005年、2010年和2015年的生态环境状况,探寻区域生态的时空变化规律。研究表明,2000-2015年,研究区域生态环境整体处于良好状态;2005-2015年,煤电基地开发规模迅速扩大,恶化趋势明显,形成以露天矿区及电厂区、市区和居民点中心的阶梯状缓冲区,印证了露天矿开采及电厂开发、城市建设对生态环境产生负面扰动的累积效应;2010-2015年,露天矿区排土场复垦、电厂控排、城市湿地公园建设及省道S307沿线绿化有效改善了局部生态环境状况,体现了生态修复与监管对生态环境恢复的重要性。针对本文探索的胜利煤电基地生态扰动规律及生态环境评价结果,基于GMR模型对研究区域2020年生态环境状况进行了模拟,提出了草原区煤电基地开发弹性调控与生态环境修复管理对策,搭建了基于大数据平台的草原区煤电基地“监测-评价-管理”三位一体的多源动态监测平台基本架构,并提出了草原区煤电基地生态环境修复CE-PDST-“5W+2H+E”循环管理模式,为煤电基地的可持续发展提供了有效途径。论文有图91幅,表65个,参考文献221篇。
王君[3]（2020）在《海岸带典型用海地物遥感监测与时空演变分析》文中提出海岸带是对物理化学、生物、形态过程做出反应的敏感区域,由于海岸带区域覆盖范围广、变化速度快,导致对该区域的长时间监测和管理具有很大的挑战性。同时,因为其特殊的地理位置及丰富的自然资源,所以极易受到人类化（如城市化、工业化、农业和海水养殖）和气候变化（如河流排放、海浪、海平面上升）的影响,这些变化直接或间接地影响着人类生活的质量和生态环境的稳定性,因此受到各国学者、管理者与决策者的密切关注。受人类活动和气候变化影响较为强烈的典型用海地物主要包括海岸线和海水养殖区。海岸带作为人类活动密集的场所,其频繁的经济和贸易活动导致海岸线功能类型发生变化,同时,人口增长带来的食物需求的增大促进了海水养殖业的迅速发展。因此,亟需对海岸带典型用海地物进行遥感监测,深入研究监测的方法并进行时空演变分析。该研究是有效保护海岸带资源,科学管理海岸带生态环境、海岸带经济以及海岸可持续发展的前提与基础。本文在分析利用不同遥感技术手段对海岸带区域典型用海地物开展调查和监测分析的优缺点基础上,对海岸带典型用海地物的自动提取方法开展了一系列关键技术研究,然后将提取方法分别应用于不同研究区进行检验,并将其进行时空机理分析,实现了海岸带典型用海地物时序信息提取及时空分析的系统研究。本文的主要研究结论如下:（1）针对目前海岸线特征存在模糊性、不同环境背景下海岸线特征表现复杂等问题,本文提出了一种基于面向对象的海岸线自动提取与属性分类思想。该方法通过海岸线提取和海岸线周边面状用地类型分类,将线面进行结合,实现海岸线自动分段及其属性的判别。实验结果表明,基于随机样本和实测数据,本文方法提取的海岸线位置精度可达到87%以上,且分类的总体精度可以达到84%以上。该方法在参数设置和属性分类方面有了极大的简化,有利于解译者的操作,且鲁棒性较强。（2）针对目前复杂海水背景下海水养殖区存在特征不明显,提取困难的问题,本文提出了一种融合边缘特征的面向对象海水养殖区提取方法。该方法利用浮筏养殖区目标叶绿素浓度较高的特点,将基于分割的图像解译思路和基于人眼视觉显着机理相结合,充分利用海水养殖区边界在15-30米的中分辨率影像中较为清晰的特点,进一步提高海水养殖区域的提取精度。定量评价结果表明,在海水背景单一时本文方法的F-Measure值达到95%左右;在海水背景复杂时本文方法的F-Measure值较OBVS-NDVI方法提高10个百分点左右,证明了本文所提方法的鲁棒性。（3）基于上述海岸线自动提取及分类方法研究,以印度尼西亚研究区为例,开展了该区域28年间海岸线不同类型的时空演变格局分析研究,解决了印度尼西亚群岛国家长时序海岸线时空演变信息空缺的问题。从海岸线利用度指数、海陆格局面积指数、等级分割角度综合分析海岸线的空间格局变化和开发利于程度。结果表明:在全国尺度上,28年间印度尼西亚海岸线总长度呈增加趋势,主要表现为人工岸线的增长;在岛屿尺度上,海岸线开发利用度上涨最大的岛屿是加里曼丹岛,其开发利用的形式是以牺牲红树林岸线为代价;在省级尺度上,海岸线开发利用度变化最大的省份是南苏门答腊省,开发利用度指数从1900年的100提升到2018年的266.43;印度尼西亚海岸线陆海格局变化趋势主要是向海扩张,其中,廖内省陆地面积的扩张规模最为显着,增加约177.73km2,占全国陆地增加总面积的23.08%,西爪哇省的海水侵蚀最为严重。通过结合同期的人口、经济等数据分析发现,地形因素是该区域人工海岸线不断增长及发展的主要约束条件。（4）基于上述海水养殖区自动提取方法研究,开展了中国渤海-黄海区域1990-2018年间海水养殖区遥感提取与监测研究,解决了中国渤海-黄海区域长时序海水养殖区制图分析信息空缺的问题。从土地利用动态度、重心迁移、欧氏距离角度综合分析海水养殖区的演变轨迹、格局变化及开发利用程度。结果表明:1990-2018年期间,中国渤海-黄海区域不同省份的海水养殖区面积均呈增长趋势,其中增长速度最快的省份为江苏省,增加面积为520.34km2;海水养殖区面积重心迁移的距离从大到小排列为江苏省、辽宁省、山东省,其中江苏省迁移距离最大,为48.78km;探讨海水养殖区时空变化的原因发现,各时期海水养殖区分布变化主要受当地政策和经济发展双重因素的制约。（5）通过研究海岸线和海水养殖区的时空演变特征,利用GIS技术将海岸带典型用海地物同海域功能政策管理进行叠加分析,解决了政策管理制定与监督中缺乏基础数据支持、理论与实践相结合困难的问题。结果表明:1990-2018年期间,印度尼西亚区域严格保护岸段的百分比由74.05%下降至67.95%,下降了6个百分点,长度减少了4997.47km,因此对印度尼西亚岛屿海岸线划分不同保护等级并监测,将有助于海岸线的管理和控制。对山东省海洋功能区政策的评估发现,海洋功能区划的颁布对农渔业区海水养殖的发展有一定的促进作用,但是在监测期间也发现了一些与政府规划不一致的区域,其中港口航运区域和海洋保护区域是海水养殖扩展的主要区域,同时,本文发现研究区存在海水养殖区与旅游相结合的海洋复合功能现象。
罗桓[4]（2020）在《县域夏玉米生长遥感监测与产量估算研究》文中研究说明夏玉米作为我国三大粮食作物之一,其安全生产关系到我国的粮食安全和民生安全,运用卫星遥感技术对县域范围的夏玉米生长情况和产量情况进行精确监测,能够让当地农业部门快速的收集农作物生长状况信息,并针对农作物生长发育情况快速的制定、调整、实施和推广相对应的栽培管理措施。本研究以江苏省徐州市丰县夏玉米作为研究对象,基于地面夏玉米实地考察数据和环境（HJ）卫星遥感数据,利用支持向量机（SVM）监督分类法对当地夏玉米种植面积进行县域范围的提取;同时使用神经网络算法分别对当地夏玉米拔节期和抽丝期的叶片叶绿素含量进行县域范围估算,并对其长势情况进行监测与分析;最后运用粒子群优化算法结合HJ卫星遥感数据对夏玉米产量模拟模型进行模型的参数优化,结合卫星遥感影像实现了丰县县域的夏玉米产量遥感估算。主要研究结果如下:（1）本研究利用夏玉米抽丝期的HJ卫星遥感影像,通过计算影像的最佳波段指数（OIF）,确定包含影像信息量最大的影像组合波段为2-3-4波段,并基于实地考察建立的地物样方,完成夏玉米、水稻、其他植被、建筑、水体这五类地物样本的选取,利用选定的地物样本,使用不同核函数支持下SVM法对影像像元进行分类,其中Linear核函数的分类精度最高,选择其作为SVM法的最优核函数,同时将SVM法的夏玉米种植面积提取结果与其他两种监督分类方法（最大似然法和最小距离法）的夏玉米种植面积提取结果进行比较。结果表明:SVM法的夏玉米种植面积提取精度达到94.48%、影像分类精度达到95.85%、Kappa系数为0.9366,分类精度均高于其他两种监督分类方法。结合夏玉米种植面积遥感监测图,可知丰县的夏玉米主要种植于县中部、北部和县最南端地区。（2）本研究选取丰县夏玉米拔节期和抽丝期的HJ卫星遥感影像各一景,提取各生育期HJ卫星遥感影像上对应试验样点像元的光谱反射率,并利用其构建多种光谱植被指数。分析夏玉米叶片叶绿素含量实测值与对应试验样点上光谱植被指数之间的相关性,选取相关性较好的光谱植被指数作为夏玉米叶片叶绿素含量估算模型的输入量,构建夏玉米拔节期与抽丝期的BP神经网络和多元线性回归夏玉米叶片叶绿素含量估算模型,并利用检验样本对两种模型的估算结果进行精度检验,其中神经网络算法构建的夏玉米拔节期叶片叶绿素含量估算模型的估算R2为0.8665,RMSE为0.8966;夏玉米抽丝期BP神经网络夏玉米叶片叶绿素估算模型的估算R2为0.9042,RMSE为0.6808,且在夏玉米拔节期和抽丝期BP神经网络模型的夏玉米叶片叶绿素含量估算精度均优于多元线性回归模型。以夏玉米叶片叶绿素含量作为夏玉米长势指标,分析丰县县域范围夏玉米拔节期至抽丝期的叶片叶绿素含量变化与长势变化情况,结果表明夏玉米抽丝期的长势较拔节期发生明显变化,长势变化快和变化极快的田块面积分别为12724.47hm2和3921.21hm2,分别占夏玉米种植总面积的32.83%和10.11%。（3）本研究将夏玉米生物量作为夏玉米产量模拟模型的同化变量,基于多景HJ卫星遥感影像,对不同生育期的夏玉米生物量进行遥感估算,将估算值作为夏玉米生物量外部观测值,结合夏玉米产量模拟模型模拟的夏玉米生物量模拟值,构建代价函数,并使用粒子群优化算法对夏玉米产量模拟模型进行参数优化。参数优化后的夏玉米产量模拟模型的产量估算R2为0.8633,RMSE为237.47kg/hm2,模型估算精度较模型参数未优化前有明显提升,并结合产量遥感转换模型实现了整个丰县县域范围的夏玉米产量估算。由结果可知丰县2018年的夏玉米高产田面积达到8713.89hm2,占夏玉米种植总面积的22.48%。
