陳 宇，杜培軍，唐偉成，柳思聰

基于BJ－1小衛(wèi)星遙感數(shù)據(jù)的礦區(qū)土地覆蓋變化檢測(cè)

陳 宇，杜培軍，唐偉成，柳思聰

(中國(guó)礦業(yè)大學(xué)國(guó)土環(huán)境與災(zāi)害監(jiān)測(cè)國(guó)家測(cè)繪局重點(diǎn)實(shí)驗(yàn)室，徐州 221116)

為了評(píng)價(jià)利用北京一號(hào)小衛(wèi)星(BJ－1)遙感數(shù)據(jù)監(jiān)測(cè)煤礦區(qū)土地利用/地表覆蓋變化的效果，針對(duì)其數(shù)據(jù)特點(diǎn)，選擇基于圖像信息運(yùn)算和圖像信息變換的直接變化檢測(cè)法以及分類后比較法，對(duì)徐州東礦區(qū)2007～2008年土地利用/地表覆蓋變化情況進(jìn)行檢測(cè)，以對(duì)比、評(píng)價(jià)各種方法在土地利用/地表覆蓋變化檢測(cè)中的應(yīng)用效果和BJ－1數(shù)據(jù)的適用性。結(jié)果顯示，變化矢量分析法的檢測(cè)精度最高，其后依次為圖像比值法、圖像差值法和多波段主成分分析法。通過(guò)變化檢測(cè)，確定徐州市東礦區(qū)土地利用/地表覆蓋變化較為集中的幾個(gè)區(qū)域，包括東礦區(qū)北部的青山泉礦、韓橋礦、董莊礦和南部的大黃山礦等地區(qū)。

北京一號(hào)小衛(wèi)星(BJ－1);土地覆蓋;變化檢測(cè);礦區(qū);變化矢量分析

0 引言

北京一號(hào)小衛(wèi)星(BJ－1)是根據(jù)國(guó)家“十五”科技攻關(guān)計(jì)劃和高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)的安排，在科技部、北京市政府、國(guó)家測(cè)繪局和21世紀(jì)空間技術(shù)應(yīng)用股份有限公司等部門的共同支持下，與英國(guó)薩瑞衛(wèi)星技術(shù)有限公司(SSTL)合作，于2005年10月27日在俄羅斯成功發(fā)射的［1］。目前，BJ－1遙感數(shù)據(jù)在國(guó)土資源調(diào)查監(jiān)測(cè)、環(huán)境與災(zāi)害監(jiān)測(cè)、城市管理建設(shè)等方面已開(kāi)展了一系列的示范應(yīng)用研究，并取得了可喜的成果［2］。土地利用/地表覆蓋變化檢測(cè)是遙感應(yīng)用的熱點(diǎn)之一，尤其是對(duì)環(huán)境多變的煤礦區(qū)而言，實(shí)時(shí)監(jiān)測(cè)土地利用/覆蓋動(dòng)態(tài)是進(jìn)行全面監(jiān)管和有效治理礦區(qū)生態(tài)環(huán)境的關(guān)鍵。利用遙感圖像進(jìn)行地表動(dòng)態(tài)變化檢測(cè)的方法可分為以下兩類:①非監(jiān)督式的直接變化檢測(cè)法;②監(jiān)督式的基于分類后比較的變化檢測(cè)法。由于土地利用/地表覆蓋變化受到空間、時(shí)間、地物光譜等多種復(fù)雜因素的影響，任何變化檢測(cè)方法都有其優(yōu)勢(shì)與不足，還沒(méi)有一種方法最優(yōu)，并適合于所有情況，即使在相同環(huán)境下，不同方法得到的檢測(cè)結(jié)果也各不相同，甚至出現(xiàn)爭(zhēng)議性的結(jié)論［3］。

