位置预测技术可以提前预知用户下一时刻的位置,在基于位置的服务（Location-based Service,LBS）领域中发挥着极其重要的作用。现有的位置预测技术大多仅使用用户的地理轨迹,仅使用地理轨迹挖掘出来的用户移动模式易受地理特性的限制缺乏深层次的语义信息。本文基于某商场群体用户的室内轨迹数据和语义信息预测用户下一个时刻语义位置。语义位置预测包括停留区域识别、停留区域语义匹配、语义位置建模。在停留区域识别阶段,为减少室内停留时间不固定对停留区域识别的影响,本研究提出了一种新型的时空凝聚层次聚类算法（Spatial-Temporal Agglomerative Nesting, ST-AGNES),该算法具有思想简单、超参数少、自动生成聚类个数等优点。在语义匹配阶段,引入了吸引度规则,充分利用停留区域所有轨迹点与室内高密度的商铺名称信息做匹配。最后,采用长短型记忆神经网络模型（Long Short-Term Memory,LSTM）挖掘群体用户的语义位置模式并预测用户未来的语义位置,实验预测正确率达到61.3%。
确定性系数（Certainty Factor,CF）是经典的地质灾害影响因子敏感性分析方法;支持向量机（Support Vector Machine, SVM）作为机器学习的代表方法,能够综合各个影响因子的关系,对地质灾害易发性进行评价。本文以云南省怒江州泸水县为研究区,将高程、坡度、坡向、剖面曲率、距断裂的距离、距河网的距离、距路网的距离、地貌类型、岩土体类型、土地利用类型作为该区域地质灾害影响因子,依据各影响因子灾害面积比和分级面积比曲线对影响因子的状态进行分级。根据381个地质灾害隐患点,采用CF方法计算的各个影响因子的敏感性值,作为SVM的分类数据,建立基于CF-SVM的易发性评估模型,同时与单独SVM模型的评价结果进行对比分析。结果表明,CF-SVM模型得到的极高和高易发区主要分布在怒江两岸河谷地带,涵盖了89.76%的地质灾害隐患点,比单独SVM模型具有更高的成功率;利用ROC曲线和P-R曲线对两个模型进行检验,CF-SVM模型的评价精度分别达到92%和88%,均高于单独的SVM。由此说明,CF-SVM模型对地质灾害易发性评价有较高的预测价值,可以为地质灾害风险评估和管理提供依据。
崾岘是将要被切穿的鞍部,是正负地形矛盾斗争的结果,也是重要的地形控制点。典型的崾岘多位于黄土高原黄土地貌区,又称黄土崾岘,其对识别沟间地与沟谷的斗争程度有一定的指示作用。本文以黄土高原样区为例,基于1:1万DEM（5 m分辨率）和影像分辨率为0.95 m的遥感影像,利用流域边界算法和缓冲区标定,分析窗口选择5×5,实现了崾岘点位的半自动化提取。并对各崾岘点位求取坡度等地形因子,总结崾岘的空间格局和地形特征。结果显示,崾岘多分布在主流域边界和垂直于主沟道的最宽部分,地形控制作用明显。崾岘的坡度、起伏度、切割深度等值均大于鞍部值,同时,高级流域区的崾岘值大于低级流域区的崾岘值,反映出崾岘具有侵蚀程度强、表层完整性低、地表破碎度高的特点。总体而言,崾岘受沟道蚕食度高,从侧面反映了黄土地貌的发育阶段,是黄土地貌发育到中期的标志性产物。