李楠[5]（2020）在《杭州湾滨海湿地长时间尺度遥感动态监测及生态评估》文中提出在城市化、围垦造田等强烈人为活动干扰下,作为海陆纽带的滨海湿地正面临着面积萎缩、资源消耗、生物多样性减少、生态功能退化等一系列问题,严重影响着沿海生态系统平衡和社会经济可持续发展。滨海湿地类型复杂且变化频繁,由于缺乏长时间序列的湿地监测资料,限制了滨海湿地生态系统的长期演变及机制研究,难以提出针对性的滨海湿地科学管理及生态修复的政策。因此,亟需采用新方法快速有效的开展滨海湿地信息的准确提取,查明海陆交错地带复杂地类时空分布特征及演变规律,建立滨海湿地生态服务价值与生态安全评估体系,探索滨海湿地生态价值及生态安全变化,明确滨海湿地动态变化的驱动机制,对于滨海湿地资源的合理保护与生态恢复政策的科学制定具有重要的现实意义和科学价值。论文选择杭州湾为研究区,在滨海湿地生态环境野外调研的基础上,充分发挥遥感数据的连续性、真实性、系统性等特点,基于GF-1高分辨率遥感影像及1973年至2015年的长时间的Landsat MSS/TM/OLI系列遥感影像,开展滨海湿地信息提取和动态变化监测研究,并在此基础上进行湿地生态价值评估与生态安全评价,对研究区滨海湿地时空演变进行系统研究,探讨杭州湾滨海湿地动态变化的驱动机制。论文的主要研究内容和结论如下:（1）提出一种结合面向对象、物候特征和专家知识的规则树分类方法,从高分辨率遥感影像中精准提取滨海湿地信息。该方法充分利用不同湿地类型的空间分布和物候差异,可以准确地识别和提取研究区内土地覆盖类别,遥感分类结果总体精度达90.28%,kappa系数为0.89。结果表明,结合物候特征的专家知识规则树分类方法,能够有效增大不同类型湿地间的遥感可分离性,比最大似然和随机森林分类方法更具有优势,适用于复杂滨海湿地信息提取。（2）基于时间序列Landsat遥感影像提取滨海湿地信息,开展杭州湾湿地类型动态变化监测,分析滨海湿地的时空演变过程。结果表明,1973年至2015年间,杭州湾滨海湿地空间格局变化显着,湾滨海湿地（海三棱藨草盐沼,互花米草盐沼,淡水草本沼泽）靠海一侧逐年向外扩张,靠内陆一侧不断转化为水产养殖塘及不透水地表等类型。不透水地表的面积增加935.72 km2,扩大了16.3倍,向北扩展明显,滨海湿地受到严重影响。自然及人为因素驱动下,滨海湿地的演变过程及规律具有明显的空间异质性。（3）基于生态学和经济学方法,结合遥感土地覆盖结果,分别对2000年、2005年、2010年和2015年的杭州湾滨海湿地生态价值进行评估。结果表明,杭州湾滨海湿地生态服务总价值成递减趋势,分别为413.01亿元,261.25亿元,259.52亿元和224.3亿元。其中调节服务的总价值最高,水质净化、气候调节、保持土壤和促淤造陆是湿地核心功能。围垦和城镇建设与生态服务价值存在显着的负相关关系,是造成生态价值降低的最主要驱动因素。（4）基于DPSIR概念模型,从驱动力、压力、状态、影响和响应等5个层面选取指标构建杭州湾滨海湿地生态安全评价体系,评估杭州湾滨海湿地2000年至2015年间的生态安全状况。结果表明,杭州湾滨海湿地在2000、2005、2010和2015年的生态安全指数分别为0.413、0.382、0.287和0.582,安全等级由预警等级恶化到脆弱等级,又恢复到预警等级,呈下降后上升趋势。基于灰色模型预测2020年杭州湾滨海湿地将处于“比较安全”的状态。（5）定性的分析了杭州湾滨海湿地在自然演替和人为活动共同作用下长时间演变的驱动机制,发现水文条件、地形地貌和物种入侵是主要的自然驱动因素,人口、经济、政策、围垦、城镇建设和水产养殖是主要的人为驱动因素。论文从滨海湿地生态视角出发,充分发挥遥感技术优势,形成了一套运用遥感技术对滨海湿地生态系统复杂地类信息提取-时间序列湿地动态变化监测-生态服务价值指标体系构建与评估-生态安全评价与预测的技术方法。该成果为类似滨海湿地生态系统遥感动态监测与评价提供新的思路和方法,为科学合理选择生态修复措施提供了理论依据,对杭州湾滨海湿地资源的合理利用与社会经济可持续发展具有重要意义。
刘筱怡[6]（2020）在《基于多元遥感技术的古滑坡识别与危险性评价研究》文中进行了进一步梳理随着青藏高原东缘人类工程活动（铁路、公路、水电工程等）和极端天气不断加剧,古滑坡复活问题呈急剧上升趋势,造成的人员伤亡和经济损失日益严重。然而,由于古滑坡规模巨大、孕灾背景复杂,且常因遭受后期改造或沉积物覆盖,原有的滑坡外貌特征已模糊不清,绝大多数古滑坡还处于未知状态。因此,古滑坡及其复活问题一直是困扰重大工程规划建设和城镇安全的突出问题。近年来,多元遥感信息越来越广泛地应用于滑坡灾害研究。其中,面向对象分析（OBIA）和合成孔径雷达干涉测量（InSAR）都是滑坡判识和监测的高效技术,但是,如何利用OBIA及InSAR技术进行复杂艰险山区古滑坡判识及其复活早期识别,有效地提高滑坡监测预警和危险性评价的精度和时效性,仍是亟待探索和解决的问题。本文聚焦青藏高原东缘大渡河流域古滑坡及其复活相关的关键科学问题,在野外调查的基础上,采用多源遥感数据和多种数据处理方法,开展了古滑坡综合判识和发育规律研究;结合InSAR地表变形监测,开展了古滑坡复活的早期识别研究,提出了基于InSAR技术的古滑坡复活判据,揭示了典型古滑坡复活变形的时空特征及其影响因素;基于时序InSAR监测结果,完成了研究区滑坡动态危险性评价。取得如下主要成果:（1）利用高分辨率遥感影像开展了大渡河流域的滑坡信息提取与滑坡影像分类属性特征判别分析,发现古滑坡与新生滑坡在遥感影像的色调、光谱和纹理等方面有显着差异,并由此根据植被指数（NDVI）、亮度、地形粗糙度（TRI）和灰度共生矩阵熵（GLCM）等指标,提出了古滑坡综合遥感判识模型（GTVI）。利用时序InSAR技术（PS-InSAR与SBAS-InSAR）和D-InSAR技术对研究区地表变形监测,结合野外验证,共识别出100年以前形成的滑坡694处,其中体积大于100×104m3的滑坡146处。（2）古滑坡在空间上主要沿大渡河干流和小金河两岸密集分布,在断裂两侧5km范围以内数量较多,随着距河流和断裂距离渐远,滑坡数量减少。在时间上,古滑坡的形成演化与河流阶地有较好的对应关系,在区域上受气候变化影响显着,时间跨度从10ka～40ka,集中分布于15～30ka,占到了总量的57.6%,新构造活动和地震造成不同区段的差异性,在强烈活动的断裂附近,古滑坡密集发育。（3）以InSAR监测结果为基础,定量分析了典型古滑坡复活的位移、速率等变化特征,基于斋藤原理,提出了古滑坡复活的三段式演化过程;结合PS-InSAR监测的累积位移-时间曲线,提出了将弹性变形与匀速变形之间的拐点作为古滑坡复活的起点标志、把匀速变形向加速变形转变的拐点作为复活失稳的标志,并基于此提出了大渡河流域典型古滑坡复活早期识别（失稳）的速度阈值,为高山峡谷区隐蔽型古滑坡复活的早期识别提供了新途径。（4）基于多种InSAR处理技术,开展了典型古滑坡复活的早期识别示范研究。利用Sentinel1数据和ALOS2数据,对格宗古滑坡、甲居古滑坡等典型古滑坡进行了地表位移监测,获取了2016年1月到2018年3月毫米级的地表变形结果,通过位移量分析、地表蠕滑特征分析和滑坡边界识别,划分了古滑坡复活的演化阶段。结合日降雨数据,提出了典型古滑坡复活地表变形分区、堆积特征与时空变形模式。（5）在系统分析滑坡与坡度、坡向、粗糙度、断裂带等影响因子之间关系的基础上,采用信息量法（IV）和逻辑回归模型（LR）开展了滑坡灾害易发性评价;结合时序InSAR技术,建立了滑坡危险性动态评价的矩阵模型,完成了大渡河流域滑坡危险性动态评价。评价结果表明,在集成InSAR位移速率结果进行危险性评价后,能对区域斜坡变形状态进行实时的评估,能够有效的降低滑坡危险性评价的误差,且通过野外调查验证,准确性和有效性较好。本文采用的研究思路、采用的技术方法和相关研究成果,对于青藏高原东缘复杂艰险山区古滑坡判识、古滑坡复活早期识别及区域地质灾害监测预警具有一定的指导作用和借鉴意义。
