近年来,我国城镇突出的生态环境问题受到社会广泛关注,作为生态环境保护工作的重要组成部分,随着城镇化的快速发展,城镇生态环境监测任务也越来越重、要求越来越高,对结合空间信息的天地一体综合监测的需求非常迫切,急需建立其技术体系,以指导城镇生态环境综合监测工作的开展。本文面向城镇生态环境综合监测的需求,从城镇污染气体、水体水质、生态资源3个方面出发,通过梳理城镇生态环境综合监测中的关键科学技术问题,结合开展的关键技术攻关研究,经过分析论证,构建了城镇生态环境综合监测技术体系框架、指标体系框架以及标准体系框架。在此基础上,根据遥感数据特点及国家生态环境监测需求,提出城镇生态环境综合监测业务应用方案,为国家和省市地方下一步有效开展城镇生态环境监测、管理等工作提供重要指导和支撑。
浮游植物物候能够反映浮游植物的生长变化与湖泊生态系统的变化,水温、营养盐浓度等因素对物候有重要影响。太湖富营养化程度较高,水温的影响作用日趋显著,物候与水温关系的研究对理解、控制和改善太湖生态系统具有重要意义。本研究利用2003—2018年MODIS遥感数据计算浮游植物物候指标和湖泊水表温度（Temperature of Water Surface,LSWT）,通过分析太湖浮游植物物候时空变化特点探究了不同区域的物候特征,并结合LSWT揭示了浮游植物物候对LSWT变化的响应关系。结果表明：① 不同浮游植物物候指标具有不同空间分布特点,水华发生次数、峰值叶绿素a（Chla）浓度和水华总持续时间呈现由西部沿岸向湖心区递减的趋势;浮游植物生长开始时间和峰值Chla发生时间分布复杂但在沿岸区域相对较早;② 太湖可被划分为4种具有不同物候特征的区域,Ⅰ类区域主要位于贡湖湾、东部沿岸以及太湖中部开阔水域,该区Chla浓度范围为50~60 μg/L,且波动平缓,水华发生次数最少、开始最晚、持续时间最短;Ⅱ类区域主要分布于太湖西部沿岸,Chla浓度范围为50~90 μg/L且变化剧烈,该区水华发生次数最多、开始最早、持续时间最长;Ⅲ和Ⅳ类属于过渡区域,前者主要分布于梅梁湾、竺山湾及入湾口,后者主要位于南部沿岸以及太湖中部;③ 浮游植物物候对LSWT变化的响应受营养水平影响,当营养水平较高时,浮游植物的生长受LSWT的促进作用显著,LSWT年际变化的升高趋势对浮游植生长物候提前、生物量增加的影响明显,反之,则LSWT变化对浮游植物生长的影响减弱。
滇池是中国最大的高原淡水湖泊,是长江上游生态安全格局的重要组成部分。自2008年起政府在滇池湖滨带大规模退耕还草还林,以恢复滇池及其湖滨生态。湖滨带植被对滇池总磷浓度的影响是一个长期过程,需要通过遥感长时间连续监测的数据来评价。本文以滇池和滇池湖滨带为研究区,从空间分布、季节差异2个角度,结合入湖河流总磷负荷,研究2005—2018年滇池湖滨植被时空变化对滇池总磷浓度的影响。主要结论如下：① 滇池总磷浓度由湖缘向湖心逐渐降低,并且北部和南部偏高;2005—2018年,滇池总磷浓度呈现显著下降趋势;② 2011—2018年滇池总磷浓度显著减小与湖滨带植被的拦截作用密切相关;③ 2005—2018年滇池湖滨带草本和木本植物面积都显著增加,增加最剧烈的年份是2010—2011年;④ 相比于平水期和丰水期,枯水期NDVI与强影响区总磷浓度负相关关系最强,且木本植物NDVI与强影响区总磷浓度负相关性强于草本。本文利用长时间序列数据评价滇池总磷浓度与其湖滨植被的响应关系,可为滇池湖泊生态恢复提供科学依据。
黑臭水体水面阴影对水面光谱信息产生干扰,严重地影响了利用高空间分辨率遥感数据进行水质状况监测的精度,因此,在数据预处理中必须进行阴影剔除。本研究基于无人机高光谱遥感数据,通过分析各种波段组合下黑臭水体水面的阴影像元和水体像元的光谱特征空间,选择以492、666和792 nm处的反射率建立黑臭水体的河面阴影指数（RSSI）,并利用最大类间方差法（OTSU）自动确定划分本影、半影以及水体的阈值。利用南京金川河和龙江河的无人机高光谱遥感影像对算法进行测试,结果表明：RSSI阴影指数能突出显示阴影与水体的差异;OTSU自适应确定的阈值能较好地区分本影、半影和水体,阴影的总体识别精度达到85%以上。该算法能够有效地识别黑臭水体水面阴影,为后续开展水体的定性、定量遥感监测提供数据预处理的技术支持。
