共查询到16条相似文献，搜索用时 140 毫秒
1.
陈森强 《资源导刊(河南)》2024,(4):29-32+37
卫星遥感作为一种直观、可量化的监测手段,在矿山修复和生态文明建设中产生了广泛应用。基于Google Earth Engine(GEE)平台,利用遥感生态指数来时序量化评价西江锰矿修复区内生态环境质量。从2015年至2021年期间监测区的RSEI空间分布来看,由于西江锰矿区内生产作业强度不断加大,矿坑裸露范围持续扩大,导致矿区内生态质量趋坏;而2021年的RSEI分布显示,监测区内的生态环境逐渐改善,尤其是已经进行系统恢复的区域,生态环境状况已经达到未开采前的水平,生态修复效果良好。研究成果可为西江锰矿区生态环境工程建设实施和评价提供科学依据。 相似文献
2.
为探究关中平原城市群2000～2020年生态环境质量时空变化及发展趋势,基于Google Earth Engine(GEE)平台对2000～2020年6月至9月关中平原MODIS遥感影像进行优化重构,并利用绿度、湿度、干度、热度4个指标构建遥感生态指数(RSEI),分析该地区生态环境质量时空变化格局,利用地理探测器模型探究了自然环境和人类活动等10个驱动因子对遥感生态指数时空分布的影响,采用地理加权回归(GWR)构建回归模型,分析驱动因子的空间差异性。结果表明：(1)2000～2020年关中平原城市群生态环境质量逐年改善,遥感生态指数均值由0.448增至0.565,空间上呈南高北低的分布特征。(2)关中平原城市群生态环境质量改善区域占70.8%,退化区域占22.9%,改善尤为明显的区域主要分布在庆阳市、平凉市和天水市,退化区域主要分布在城市群中部西安市及其附近区域。(3)植被类型对关中平原生态环境质量的影响最大,影响力高达0.46。研究期间关中平原城市群生态环境质量整体趋于改善,局部恶化,尤其是人类活动密集的城市及其附近区域。 相似文献
3.
阿伯德尔国家公园位于号称肯尼亚“水塔”的阿伯德尔山脉上,是肯尼亚重要的旅游景区和珍稀动植物保护区,开展该地生态环境质量评价对肯尼亚水资源保护与可持续发展具有重要的意义。本研究基于1987-2018年的Landsat系列遥感数据,通过计算综合遥感生态指数RSEI,结合趋势线分析法对阿伯德尔国家公园近32年间生态环境质量变化进行客观定量分析。研究结果显示：① 1987-2018年研究区RSEI均值从0.62下降到0.51,生态环境质量退化的区域面积为551.52 km 2,占总面积的71.85%,表明在气候变化和人类活动影响下,1987-2018年研究区的环境状况呈恶化趋势;②环境质量显著恶化的区域主要分布于亚高山植被区和东部低海拔森林覆盖区,亚高山地区植被生态系统结构单一,稳定性差,对气候变化和人类活动更为敏感;而东部区域存在过度开发,非法砍伐森林等现象,且旅游开发强度大,环境恶化与人类活动密切相关。 相似文献
4.
城市发展过程中不同类型城市规划用地的建设活动会引起明显的生态效应差异,研究这种差异及其形成的原因对建设生态宜居城市具有重要意义。本文利用Landsat系列遥感影像,反演了福州市2009年和2013年的遥感生态指数（RSEI）,并结合国务院新近审批通过的福州市城市总体规划方案,对福州市建设活动较明显的5类城市规划用地的22个地块进行了研究,以揭示它们在建设前后所产生的生态质量变化情况。研究发现,2009-2013年5大类城市规划用地的生态质量均呈下降趋势,RSEI指数总体下降了近12%。其中,尤以工业用地生态退化最为严重,RSEI指数下降了18%。结果表明,植被、水体在建设中被破坏以及建筑不透水面的大量增加是导致这些城市规划用地生态质量下降的主要因素。 相似文献
5.