杨董琳[7]（2020）在《广西岩溶地区石漠化多时相动态测 ——以平果县为例》文中指出石漠化是一种土地退化现象,对生态环境和社会经济造成了严重影响,本研究从石漠化短期动态变化入手,选用不同空间分辨率的遥感影像,采用尺度上推等研究方法,弥补中分辨率LANDSAT-8 OLI影像低精度,避免高分辨率影像周期长、覆盖面积小、连续性弱的缺点,利用修正后的LANDSAT-8 OLI影像对平果县岩溶地区进行石漠化强度分级,探究平果县岩溶区石漠化土地的时空变化规律,弄清石漠化内部转移规律,实现石漠化地区多时相动态监测。主要结论如下:（1）对2018年LANDSAT-8 OLI影像进行土地覆被分类,监督分类精度最高,总体分类精度为83.49%,Kappa=0.8062。面向对象分类法对高分一号PMS影像进行分类,总体分类精度为82.11%。平果县的林地和耕地面积连续3年持续升高,草地和裸地面积连续3年下降。（2）利用高分一号PMS影像覆盖类型面积百分比的重采样和2018年LANDSAT-8 OLI影像的NDVI值进行回归分析,并以此修正2018年LANDSAT-8 OLI影像的NDVI值。修正后的拟合度高于修正前,修正结果较好。（3）利用像元二分模型进行植被覆盖度反演,其中0-20%等级、20-40%等级和40-60%在3年内持续下降,60-80%等级和80-100%等级在3年内持续增长。3年来平果县植被覆盖率呈正向变化。筛选出植被覆盖度、基岩裸露率、土地覆被类型和坡度4个指标,通过加权叠加分析,得出2017年-2019年平果县岩溶地区石漠化面积分别为 386km2、342.48km2 和 284.19km2,占石漠化总面积的 26.98%、23.94%和 19.86%。（4）平果县的石漠化主要呈条带状分布,北部情况较好,多为轻度石漠化地区和无石漠化地区,南部重度石漠化地区多于北部,中部石漠化面积较大,中度以上石漠化地区分布较为集中。2017-2019年以来平果县的石漠化程度整体变好,重度石漠化地区面积有所减少,内部转移的主体部分是中度石漠化和潜在石漠化的改善。2017年占石漠化总面积最高的潜在石漠化地区改善率为54.39%。（5）平果县可以考虑加大治理力度,争取更高的石漠化治理率。将工作重心逐步转移到中度石漠化地区,使其向轻度石漠化转移,轻度向潜在转移,潜在向无石漠化转移,在保护好潜在石漠化地区的同时,防止轻度石漠化地区持续恶化,大力治理中度石漠化地区,适当改善重度石漠化地区。
田欣[8]（2020）在《九寨沟地区植被生态遥感动态监测与评价》文中研究表明生态环境为人类生活、生产和社会经济的可持续发展提供保障。评价区域生态环境不仅作为合理规划的基础,同时也是了解该区域生态环境状况的有效途径。随着全球环境问题日渐严峻,针对土地利用变化和生态环境两方面的研究成为现阶段的热点和研究趋势。近年来,RS和GIS技术得到迅速发展,在进行数据获取、处理和表达等方面具有强大功能。因此,把RS、GIS技术进行结合来综合评价研究区域的生态环境状况,客观全面的对区域生态环境变化进行动态监测和分析,探讨土地利用类型变化规律,能够为地方政府有关部门生态环境质量评估、生态重建规划决策提供科学依据。九寨沟县位于川西高原地区,隶属于阿坝藏族羌族自治州,地处四川盆地和青藏高原过渡带,拥有复杂的地质构造背景。县内河谷纵横,地势西北、西南高,东南低,地形呈阶次变化,属高原湿润气候,境内拥有世界自然遗产九寨沟风景区。本研究以九寨沟县作为研究区,基于RS和GIS技术,结合2014年、2016年、2018年3期空间分辨率为30m的Landsat 8的遥感数据,研究九寨沟县生态环境变化情况,并对其结果进行评价与分析。对研究区3期的遥感影像进行监督分类,得到土地利用类型信息及各地类的面积动态转移情况。以遥感数据和地形数据作为主要数据源,构建适宜九寨沟县的生态环境评价指标体系。采用层次分析法确定参评指标权重系数,以栅格单元作为本研究的评价单元,得到该县的生态环境评价指数,绘制九寨沟县生态环境状况空间分布图。在对九寨沟县生态环境时空动态变化趋势进行分析的同时结合人文经济数据和气象数据进行驱动力因子分析,研究的主要成果有:（1）将遥感影像通过监督分类下的支持向量机技术可得到3期的土地利用类型信息,结合实地样本对分类结果进行验证得到混淆矩阵。土地利用分类后的总体精度在80%以上,Kappa系数大于0.8,分类效果较好。结合土地利用转移矩阵对研究期间的不同土地利用类型的面积转移的具体变化情况进行分析。（2）基于生态环境状况指数（EI）和遥感生态指数（RSEI）指标体系,增加了部分利用遥感进行反演的指标,去除了部分较难获得的指标,构建适宜的九寨沟县的生态环境评价指标体系。（3）将3期的遥感影像作为评价指标的主要数据源,遥感反演出如地表温度、土壤侵蚀指数、植被覆盖度、水体指数等一系列指标。结合专题数据可得到DEM和坡度因子。依托地形、自然这两个准则层和七个指标,基于层次分析法来构建九寨沟县的生态环境综合评价模型。（4）利用层次分析法得到每个参评指标的权重,标准化参评指标因子,运用综合评价模型得到九寨沟县生态环境评价指数。运用自然间断法对生态环境评价指数进行等级划分,得到九寨沟县的生态环境等级空间分布规律。评价结果表明:九寨沟县3期的生态环境评价指数均值在0.5上下波动,生态环境等级主要分布在I和III级之间。其中:I级、III级的总面积达到研究区域总面积的一半以上;II级和III级的分布情况在3个时期相似,相对应的面积均处于稳定状态。2014年到2016年的评价指数均值有所减小,而到了2018年,该值有所上升,逐渐恢复至与2014年持平。从各等级的分布来看,它们相间分布,比例各不相同,同时各个等级比例也处于动态变化中。从空间来看,生态环境较差的区域主要分布在西北、西南高海拔低植被覆盖地区,而生态环境较好的区域主要集中在西南地区以及流域两侧。（5）结合年均气温、年降水量、人口、GDP等数据,从自然和人为两个因素对引起生态环境变化的驱动力因子进行分析,发现降水量和气温对引起生态环境发生变化占有一定的影响成分。
刘丽霞[9]（2020）在《高分遥感影像铁路建设临时建筑监测技术研究》文中认为由于铁路建设施工周期长、占地面积大、资源消耗多,需要对临时建筑进行监测,以免对周围环境及生态造成较大影响。目前对铁路建设临时建筑的监测大多采用人工调查的方式,这种方式需要投入大量的人力物力,而且受环境和气候条件影响,不能全面、准时、动态的监测临时建筑。利用具有分辨率高、覆盖范围广、实时性强、成本低等优点的高分遥感影像和遥感技术对临时建筑进行监测,能有效弥补传统监测方式的不足。本文利用遥感技术对铁路建设临时建筑的监测,主要研究内容如下:（1）高分遥感影像铁路建设临时建筑分类识别。对临时建筑进行监测的首要条件是识别出研究区域中的临时建筑,对临时建筑的识别本文提出面向对象的多特征ABC-SVM遥感影像分类方法。利用多时相的遥感影像和分类后比较法动态、准确地对临时建筑进行监测。该方法首先用改进Canny边缘检测的遥感影像分割对影像进行分割。然后用人工蜂群算法（Artificial Bee Colony,ABC）优化的支持向量机（Support Vector Machine,SVM）监督分类方法对铁路建设期间多个时相的遥感影像进行分类处理。（2）高分遥感影像铁路建设临时建筑的变化与拆除监测。本文提出基于低秩分解和SLIC（Simple Linear Iterative Clustering,SLIC）多尺度分割的多级CVA（Change Vector Analysis,CVA）遥感影像变化检测方法用于铁路沿线临时建筑占地的变化信息提取。利用多时相的遥感影像进一步监测铁路建设各个时期临时建筑的变化与拆除恢复情况。提出的方法主要解决三个问题,第一,针对变化检测精度受分割结果的影响问题,本文提出多尺度的遥感影像分割方法。第二,采用两阶段的稀疏与低秩矩阵分解方法,去除影像中的冗余信息,降低计算量,减少噪声对结果的影响。第三,采用自适应融合多级CVA变化检测方法对多时相影像进行变化处理,提高变化检测精度。从目视解译和量化指标实验结果表明,本文算法变化检测精度较高,能帮助监测人员对临时建筑的变化与拆除监测工作。（3）铁路遥感环境监测系统设计与实现。本文利用插件技术在MapWindow GIS的基础上进行二次开发,完成铁路环境监测系统中临时建筑遥感监测子系统的设计与实现。
温鹏飞[10]（2019）在《玉米单叶和冠层氮素营养参数垂直分布反演及遥感监测研究》文中提出玉米是世界上种植范围最广的农作物之一,是重要的粮食、经济作物和工业原料,该作物具有产量增长潜力高,地域性适应能力强等特点。氮素是植物光合能力强弱,养分亏缺状况的重要参数之一,综合使用精准农业技术对植株养分亏缺进行实时诊断,有助于精准农作管理和产量评估,减少环境污染,提高资源利用效率。现代遥感技术是精准农业的核心技术,可以快速无损监测作物目标参数,为实施精准田间管理提供技术支撑。本研究以陕西关中夏玉米和渭北旱塬春玉米为研究对象,从时间变异性（生育阶段）和空间变异性（不同垂直层次）角度,探讨了不同控制条件下的玉米叶片和冠层光谱反射率特征,筛选出了不同生育时期光谱响应敏感区域;综合运用不同的高光谱提取方法、光谱统计分析等方法,构建基于不同尺度玉米氮素营养状况最佳预测模型,并采用独立数据对预测模型进行验证;最后,基于Sentinel-2卫星多光谱影像数据进行大区域玉米氮素营养状况反演,为大区域玉米氮素营养指标诊断和掌握农作物生长状态提供重要理论依据。本研究主要基于以下四部分研究内容展开,第一部分基于高光谱技术估计夏玉米和春玉米不同步生长阶段的叶片氮浓度展开;第二部分围绕冠层/叶层氮素垂直分布反演问题展开;第三部分基于高光谱数据对氮营养指数（NNI）遥感估测的可行性展开;第四部分主要从区域尺度反演玉米氮素营养状况展开。主要结论如下:（1）以陕西关中夏玉米和渭北旱塬春玉米不同控制条件田间试验为基础,旨在确定估测玉米非同步生育时期叶片氮浓度最准确的光谱分析方法。