城市植被是维护城市生态系统平衡的重要组成元素,不同类型的植被具有不同的生态服务效益,然而基于植被精细分类的城市绿地景观格局度量研究较少。因此本文以北京城市副中心为研究区,使用夏、冬两季GF-2卫星遥感影像,基于随机森林特征优选和面向对象分类,划分了植被类型,并在此基础上使用景观指数法和移动窗口法分别度量了功能区尺度和栅格尺度绿地景观特征。研究结果表明：针对GF-2数据,使用多尺度分割后影像对象的光谱、纹理特征可以有效地提取植被信息;不同时相的影像能反映各类型植被的物候特征,相比于单时相数据,其分类精度更高,达到了87.7%;各功能区绿地景观格局特征差异较大,城市绿心拥有最丰富的植被且分布集中,商业区植被覆盖度和多样性均较低,绿地景观破碎;北京城市副中心景观多样性及各类型植被分布特征的空间差异显著,当前副中心绿地景观格局已形成规划的基本轮廓,但城市绿心和老城区公共绿地的建设仍有不足。研究探明了北京城市副中心绿地建设现状,证明了国产GF-2卫星在城市生态环境监测中具有较高的应用价值,有助于推动GF-2在城市生态环境领域的应用,并为副中心建设中的绿地系统监测和优化提供参考。
2013年以来几次严重的雾霾污染事件引起了公众的广泛关注,此后中国实施了一系列有关大气污染防治的政策、法规和措施来改善大气质量。为了分析近年来中国大气质量的时空变化特征,本文选取2015—2019年生态环境部国控站点监测的大气污染关键参数,对比分析了空气质量指数和6种大气污染物的季均、年均浓度变化结果,并利用组合指标分析法和相关分析法探讨了不同大气污染物之间的相关性。结果表明：① PM2.5、PM10、SO2、CO和NO2浓度和AQI均有明显下降,2019年均浓度较2015年均浓度分别下降4.5%、3.84%、7.86%、3.74%、0.95%,AQI下降了19.31%,同时,O3浓度则上升了0.79%;② 从空间分布来看,中国北方地区PM10、PM2.5、O3、NO2、SO2、CO年均质量浓度和AQI分别比南方地区高25.2%、18.73%、4.95%、17.6%,32.74%、16.17%、28.3%;③ 从季节性变化规律来看,除了O3呈现出夏季浓度高,冬季浓度低外,其他5种污染物和AQI都呈现相反的季节变化规律;④ 总体而言,目前中国大气污染以PM2.5和O3为主,PM2.5与NO2、SO2、CO之间有极显著的正相关关系（r>0.85,p<0.01）,而O3与其前体物NO2和CO之间存在显著的负相关关系（r>0.8,p<0.01）。
过去从局地尺度和微尺度优化规划和建筑设计的角度,城市规划与建筑学科的研究者提出了构建城市区域通风廊道的思想。但对目前的特大城市和城市群而言,无论城市热岛还是污染物输送都可能涉及更大尺度范围的区域影响。结合自然地理资源条件,对城市外围待发展区域的风道识别和规划,可能更具有现实意义。本文基于空气动力学粗糙长度计算通风指数,从动力学角度初步识别出北京不同区域的通风潜力：① 利用数值模拟输出的1月和7月平均水平风场发现,在背景风较强的冬季,水平风速的分布与下垫面的粗糙度保持高度一致,在北京城区东北方向存在一条明显的风道,在通过城区时受城市下垫面的拖曳影响出现显著的风速下降,在城市下风方向风速又有所回升;② 与热力分析对比发现,夏季城市外的低温区域与盛行风向相悖,偏南方向上的补偿空间面积比冬季小且与作用空间的温差也小,流向城市的可利用风资源匮乏;③ 基于近地面温度和粗糙长度加权计算后得到通风指数,冬季为0~0.25,夏季为0~0.60,数值越小通风能力越强,受季节热力差异影响,冬季通风能力显著优于夏季。④ 进一步结合数值模拟的风速分布,将通风评价结果划分为4个等级,从北京市全域尺度分冬、夏两季识别了北京市的潜在风道,冬季贯穿南北的风道全长约200 km,从城市外围引入风资源,可有效提高城市自净能力,而在背景风较弱的夏季,风道贯通性较差,气流疏导能力弱,亟待区域联动优化城市群发展规划。