基于遥感长时间序列的分析能够得到更加科学、完整、全面的特征规律,本文以黄河三角洲为研究区域,开展了生态指数遥感估算及分析研究。基于Google Earth Engine (GEE)分析了2000年以来逐年度归一化植被指数（NDVI）、湿度指数（Wet）、盐分指数（SI3）、遥感生态指数（RSEI）,获得了完整、细致长时间序列的分析结果。考虑到黄河三角洲的区域特点,引入了盐分指数（SI3）与遥感生态指数（RSEI）相结合的评价分析方法。研究发现,自2011年以来研究区的生态环境指数呈上升趋势,生态环境持续改善。 相似文献
6.
陈文裕夏丽华陈行陈金凤 《地理信息世界》2022,(3):18-25
基于Landsat影像计算遥感生态指数,结合土地覆盖数据分析广州市2000―2020年生态环境质量的时空变化,通过兴趣点(POI)核密度结果评价广州市功能设施分布现状,利用地理探测器研究广州市生态环境质量空间分异的主要影响因素。结果表明:近20年来,广州市生态环境质量优级和中级的面积占比分别上升了10.59%和2.19%,良级面积占比下降了13.16%,良级向中和优级转变的趋势显著,丘陵和山地生态环境质量呈上升趋势,城市扩张区域则有所下降;各因子对归一化差异植被指数(NDVI)、干度指标(NDBSI)和地表温度(LST)的解释力度较高,在人类活动强度较高的低海拔不透水面地区,NDVI与缨帽变换的湿度分量(Wet)偏低,NDBSI与LST偏高,对生态环境具有负效应,广州北部的丘陵山地NDVI较高,LST较低,对生态环境有利。 相似文献
7.
塔里木河下游地区是我国西部干旱区生态环境问题比较突出的区域。本文主要从地表水(湖泊、河流和湿地)、地下水、地表植被覆盖的角度,基于多源遥感和长时间序列数据,监测和分析生态输水前后区域环境变化和生态响应。首先,采用基于知识迁移的专题图斑更新技术,实现了1990、1995、2000、2005、2010和2015年区域湿地遥感制图和植被覆盖度等生态因子指标提取;然后,以2000年为基准（生态输水起始年）,结合地下水位观测数据,对比分析了人工生态输水前后区域生态环境动态变化过程。结果显示：① 生态输水前（1990-2000年）,塔河下游的生态环境持续恶化,流域范围内一半以上的沼泽湿地消失、河道干涸,地下水位下降,区域植被覆盖大幅度下降;② 生态输水后（2000-2017年）,区域生态环境明显好转,改变了下游河道长期断流状态,区域地下水位明显抬升,地表水域（湖泊和沼泽）面积呈现“V”型逆转增加,区域植被覆盖区和覆盖度均呈现显著增加趋势,曾经一度干涸的塔河尾闾台特玛湖水域面积2017年8月达到147.87 km2。以上研究结果综合表明人工生态输水工程对塔河下游生态环境拯救和治理发挥了重要作用,遏制了生态输水前塔河下游生态环境继续恶化局面,流域生态环境正在逐步恢复。 相似文献
8.
自然生态环境遥感动态监测与GIS分析评价——以山西“煤田之乡”的乡宁矿区为例 总被引：1，自引：0，他引：1
以1990、2000和2007年三期遥感影像为主体数据源,选取有"煤田之乡"称誉的山西省乡宁县作为实验区,采用遥感与GIS相结合的手段,在建立生态环境评价指标体系的基础上,利用生态环境状况指数(EI),对研究区生态环境进行监测与评价。结果表明:(1)1990-2007年,实验区耕地面积持续减少;林地面积先减少后增加,总体上显著增大;草地面积先增加后减少,总体呈减少趋势;建筑用地面积持续增加;未利用地面积先增加后减少,总体呈减少趋势。(2)1990-2007年,高植被覆盖地区面积先减少后增大,低植被覆盖地区面积持续减少,中度植被覆盖地区面积有所增加。(3)1990-2007年,轻度土壤侵蚀面积先增大后减小,总体面积变化不大;中度侵蚀面积先减小,后显著增大,总体呈增大趋势;重度侵蚀面积先增大,后显著减小,总体呈减小趋势。(4)1990-2000年,实验区生态环境状况明显变差;2000-2007年,生态环境状况显著变好;1990年到2007年生态环境状况略微变好,总体上先明显变差,后显著变好。 相似文献
9.