结果表明,在所有光谱指数中,出版的植被指数CIred edge、新提出2-波段植被指数（归一化植被指数（NDSI）和比值植被指数（RSI））及其波段组合的敏感波段不同生育阶段是不一致的,但不受不同步生育时期的影响。研究发现,喇叭口期（V9期）植被指数（r2=0.76-0.78）与叶片氮浓度的相关关系略强于乳熟期（R3期）（r2=0.67-0.73）,夏玉米和春玉米呈现出类似的规律。在玉米四个生育时期,一阶微分光谱数据构建两波段NDSI、RSI与叶片氮浓度相关性大于原始光谱构建两波段NDSI、RSI与叶片氮浓度的相关关系,其中,喇叭口期（V9期）的NDSI（D528,D756）,吐丝期（VT期）的NDSI（D523,D758）,灌浆前期（R1阶段）的NDSI（D527,D754）和灌浆后期（R3阶段）的RSI（D614,D1112）构建的叶片氮素浓度预测模型具有较高的预测精度。与此同时,以原始（Raw）和一阶微分（FDR）全波段光谱参数为自变量,利用偏最小二乘回归方法（PLS）构建不同生育时期R-PLS和FDR-PLS预测模型。结果表明,较R-PLS回归模型,FDR-PLS模型具有更高的预测精度（平均值r2为0.87）,更低的RMSE（平均值RMSE为0.18%）。随即,基于一阶微分光谱数据进行敏感波段筛选,敏感波段主要位于可见光波段、红边波段和近红外波段区域。较最佳两波段植被指数相比,基于有效波段构建的FDR-PLS回归模型预测精度显着提高,平均r2val值增加2.40%,平均RMSEval值降低14.8%。本研究表明基于一阶微分数据构成的双波段组合植被指数（NDSI和RSI）和FDR-PLS回归模型可以很好的预测不同步生育时期玉米叶片氮素动态变化。（2）利用高光谱技术对不同叶位层的叶片氮浓度进行估测,特别是对中、下层叶片氮素营养状况的估测,从而提高对玉米养分诊断的及时性、有效性和准确性。本研究通过人工摘取叶片的形式,根据冠层相对高度将叶片平均分为三层,分析夏玉米和春玉米,不同生育时期,不同叶位层叶片氮浓度的垂直分布变化规律。研究表明,指示不同叶位层叶片氮素含量的敏感波段组合不同;此外,无论是原始波段还是一阶微分光谱数据构建的比值植被指数（RSI）和归一化植被指数（NDSI）,敏感波段组合主要为绿光波段和红边/近红外波段组合,其中,NDSI（D528,D756）能够很好地预测上层叶片氮浓度（r2=0.80）;RSI（D545,D759）预测中层氮素含量性能最优（r2=0.78）;而RSI（550,720）和NDSI（D700,D1150）预测下层氮素含量能力较优,r2分别为0.75和0.76。比较而言,上,中层的预测氮含量模型表现优于下层氮含量监测模型。此外,基于偏最小二乘（PLS）方法中变量投影重要性指标（variable importance in projection,VIP）对敏感波段进行筛选,不同叶位层氮素敏感光谱区域主要分布在绿光、红光、红边区域以及近红外区域,其中红边区域最为敏感。基于有效波段构建的FDR-PLS模型和FDR-SVM模型预测精度显着高于全波段的PLS和SVM预测模型以及植被指数预测模型。本研究结果为遥感估计玉米不同叶位层叶片氮浓度提供理论依据,为及时诊断玉米生长状况提供技术支撑。（3）本研究对玉米整个冠层、中+下层以及下层氮素营养状况进行遥感反演。研究表明春、夏两季玉米冠层内的垂直氮素分布均符合钟形分布曲线规律,中间层氮素含量最高,并且不受生育阶段的影响。由于玉米冠层内氮素分布的垂直非均匀性特性,突出了在高光谱遥感监测中考虑冠层垂直氮素分布的重要性。结果表明,在所有出版的植被指数中,mND705、G-M和MTCI分别与整个冠层、中+下层和下层的叶片氮密度具有很高的相关关系。根据红边吸收面积特征构建了新的优化红边吸收面积（OREA）指数,公式为:OREA≈15(3R760-R550)-20(R680+2R720);OREA指数对中+下层、整个层叶片氮密度具有较高的预测性能;与此同时,在不同品种、生育时期和种植制度下,OREA表现出较高的稳健性（AD值最低）,而无需对许多变量进行广泛校准。综上所述,我们基于红边吸收面积特征,开发了新的优化红边吸收面积（OREA）指数,并灵活地利用该参数来估算不同垂直层（整个冠层,中+下层和下层）的叶片氮密度。（4）氮素营养指数（NNI）是诊断作物氮素养分亏缺状况和施肥推荐的重要参数,高光谱技术为快速、无损地监测作物NNI提供可能性。本研究以陕西关中夏玉米和渭北旱塬春玉米为研究对象,分别获取玉米不同氮素水平下的冠层光谱数据和相应氮营养指数（NNI）,比较了光谱指数,偏最小二乘（PLS）和支持向量机（SVM）方法预测NNI的准确性。结果显示:本研究构建了夏玉米和春玉米综合临界氮浓度稀释曲线模型(Nc=3.63DM-0.403),并根据预测植株氮素浓度和地上部干物质的最佳植被指数间接构建NNI监测模型;采用直接方法,基于原始光谱和一阶微分光谱数据构建的比值植被指数（RSI）和归一化植被指数（NDSI）与NNI具有显着相关关系,其中以RSI（825,550）预测性能最优（r2=0.788）,检验精度r2val为0.774,RMSEval为0.139;基于变量投影重要性指标（variable importance in projection,VIP）方法可以筛选出有效波段,其有效波段主要集中在绿光、红光和近红外区域;基于有效波长构建的FDR-PLS和FDR-SVM回归模型预测效果具有较高的一致性,其建模精度(r2cal)分别为0.852和0.870,均方根误差(RMSEcal)分别为0.124和0.126,以及验证精度(r2val)分别为0.823和0.836,均方根误差(RMSEval)分别为0.130和0.129,具有比最优比值植被指数RSI（825,550）更高的预测精度和更低的均方根误差。因此,基于有效波长建立的FDR-PLS和FDR-SVM回归模型可以快速估测玉米NNI,同时大大减少了光谱变量和提高了模型精度。（5）根据Sentinel-2卫星波段参数特征,构建8类代表性光谱指数,并与玉米吐丝期和灌浆期氮素营养指标进行相关分析,进而确定了监测玉米吐丝期和灌浆期氮素营养指标的最佳预测模型;并制作相应的遥感分级专题图,为利用遥感影像数据进行大面积作物养分诊断提供依据。结果表明:选用CIred edge（705,842）为遥感敏感变量建立玉米吐丝期叶片氮素浓度（r2=0.728）和氮素密度（r2=0.708）预测精模型度最高,验证r2值分别为0.70,0.71,RMSE值分别0.34,0.30。比较而言,CIred edge（740,842）和CIred edge（705,842）分别是预测玉米灌浆期叶片氮素浓度和叶片氮密度的最佳植被指数,验证r2val值分别为0.72,0.67,RMSE值分别0.16,0.13。最后,基于CIred edge预测模型分别制作玉米吐丝期和灌浆期叶片氮浓度遥感监测专题图,为大区域诊断作物养分状况和实施精准田间管理提供依据。
二、应用遥感技术对北京地区不同尺度动态监测方法的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、应用遥感技术对北京地区不同尺度动态监测方法的研究（论文提纲范文）
（1）基于天空地一体化的石漠化治理草地畜牧业效益监测评价研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 前言 |
| 一 研究现状 |
| (一)天空地一体化与草地畜牧业效益监测评价 |
| (二)喀斯特环境天空地一体化与草地畜牧业效益监测 |
| (三)天空地一体化与草地畜牧业效益监测评价研究进展及其对石漠化治理的启示 |
| 二 研究设计 |
| (一)研究目标与内容 |
| (二)技术路线与方法 |
| (三)研究区选择与代表性 |
| (四)数据获取与可信度分析 |
| 三 数据挖掘与处理 |
| (一)数据挖掘 |
| 1 航天数据 |
| 2 航空数据 |
| 3 地面监测数据 |
| (二)数据处理 |
| 1 航天数据处理 |
| 2 航空数据处理 |
| 3 地面数据处理 |
| 四 石漠化治理草地畜牧业综合效益评价因子分析 |
| (一)生态环境因子 |
| 1 土地利用/土地覆盖变化 |
| 2 植被覆盖 |
| 3 石漠化 |
| 4 草地地上生物量 |
| (二)社会经济因子 |
| 1 人口与GDP |
| 2 畜牧业GDP |
| 3 生产与生活水平 |
| 4 劳动力结构与文化水平 |
| 五 综合效益评价模型构建 |
| (一)指标体系构建 |
| 1 指标体系构建原则 |
| 2 指标筛选方法 |
| 3 指标体系 |
| (二)指标权重确定 |
| 1 指标权重确定方法 |
| 2 指标权重确定 |
| (三)指标因子标准化 |
| 1 指标值标准化方法 |
| 2 指标值标准化结果 |
| (四)评价模型构建 |
| 1 模型建立 |
| 2 模型确定 |
| 六 综合效益评价分析 |
| (一)单一效益评价分析 |
| 1 生态效益 |
| 2 经济效益 |
| 3 社会效益 |
| (二)综合效益分析 |
| 1“两山”效益 |
| 2 扶贫效益 |
| 3 可持续效益 |
