1,1,1-三氯-2,2-双(对氯苯基)乙烷类农药 溶解氧 环境信息系统 美国环境保护署 美国鱼类与野生动物管理局 地磁电图仪 地理信息系统 全球海平面观测系统 全球定位系统 栖息地评估技术 高分辨率可见光传感器 (SPOT) 生物完整性指数 无脊椎动物群落指数 综合沿海区管理 红外指数 国际海事组织 政府间海洋学委员会 (UNESCO) 红外光探测和测距传感器 陆地信息系统 海洋生物资源 多光谱扫描仪 (Landsat) 净空中初级生产力 近红外 美国国家海洋和大气管理局 (美国) 国家研究委员会 (美国)
土地利用和土地覆盖的动态转变已成为有效管理自然资源的关键方面,以及对环境转变的连续监测。这项研究的重点是戈达瓦里河集水区域内的土地使用和土地覆盖(LULC)的变化,评估了土地和水资源开发的影响。利用2009年,2014年和2019年的Landsat卫星图像,该研究通过量子地理信息系统(QGIS)软件的SCP插件采用了监督分类。最大似然分类算法用于评估监督土地使用分类。七个不同的LULC类别 - 耕地,农业用地(休闲),贫瘠的土地,灌木土地,水和城市土地 - 用于分类目的。这项研究揭示了在2009年至2019年的十年中,Go-Davari盆地的土地使用方式发生了很大变化。使用三个卫星/Landsat图像,有监督的分类al-Gorithm和GIS中的分类后变更检测技术对土地使用/覆盖变化的空间和时间动态进行了定量。马哈拉施特拉邦戈达瓦里盆地的总研究区域包括5138175.48公顷。值得注意的是,建筑面积从2009年的0.14%增加到2019年的1.94%。灌溉农田的比例,2009年为62.32%,2019年降至41.52%。灌木土地在过去十年中见证了从0.05%增加到2.05%。主要发现突显了贫瘠的土地,农业用地和灌溉农田的大幅下降,并与林地,灌木土地和城市土地的扩张并列。分类方法的总体精度为80%,卫星图像的Kappa统计数据为71.9%。总体分类准确性以及2009年,2014年和2019年监督土地使用土地覆盖的Kappa价值
过去二十年,各国政府对卫星地球观测系统进行了大量投资。这包括大型机构计划(例如欧盟和欧洲航天局的哥白尼地球观测计划),支持数十年任务的新一代卫星的成熟,例如美国 Landsat 计划(目前正处于传感器的第四次迭代)或加拿大的连续 Radarsat 任务。卫星导航系统信号的可用性和精度也显著提高,到 2030 年将更加精确,因为各国政府正在对全球导航卫星系统 (GNSS) 和卫星增强系统 (SBAS) 进行重要投资。经合组织刚刚发布了一份手册,以更好地识别和跟踪公共和商业空间投资及其成果。
领土森林砍伐面积(公顷)是指每个城市每年被清除(皆伐)的原生植被(或旧再生植被)的面积。我们结合了玻利维亚亚马逊地区的亚马逊地理参考社会环境信息网络 (RAISG, 2022) 森林砍伐数据集以及 Mapbiomas Chaco (2022) 的土地利用和土地利用覆盖变化。这两个数据集均基于卫星图像(Landsat 图像,30 米像素分辨率)。Mapbiomas Chaco 数据集提供了土地利用和土地覆盖类别,我们通过在每个类别首次出现时将“农业”和“牧场”类别重新归类为森林砍伐来计算森林砍伐,取代 2000 年至 2010 年间检测到的自然植被类别。该指标适用于亚马逊和查科地区,可在地图中访问。
根据粮农组织(1981),土地由几种自然资源组成,例如土壤,气候,水,植被,人和动物。遥感和地理信息系统(GIS)技术是提供土地资源管理(包括生物多样性)信息的最具成本效益的技术。遥感通常被定义为收集有关对象的信息(使用传感器)的技术,而无需与对象进行物理接触(Rees,1990)。使定义更加集中,以便排除诸如动物眼睛之类的传感器,对上述定义施加了许多限制:要感应的对象位于地球表面上或附近(植被或云),传感器在物体上方(理想的情况)上方(理想的情况),并且在合理的距离上。传感器的示例是摄影相机,点,Landsat TM和MSS。