退耕还林（草）等生态工程对区域用地结构及生态系统服务功能产生了重要影响。本研究基于RUSLE模型,并辅以遥感监测与GIS空间分析方法,对北方农牧交错带西段2000-2015年退耕状况及其引起的土壤保持功能变化分3个时段（2000-2005年、2005-2010年及2010-2015年）进行了探究。结果表明：北方农牧交错带西段地区2000-2015年耕地面积净减少1663.83 km2,以转为林地、草地、建设用地为主,其中耕地转林、草地净减少面积为1113.64 km2,草地和未利用地是新增耕地的主要来源;15年间土壤保持功能提升显著,退耕还林（草）工程的实施使土壤保持量增加了56.50×104 t,2005-2010年由退耕所带来的土壤保持增加量在3段时期中最高;不同坡度等级的生态退耕引起的土壤保持增加量差别较大,总体随着坡度升高呈下降趋势,但在25°以上的陡坡耕地由退耕还林（草）带来的土壤保持效益又有所升高。研究对于评估北方农牧交错带西段地区实施退耕还林（草）等工程的生态效益具有重要意义,并能为区域生态保护与修复工程的建设规划提供科学依据。
本文以灯光密度表征建设用地产出效率,采取KDE、ESDA、SDE等方法对中国县域尺度2000-2015年建设用地产出效率的总体特征、时空演变以及方向分布进行分析,研究发现：① 夜间灯光总亮度与建设用地出产出存在较强的相关关系,说明可用灯光总亮度表征建设用地产出,以灯光密度反映建设用地产出效率具有一定的科学性。② 建设用地产出效率东高西低,持续上升;增长速度西高东低,中部居中,但区域间年均增长率最大相差0.56%,整体较为均衡。③ 虽然建设用地产出效率由2000年的0.008单位灯光/km2持续上升至2015年的0.025单位灯光/km2,但其核密度曲线始终处于中低水平且右侧区间不断扩大,说明中国建设用地产出效率总体水平较低,呈现出中低水平俱乐部收敛的特征。④ 建设用地产出效率的全局 Moran's I指数都大于0,建设用地产出效率存在正向空间分布特征,且其局部空间格局变化较小,存在稳中有动,强中有弱,弱中有强的特点。⑤ 方向分布上,建设用地产出效率的方位角始终在72.420o与81.066o之间,说明东北-西南方向为建设用地产出效率的主要方向,且标准差椭圆的主轴与辅轴标准差都有所增加,说明在建设用地产出效率的主要方向与次要方向上都发生了分散现象。
近年来,全球气候变暖等原因导致海平面不断升高,人类对海岸带的开发也越来越频繁,海岸带的变化比以前更为活跃,因此精确快速地提取出海岸线并实时监测其变化对我国海岸带的开发规划与利用具有重要的意义。本文详细梳理了国内外利用光学遥感、微波遥感和雷达遥感手段提取瞬时水边线或理论海岸线的方法,对各种经典方法和一些近年来出现的新方法进行了分析和比较,并指出各种方法的适用情况和不足。最后,针对目前中国在此方面的研究现状给出了一些建议。
基于监督分类的高分辨率遥感影像变化检测需要大量人工标注,且单个监督分类器难以适应高分影像中复杂多样的地表变化信息提取,检测结果中“椒盐噪声”严重、变化图斑破碎。因此,本文提出一种基于Adaboost集成算法、自动标注训练样本的变化检测方法。首先利用非监督分类方法完成变化初检,接着在初检结果中进行“非等距”区间采样自动获取均匀分布的训练样本;然后以Adaboost算法为集成框架,选择决策树桩、Logistic回归和kNN作为弱分类器,构建一种混合分类器集成系统,充分挖掘和利用高分影像中的空间信息以提升分类精度和分类器泛化能力,最后利用SLIC分割算法和空间邻域信息对像元级检测结果进行空间约束滤波,进一步提升变化检测精度。为验证本文方法的有效性,选取SPOT-5和WorldView-2影像为实验数据,结果表明本文方法能有效降低训练样本人工标注成本、提高变化检测精度。