本文利用基于TM影像所解译的土地利用数据,评价了哈萨克斯坦2000年和2010年生态环境质量状况。结果表明,哈萨克斯坦各州生态环境质量水平差异较大,整体呈现东部各州生态环境质量较高、中西部各州生态环境质量较低的空间格局,且2000-2010年哈萨克斯坦生态环境质量总体呈现变差的趋势。以基于MODIS数据所提取的归一化植被指数、地表含水量、地表温度等自然要素,以人口、GDP等社会经济要素为自变量,以生态环境质量指数为因变量建立回归模型,回归分析表明哈萨克斯坦生态环境状况主要受自然因素特别是NDVI指数的影响,因而改善哈萨克斯坦生态环境质量可从提高植被覆盖度入手。 相似文献
10.
为了研究四川省什邡市“十一五”期间生态环境质量状况,分析生态环境质量动态变化原因,使用生态环境质量指数法构建评价指标体系,以土地利用、水资源量、降水量、土壤侵蚀、污染源排放等作为基础数据,运用遥感解译技术和统计学方法,对什邡市生态环境质量进行2005～2010年动态评价.研究结果表明,2005～2010年,什邡市生态环境质量年际变化呈“V”字型,受汶川地震影响2007～2008年生态环境质量明显下降,其余年际间无明显变化;在评价期内,汶川地震是导致什邡市植被覆盖指数和生物丰度指数明显下降的主要因素,占全部变化因素的97％以上;除2008年外,影响什邡市生态环境质量变化的主要因素是环境质量指数和水网密度指数. 相似文献
11.
Google Earth Engine平台支持下的赣南柑橘果园遥感提取研究 总被引：1，自引：0，他引：1
赣南地区是中国柑橘主产区,柑橘种植产业经数十年发展已具较大规模。本文利用Google Earth Engine平台,使用2140景Landsat影像进行像元级融合,重构目标年份季节最小云量影像集,构建多维分类特征集,利用随机森林分类算法,实现了1990、1995、2000、2005、2010和2016年赣南柑橘果园的分布制图。结果表明：利用Google Earth Engine平台可实现大量遥感影像数据的高效处理;最小云量影像合成方法能够有效解决多云多雨地区高质量光学影像获取困难的问题;以最小云量影像合成构建的数据集,使用随机森林分类算法能够有效提取赣南柑橘果园,分类平均总体精度和Kappa系数分别为93.15%和0.90,分类效果良好;赣南柑橘果园面积由1990年9.77 km2扩大为2016年2200.34 km2,2005年以后呈大规模扩张趋势,果园分布由零星分布,逐步形成连片化的聚集分布特点,柑橘果园用地的主要来源为林地、灌丛和耕地。 相似文献
12.
高潜水位煤矿区开采后极易形成的积水区,对其进行提取设计以及演变分析具有重要科学意义。本研究基于Landsat系列影像数据,利用遥感云计算平台GEE,采用水体指数法提取巨野龙固煤矿2001—2020年的水体面积变化,同时与GSW数据集提取的水面进行辅助验证以及利用Sentinel-2数据监督分类提取水体进行精度验证,然后对其演变进行分析。结果表明：研究区20年来水体范围一直在呈稳定增长的趋势,2001—2014年呈缓慢增长趋势,2015—2020年呈现出迅速增长的趋势,造成矿区水体范围面积在2015年迅速扩大的原因主要为煤矿开采活动。 相似文献
13.
Landsat系列卫星数据是对地观测研究中应用最为广泛的遥感数据源之一,但是Landsat数据易受云及云影的影响,因此,在Landsat数据的应用中,云和云影的识别十分关键。美国地质调查局（United States Geological Survey,USGS）在其分发的最新的Landsat 8 数据中新增了一个质量评估（Quality Assessment）波段,能快速提供高精度的云掩膜,然而并不能识别云影。本文在Landsat 8 QA波段云识别基础上,对影像的近红外和短波红外波段进行种子填充变换,提取影像中的潜在云影,采用非监督分类的方法识别影像中的水体,将水体从潜在云影中去除。利用太阳方位角和太阳高度角对云及云影相对位置的影响,对云和云影进行匹配,识别真实的云影。利用全球云和云影验证数据集对本文的云影识别结果进行了精度评价,结果表明：不同生态区域云影识别精度达到87%以上。与Fmask云影检测方法相比,本文方法所需波段数更少,流程简单,简化了云高度估算和视角问题,可以快速、准确地识别云影,对基于Landsat 8数据的定量分析或时序研究有重要价值。 相似文献
14.