| 4 综合效益 |
| 七 结论与讨论 |
| (一)主要结论 |
| (二)主要创新点 |
| (三)讨论与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间主要研究成果及获奖情况 |
（2）基于多源动态监测数据的草原区煤电基地生态扰动与修复评价研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 科学问题的提出(Presentation of Scientific Issues) |
| 1.2 研究的科学意义与项目依托(Scientific Significance and Project Support) |
| 1.3 研究动态分析(Dynamic Analysis of the Research) |
| 1.4 研究目标与研究内容(Research Objectives and Contents) |
| 1.5 研究区域(Study Area) |
| 1.6 研究思路及技术路线(Research Ideas and Technical Routes) |
| 2 草原区煤电基地生态环境演化机理 |
| 2.1 相关术语(Relative Terms) |
| 2.2 草原区煤电基地生态环境扰动源时空演变(Temporal and Spatial Evolution of Eco-environment Disturbance Sources in Prairie Coal-Electricity Base) |
| 2.3 基于戴明环与生命周期的草原区煤电基地生态环境系统演化PDST循环驱动机制(PDST Cyclic Driving Mechanism of Eco-environment Evolution in Prairie Coal-Electricity Base Based on PDCA and Life Cycle) |
| 2.4 草原区煤电基地生态环境系统SA-PDST驱动模型(The SA-PDST Driving Model of Eco-environment System of Prairie Coal-Electricity Base) |
| 2.5 煤电基地开发扰动下的草原区生态环境变化(Prairie Eco-environment Changes Disturbed by Development in Coal-Electricity Base) |
| 2.6 本章小结(Chapter Summary) |
| 3 多源异构数据的获取、处理及融合 |
| 3.1 多源异构数据的类型(Types of Multi-source Heterogeneous Data) |
| 3.2 多源异构数据处理平台(Multi-source Heterogeneous Data Processing Software) |
| 3.3 多源异构数据处理(Multi-source Heterogeneous Data Processing) |
| 3.4 多源异构数据融合(Multi-source Heterogeneous Data Fusion) |
| 3.5 本章小结(Chapter Summary) |
| 4 胜利煤电基地生态环境要素时空动态变化分析及扰动源识别 |
| 4.1 土地利用类型时空演变格局分析(Analysis of Temporal and Spatial Evolution Patterns of Land Use Types) |
| 4.2 植被覆盖时空变化检测(Temporal and Spatial Change Detection of Vegetation Coverage) |
| 4.3 草原区煤电基地土壤风-水复合侵蚀估算(Soil Water-Wind Compound Erosion Estimation in Prairie Coal-electricity Base) |
| 4.4 煤电基地大气数据监测与分析(Atmospheric Monitoring and Analysis in Prairie Coal-electricity Base) |
| 4.5 本章小结(Chapter Summary) |
| 5 煤矿尺度生态环境扰动规律研究及修复效益分析 |
| 5.1 胜利一号露天矿土地单元转移模式(Land Unit Transfer Mode of Shengli No.1 Open-pit Mine) |
| 5.2 露天矿首采区扰动土地类型转移(Disturbed Land Types Transfer in the First Mining of Open-pit Mine) |
| 5.3 NDVI扰动规律及排土场复垦效益分析(Analysis of NDVI Disturbance Law and Reclamation Benefit of Dump) |
| 5.4 潜水位时空变化及其对地表生态的扰动分析(Temporal and Spatial Changes of Phreatic Water Level and Disturbance Analysis of Surface Ecology) |
| 5.5 本章小结(Chapter Summary) |
| 6 草原区煤电基地生态环境综合评价 |
| 6.1 生态环境综合评价指标体系的构建(Construction of Eco-environment Comprehensive Evaluation Index System) |
| 6.2 多时空尺度生态评价单元的划分(Division of Multiple Temporal and Spatial Scale Ecological Evaluation Unit) |
| 6.3 评价标准、评价方法和评价技术流程(Evaluation Criterion, Evaluation Method and Technical Process) |
| 6.4 胜利煤电基地生态环境状况综合评价(Comprehensive Evaluation on Eco-environment of Shengli Coal-electricity Base) |
| 6.5 基于GWR模型的胜利煤电基地生态演变情景模拟(Ecological Evolution Scenario Simulation of Shengli Coal-electricity Base based on GWR Model) |
| 6.6 草原区煤电基地开发弹性调控与生态环境修复管理对策(Elastic Regulation and Eco-environment Restoration Management Countermeasures of Prairie Coal-electricity Base Development) |
| 6.7 本章小结(Chapter Summary) |
| 7 结论与展望 |
| 7.1 研究成果与结论(Research Results and Conclusions) |
| 7.2 主要创新点(Main Innovations) |
| 7.3 研究展望(Prospects) |
| 参考文献 |
| 附录1 锡林郭勒盟植被代码表 |
| 附录2 胜利煤电基地开发生态环境影响调查表 |
| 作者简历 |
| 学位论文数据集 |
（3）海岸带典型用海地物遥感监测与时空演变分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 适用于遥感监测的用海地物 |
| 1.1.2 海岸线遥感监测发展趋势 |
| 1.1.3 海水养殖区遥感监测发展趋势 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 海岸线解译及遥感监测研究现状 |
| 1.3.2 海水养殖区提取及遥感监测研究现状 |
| 1.3.3 海岸带典型用海地物变化与海域政策 |
| 1.3.4 存在的问题 |
| 1.4 论文主要研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.4.3 论文结构 |
| 第二章 基于面向对象的海岸线自动提取与属性分类方法研究 |
| 2.1 海岸线分类体系及解译标志 |
| 2.1.1 海岸线分类体系 |
| 2.1.2 海岸线解译标志 |
| 2.2 海岸线提取分类算法详细步骤 |
| 2.2.1 影像预处理 |
| 2.2.2 融合边缘特征的区域合并算法海岸线提取 |
| 2.2.3 基于海岸线的陆地-海洋缓冲区建立 |
| 2.2.4 基于面向对象的缓冲区土地分类 |
| 2.2.5 海岸线属性分类 |
| 2.3 实验区简介 |
| 2.4 精度评价 |
| 2.5 实验结果与分析 |
| 2.6 小结 |
| 第三章 融合边缘特征的面向对象海水养殖区提取方法研究 |
| 3.1 海水养殖区提取算法技术路线 |
| 3.2 提取算法详细步骤 |
| 3.2.1 水陆分离 |