传统基于光谱信息的水体提取未能考虑水体形状、纹理、大小、相邻关系等问题,且存在同物异谱、异物同谱现象,导致水体提取精度较低。而传统基于分类提取水体方法设计特征过程较为繁琐,且不能挖掘深度信息特征。因此,本文提出改进的U-Net网络语义分割方法,借鉴经典U-Net网络的解编码结构对网络进行改进：① 将VGG网络用于收缩路径以提取特征;② 在扩张路径中对低维特征信息进行加强,将收缩特征金字塔上一层的特征图与下一层对应扩张路径上的特征图进行融合,以提高提取结果分割精度;③ 在分类后处理中引入条件随机场,以将分割结果精细化。在保持相同训练集、验证集和测试集的情况下,分别用SegNet、经典U-Net网络和改进的U-Net网络做对照试验。试验结果表明,改进的U-Net网络结构在IoU、精准率和Kappa系数指标上均高于SegNet和经典U-Net网络,与SegNet相比,3项指标分别提升了10.5%、12.3%和0.14,与经典U-Net网络结果相比,各个指标分别提升了5.8%、4.4%和0.05。改进的网络水体提取结果较为完整,对小目标水体能够准确提取。改进的U-Net网络能够有效地实现水体提取任务。
空气温度是评价人居环境的重要指标,与人类的生产生活息息相关;其观测对于水文、环境、生态和气候变化等方面的研究具有重要意义。传统的大范围空气温度观测数据一般通过气象站点获取,但由于气象观测站点空间分布离散稀疏的特点,所获取的数据不能精确描述空间连续的空气温度变化情况。因此,实现基于遥感数据的近地表空气温度精准估算具有重要的现实意义。本研究基于精细的地表覆盖类型、空间连续的土壤水分、地表温度（LST）数据,并结合其他辅助数据,构建了近地表空气温度空间化模型,并对近地表空气温度影响因子进行评估,发现地表覆盖类型对近地表空气温度的影响最大,土壤水分为最活跃的影响因素,经验证,模型精度较高,R2接近0.85,RMSE为0.5℃。本研究获取的精确空间连续的近地表空气温度信息,能够充分表达其空间异质性,为农业气象灾害灾变过程监测、农作物生长过程模拟、区域气候变化分析等研究提供良好的近地表空气温度数据支撑。
OLCI（Ocean Land Colour Instrument）作为MERIS（Medium Resolution Imaging Spectrometer）的后继升级版传感器,在气溶胶反演中存在潜在优势,但是目前利用OLCI数据进行气溶胶监测的研究较少。因此,本文针对OLCI多通道反射特征开发了OLCI云检测算法,并对传统查找表构建方法进行改进,根据观测几何特征提出动态查找表法,并通过光谱卷积方式等效转换MODIS和OLCI红蓝通道地表反射率并获取OLCI红蓝通道地表反射率固定关系,进而实现台湾岛550 nm处的AOD反演。与550 nm处AERONET level 2.0 AOD验证结果首先表明不同季节、不同站点的精度表现存在一定差异,其次相对于同期MOD04_3K AOD产品,本文反演结果与全球气溶胶自动观测网（AERONET）站点实测值之间表现出更显著 的相关性（R2=0.8199）,均方根误差（RMSE）从0.175下降到0.113,相对平均误差（RME）从33.6%下降到26.7%,且67.5%的OLCI AOD落在预测误差（EE）区间内,明显大于MOD04_3K AOD落在预测误差区间的百分比（55.7%）。此外,误差分析表明,当实际AOD值较低时,红蓝通道地表反射率之间关系的误判会导致较为明显的AOD反演相对误差。
空间数据质量检查是数据准确可靠的重要保障,是数据的生命线。然而,目前的空间数据质量检查主要针对拓扑关系、属性一致性以及数据间的相关性进行检查,往往忽视矢量图斑地类解译真实性问题。因此,本文提出深度学习和高分遥感影像支持的矢量图斑地类解译真实性检查方法,选用深度学习经典模型Inception_v3进行迁移学习,对分割后的影像进行自动场景分类,以高分遥感影像块的场景分类结果作为参照依据,对场景分类结果与矢量图斑原始数据进行叠加分析,自动查找出类别信息不符的分割单元,从而提取出可疑图斑,实现矢量图斑地类解译真实性自动检查,并在徐州市贾汪区青山泉镇和大吴镇的矢量图斑地类解译真实性检查中进行验证。实验结果表明,本文方法在研究区图斑地类解译真实性检查中的精确率和召回率分别高达0.925和0.817,可为矢量图斑地类解译真实性检查提供可靠的技术支撑。