為了探究國(guó)產(chǎn)小衛(wèi)星遙感數(shù)據(jù)在煤礦區(qū)土地利用/地表覆蓋變化監(jiān)測(cè)中的應(yīng)用效果，本文以BJ－1小衛(wèi)星多光譜遙感影像為數(shù)據(jù)源，采用多種變化檢測(cè)法對(duì)徐州東礦區(qū)土地利用/地表覆蓋變化進(jìn)行了檢測(cè)，并分析、對(duì)比了各種檢測(cè)方法的優(yōu)缺點(diǎn)和在本研究區(qū)的應(yīng)用效果及BJ－1數(shù)據(jù)的適用性。

1 研究區(qū)及數(shù)據(jù)源概況

徐州市位于江蘇省西北部，地理坐標(biāo)為116°22'～118°40'E、33°43'～34°58'N，處于蘇、魯、豫、皖四省交界處，交通便利，鐵路、公路四通八達(dá)，是全國(guó)重要的水路交通樞紐和東西南北經(jīng)濟(jì)聯(lián)系的“十”字路口［4］。徐州市是華東地區(qū)典型的礦業(yè)城市，區(qū)內(nèi)煤炭資源十分豐富，為江蘇省重要的煤炭生產(chǎn)和供應(yīng)基地，也是中國(guó)重點(diǎn)煤炭基地之一。

本文的研究區(qū)域?yàn)樾熘菔袞|礦區(qū)，包括青山泉礦、大黃山礦、韓橋礦、董莊礦、權(quán)臺(tái)礦、旗山礦和鄭莊礦等煤礦。圖1為研究區(qū)2008年BJ－1小衛(wèi)星遙感數(shù)據(jù)的近紅外波段、紅光波段和綠光波段的假彩色RGB合成圖像。

圖1 徐州東礦區(qū)2008年BJ－1衛(wèi)星遙感假彩色合成圖像Fig.1 BJ －1 false－color composite image of east coal mining area in Xuzhou in 2008

試驗(yàn)采用2007年2月2日和2008年2月18日獲取的空間分辨率為32 m的BJ－1多光譜圖像(包括綠光波段、紅光波段和近紅外波段)。由于所選用數(shù)據(jù)的獲取月份相近，因此地物覆蓋類別信息較一致，便于進(jìn)行土地利用/地表覆蓋變化檢測(cè)。

數(shù)據(jù)預(yù)處理包括幾何精糾正、圖像裁剪和直方圖匹配。預(yù)處理時(shí)，先以2007年圖像為基準(zhǔn)，采用Geographic Lat/lon和WGS－84坐標(biāo)系，選擇了33個(gè)地面控制點(diǎn)，對(duì)2008年圖像進(jìn)行幾何配準(zhǔn)，配準(zhǔn)后圖像的均方根誤差(RMS)為0.493像元;然后采用二次多項(xiàng)式及最近鄰取值法進(jìn)行重采樣，得到幾何精糾正圖像;接著再依據(jù)研究區(qū)范圍將2幅圖像裁剪為同一區(qū)域;最后以2007年圖像為基準(zhǔn)進(jìn)行直方圖匹配，即得到預(yù)處理后效果最佳的圖像。

2 變化檢測(cè)方法

選擇直接變化檢測(cè)法和分類后比較法來(lái)檢測(cè)徐州市東礦區(qū)2007～2008年土地利用/地表覆蓋的變化情況。

2.1 直接變化檢測(cè)法

目前，常用的直接變化檢測(cè)方法包括基于圖像信息運(yùn)算的方法、基于圖像信息變換的方法和基于模型分析的方法。本文采用前2種方法進(jìn)行實(shí)驗(yàn)［5］。

2.1.1 基于圖像信息運(yùn)算的方法

(1)圖像差值法。該法是應(yīng)用最為廣泛的變化檢測(cè)方法。它先通過(guò)將配準(zhǔn)后不同時(shí)相圖像的對(duì)應(yīng)像元的灰度值進(jìn)行相減來(lái)生成一幅新的代表不同時(shí)相光譜變化的差值圖像;然后用差值圖像的灰度值來(lái)表示2幅圖像間的變化程度［6］;最后通過(guò)選取合適的閾值對(duì)差值圖像灰度進(jìn)行分割來(lái)確定變化區(qū)域與不變區(qū)域。此方法既可應(yīng)用于單波段圖像，也可用于多波段圖像。