| 3.2.2 Canny边缘检测线状目标提取 |
| 3.2.3 基于OBVS-NDVI特征的面状目标提取 |
| 3.2.4 基于边缘重叠度的潜在目标筛选 |
| 3.2.5 基于形状特征的筛选 |
| 3.3 实验区简介 |
| 3.4 实验与参数设置 |
| 3.4.1 精度评价 |
| 3.4.2 影像分割参数设置 |
| 3.4.3 三个关键阈值参数设置 |
| 3.5 实验结果与分析 |
| 3.5.1 不同边缘重叠度阈值的结果与分析 |
| 3.5.2 提取结果对比分析 |
| 3.6 小结 |
| 第四章 印尼全国海岸线提取与时空演变分析 |
| 4.1 研究区概况 |
| 4.2 数据选取及预处理 |
| 4.3 海岸线时空分析方法 |
| 4.4 精度评价 |
| 4.5 结果 |
| 4.5.1 海岸线空间分布特征及开发利用度 |
| 4.5.2 岛屿尺度上印度尼西亚海岸线利用度的时空动态研究 |
| 4.5.3 省级尺度上印度尼西亚海岸线利用度的时空动态研究 |
| 4.5.4 印度尼西亚海岸线陆海格局的时空变化 |
| 4.6 海岸线变化机理探讨 |
| 4.6.1 海岸线变化自然因素 |
| 4.6.2 海岸线变化社会因素 |
| 4.6.3 海岸线遥感变化监测的优缺点 |
| 4.7 小结 |
| 第五章 我国渤海-黄海区域海水养殖区提取与时空演变分析 |
| 5.1 研究区概况 |
| 5.2 数据选取及预处理 |
| 5.3 海水养殖区提取精度评价 |
| 5.4 海水养殖区时空动态信息的多模型分析 |
| 5.5 结果 |
| 5.5.1 辽宁省海水养殖区时空变化与分析 |
| 5.5.2 山东省海水养殖区时空变化与分析 |
| 5.5.3 江苏省海水养殖区时空变化与分析 |
| 5.6 小结 |
| 第六章 海岸带典型用海地物变化与海域功能政策管理 |
| 6.1 典型用海地物变化与海域政策管理分析方法 |
| 6.2 海岸线分类保护与管理策略 |
| 6.2.1 海岸线不同保护等级分布结果 |
| 6.2.2 海岸线管控措施 |
| 6.2.3 海岸线保护政策建议 |
| 6.3 海水养殖区与海洋功能区政策评估 |
| 6.3.1 山东省海域功能规划区简介 |
| 6.3.2 政策评估数据预处理方法 |
| 6.3.3 评估结果 |
| 6.3.4 原因分析 |
| 6.4 小结 |
| 第七章 结论与展望 |
| 7.1 主要工作与总结 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（4）县域夏玉米生长遥感监测与产量估算研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 农作物生长监测的意义 |
| 1.1.2 县域玉米生长遥感监测的意义 |
| 1.2 农作物生长遥感监测研究进展 |
| 1.2.1 农作物种植面积遥感监测研究进展 |
| 1.2.2 农作物长势遥感监测研究进展 |
| 1.2.3 农作物产量遥感估算研究进展 |
| 1.3 研究目的与研究内容 |
| 1.4 技术路线 |
| 第二章 材料与方法 |
| 2.1 研究区域概况 |
| 2.2 地面数据调查与获取 |
| 2.2.1 试验样点选取与夏玉米长势参数的获取 |
| 2.2.2 气象数据的获取 |
| 2.3 遥感数据的获取与预处理 |
| 2.3.1 遥感数据的获取 |
| 2.3.2 遥感数据预处理 |
| 2.3.3 试验样点GPS数据处理 |
| 2.3.4 光谱植被指数的构建 |
| 2.4 算法及应用 |
| 第三章 基于SVM的县域夏玉米种植面积遥感提取 |
| 3.1 研究方法 |
| 3.1.1 最佳波段指数(OIF) |
| 3.1.2 支持向量机分类(SVM) |
| 3.1.3 夏玉米种植面积遥感提取 |
| 3.2 结果与分析 |
| 3.2.1 最佳组合波段 |
| 3.2.2 样本的选取 |
| 3.2.3 不同核函数的SVM分类 |
| 3.2.4 夏玉米种植面积遥感提取 |
| 3.3 讨论 |
| 3.4 本章小结 |
| 第四章 基于神经网络的县域夏玉米叶片叶绿素含量动态变化遥感监测 |
| 4.1 研究方法 |
| 4.1.1 BP神经网络算法 |
| 4.1.2 模型精度评价 |
| 4.2 结果与分析 |
| 4.2.1 光谱植被指数提取结果 |
| 4.2.2 夏玉米叶片叶绿素含量与光谱植被指数间的相关性 |
| 4.2.3 夏玉米叶片叶绿素含量估算模型的构建 |
| 4.2.4 模型估算精度比较 |
| 4.2.5 县域夏玉米叶片叶绿素含量动态变化遥感监测 |
| 4.3 讨论 |
| 4.4 本章小结 |
| 第五章 基于粒子群优化算法的县域夏玉米产量遥感估算 |
| 5.1 研究方法 |
| 5.1.1 夏玉米产量模拟模型 |
| 5.1.2 粒子群优化算法 |
| 5.1.3 遥感信息与夏玉米产量模拟模型的同化 |
| 5.2 结果与分析 |
| 5.2.1 夏玉米生物量遥感估算 |
| 5.2.2 夏玉米生物量同化结果 |
| 5.2.3 县域夏玉米产量估算结果 |
| 5.3 讨论 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 特色与创新 |
| 6.3 存在问题与后续研究思考 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（5）杭州湾滨海湿地长时间尺度遥感动态监测及生态评估（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 前言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状与进展 |
| 1.2.1 滨海湿地及其类型的划分 |
| 1.2.2 基于遥感的湿地监测 |
| 1.2.3 湿地生态服务价值评估 |
| 1.2.4 湿地生态安全评价 |
| 1.2.5 存在的问题 |
| 1.3 研究方案 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.3.4 拟解决的关键问题 |
| 1.4 论文的组织结构 |
| 2 研究区概况 |
| 2.1 自然地理概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候特征 |
| 2.1.3 土壤特征 |
| 2.1.4 水文特征 |
| 2.1.5 生物资源 |
| 2.2 社会经济概况 |
| 2.3 研究区湿地资源与遥感分类系统 |
| 3 基于高分辨率遥感数据的杭州湾湿地精细分类 |
| 3.1 数据及预处理 |
| 3.1.1 数据获取 |
| 3.1.2 影像预处理 |
| 3.1.3 影像分割 |
| 3.2 典型湿地植被特征分析 |
| 3.2.1 典型湿地植被概述 |
| 3.2.2 分布特征 |
| 3.2.3 物候特征 |
| 3.2.4 光谱特征 |
| 3.3 湿地信息提取方法 |
| 3.3.1 训练样本的选择 |
| 3.3.2 最大似然分类 |
| 3.3.3 专家知识决策树分类 |
| 3.3.4 随机森林分类 |
| 3.3.5 精度评价 |
| 3.4 结果与分析 |
| 3.4.1 分类结果 |
| 3.4.2 分类精度 |
| 3.4.3 不确定性分析 |
| 3.5 讨论 |
| 3.5.1 选择合适的变量和方法提取土地覆盖类型 |
| 3.5.2 物候特征在遥感信息提取中的潜力 |
| 3.6 本章小结 |
| 4 基于长时间序列影像监测杭州湾湿地动态变化 |
| 4.1 数据及预处理 |
| 4.1.1 遥感影像获取 |
| 4.1.2 遥感影像预处理 |
| 4.1.3 遥感变量提取 |
| 4.1.4 野外调查数据 |
| 4.2 湿地动态监测方法 |
| 4.2.1 基于多源遥感数据的湿地动态监测框架 |
| 4.2.2 专家知识决策树分类 |
| 4.2.3 湿地动态监测 |
| 4.2.4 精度评价 |
| 4.3 结果与分析 |
| 4.3.1 分类结果及精度 |
| 4.3.2 湿地动态变化 |
| 4.3.3 空间异质性分析 |
| 4.3.4 缓冲区分析 |
| 4.4 讨论 |
| 4.4.1 杭州湾湿地动态变化的空间异质性 |
| 4.4.2 不透水地表扩张对滨海湿地的影响 |
| 4.4.3 杭州湾滨海湿地变化驱动机制分析 |
| 4.5 本章小结 |
| 5 杭州湾滨海湿地生态服务价值评价 |
| 5.1 生态服务价值评估方法 |
| 5.1.1 物质生产价值 |
| 5.1.2 供水价值 |
| 5.1.3 水质净化价值 |
| 5.1.4 水源涵养价值 |
| 5.1.5 气候调节价值 |
| 5.1.6 固碳价值 |
| 5.1.7 大气调节价值 |
| 5.1.8 促淤造陆价值 |
| 5.1.9 生物多样性保护价值 |
| 5.1.10 保持土壤价值 |
| 5.1.11 旅游休闲价值 |
| 5.1.12 科研教育价值 |
| 5.2 人为驱动因素对生态价值的影响分析 |
