青藏高原作为地球第三极增温明显,相关研究多集中于青藏高原冰雪动态,很少关注冰雪消融后岩漠的变化。岩漠通过地气相互作用影响着全球气候变化的区域差异。本文通过梳理青藏高原冰雪、冰雪消融区、岩漠动态变化遥感监测方法体系,着重分析了各遥感数据来源及提取方法的优缺点和适用性,并对基于遥感技术条件下青藏高原冰雪动态监测、冰雪消融区岩漠动态变化监测的数据来源、研究方法与技术进行了总结。目前,青藏高原冰雪动态变化遥感监测数据来源多样、研究方法成熟,而冰雪消融区岩漠动态变化遥感监测尚未形成系统研究。在人为干扰不明显背景下,青藏高原冰雪消融区岩漠的动态变化,在一定程度上也可作为对冰雪变化遥感监测的补充。

土壤水分是连接地表水循环和能量循环的关键参量,精确获取该参量对于理解气候变化、地表水文过程、地气间能量交换机理等具有重要意义。微波遥感由于其较为合适的探测深度和坚实的理论基础在观测地表浅层土壤水分上具有很大优势,结合反演方法可以获取空间连续的土壤水分含量,有助于更加客观认知土壤水分的时空演变机理。随着微波遥感数据的不断丰富,多种微波遥感土壤水分反演方法相继涌现,为了更好地了解其发展和趋势,本文总结了当前土壤水分微波反演常用的卫星遥感数据并分析其发展趋势,后从主动微波反演、被动微波反演和多源协同反演3个方面梳理了各类土壤水分微波反演方法的原理、发展和优缺点,最终总结出目前微波遥感土壤水分反演方法的发展趋势：即土壤水分微波反演方法的时空普适性逐渐增强、面向高时空分辨率的土壤水分微波协同反演方法快速发展以及土壤水分微波反演方法的智能化水平不断提高。

地理空间数据的多尺度表征是制图学的基石,是支撑地理数据多尺度建模分析的前提。通过对从遥感影像获取的一定尺度的地理要素矢量数据进行选择、化简、聚合或其他处理,以获取多尺度矢量数据,但多种综合处理模型和方法会导致多尺度矢量数据存在着不同程度的信息损失。本文基于地理信息系统（ArcGIS 10.6）的矢量数据制图综合功能模块,通过整合多种内嵌的自动算法和模型,结合人机协同的辅助处理方法,构建了一套系统的海陆岸线空间尺度上推方法体系,并将其应用于南美洲大陆海陆岸线矢量数据从m级空间尺度上推到30 m、250 m和1 km。基于分形理论,首次提出线矢量数据复杂度指数概念,用以表征海陆岸线地理要素特征和对比其信息精细化程度。在此基础上,对获取的30 m、250 m和1 km海陆岸线矢量数据进行信息损失评估,结果显示制图综合引起陆地和水域空间属性的改变,不同尺度表征的地理要素信息精细度存在显著差异：相比m级基础数据,30 m、250 m和1 km海陆岸线矢量数据陆地图斑数量损失分别为32.07%、90.46%和98.61%,岛屿线矢量长度信息损失分别为6.32%、49.26%和75.47%;南美洲大陆海岸线矢量数据信息精细度分别降低1.97%、25.33%和45.39%。本文构建的计算机自动综合模型和人工处理相结合的海陆岸线矢量数据空间尺度上推方法,可以实现海陆岸线矢量数据空间尺度上推获取不同尺度的线矢量数据,并描述了不同空间尺度矢量数据的信息损失状况。

随着遥感影像数据的快速增长,对于栅格数据高效的信息处理和价值挖掘方式提出了更大的挑战,传统地图服务聚焦于内容的共享与可视化,缺乏对影像实时分析处理功能。本研究以地图服务的形式实现了对栅格瓦片数据实时分析处理能力,将云优化的GeoTIFF（Cloud Optimized GeoTIFF,COG）作为数据组织方式,设计了分布式协同预取策略,实现了栅格瓦片数据的冷热加载,优化了从云端读取影像数据的效率。在栅格瓦片数据高效加载的基础下,提出了一种基于表达式的栅格瓦片处理模型,通过对表达式转换建模为计算工作流,在地图服务的请求中实现对栅格瓦片的实时处理,对存储在云端的海量遥感数据进行快速分析,实现原始数据到数据产品的直接可视化转换。针对全量数据参与的场景,使用合适的重采样数据进行简化计算,以满足地图服务的实时性。使用了NDVI、地物分类、植被覆盖度三类不同复杂度模型,在地图服务中对Landsat 8影像进行了实时计算分析。实验结果表明,该处理模型能对栅格瓦片进行有效分析,且能进行分布式扩展,在高并发场景下能够提供稳定的地图服务能力,适应各层级尺度的计算,对未来地图服务的发展提供了一种新思路。