叶绿素a作为一项重要的水质安全评价指标,其浓度的准确监测对水产行业发展、水生态系统平衡和人类饮水安全等有着重要意义。随着对地观测卫星传感器空间和光谱分辨率的提高,遥感技术在河流水质时空变化监测中发挥着越来越重要的作用。本文以新疆巴音布鲁克湿地河流水体为研究对象,同步采集了水体反射光谱和水样,并在实验室对叶绿素a、浊度等水质参数进行测定。首先,基于光谱波段对叶绿素a浓度的敏感性分析,构建了多种光谱指数模型;然后,提出以4.50 mg/m3作为水体叶绿素a浓度分级阈值,利用三波段半分析模型因子D3B与叶绿素a的线性关系建立水体叶绿素a浓度分级标准,进而对比评估了11种经验、半分析模型分别在全部样本数据集和两级叶绿素a浓度数据集中的精度表现;其次,根据各模型精度结果选用三波段半分析模型D3B和蓝绿波段比模型OC2V4,组成叶绿素a分级反演算法OC2-D3B,其精度（R2=0.96,RMSE=0.32 mg/m3,MAE=0.24 mg/m3,MRE=5.71%）相比以上2种单一算法提高了50%以上;最后,本文利用Sentinel-2影像,对湿地河流水体叶绿素a浓度的空间分布特征和季节时序模式进行了分析,得到该水域夏季叶绿素a含量最高,春秋季次之,冬季最低的结论。此外,本研究还发现气温相比其他环境因子对水体Chl-a浓度的控制作用更加明显。
滨海湿地是动态且脆弱的生态系统,遥感变化检测技术为滨海湿地动态变化监测提供了有效手段。为解决像元级变化检测对配准误差敏感及其椒盐现象严重,对象级变化检测受分割参数影响较大且过程繁琐等问题,本文提出了显著图引导的结合像元级与对象级变化检测方法。首先,提取湿地亮度、归一化差异植被指数、归一化差异水体指数三个特征,得到特征差异影像;其次,利用最大对称环绕显著性检测算法生成显著图,采用结合模糊C均值和马尔可夫随机场方法对显著区域进行分割得到初始像元级变化检测结果;最后,在面向对象分割的基础上,通过构建对象的不确定性指数自适应选择训练样本,采用随机森林分类器进行分类得到最终变化检测结果。利用江苏盐城滨海湿地资源三号影像进行实验,结果表明,结合像元级与对象级方法的湿地变化检测总体精度为93.51%,与像元级、对象级方法相比,虚检率分别降低了29.04%和22.78%。
目前大多数面向像元、面向对象遥感影像分类对比研究算法、软件、样本均不同,引入多方面系统误差导致结果一定程度上不严谨。为更准确比较2种分类方法,本文采用面向像元、面向对象2种分类方式,在同软件平台、同分类器、同训练样本、同验证样本,即“四同”条件下对2018年4月17日高分一号周口城区融合影像进行分类对比研究,并完成主、客观评价精度评价。结果表明：① “四同”条件下2种分类方式、CART（Classification and Regression Tree）、SVM（Support Vector Machine）、RF（Random Forests）3种机器学习算法均能识别周口城区主要地物类型,而面向对象的分类效果明显优于面向像元分类,与前人研究结论一致。其中面向像元分类效果最好的是RF算法,总体分类精度为78.02%,Kappa系数为0.72;面向对象分类效果最好的是RF算法,总体分类精度为93.40%,Kappa系数为0.92;② 尽管由于光谱特征相似、分布交叉,单类别建筑用地、交通用地用户精度与生产者精度较低,但面向对象分类较面向像元分类效果明显提升,以RF分类为例,建筑用地生产者精度由56.18%提高至92.13%,用户精度由69.44%提高至87.23%;交通用地生产者精度由72.15%提高至89.87%,用户精度由72.15%提高至92.20%;③ 与前人研究成果比较,本文在“四同”条件下实现了更科学、更严谨的面向像元、面向对象遥感分类方法对比,对后续高分辨率遥感影像分类具有一定参考意义。
卫星遥感反演得到的地表温度可用于近地表气温的估算,但现有方法的估算精度仍有进一步提升的空间。为了获取空间上连续且精度较高的近地表气温,本研究以四川省为例,首次将高精度曲面建模（HASM）用于遥感和气温实测数据的融合,并将综合了气温、地表温度、海拔、坡度、坡向的地理加权回归（GWR）拟合结果作为HASM模型的初始温度场,进而采用此种结合HASM和GWR的求解算法（HASM-GWR）,融合MOD11C3地表温度产品与190个气象台站的气温实测数据,开展省级尺度近地表气温估算,并通过比较HASM-GWR、GWR以及普通线性回归（OLS）3种方法的估算精度,评估各模型对近地表气温的估算效果。结果表明,相比于传统估算模型,采用HASM-GWR数据融合方法能有效提高近地表气温的估算精度。采用该方法的近地表气温估算残差,72%介于-1~1 ℃,90%介于-2~2 ℃;且与GWR和OLS模型相比,估算结果的均方根误差（RMSE）分别降低了25.42%和39.83%。