| 5.2.1 驱动因素及指标数据 |
| 5.2.2 相关性分析 |
| 5.3 结果与分析 |
| 5.3.1 杭州湾滨海湿地生态服务时间变化特征 |
| 5.3.2 人为驱动因素对生态价值的影响 |
| 5.4 讨论 |
| 5.4.1 滨海湿地生态价值研究对比 |
| 5.4.2 滨海湿地生态服务价值不确定性分析 |
| 5.5 本章小结 |
| 6 杭州湾滨海湿地生态系统安全评价及预警 |
| 6.1 生态安全评价指标体系的构建 |
| 6.1.1 概念模型 |
| 6.1.2 评价指标的选择 |
| 6.1.3 评价等级的划分 |
| 6.2 生态安全评价及预警 |
| 6.2.1 生态安全指标数据的获取 |
| 6.2.2 评价指标标准化处理 |
| 6.2.3 熵权法确定权重 |
| 6.2.4 基于TOPSIS模型评价生态安全 |
| 6.2.5 生态安全趋势预测 |
| 6.3 结果与分析 |
| 6.3.1 生态安全评估结果与分析 |
| 6.3.2 各准则层生态安全状况 |
| 6.3.3 杭州湾滨海湿地生态安全趋势预测 |
| 6.4 讨论 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 主要结论 |
| 7.2 研究特色和创新点 |
| 7.3 不足与展望 |
| 攻读学位期间发表的学术论文 |
| 参考文献 |
（6）基于多元遥感技术的古滑坡识别与危险性评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 选题依据与研究意义 |
| 第二节 国内外研究进展 |
| 第三节 研究内容与技术路线 |
| 第四节 主要创新点 |
| 第二章 研究区地质背景 |
| 第一节 地形地貌 |
| 第二节 气象水文 |
| 第三节 地层岩性与工程地质岩组 |
| 第四节 地质构造 |
| 第五节 人类活动 |
| 第三章 古滑坡的判识及发育分布规律 |
| 第一节 概述 |
| 第二节 常用的滑坡判识方法 |
| 第三节 面向对象遥感解译分析方法 |
| 第四节 典型古滑坡遥感影像判别分析 |
| 第五节 古滑坡综合遥感判识模型研究 |
| 第六节 古滑坡发育分布规律 |
| 第七节 本章小结 |
| 第四章 基于InSAR技术的大渡河流域古滑坡复活识别 |
| 第一节 概述 |
| 第二节 合成孔径雷达干涉测量 |
| 第三节 大渡河丹巴段地表变形监测分析 |
| 第四节 古滑坡复活的早期识别 |
| 第五节 典型古滑坡复活过程及影响因素分析 |
| 第六节 本章小结 |
| 第五章 基于时序InSAR的区域滑坡危险性动态评价 |
| 第一节 概述 |
| 第二节 方法原理 |
| 第三节 滑坡易发性建模及评价结果 |
| 第四节 基于时序InSAR数据的滑坡危险性评价 |
| 第五节 本章小结 |
| 第六章 结论与展望 |
| 第一节 主要结论 |
| 第二节 研究展望 |
| 致谢 |
| 参考文献 |
| 个人简历 |
（7）广西岩溶地区石漠化多时相动态测 ——以平果县为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 石漠化研究进展 |
| 1.2.2 遥感信息提取研究进展 |
| 1.2.3 遥感影像尺度上推研究进展 |
| 1.2.4 石漠化动态监测研究进展 |
| 1.3 研究目的与意义 |
| 1.4 研究内容 |
| 第二章 材料与方法 |
| 2.1 研究区概况 |
| 2.1.1 地理概况 |
| 2.1.2 气候概况 |
| 2.1.3 资源概况 |
| 2.2 实地踏勘与影像处理 |
| 2.2.1 野外勘测与基础矢量数据 |
| 2.2.2 影像选择与分类 |
| 2.2.3 植被覆盖度和基岩裸露率反演 |
| 2.3 尺度上推 |
| 2.3.1 光谱指数选择 |
| 2.3.2 尺度上推 |
| 2.3.3 尺度上推精度评价 |
| 2.4 石漠化强度分级 |
| 2.4.1 石漠化评价因子筛选原则 |
| 2.4.2 石漠化强度分级 |
| 2.4.3 权重赋值 |
| 2.4.4 动态监测和内部转移矩阵 |
| 2.5 技术路线图 |
| 第三章 结果与分析 |
| 3.1 遥感影像分类 |
| 3.1.1 2018年LANDSAT-8 OLI影像分类 |
| 3.1.2 2017年和2019年LANDSAT-8 OLI影像分类 |
| 3.1.3 多时相影像土地覆被类型动态变化 |
| 3.1.4 高分一号PMS影像分类 |
| 3.2 尺度上推与NDVI值修正 |
| 3.2.1 尺度上推 |
| 3.2.2 NDVI值修正 |
| 3.3 多时相遥感反演 |
| 3.3.1 平果县植被覆盖度反演 |
| 3.3.2 基于裸土指数的基岩裸露率反演 |
| 3.4 石漠化时空演变规律 |
| 3.4.1 石漠化强度等级 |
| 3.4.2 石漠化强度等级内部转移 |
| 第四章 讨论 |
| 4.1 不同分类方法的信息提取 |
| 4.2 尺度上推与NDVI值修正 |
| 4.3 石漠化多时相动态监测 |
| 4.3.1 石漠化强度分级 |
| 4.3.2 平果县石漠化时空演变规律 |
| 4.3.3 石漠化等级内部转移 |
| 第五章 结论 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（8）九寨沟地区植被生态遥感动态监测与评价（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 预期目标和成果 |
| 第2章 研究区概况及数据预处理 |
| 2.1 研究区概况 |
| 2.2 数据源与数据预处理 |
| 2.2.1 数据来源 |
| 2.2.2 数据预处理 |
| 第3章 土地利用动态变化研究 |
| 3.1 土地利用遥感信息提取 |
| 3.1.1 土地利用分类 |
| 3.1.2 分类后处理 |
| 3.1.3 分类结果及精度评价 |
| 3.2 土地利用时空动态变化 |
| 第4章 生态环境关键参数遥感反演 |
| 4.1 植被覆盖度遥感反演 |
| 4.1.1 植被覆盖度计算方法 |
| 4.1.2 植被覆盖度估算结果 |
| 4.2 土壤侵蚀遥感反演 |
| 4.2.1 土壤侵蚀指数计算方法 |
| 4.2.2 土壤侵蚀等级估算结果 |
| 4.3 地表温度遥感反演 |
| 4.3.1 地表温度遥感反演方法 |
| 4.3.2 地表温度遥感反演结果 |
| 第5章 研究区生态环境评价研究 |
| 5.1 生态环境因子的提取 |
| 5.1.1 DEM |
| 5.1.2 坡度 |
| 5.1.3 改进水体指数 |
| 5.1.4 土壤湿度指数 |
| 5.2 评价指标体系的建立 |
| 5.2.1 指标体系的建立原则 |
| 5.2.2 评价单元的选择 |
| 5.2.3 评价指标的标准化 |
| 5.2.4 具体的评价指标体系 |
| 5.3 基于层次分析法的综合评价模型 |
| 5.3.1 层析分析法的原理和步骤 |
| 5.3.2 生态环境综合评价模型 |
| 5.3.3 生态环境评价指数分级 |
| 5.4 评价指标体系权重的确定 |
| 5.4.1 准则层权重 |
| 5.4.2 指标层权重 |
| 5.4.3 各评价指标权重总排列 |
| 5.5 研究区生态环境动态变化研究 |
| 5.5.1 生态环境评价结果 |
| 5.5.2 生态环境等级时空动态变化分析 |
| 5.5.3 生态环境变化驱动力分析 |
| 结论与讨论 |
| (一)主要成果与认识 |
| (二)论文不足与进一步工作建议 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（9）高分遥感影像铁路建设临时建筑监测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究内容及结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 2 高分遥感影像分割 |
| 2.1 数据源选取分析 |
| 2.1.1 数据源选取 |
| 2.1.2 研究区选择 |
| 2.2 遥感数据预处理 |
| 2.2.1 图像配准 |
| 2.2.2 辐射校正 |
| 2.2.3 几何校正 |
| 2.3 高分遥感影像分割 |
| 2.3.1 基于阈值的分割方法 |
| 2.3.2 基于边缘的分割方法 |
| 2.3.3 基于区域的分割方法 |
| 2.3.4 基于特定理论的分割方法 |
| 2.4 本章小结 |
| 3 高分遥感影像铁路建设临时建筑分类识别监测 |
| 3.1 特征集构建及数字量化描述 |
| 3.1.1 形状特征 |
| 3.1.2 光谱特征 |
| 3.1.3 纹理特征 |
| 3.2 改进canny边缘检测的遥感影像分割 |
| 3.2.1 传统canny算法边缘检测的缺陷 |
| 3.2.2 改进传统canny边缘检测分割算法 |
| 3.2.3 实验结果与分析 |
| 3.3 高分遥感影像分类信息提取 |