地图综合本质上是空间相似变换,研究Douglas-Peucker算法及其参数的设置,实质是研究算法的最佳距离阈值与尺度变化间的定量关系,但目前二者关系未知,导致参数设置及化简结果的选择主观性强。为此,提出以多尺度线要素空间相似关系为契合点,利用阈值参数寻优原理确定二者间定量关系,以实现基于DP算法线要素的全自动化简。结果表明：① 二次函数是描述最佳距离阈值与尺度变化间定量关系的最优函数;② 针对来源于相同地理特征区,如长江下游平原,的线要素可行,利用同一最佳距离阈值可实现基于DP算法线要素的全自动化简,且化简结果与已有成果数据吻合度较高;而来源于不同地理特征区域,如长江下游平原和江淮平原,的线要素,用同一最佳距离阈值化简是不合理。因此,应选择不同的最佳距离阈值,以实现不同地理特征区域线要素的DP算法全自动化简。

社交用户的文本具有地理差异性,并且社交关系密切的用户之间居住位置更近,因而文本和社交网络均可用于推断用户常驻位置。现有基于文本和社交网络的用户常驻位置预测方法对文本的位置指示性特征挖掘不充分,而用户文本中地名等位置指示信息却提供了最有用的位置信号。因此,本文提出一种基于地理命名实体识别（GER）和图卷积神经网络（GCN）的社交用户位置预测方法。首先,通过地理命名实体识别方法对用户文本进行过滤以凸显位置指示性特征;其次,基于提及关系和关注与被关注关系抽取社交网络;再次,结合社交网络和用户文本内容,采用基于图卷积神经网络的方法进行用户常驻位置预测;最后,将GER-GCN与GCN以及最新研究成果进行比较,并探究该模型的小样本学习能力及其影响因素。基于Geotext数据集和2个微博数据集的实验表明：① GER文本过滤方法可显著提升用户位置预测精度;② 在所有实验中,GER-GCN的预测精度最高,并在基准数据集GeoText上比最新研究成果提升1%~2%;③ 在最小监督的现实场景中,本文印证了GER-GCN模型的小样本学习能力,并发现社交网络质量对其小样本学习能力起到决定性作用。实验结果验证了GER-GCN方法的先进性,且该方法符合社交媒体现实场景的应用需求。

随着全球气候变化加剧和城市化进程的发展,暴雨洪涝灾害对城市社会经济活动造成的影响越来越严重。作为量化灾害影响程度、社会经济损失与风险评估的重要方法,城市洪涝灾害脆弱性研究对洪涝灾害风险管理与规划具有重要意义。目前,城市脆弱性的内涵进一步延伸,脆弱性指标体系不断丰富,所取得的研究成果能够反映一定时期内城市洪涝灾害脆弱性的整体特征,却无法同时有效地解决城市洪涝灾害脆弱性的空间非均匀性问题和动态计算问题。本文从脆弱性的动态特征出发,提出了城市洪涝灾害动态脆弱性计算方法,建立了城市洪涝灾害脆弱性量化模型与面向洪涝灾害脆弱性计算的多智能体模型,形成了基于多智能体的城市洪涝灾害脆弱性计算方法。在NetLogo平台上,利用智能体模型对浙江省丽水市城区的动态脆弱性进行了仿真模拟。研究结果表明该模型有助于发现不同时空条件下城市存在的“脆弱区”,为城市洪涝灾害脆弱性的时空分异特征分析、区域脆弱性的精细化评价提供方法支撑,能够为缓解措施的实施和洪涝灾害的精细化管理提供有效指导。

迁徙流作为互联网时代的新产物,信息流、资本流、交通流等流空间的基本载体,能客观地反映城市间地理行为关系,对于刻画城市网络结构具有重要意义。基于地级以上城市的百度迁徙大数据,本文尝试从全域和净迁徙的视角探索研究中国城市网络结构特征,对其网络的层级、关联关系和影响因素等进行挖掘提取。研究发现：① 全国城市网络呈现出稳定的、层级明确的三棱锥四顶点“钻石型”结构,与主要城市群的经济规模空间分布相吻合;② 区域网络表现出向高级别行政中心集聚的“核心—外围”放射状结构;③ 以省会城市为核心的典型小世界特征比较凸出,小世界网络的可达性和连通性较高;周口、阜阳、赣州、上饶、重庆等作为主要劳动力输出型城市,深圳、东莞、广州、北京、上海等城市成为了主要的外来人口聚集地,并形成了对应的人口就近输送网络关系;④ 城市的行政地位、经济规模、交通枢纽建设、劳动力资源等因素都对其网络控制力和影响力起到了决定性作用。最后,研究结合中国城市网络结构特征及其主要影响因素,提出相关政策建议,以期为中国城市网络结构均衡发展与建设提供借鉴依据。