(2)圖像比值法。該法是通過(guò)將經(jīng)配準(zhǔn)的不同時(shí)相遙感圖像的對(duì)應(yīng)波段圖像進(jìn)行逐像元相除，所得到的比值圖像就增強(qiáng)了變化信息［7］。如果像元的亮度值較為接近，則比值為1或近似為1，表明無(wú)變化;若像元比值明顯高于或低于1，則認(rèn)為發(fā)生變化，比值的大小取決于發(fā)生變化的性質(zhì)。通?？赏ㄟ^(guò)經(jīng)驗(yàn)法判斷比值圖像直方圖上下尾端的閾值來(lái)確定變化信息。

(3)植被指數(shù)法。該法是先分別對(duì)2個(gè)時(shí)相圖像求取植被指數(shù)，然后對(duì)植被指數(shù)進(jìn)行差值處理，進(jìn)而通過(guò)選擇合適的閾值來(lái)提取出變化信息［6］。

在眾多植被指數(shù)中，歸一化差值植被指數(shù)(NDVI)常被用于土地利用/地表覆蓋變化檢測(cè)，利用植被對(duì)近紅外波段與紅光波段光譜明顯的響應(yīng)差，可很好地反映地面植被的覆蓋情況。

(4)變化矢量分析法。變化矢量是描述從時(shí)相1到時(shí)相2光譜向量變化的方向和大小的矢量，每個(gè)像元可生成一個(gè)具有變化方向和變化強(qiáng)度(大小)2個(gè)特征的變化向量［3］。當(dāng)某一像元的變化強(qiáng)度值超出一定范圍時(shí)，則認(rèn)為該像元發(fā)生變化;否則，認(rèn)為該像元未發(fā)生變化。

2.1.2 基于圖像信息變換的方法

(1)主成分分析法。主成分分析(PCA)變換檢測(cè)法［7］可分為主成分差異法、差異主成分分析法和多波段主成分分析法。

主成分差異法是將2個(gè)時(shí)相的多光譜圖像先分別進(jìn)行PCA變換，然后將變換后得到的2個(gè)第一主成分進(jìn)行差值處理，再對(duì)得到的差值圖像通過(guò)設(shè)定閾值來(lái)提取變化信息。

差異主成分分析法是先將2個(gè)時(shí)相多光譜圖像的各個(gè)波段對(duì)應(yīng)圖像分別進(jìn)行相減，然后對(duì)差值圖像進(jìn)行PCA變換，變化信息主要集中于第一主成分。

多波段主成分分析法是將2個(gè)時(shí)相圖像的波段先合成形成一個(gè)2倍于原圖像波段數(shù)的新圖像，然后對(duì)該圖像進(jìn)行PCA變換。變換結(jié)果的前幾個(gè)主成分集中了2個(gè)圖像的不變化信息，而后面的幾個(gè)主成分則反映2個(gè)圖像的變化信息，因此可以通過(guò)提取后幾個(gè)主成分進(jìn)行合成來(lái)得到變化信息。

(2)對(duì)應(yīng)成分分析法。對(duì)應(yīng)分析(CV)是采用V2統(tǒng)計(jì)量來(lái)表示波段內(nèi)各個(gè)像素與波段間的相關(guān)關(guān)系［8］。設(shè)遙感圖像數(shù)據(jù)有n個(gè)波段，每個(gè)波段有r個(gè)像素，則可構(gòu)造一個(gè)矩陣Xrxn。矩陣X中的每一個(gè)元素都除以矩陣元素?cái)?shù)值的總和，即構(gòu)造出新矩陣Z，新矩陣元素為

再構(gòu)造一個(gè)r×1大小的向量p，使它的每個(gè)元素代表矩陣Z的每行元素之和，同時(shí)構(gòu)造一個(gè)n×1大小的向量q，使它的每個(gè)元素代表矩陣Z的每列元素之和。