| 3.3.1 支持向量机 |
| 3.3.2 支持向量机的优化ABC-SVM |
| 3.3.3 精度评价指标 |
| 3.4 高分遥感影像分类实验 |
| 3.4.1 实验数据 |
| 3.4.2 实验结果与分析 |
| 3.5 铁路建设临时建筑动态监测 |
| 3.5.1 铁路建设临时建筑动态监测内容 |
| 3.5.2 临时建筑的监测分析 |
| 3.6 本章小结 |
| 4 高分遥感影像铁路建设临时建筑的变化与拆除监测 |
| 4.1 对象特征提取 |
| 4.2 基于SLIC的遥感影像多尺度分割 |
| 4.3 两阶段的低秩矩阵分解 |
| 4.3.1 稀疏与低秩矩阵分解 |
| 4.3.2 改进的稀疏与低秩矩阵分解方法 |
| 4.4 高分遥感影像变化检测 |
| 4.4.1 CVA遥感变化检测 |
| 4.4.2 改进的自适应融合多级CVA变化检测 |
| 4.4.3 精度评价指标 |
| 4.5 面向对象的高分辨率遥感影像变化检测实验 |
| 4.5.1 实验数据 |
| 4.5.2 实验结果与分析 |
| 4.6 铁路建设临时建筑的变化信息监测 |
| 4.7 本章小结 |
| 5 铁路遥感环境监测系统设计与实现 |
| 5.1 系统结构 |
| 5.1.1 系统框架 |
| 5.1.2 系统流程 |
| 5.2 系统功能模块和实现 |
| 5.2.1 功能模块 |
| 5.2.2 开发环境 |
| 5.2.3 插件的调用方式 |
| 5.3 功能实现 |
| 5.4 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（10）玉米单叶和冠层氮素营养参数垂直分布反演及遥感监测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 高光谱遥感提取技术 |
| 1.2.1 植被光谱反射特性 |
| 1.2.2 遥感提取技术 |
| 1.3 作物氮素营养光谱遥感监测技术研究进展 |
| 1.3.1 基于不同研究尺度的氮素状况监测进展 |
| 1.3.2 基于氮素垂直分布光谱遥感监测研究进展 |
| 1.4 文献总结 |
| 第二章 研究方法与技术路线 |
| 2.1 主要研究内容 |
| 2.2 技术路线 |
| 2.3 试验设计与数据测定 |
| 2.3.1 研究区域概况 |
| 2.3.2 试验设计 |
| 2.3.3 测定指标及方法 |
| 2.4 数据分析与应用 |
| 2.4.1 高光谱数据预处理 |
| 2.4.2 归一化植被指数(NDSI)和比值植被指数(RSI)的构建 |
| 2.4.3 优化红边吸收面积(OREA)指数的构建 |
| 2.4.4 出版植被指数 |
| 2.4.5 偏最小二乘回归(PLSR) |
| 2.4.6 支持向量机 |
| 2.5 模型精度验证 |
| 第三章 基于高光谱技术对不同步生育阶段叶片氮素状况估测 |
| 3.1 材料与方法 |
| 3.1.1 试验设计 |
| 3.1.2 测试指标及方法 |
| 3.1.3 植被指数构建与敏感波段选择 |
| 3.1.4 PLS分析方法 |
| 3.1.5 数据分析与利用 |
| 3.2 结果与分析 |
| 3.2.1 不同试验条件下不同生育时期玉米叶片氮浓度的变化 |
| 3.2.2 玉米冠层高光谱反射率的动态变化 |
| 3.2.3 叶片氮浓度与原始光谱和FDR光谱之间的相关关系 |
| 3.2.4 使用出版植被指数和新开发植被指数的叶片氮浓度估算 |
| 3.2.5 评估PLS回归模型 |
| 3.2.6 两种估算叶片氮浓度方法的综合评估 |
| 3.3 讨论 |
| 3.3.1 基于出版植被指数的叶片氮浓度估算小结 |
| 3.3.2 基于新构建的2 波段植被指数的叶片氮浓度估算小结 |
| 3.3.3 基于PLSR的叶片氮浓度估算小结 |
| 3.4 本章小结 |
| 第四章 玉米叶片尺度的氮素垂直分布反演 |
| 4.1 材料与方法 |
| 4.1.1 试验设计 |
| 4.1.2 不同叶位层的叶片光谱测定 |
| 4.1.3 叶片氮素浓度测定 |
| 4.1.4 数据分析与利用 |
| 4.2 结果与分析 |
| 4.2.1 夏玉米和春玉米叶片氮浓度垂直变化规律 |
| 4.2.2 不同叶位层玉米光谱反射率随生育时期变化规律 |
| 4.2.3 原始、一阶微分光谱曲线与不同叶位层叶片氮浓度相关性分析 |
| 4.2.4 不同叶位层叶片氮浓度与归一化植被指数之间关系 |
| 4.2.5 不同叶位层叶片氮浓度与比值植被指数之间相关关系 |
| 4.2.6 已有出版植被指数与不同叶位层叶片氮浓度的相关关系 |
| 4.2.7 基于光谱指数叶片氮浓度垂直分布反演模型验证 |
| 4.2.8 基于PLSR与 SVM预测模型构建 |
| 4.3 讨论 |
| 4.3.1 不同叶位层叶片氮浓度变化规律小结 |
| 4.3.2 基于高光谱遥感的叶片氮浓度估算小结 |
| 4.4 本章小结 |
| 第五章 玉米冠层尺度的垂直氮素分布反演研究 |
| 5.1 材料与方法 |
| 5.1.1 试验设计 |
| 5.1.2 不同垂直层冠层光谱数据测定 |
| 5.1.3 叶片氮素密度测定 |
| 5.1.4 基于优化红边吸收面积(OREA)指数构建 |
| 5.1.5 数据分析与利用 |
| 5.2 结果分析 |
| 5.2.1 不同光热环境下不同垂直层氮分布变化规律 |
| 5.2.2 出版的植被指数与不同垂直层N含量的相关关系 |
| 5.2.3 优化红边吸收面积(OREA)指数与不同垂直层叶片氮密度的相关关系 |
| 5.2.4 不同试验条件下前5 个出版最优植被指数与OREA指数的比较 |
| 5.2.5 五个最佳植被指数和最新开发的OREA指数预测模型验证 |
| 5.3 讨论 |
| 5.3.1 不同垂直层氮素分布特性小结 |
| 5.3.2 基于植被指数对不同垂直层氮含量估测小结 |
| 5.3.3 不同控制条件下植被指数稳健性小结 |
| 5.4 本章小结 |
| 第六章 基于高光谱数据的玉米氮营养指数的反演 |
| 6.1 材料与方法 |
| 6.1.1 试验区概况 |
| 6.1.2 试验设计 |
| 6.1.3 测定指标及方法 |
| 6.1.4 数据分析与利用 |
| 6.2 结果与分析 |
| 6.2.1 玉米临界氮素浓度变化曲线构建 |
| 6.2.2 NNI值变化动态 |
| 6.2.3 基于间接方法遥感估测氮营养指数 |
| 6.2.4 基于直接方法遥感估测氮营养指数 |
| 6.2.5 有效波长的筛选 |
| 6.2.6 PLS和 SVM模型的建立与验证 |
| 6.2.7 模型验证效果比较 |
| 6.3 讨论 |
| 6.3.1 临界氮浓度稀释曲线模型构建小结 |
| 6.3.2 基于高光谱遥感的氮素营养指数估测小结 |
| 6.4 本章小结 |
| 第七章 基于Sentinel-2 卫星数据的玉米氮素营养状况的反演 |
| 7.1 试验数据和方法 |
| 7.1.1 研究区域概况和地面调查 |
| 7.1.2 测定指标及方法 |
| 7.1.3 Sentinel-2 卫星数据介绍 |
| 7.1.4 植被指数选取和构建 |
| 7.1.5 数据分析与利用 |
| 7.2 结果与分析 |
| 7.2.1 卫星影像光谱参数与玉米氮素状况相关性分析 |
| 7.2.2 玉米氮素状况模型验证与构建 |
| 7.2.3 基于Sentinel-2 数据玉米氮素浓度%遥感制图 |
| 7.3 讨论 |
| 7.4 本章小结 |
| 第八章 研究结论、创新点与展望 |
| 8.1 研究结论 |
| 8.2 本研究的特色和创新点 |
| 8.3 研究展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 个人简历 |
四、应用遥感技术对北京地区不同尺度动态监测方法的研究（论文参考文献）
- [1]基于天空地一体化的石漠化治理草地畜牧业效益监测评价研究[D]. 张吟. 贵州师范大学, 2021
- [2]基于多源动态监测数据的草原区煤电基地生态扰动与修复评价研究[D]. 邵亚琴. 中国矿业大学, 2020(07)
- [3]海岸带典型用海地物遥感监测与时空演变分析[D]. 王君. 长安大学, 2020(06)
- [4]县域夏玉米生长遥感监测与产量估算研究[D]. 罗桓. 南京信息工程大学, 2020(02)
- [5]杭州湾滨海湿地长时间尺度遥感动态监测及生态评估[D]. 李楠. 南京林业大学, 2020(01)
- [6]基于多元遥感技术的古滑坡识别与危险性评价研究[D]. 刘筱怡. 中国地质科学院, 2020(01)
- [7]广西岩溶地区石漠化多时相动态测 ——以平果县为例[D]. 杨董琳. 中南林业科技大学, 2020(02)
- [8]九寨沟地区植被生态遥感动态监测与评价[D]. 田欣. 成都理工大学, 2020(04)
- [9]高分遥感影像铁路建设临时建筑监测技术研究[D]. 刘丽霞. 兰州交通大学, 2020(01)
- [10]玉米单叶和冠层氮素营养参数垂直分布反演及遥感监测研究[D]. 温鹏飞. 西北农林科技大学, 2019