摘要 地方社会经济统计数据是中央政府了解国家经济状况的主要途径,对于中国而言更是如此,然而由于经济发展过程中城镇化浪潮中统计口径的变化,全国约有10%的县域统计数据存在缺失或不一致的情况。有研究者提出应用夜间光度产品解决该问题,但其无法区分分布密集的富裕人口和欠发达地区。本文利用公开的日间Landsat影像估算经济统计数据,构建了一个端到端的多任务深度学习框架来估算中国大陆县域经济,模型的整体准确率达到85%以上。实验表明,该模型为弥补缺失统计数据提供了一种潜在的策略,并检验了中央政府统计数据的可靠性。
本文回顾了哈萨克斯坦多级农业用地监测系统的现状,该系统是精准农业系统的一部分,在国家层面和土地使用者的背景下实施。确定了广泛使用遥感 (RS) 和无人机 (UAV) 数据的主要制约因素。该国领土面积大、气候条件不同、地形高度差异大,对数据处理和解释方法的选择产生了影响。Sentinel、Landsat、Modis 卫星的数据被用作输入数据,农业中最常用的软件应用程序以此为基础。在对巴甫洛达尔地区 KH“Mayak”农场的农业用地进行监测的基础上,利用可用的在线应用程序、程序、本地 Web 服务、UAV 评估了在哈萨克斯坦现代条件下多级使用遥感的潜力。无人机与移动 RTK 站的测量结果可以确保 1:1000 比例尺的地图精度。
本文回顾了哈萨克斯坦多级农业用地监测系统的现状,该系统是精准农业系统的一部分,在国家层面和土地使用者的背景下实施。确定了广泛使用遥感 (RS) 和无人机 (UAV) 数据的主要制约因素。该国领土面积大、气候条件不同、地形高度差异大,对数据处理和解释方法的选择产生了影响。Sentinel、Landsat、Modis 卫星的数据被用作输入数据,农业中最常用的软件应用程序以此为基础。在对巴甫洛达尔地区 KH“Mayak”农场的农业用地进行监测的基础上,利用可用的在线应用程序、程序、本地 Web 服务、UAV 评估了在哈萨克斯坦现代条件下多级使用遥感的潜力。无人机与移动 RTK 站的测量结果可以确保 1:1000 比例尺的地图精度。
图1。将预测作为土壤健康数据立方体的一部分(AI4SOILHealth项目)的一部分。这是作为自动化工作流的实现的,可以随着新的旧土壤数据的协调并添加到培训池中,可以更新和改进预测。Abbreviations: AW3D30 — ALOS World 3D 30 m Digital Surface Model ( Japan Aerospace Exploration Agency , 2021 ), GLO30 — Copernicus GLO-30 Digital Surface Model ( European Space Agency , 2024 ), NIR — Near Infrared, SWIR — Short-wave infrared, NDVI — Landsat Normalized Difference Vegetation Index, NDTI — Normalized Difference Tillage Index, MODIS — The NASA的中等分辨率成像光谱仪,NUTS3 - 基于螺母(统计数据的领土单位的命名)的欧盟小区域,分类,LST- LST - 土地表面温度,MODIS。
具有贝叶斯优化的高级Narx神经网络可实现出色的海岸线预测准确性(RMSE:0.07-0.52M)。多个颞Landsat数据的集成(1987-2022)启用了158个横断面的精确海岸线描述,NRMSE为0.116595。模型5的多参数集成(波高,潮汐范围,位移)表现出卓越的性能,性能指数值范围为0.000149至0.000857。空间分析量化了21个不同沿海部门的临界侵蚀区(-7.0 m/年)和增生区(+24.48 m/年)。基于漏洞阈值的决策矩阵启用了目标保护策略(±20 m/年高,±5-20 m/年适度,±0-5 m/年低)。实施框架通过数据驱动的沿海保护和气候适应策略与可持续发展目标保持一致。