摘要：人类活动对生态环境的影响日益强烈,及时动态地监测生态现状及其变化信息对城市生态的管理和保护以及可持续发展具有重大意义。遥感生态指数(RSEI)是一种客观、快速和简便的生态质量监测和评价技术,已被广泛应用于生态学研究领域,但在进行大范围长时间监测时往往面临云遮挡和拼接困难的问题。因此,本文基于google earth engine(GEE)平台,对1988—2018年来粤港澳大湾区共3530景Landsat遥感影像进行批量去云,采用中值合成法逐年计算绿度、湿度、干度和热度等遥感指标并利用主成分分析法构建遥感生态指数,评价了该区域近30年生态质量的时空变化。该方法改善了遥感生态指数在大范围长时序监测中数据缺失和拼接困难等问题,增加了时间序列的可比性。研究表明:(1)遥感生态指数能够较好地表征粤港澳大湾区的生态质量,其中绿度和湿度指标与其呈正相关,干度和热度指标与其呈负相关;(2)时间上,三十年间粤港澳大湾区生态质量呈"上升-下降-上升-下降"的波动下降趋势,空间上,生态质量具有明显的空间异质性,主要呈现西北和东北部高和中部低的状态。重度和中度退化区主要集中在区域中部,总体改善区域主要位于西部和东北部,基本不变区域主要包括北部区域以及香港,轻度退化区分布较为分散;(3)基于GEE云计算的图像处理可以较好的改善遥感数据缺失、色差和时间不一致等问题,极大的提高影像处理的效率,扩展了遥感生态指数在大范围长时间序列生态监测中的应用。研究结果可以为提升遥感生态指数适用范围和准确度提供参考,并为快速城市化背景下生态保护和土地管理提供理论依据。

摘要：近年来,随着人为影响的加剧、社会经济的高速发展,地表水覆盖面积呈逐渐缩减态势。受研究范围广、统计难度大等因素的影响,湖北省地表水面积变化特征难以精确分析。利用google earth engine平台(简称GEE),对湖北省及各行政区的地表水覆盖的变化特征情况进行分析与评价。结果表明:2000-2018年,湖北省地表水覆盖面积减少趋势明显,减少面积达1886.5 km2。各行政区中,荆州市、武汉市以及襄阳市地表水面积减少幅度较大,分别为450、364.8和210.8 km2;湖北省地表水覆盖季节性特征明显,覆盖月数为12个月的水面面积为总水面面积的46.4%;湖北省地表覆盖类型变化特征分析显示,湖北省永久性水面面积占比较小,季节性水面面积较大,受洪涝灾害影响明显且涉及范围较广。

摘要：遥感生态指数(RSEI)在评估区域生态环境时发挥着重要作用,但目前生态环境评价主要集中在对历史影像的分析上,缺乏对未来生态环境状况的预测及评估。基于google earth engine平台,选取2005—2020年共4期Landsat影像,计算了绿度、湿度、干度和热度4项指标,并通过主成分分析法构建了RSEI模型,对影像进行了时空分析。此外,采用CA-Markov模型预测了2025年的RSEI影像。结果表明:2005—2020年永宁县RSEI年均增长速率为0.0047/a,生态环境持续改善;永宁县生态环境质量在空间上呈现“东强西弱”的格局;永宁县中、东部生态环境质量变化较为剧烈,而西部生态环境质量较为稳定;相比于2020年,预测2025年永宁县生态环境等级为优和良的面积将分别增加4.12%和1.41%,等级为差的面积将减少6.03%,生态环境质量将向好发展。CA-Markov模型能够为未来生态环境预测及决策提供依据。

摘要：对于传统的湖泊水位-面积关系模型研究,长时间序列遥感影像水体提取存在数据下载和处理繁琐、大量使用专业软件和人工干预多等问题,研究过程耗时长、效率低.基于google earth engine,对2002年至2016年长时间序列Landsat影像数据进行预处理,利用NDWI提取东洞庭湖水体范围并计算水域面积,结合城陵矶水文站日水位数据,设计水位加权平均法、阈值法和单点水位法比较并确定影像对应的最优水位,建立水位-水体面积关系曲线.研究结果表明:(1)东洞庭湖水域范围随季节变化大,面积在7~9月最大,在1~3月最小;(2)利用阈值法计算最优水位的精度(R^(2)=0.9628)优于加权平均水位法(R^(2)=0.8322)和单点水位法(R^(2)=0.9457);(3)五次多项式模型建立水位-面积关系曲线拟合精度最高(R2=0.9628).