生境质量受人类活动引起的土地利用变化影响日益严重,因此,对于生境质量的监测与评估具有重要意义。基于2000、2005、2010、2015和2020年土地利用数据,利用GIS空间分析技术和InVEST-Habitat Quality模型,对胶东半岛土地利用和生境质量时空特征进行定量化描述,甄别生境质量变化的热点区域,探究胶东半岛土地利用格局变化对生境质量的影响。结果表明：耕地一直是胶东半岛的主要土地利用类型,该地区整体土地转移的速率呈缓慢上升趋势,建设用地的转入和耕地的转出尤为突出;胶东半岛5个年份的生境质量平均值分别为0.565、0.560、0.552、0.548、0.545,总体上呈下降趋势;不同等级区域的面积占比大小依次为：中等、高、低、较高、较低;中等生境质量区域面积减少最多,而低等生境质量区域面积增加最多,内陆区域生境质量高值区面积小且分散,而生境质量低值区分布相对集中且呈块状、片状;生境质量指数变化速率在减缓;不同区域中,生境质量对于土地利用变化的响应不同,建设用地增加是胶东半岛地区生境质量整体下降的主要原因,而滨海湿地增加提高了局部区域的生境质量。本研究将为胶东半岛地区土地的规划管理和生态环境保护提供相关科学参考。

针对传统方法和深度学习匹配方法在倾斜影像上获取匹配点少、复现率低以及精度不高等问题,本文提出一种面向倾斜摄影的深度学习航空影像匹配方法。首先,利用POS信息计算影像重叠区域,并对倾斜影像进行透视变换改正,减弱几何变形对匹配过程的影响;其次,在变换后的重叠区域影像上利用训练的多尺度特征点检测网络推理其对应的高斯热力图,在高斯热力图尺度空间检测极值点作为稳定特征点,基于自监督主方向检测网络获取特征点主方向;接着,在特征点描述阶段,结合网络学习得到的特征点位置和主方向获取尺度旋转不变GeoDesc基础描述子,并考虑图像的几何、视觉上下文信息对描述子进行增强处理;最后,通过双向比值提纯法获取初始匹配点,利用RANSAC和图约束方法剔除误匹配后获得最终匹配点结果。使用ISPRS提供的2组典型区域倾斜影像进行匹配实验,结果表明,相比于SIFT、ASIFT、SuperPoint、GeoDesc及ContextDesc等算法,本文方法能够在大视角变化和纹理信息贫乏的倾斜影像对上获取更多均匀分布的匹配点,同时复现率也要优于其他方法。

基于高分辨率遥感影像的建筑物提取具有重要的理论与实际应用价值,深度学习因其优异的深层特征提取能力,已经成为高分影像提取建筑物的主流方法之一。本文在改进深度学习网络结构的基础上,结合最小外接矩形与Hausdorff距离概念,对建筑物提取方法进行改进。本文主要改进内容为：① 基于Unet网络结构,利用金字塔池化模块 (Pyramid Pooling Module, PPM )的多尺度场景解析特点,残差模块(Residual Block, RB)的特征提取能力以及卷积块注意力模块(Convolutional Block Attention Module, CBAM)对空间信息和通道信息的平衡能力。将金字塔池化、残差结构以及卷积块注意力模块引入到Unet模型中,建立PRCUnet模型。PRCUnet模型更关注语义信息和细节信息,弥补Unet对小目标检测的欠缺;② 基于最小外接矩形与Hausdorff距离,改进建筑物轮廓优化算法,提高模型的泛化能力。实验表明,本文的建筑物提取方法在测试集上准确率、IoU、召回率均达到0.85以上,精度显著优于Unet模型,提取出的建筑物精度更高,对小尺度及不规则的建筑物有较好的提取效果,优化后的建筑物轮廓更接近真实的建筑物边界。