V2統(tǒng)計(jì)量可以描述矩陣Z中行列變量之間的獨(dú)立性，V2統(tǒng)計(jì)量為

矩陣U為

若計(jì)算出U的特征值和特征向量，則對(duì)應(yīng)的分析變換系數(shù)矩陣即為由U的特征向量組成的矩陣。

對(duì)應(yīng)分析法的處理過(guò)程與主成分分析法類似，即首先分別對(duì)2個(gè)時(shí)相的多光譜圖像進(jìn)行CA變換，然后將變換后得到的2個(gè)第一分量進(jìn)行差值處理，再提取變化信息。研究中采用IDL語(yǔ)言編程實(shí)現(xiàn)對(duì)應(yīng)成分變換。

2.2 分類后比較法

分類后比較法也是目前應(yīng)用較廣泛的一種遙感變化檢測(cè)方法，其原理是對(duì)2個(gè)不同時(shí)相的圖像先采用相同的算法分別進(jìn)行單獨(dú)分類，然后通過(guò)對(duì)分類結(jié)果進(jìn)行對(duì)比來(lái)檢測(cè)變化信息［9］。

這種方法可以避免直接變化檢測(cè)法對(duì)2個(gè)不同時(shí)相圖像的成像條件要基本一致的條件，以及2個(gè)圖像間的輻射校正、匹配等問(wèn)題，對(duì)用多源遙感數(shù)據(jù)進(jìn)行變化檢測(cè)也具有較好的效果［7］;同時(shí)，通過(guò)選擇合適的分類方法還可以克服地形因素引起的偽變化［3］;另外，此方法還可以直接提供變化前后的地物類別信息和變化信息。但是此方法也有一定的局限，它要求2次地物影像分類必須遵循統(tǒng)一的分類標(biāo)準(zhǔn)，而變化分析的精度又依賴于地物影像分類的精度，這就會(huì)受到利用2個(gè)圖像分別進(jìn)行地物影像分類所帶來(lái)的誤差影響，從而不可避免地夸大了地表變化的程度［7］。

3 實(shí)驗(yàn)和分析

以BJ－1遙感數(shù)據(jù)為基礎(chǔ)，采用上述各種變化檢測(cè)方法分別進(jìn)行土地利用/地表覆蓋變化檢測(cè)實(shí)驗(yàn)，得到的徐州市東礦區(qū)土地利用/地表覆蓋變化結(jié)果如圖2所示。

圖2 9種變化檢測(cè)方法的檢測(cè)結(jié)果Fig.2 Results of nine change detection methods

圖2 (i)為分類后比較法的檢測(cè)結(jié)果，圖中僅選擇變化較明顯且相對(duì)重要的區(qū)域顯示。

其中，差值法和比值法均先對(duì)各單波段分別進(jìn)行變化檢測(cè)，然后將3個(gè)波段的檢測(cè)結(jié)果進(jìn)行疊加，故最終所得結(jié)果為彩色圖像，它反映了3個(gè)波段的綜合變化信息。分類后比較法是先根據(jù)研究區(qū)土地覆蓋的實(shí)際情況，對(duì)2個(gè)時(shí)相的圖像分別選擇訓(xùn)練樣本;然后采用基于CART的決策樹(shù)分類方法，將徐州東礦區(qū)的土地覆蓋類型分為農(nóng)田、建筑用地、水體和林地4類;最后選擇測(cè)試樣本進(jìn)行分類精度評(píng)價(jià)，得到的2007年的總分類精度和Kappa系數(shù)分別為84.2%和0.821;2008年的總分類精度和Kappa系數(shù)分別為85.9%和0.837。

對(duì)不同變化檢測(cè)方法得到的結(jié)果進(jìn)行精度評(píng)價(jià)，通常采用類似于分類精度評(píng)價(jià)的方法，即先將變化檢測(cè)結(jié)果作為分類圖像，包括“變化”和“不變化”2個(gè)類別;然后在原圖像上通過(guò)選擇“變化”類別和“不變化”類別的測(cè)試樣本，即可構(gòu)造混淆矩陣，并得到總體檢測(cè)精度、Kappa系數(shù) 、虛檢率及漏檢率等精度指標(biāo)(見(jiàn)表1)。