摘要：沙漠生态系统是全球生态系统的重要组成部分,准确评价其生态环境质量及变化对风沙区城市规划具有重要参考作用。而城市林业作为城市生态系统的重要组成部分,对于提升生态环境质量有着重要作用。本研究google earth engine(GEE)云平台提供的MODIS数据集耦合绿度、湿度、干度和热度构建遥感生态指数(Remote Sensing Ecological Index, RSEI),并辅以Sen趋势分析、Manna-Kendall突变点检验和Hurst法探究了2000-2021年我国四大沙地生态环境质量过去和未来时空演变特征。结果显示:1)时间上,2000-2021年我国四大沙地生态环境质量均呈现波动上升趋势,呼伦贝尔沙地、浑善达克沙地、科尔沁沙地和毛乌素沙地年均增长率分别为0.34%、0.96%、0.84%和0.58%;2)空间上,四大沙地RSEI以增加趋势为主,呈现明显改善的区域均大于60%;3)四大沙地Hurst指数均小于0.5,表明四大沙地RSEI变化的反向持续性强于正向持续性。研究结果可为当地环境主管部门提供改善生态安全现状的对策,对沙地合理进行科学规划,统筹布局,促进风沙区城市健康可持续发展具有实际的参考价值。

摘要：南美洲湿地面积广且类型多样,但湿地制图相关研究匮乏,通过遥感手段可为南美洲全域湿地制图提供科学技术支撑。本研究依托GEE (google earth engine)平台面向南美洲湿地提出一种多源多特征集成的湿地制图方法。研究选取南美洲典型湿地地区为研究区,首先利用已有土地覆盖数据集提出一种有效的湿地样本采集流程以保证样本质量,其次结合哨兵1号、哨兵2号和SRTM数据构建多源特征集合,并基于随机森林的递归特征消除算法(RF_RFE)进行特征优选,构建不同特征组合方案对比多源特征对湿地分类结果的影响,最后采用随机森林算法对研究区湿地进行分类提取。研究结果表明,设计样本采集方案可有效提高样本质量,多源特征集合能够提升湿地分类精度,特征优选能够减少特征冗余并提升分类精度。研究区分类总体精度为85.62%,Kappa系数为0.8333,其中湿地类别的精度最低为69.85%,最高为95.18%。

摘要：蒙古高原地处干旱半干旱地区,河流水系对该区域的资源环境格局及其生态环境影响重大。发源于蒙古国的色楞格河是蒙古高原最主要的水资源来源,准确掌握该流域的水体信息对东北亚地区生态环境问题及资源保护具有重要意义。本文以蒙古高原色楞格河流域为研究对象,基于谷歌地球引擎(google earth engine,GEE)云平台,使用Sentinel-2多光谱卫星遥感影像,利用深度神经网络(Deep Neural Network,DNN)方法对色楞格河流域的水体信息进行提取,并与支持向量机方法进行对比;利用全球30 m SRTM数据生成水系分布矢量图,通过空间分析形成河流提取目标区,结合深度神经网络分类结果,绘制蒙古国色楞格河流域2019年河流分布图。研究结果表明:①该方法能够准确地完成大流域范围内的水体制图,提取结果能够体现色楞格河流域河流的空间分布,且能够减少河流断流、空洞现象;②深度神经网络模型中批量大小设置为8时,在处理数据速度与精度中达到最优,而神经网络结构中隐含层数达到4层时,在精度评价指标测试数据集上达到0.9666,保证了模型特征挖掘能力;③经样本点的验证,结果总体精度达到97.65%,可以满足实际应用需求。本研究预期可以为蒙古高原的水体提取提供方法支持和相关数据支持。