针对现有遥感指数提取不透水面取结果中混有沙地、裸土等噪声的问题,本文在传统NDISI的形式基础上,提出一种新型的复合权重双差值不透水面指数（Composite-Weighted Double-Difference Impervious Surface Index, CWDDISI）。通过波段的2次差值扩大不透水面和裸地的光谱表现差距,并以植被指数和夜光灯数据作为约束权重,以此提高热红外波段中的不透水面信息比重的同时降低噪声地物的干扰。本文利用Landsat8 OLI-TIR、Landsat7 ETM⁺以及Sentinel-2A光谱数据,结合珞珈一号、DMSP-OL以及VIIRS/DNB夜光数据,选取广州市、西安市、咸阳市以及深圳市、北京市为实验区展开对比实验。研究结果：① CWDDISI具有很好的多区域适用性。在2018年的数据集上,相较于NDISI,CWDDISI在以山地为主的广州市试验区和以平原为主的西安市、咸阳市实验区中,其不透水面提取总精度分别提高了6.02%和7.56%,Kappa系数提高了0.078和0.104; ② CWDDISI具有很好的多时相数据适用性。实验选取2002年和2016年的Landsat7 ETM⁺多时相数据,以深圳市和北京市为实验区展开对比;相较于NDISI,CWDDISI的不透水面总精度分别提高了1.74%和2.13%,Kappa系数分别增加了0.028和0.076。通过实验对比结果可证明,CWDDISI能够克服传统不透水面指数难以区分不透水面信息和裸土区域的问题,为后续不透水面指数的研究提供参考价值。

单木参数对当前的森林资源管理、生态研究以及生物多样性保护等具有重要意义。无人机立体影像数据与单木识别算法为单木参数的低成本、自动化获取提供了基础。现有研究表明,常用的基于局部最大值搜索的单木识别算法面对密集林分时存在严重的漏识别问题,影响了参数提取的精度,因此本文提出了顾及单木三维形态的无人机立体影像单木识别新算法。算法首先综合利用无人机立体影像的高程与RGB光谱信息,通过随机森林分类进行林冠区的提取;然后利用形态学的多层腐蚀、膨胀与连通区标记进行树冠相连单木的分离与树冠中心点的提取,从而实现单木自动化识别。本文选取内蒙古大兴安岭林区和四川王朗林区的4块样地进行验证,以目视解译数据为参考,分别与基于高程值的局部最大值搜索算法（算法A）、基于RGB光谱亮度值的局部最大值搜索算法（算法B）进行比较。结果显示：本文提出的算法在4个样地的平均F1-score为94.17%,与算法A和算法B相比分别提高了15.85%和9.37%;而对于密集样地,本文提出的算法在查全率上相比算法A和算法B分别提高51.79%和35.64%。结果表明本文提出的算法在不同林区均能够实现较好的单木识别效果,特别是能够有效避免密集林分下的漏识别问题,为基于无人机立体影像的单木识别研究提供了一种新的思路。

机载LiDAR在提取地形坡度较大区域的冠层高度模型（CHM）时易产生畸变,降低单木树高的提取精度,为此提出一种CHM与数字表面模型（DSM）相结合的树高估算方法。首先基于预处理后的点云生成的CHM,利用局部最大值算法和标记控制分水岭分割算法进行分割,得到单木树冠轮廓多边形;然后结合DSM,采用固定窗口的局部最大值算法探测树顶点并提取其高程,继而与使用狄洛尼三角网和高程内插得到的地面点相减获取树高;最后,以广西兴安县富江村附近地形起伏较大的针叶林为试验区,测试3种不同坡度下,在CHM、CHM结合DSM获得的树高与实测树高分别进行精度分析。结果表明,当树木分别位于平均坡度为32°、27°和15°的试验区时,CHM中提取的树高与实测数据拟合的R²分别为0.84、0.85和0.87,RMSE为1.48、1.41和1.58 m,结合DSM后R²为0.92、0.91和0.93,RMSE为0.93、1.02和1.16 m;在地形坡度较大的区域,本文方法可以有效提高单木树高的估算精度。

针对遥感影像使用过程中,含水印影像经过仿射变换后水印与影像的同步性被破坏,导致水印无法正常检测的问题,本文提出了一种适用于遥感影像的抗仿射变换盲水印算法。首先通过ASIFT算法提取影像具有仿射不变性的特征点,根据特征尺度的大小与特征点间的欧式距离筛选适量特征点,构造对应的正方形特征区域;然后通过计算特征区域的仿射不变矩得出归一化变换函数的参数,对特征区域进行归一化处理,并以归一化特征区域的不变质心为中心提取子区域作为水印嵌入区域,对该区域进行二级离散小波变换,得到水印嵌入区域的低频信息;运用量化嵌入规则将水印嵌入到低频信息中,依次进行低频信息逆小波变换,水印嵌入前后特征区域差值图像反归一化,最后将反归一化差值图像叠加在原始影像特征区域上,完成水印的嵌入。实验选用了3000像素×3000像素的高分二号遥感影像作为载体影像,含版权信息的二值图像作为水印,实验表明：含水印的遥感影像经过旋转、平移、缩放在内的仿射变换后,仍能准确提取水印信息;算法可有效抵抗加噪、滤波、裁剪等常规水印攻击,攻击后影像提取的水印与原水印相关系数均高于0.9;水印具有良好不可感知性;在水印提取时无需原始遥感影像,属于盲水印算法。