地表温度是资源环境、气候变化、陆地生态系统等科学研究的重要参数之一。MODIS LST（Land Surface Temperature, LST）产品是地表温度相关研究的重要数据源。而现有MODIS LST产品均存在云覆盖区域,因此云覆盖区域地表温度估计已成为热红外遥感的前沿性研究难题。为解决MODIS LST产品云遮挡区域地表温度信息缺失,以秦岭地区为研究区,选用2001-2017年的MOD11A2数据,在传统的反距离权重（IDW）、规则样条函数（SPLINE）、普通克里金（OK）、趋势面（TREND）空间插值方法中引入高程因子,通过反复试验形成基于DEM修正的MODIS LST空间插值方法。分析空间插值结果表明： ① 空间插值精度由高到低为：OK>SPLINE>IDW>TREND,基于DEM修正后精度分别提高了约0.38、0.31、0.32和0.78℃; ② 空间插值结果的精度呈现季节差异,夏季6、7、8月的精度较高,1月的精度最低;③ 插值精度与云区的范围存在一定的关系,当云覆盖区域<1.1 km2时,DEM+OK方法的插值误差<0.55 ℃,当云覆盖区域<3.1 km2,插值误差<1 ℃;DEM+SPLINE方法在云覆盖区域<2.7 km2时,插值误差<0.55 ℃,云覆盖区域<10.4 km2,插值误差<1℃;当云覆盖为1.1~2.7 km2时,DEM+SPLINE方法的插值精度高于DEM+OK方法。
城市绿化在改善空气、水和土壤质量,吸收和减少二氧化碳及各种污染物,缓解城市热岛和减少雨水径流等方面发挥着重要作用。及时准确地获取树种信息是城市规划与绿化管理的先决条件,对进一步改善城市生态环境也具有重要意义。基于遥感技术,使用高空间分辨率的WorldView-2卫星影像,采用光谱、纹理、指数以及几何等多种特征相结合的面向对象方法,并通过随机森林进行特征选择,对福州大学旗山校区北部的榕树、杧果、香樟、重阳木、羊蹄甲、垂叶榕以及木棉7种主要绿化乔木进行树种分类。实地验证结果表明：通过特征选择可以减少或规避数据冗余以及休斯效应的产生,该方法可以提高现有同类型树种分类的精度,当淘汰全部特征的20%,利用34个特征（包括15个光谱特征、6个纹理特征、8个指数特征和5个几何特征）进行分类时,总精度最高,可达74.95%,Kappa系数为0.67。其中,光谱平均值的特征重要性最高,而各波段的标准差的重要性较低。WorldView-2卫星影像的4个新增波段,特别是黄光和红边波段及其构建的指数特征重要性较高,也说明这些波段在植被遥感,特别是树种分类中极具应用前景。
城市的快速扩张诱发并加剧了城市热岛效应,对人类健康和生存发展提出严峻挑战,因此,探索城市组成对城市热岛的影响具有重要意义。本研究在传统城市热岛影响因子的基础上,重点分析城市组成与城市热岛的关系。以13个中国大城市为研究区,利用2015年夏季（6-8月）白天和夜间的MODIS LST数据计算城市热岛强度,并结合土地覆盖数据、人口、区位和气象数据,分析热岛强度和城市地表组成、地表空间格局、人口和区位4类因子的关系。研究结果表明：中国的13个大城市均存在不同程度的热岛效应,城市白天的热岛效应比夜间显著。影响城市白天热岛强度的主要因子为城市建筑用地和林地面积比例、城市建筑用地和林地平均斑块面积、城市建筑用地聚集度和人口密度。城市建筑用地和林地平均斑块面积、城市建筑用地聚集度和林地斑块密度是夜间热岛强度的主要影响因子。城市建筑用地面积和乡村林地面积的增加会导致城市热岛情况的加剧,而通过调节城市地表空间格局（减少平均建筑用地斑块面积和降低建筑用地斑块聚集度）可以更好地降低城市地表温度,减缓城市热岛效应。
准确认识三江源植被生产力月度尺度的时空格局变化,对三江源畜牧业生产以及生态保护政策制定具有重要意义,可稳定获取的重访周期为4 d的16 m分辨率GF-1/WFV数据使中等空间分辨率的月度NPP产品生产成为可能。本文建立了一套以GF-1/WFV为基本数据源的中等空间分辨率草地月度NPP估算技术方法,并评估了其在三江源地区应用的可行性。在黄河源区玛多县的实验表明以GF-1/WFV为基础,以MODIS13Q1数据为补充,可以获得覆盖全区的中等空间分辨率月度NDVI数据,据其反演得到的草地NPP,地面验证精度在70%以上,优于MODIS NPP产品精度,且能更为详细地反映草地生产力变化的空间差异,在青海三江源地区利用GF-1/WFV数据生产中等空间分辨率的草地月度NPP产品是可行的。