摘要：中国南黄海地区夏季常发生浒苔灾害,引发严重的生态环境和经济问题,精准获取浒苔时空分布信息对灾害的定量评估和制定相应的防控策略具有重要意义。光学遥感影像可用于区域尺度浒苔空间信息精准提取,但常受限于数据的空间分辨率和云雨影响,难支撑定期和稳定的浒苔监测。合成孔径雷达影像具有全天候全天时定期观测的优势,为浒苔动态监测与时空分布研究提供了更多可能,但目前研究尚不充分。在Sentinel-1影像支持下,本文提出了一种顾及后向散射系数和标准差特征的浒苔自动提取方案。该方法首先通过自适应阈值方法对影像进行分割,根据边缘浒苔与海水在后向散射系数标准差之间的差异,剔除后向散射系数较高的海水,获得浒苔初提取结果。最后针对海上与浒苔特征相似的目标,依据不同类型分别设计了基于时序信息和后向散射系数阈值的后处理方案。基于google earth engine平台,以2021年南黄海为例,实现了2021年5—7月南黄海区域的浒苔动态监测。结果表明,提出的浒苔提取方法精度达93%,2021年南黄海区域观测到的浒苔最大覆盖面积达1700多km2,在浒苔发生发展过程中呈现“分散发育、聚集暴发、扩散消亡”的整体趋势。

摘要：黄河源区为我国生态脆弱区之一,近年来其生态环境问题备受关注。基于google earth engine(GEE)平台并结合1990—2021年黄河源区Landsat遥感影像,本文综合6个指标(热度、干度、空气质量、绿度、湿度和叶面积指数)构建了遥感生态指数,对该区域生态环境质量动态进行了评价。结果表明:黄河源区热度、干度和空气质量指标对其生态环境质量呈负反馈作用;绿度、湿度和叶面积指数对生态环境质量呈正反馈作用,其中绿度为最关键的影响因素;黄河源区生态环境质量改善区占74.51%,总体呈“南优北劣”的空间格局,1990—2021年生态环境质量总体持续向好;1990—2021年,黄河源区89.75%的生态环境质量变化幅度较小,稳定性较好;Hurst指数分析表明,66.36%的黄河源区生态环境质量具有中强持续性,未来该区生态环境质量将会持续得到改善。

摘要：诺木洪地区是青海省重要的枸杞种植基地,针对主要植被类型进行准确和快速提取对于种植业的可持续发展具有关键意义。然而,诺木洪地区所属的干旱区具有稀疏的植被覆盖和土壤背景影响显著的特点,仅使用少数遥感源或部分特征无法满足干旱区植被提取的要求。因此,整合多种遥感数据源,挖掘植被分类显著特征,并尝试不同的分类优化方法,在提高干旱区植被分类精度和可靠性方面具有重要意义。本研究基于谷歌地球引擎(google earth engine,GEE)平台,使用Sentinel-1合成孔径雷达(Synthetic Aperture Radar,SAR)数据、Sentinel-2光学数据,探讨了红边光谱、纹理以及雷达特征对干旱区植被类型提取的重要性,验证了利用基尼指数(Gini Index,Gini)寻找最优特征组合的可行性,结合支持向量机算法对2021年青海诺木洪地区地物类型进行提取,并对最终的分类结果优化处理。研究表明:(1)Sentinel-2红边指数、纹理信息和Sentinel-1雷达波段有利于植被信息提取,分类总体精度和Kappa系数分别达到了95.51%和0.9406;(2)根据Gini指数得到特征重要性,将分类特征由29个压缩至17个,且表明雷达极化特征、光谱特征和纹理特征对于分类的重要性依此递减;(3)使用简单非迭代聚类算法以及邻域滤波投票决策融合方法,不仅最优总体精度和Kappa系数达到了96.06%和0.9479,且针对孤点类型的噪声也有较好的抑制效果。本研究利用GEE遥感云平台和多源遥感数据以及机器学习算法,能够准确、快速、高效地提取大尺度范围干旱区地物信息,具有较大的应用潜力。