Google Earth Engine支持下的江苏省夏收作物遥感提取 总被引：1，自引：0，他引：1
江苏省是农作物种植大省,国家统计局统计数据显示,江苏省近10年冬小麦、冬油菜的总播种面积分列全国第五、第七,快速准确地获取冬小麦和冬油菜的空间分布对于该省的农业发展具有重意义。基于单机的传统遥感分类能够准确获取农作物的空间分布信息,但是耗时较长。随着地理大数据与云平台、云计算的发展,Google Earth Engine（GEE）作为一个基于云平台的全球尺度地理空间分析平台,为快速遥感分类带来了新的机遇。本文基于GEE,使用Sentinel-2数据快速提取了江苏省2017年冬小麦与冬油菜的空间分布。首先,利用GEE获得覆盖江苏省119景无云质优的Sentinel-2影像;其次,在此基础上分别计算了遥感指数、纹理特征、地形特征,并完成原始特征的构建与优化;最后,分别试验了朴素贝叶斯、支持向量机、分类回归树和随机森林4种分类器,比较了各分类器的分类精度,并提取了冬小麦与冬油菜的空间分布信息。得出以下结论：①GEE能够快速完成覆盖江苏省影像数据的去云、镶嵌、裁剪及特征构建等预处理,较本地处理具有明显优势;②J-M距离值位于前两位且大于1将特征数量从28个压缩到11个,有效压缩了原始特征空间;③光谱+纹理+地形特征组合训练,朴素贝叶斯、支持向量机、分类回归树、随机森林的平均验证精度分别为61%、87%、89%、92%。 相似文献
15.
九龙江流域生态环境质量遥感评价与分析 总被引：1，自引：1，他引：0
由图像TM、ASTER和“北京一号”等多时相遥感数据,建立了容纳土壤侵蚀、植被指数、土壤亮度指数、高程指数、坡度指数、降雨量指数、湿度指数和积温指数8个二级环境影响因子的指标体系和权系数,采用加权求和的方法进行运算,首次获取了1989~2003年约15年间三个时期九龙江流域生态环境质量等级及变化状况。结果表明:九龙江流域1989、1998、2003年三个时期生态环境质量总体较好。从1989年到1998年再到2003年两个阶段中,九龙江流域生态环境总体质量出现先下降再改善的特点。其变化主要表现在九龙江口周边地区,人类经济活动是影响九龙江流域生态环境质量演变的重要驱动力。 相似文献
16.
地震滑坡解译是震后重建的重要基础工作,主要通过室内人工遥感解译和室外野外调查确定。地震滑坡相比其他地物来说更为复杂,很难通过简单指数识别。室内遥感解译通过滑坡后壁、侧壁和堆积等纹理特征进行识别,大面积同震滑坡解译工作往往耗费大量人力和物力,且耗时长,难以满足灾害应急需求。本研究利用U-net神经网络模型,结合Google Earth Engine（GEE）云平台和人工智能学习平台Tensorflow,以地震局解译的汶川滑坡作为样本数据,以震后30 m分辨率的Landsat影像、高程、坡度以及NDVI数据作为模型输入参数,自动识别并获取了汶川地震后的同震滑坡数据,同时比较了不同参数组合情况下U-net神经网络模型的分割识别精度。研究表明：① U-net模型可以用于以Landsat影像为基础数据的同震滑坡快速自动识别;② 随着高程、坡度以及NDVI等输入参数增加,模型分割精度在逐渐提高,但假阳性结果也会出现增多,震后滑坡影像+高程+坡度+NDVI的输入参数组合精度最高;③ 在细节上,模型在多参数组合的情况下,大型滑坡能够很好被识别,一些较小型的滑坡受制于影像分辨率的影响,分割精度较差。为了更好识别小型滑坡,后续研究可能需提高影像的分辨率。此外,GEE云平台大大提高了训练样本获取的效率,为科研人员快速进行基于神经网络与遥感数据的地物识别研究提供了条件。 相似文献