随着北京轨道交通的日益完善,地铁成为人们日常出行的重要交通工具,监测和治理地铁工程沿线地面沉降成为保障线性工程正常运营的一项重要基础性工作。本文基于55景覆盖北京地区的3 m高分辨率TerraSAR-X数据,采用时序InSAR分析技术获取2010年4月至2016年12月地铁网络沿线的地面沉降形变信息,系统分析了北京地铁网络沿线地面沉降时空演变规律。同时,结合Peck公式将InSAR监测结果进行建模,以7号线磁器口-广渠门内站区段为例,估算地面沉降槽的空间发展特征。研究发现：北京市地铁线路沿线表现出不同程度的形变,形变严重的路段主要集中在东部及东北部区域,最大沉降速率超过了100 mm/a;相对于其他线路,4号、10线整体情况比较稳定,14号、亦庄线次之,6号、7号线不均匀沉降最为严重;此外,地铁在不同建设时期路段表现出不同的形变特征,施工期路段较运营期沉降严重;7号线磁器口与广渠门内站间沉降槽的宽度和最大值沉降值在2010-2016年呈现增加趋势,沉降槽最大宽度约达180 m。
作为气候变化风险问题之一,高温热浪已引起各国政府与学术界的普遍关注。基于VSD （The Vulnerability Scoping Diagram）模型,文章构建了高温热浪风险评价指标体系,同时引入空间关联指数,探讨了福建省高温热浪风险时空分异特征、热点区演化以及类型划分。结果表明：① 2000-2015年,福建省高温热浪风险水平整体呈下降趋势,且不同城市间风险等级转化明显;② 高温热浪风险空间为跳跃变化的“圈层”结构,风险指数呈由中心向外围 “低-高-低”变化;③ 高温热浪风险的空间集聚程度整体趋于减小,热点区呈收缩态势并由“多核心”演变为“双核心”结构,冷点区则稳定分布于闽东北的宁德地区;④ 福建省高温热浪风险划分为5大类型,即省会-副省级高风险区、市辖区次高风险区、河谷中风险区、沿海平原次低风险区以及闽东-内陆山区低风险区。研究结果能够为未来福建省高温热浪风险格局演变提供预判依据,并为风险管理和合理布局公共服务设施提供决策参考。
植被覆盖变化监测是区域资源环境承载力研究的基础,本文通过计算2001-2016年MODIS-NDVI植被指数,辅以趋势分析、变异系数等方法,估算了2001-2016年云南省植被覆盖度,进而探讨了植被覆盖度的时空变化特征及与地形因子之间的分布关系。结果表明：① 2001-2016年云南省植被覆盖度呈显著增加趋势,增速为4.992%/10 a。② 在空间上,植被覆盖度空间格局呈现由南向北、由西向东逐渐降低的特征,滇西、滇西南地区植被覆盖度最高,滇西北地区最低;植被覆盖度稳定性表现为由西南向东北方向波动性越来越大;滇东北地区植被覆盖度增加趋势明显优于其他区域,研究区内植被覆盖度变化趋势为增加、基本稳定和减少趋势的面积分别占49.53%、43.76%和6.71%。③ 植被覆盖度在2001-2006年、2006-2011年、2011-2016年3个时段的面积转移矩阵结果均表现为植被覆盖进化面积大于退化面积,二者的比值分别为1.42、1.63、2.01,植被覆盖情况呈持续改善趋势。④ 云南省植被覆盖度与地形因子之间的关系表现为,平均植被覆盖度随海拔增加呈先增加再减少、再增加、再减少趋势;随坡度的增加呈先增加再减少趋势;随坡向的变化呈由北向南逐渐减少趋势。
