771771威尼斯.Cm(中国)NO.1 Platform

771771威尼斯.Cm

科研进展
刘建红副教授研究团队在植被生态特殊树种遥感监测和城市形态研究方面取得新进展

成果一:在植被生态特殊树种遥感监测方面取得新进展



【论文题目】Zanthoxylum bungeanum Maxim Mapping with multi-temporal Sentinel-2 images: the importance of different features and consistency of results

【发表期刊】ISPRS Journal of Photogrammetry and Remote Sensing

【卷号】Volume 174

【发表时间】April 2021

【页码】68-86

【期刊分区】中科院SCI一区TOP

【来源网站】https://doi.org/10.1016/j.isprsjprs.2021.02.003

 

Highlights

  • This is the first experience of mapping Zanthoxylum bungeanum Maxim (ZBM) with remote sensing technology.

  • Certain VIs and topographic variables are far more effective in classification compared with the original spectral bands, especially the Red Edge Normalized Difference Vegetation Index (NDVI705) and Normalized Difference Yellow Index (NDYI).

  • The desirable periods for differentiating ZBM from other land cover types are fruit coloring and ripening periods.

  • Voting rates show that the percentages of classification results with strong and good consistency are generally over 70% for all land cover types, proving the derived land cover map's high credibility, including ZBM.

 

在目前的植被遥感监测中,大类树种往往得到更多的关注,而对于一些具有特殊生态功能和经济效益的小类树种的关注不足。花椒(Zanthoxylum bungeanum Maxim是具有调料、香料、油料及药材等多用途的重要树种,在亚洲地区广泛分布。自1999年我国退耕还林工程实施以来,甘肃省临夏回族自治州(临夏)开始大力发展花椒种植。但是,缺乏准确的花椒种植信息严重妨碍了评估退耕还林工程对当地的影响。因此,及时、准确地监测花椒空间分布及其种植面积对于当地经济发展和生态保护都具有重要意义。刘建红副教授研究团队探究了多时相Sentinel-2 MSI 临夏花椒分类制图中的潜力。首先,选择了2019年花椒果实着色期、果实成熟期和落叶期的S2影像,然后基于随机森林分类器(RF)探究了由光谱波段特征、植被指数特征以及地形变量特征组成的四种分类方案的分类精度。接着,根据平均下降精度(MDA)检验了三分类特征在当地土地利用/覆盖分类中的重要性。最后,基于1006个测试样本及800棵随机森林树的投票概率,进一步评估了最优输入特征的分类结果的可信度。研究结果表明,只使用原始光谱波段(共40个输入特征),其分类结果已经达到了95.43%的分类精度。增加植被指数和地形变量后可进一步改善结果,但是分类精度提升幅度很小。但是,研究发现植被指数和海拔变量比原始光谱波段更有效,特别是红边归一化植被指数(NDVI705)和归一化黄色指数(NDYI)。基于MDA排序,使用前15个输入特征时,分类精度已经接近95%。最终分类地图显示,临夏的花椒主要分布在黄河沿岸和刘家峡水库周围。2019年,临夏花椒的总种植面积为51601公顷,研究区总面积的9.51%。其中,99%的花椒多生长在海拔1500-2400 m之间,67%的花椒多种植在坡度5-25°之间的区域。基于RF投票率进一步表明在结果一致性较好与好的级别中,十种土地覆盖类型投票百分比都超过了70%,证明了包含花椒在内的衍生土地覆盖图的高度可靠性。总的来说,本研究验证了多时相Sentinel-2影像在花椒精确制图的潜力,可以为其他特殊作物或物种制图提供参考依据,进一步有助于退耕还林生态工程的高效监测。

1 基于随机森林的不同分类方案分类精度

 

2 研究区花椒空间分布格局及种植面积

 

3 基于随机森林投票率的分类结果一致性分析


成果二:在城市形态研究方面取得新进展



【论文题目】Scale-Dependent Impacts of Urban Morphology on Commercial Distribution: A Case Study of Xi’an, China

【发表期刊】Land

【卷号】Volume 10

【发表时间】February 2021

【文章号】170

【期刊分区】SSCI JCR二区

【来源网站】https://doi.org/10.3390/land10020170

 

Highlights

  • This research investigates the relationships between urban morphology and commercial distribution at different scales with two measure units.

  • The strongest correlation is detected at the scale R=3,600 m when measured by grids, while the strongest correlation is detected at the scale R=10 km when measured by blocks.

  • The centrality of urban space is of greater potential of influencing the allocation of commercial establishments than accessibility and comprehensive potential.

  • Our method can be easily transferred to other urban regions, and the derived results can serve as a valuable reference for government administrators or urban planners in allocating new commerce establishments.

 

如何为城市发展创造可持续的城市形态一直是备受关注的城市研究问题。城市空间结构是一个多尺度的概念,是由形态学和城市功能共同决定的。因此,准确量化城市形态与城市功能分布之间的关系是城市规划前期工作的关键步骤。目前,有许多研究结合空间语法和大数据来评估城市街道的质量或街道与其周围城市功能之间的关系。但是,这些研究往往使用的是线状数据(即街道),缺乏对城市用地的相关分析;其次,利用网格作为研究单元忽略了城市的空间肌理;此外,采用单一的度量标准(即平均值)难以全面理解城市形态与城市功能分布之间的关系。为了弥补上述研究不足,刘建红副教授团队以西安市为例,通过构建500 m X 500 m网格和城市街区两种研究单元来分析不同尺度下城市形态与商业分布之间的关系。首先,利用三个空间句法变量(整合度、选择度和复杂变量)测量了16个不同尺度下每个研究单元内的城市形态特征。然后,通过相关性分析,基于空间句法变量,分别分析了研究单元内三个统计指标(即平均值,最大值和总价值)与商业功能(购物、餐饮)布局之间的关系。结果表明:(1)无论是基于网格单元还是街区单元,城市形态与商业分布之间的关系都随分析尺度的变化而变化,并且街区尺度的相关性强于网格尺度的相关性。在网格尺度中,城市形态与功能布局在较小尺度(R = 800 m至R = 3,600 m)时相关性较强;而在街区尺度中,城市形态与功能布局反而在较大尺度(R = 5 km至R = 35 km)时相关性更强。(2)在整合度、选择度和复杂变量三个空间句法变量中,对于购物和餐饮功能而言,整合度与商业分布之间的相关性强于选择度和综合变量,这表明城市空间的中心性对商业场所布局影响更大。(3)针对西安市未来的商业布局,我们推荐将基于10 km-20 km尺度下的城市空间中心度分析结果作为参考。总的来说,本文从城市形态学角度出发,提出了一种对商业布局预测的方法,对政府管理人员或城市规划人员进行高效的可持续化城市管理提供了重要的参考意见。

 

主要成果图:

 

1 基于街区尺度的西安市商业布局


 

2 基于网格单元不同尺度下城市形态与商业分布的相关性


 

3 基于街区单元不同尺度下城市形态与购物服务分布的相关性

 

4 不同空间句法变量下城市形态与商业布局的最强相关性

360
XML 地图