表1 不同變化檢測(cè)方法檢測(cè)結(jié)果精度對(duì)比Tab.1 Precision comparison between different change detection methods

通過(guò)對(duì)各種變化檢測(cè)方法的檢測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)分析，得到的變化區(qū)域面積(單位為km2)以及占地區(qū)總面積的百分比如圖3所示。

圖3 不同變化檢測(cè)方法檢測(cè)到的變化區(qū)域面積百分比Fig.3 Area percentage of the changed area detected by different methods

由表1和圖3可以看出:

(1)變化矢量分析法的變化檢測(cè)精度最高，虛檢率最低，但漏檢率相對(duì)偏高，這使得用該方法檢測(cè)到的變化區(qū)域面積百分比最低。

(2)圖像差值法和圖像比值法也具有較好的檢測(cè)精度，但二者檢測(cè)到的變化區(qū)域面積明顯高于其他方法，其原因有二:首先，此2種方法均先利用單波段數(shù)據(jù)分別進(jìn)行差值和比值運(yùn)算，然后再對(duì)3個(gè)波段圖像的檢測(cè)結(jié)果進(jìn)行合成，由于其包括了3個(gè)波段圖像的變化信息，因而能充分反映每個(gè)波段圖像的地表信息變化，但因綠光波段圖像的質(zhì)量不佳，會(huì)對(duì)檢測(cè)結(jié)果產(chǎn)生影響;其次，這2種方法的漏檢率相對(duì)偏低而虛檢率則相對(duì)偏高，從而使得檢測(cè)到的變化區(qū)域的面積偏大。

(3)在主成分分析的3種方法中，多波段主成分分析法的精度最高，虛檢率和漏檢率也最低，但在所有方法中漏檢率偏高。另2種主成分分析方法的檢測(cè)精度十分接近，檢測(cè)到的變化區(qū)域面積比例也都在5.9%附近，說(shuō)明它們?cè)谝欢ǔ潭壬蠙z測(cè)效果相當(dāng)，可選擇使用;但是與其他方法相比，這2種方法的變化檢測(cè)效果并不理想，檢測(cè)精度較低，漏檢率和虛檢率都偏高。

(4)對(duì)應(yīng)成分分析法的檢測(cè)精度相對(duì)較低，虛檢率和漏檢率較高。雖然對(duì)應(yīng)分析是將多光譜圖像的波譜空間轉(zhuǎn)換為成分空間，前幾個(gè)成分集中了大部分信息，且能排除噪聲干擾，但同樣會(huì)使部分變化信息被遺漏。此方法對(duì)于徐州市東礦區(qū)土地利用/地表覆蓋變化檢測(cè)的適用性相對(duì)較差。

(5)分類后比較法雖然可以檢測(cè)出土地利用/地表覆蓋變化的性質(zhì)和位置(這是其他檢測(cè)方法不具有的特點(diǎn))，但在本實(shí)驗(yàn)中，其變化檢測(cè)的精度最低。這主要是受2個(gè)時(shí)相圖像分類精度的影響，導(dǎo)致其土地利用/地表覆蓋變化檢測(cè)精度最低，虛檢率最高，檢測(cè)出的變化區(qū)域面積百分比最大。在檢測(cè)結(jié)果圖(圖2(i))上可以看出，有很多虛檢部分為道路或建筑物輪廓線。此方法對(duì)于徐州市東礦區(qū)的土地利用/地表覆蓋變化檢測(cè)的適用性較差。

總體而言，9種檢測(cè)方法對(duì)于利用BJ－1小衛(wèi)星遙感數(shù)據(jù)來(lái)對(duì)徐州市東礦區(qū)土地利用/地表覆蓋變化進(jìn)行檢測(cè)都有一定的適用性，其中變化矢量分析法、圖像差值法、比值法及多波段主成分分析法的檢測(cè)效果相對(duì)較好;從檢測(cè)到的變化區(qū)域面積比例來(lái)看，圖像差值和比值法檢測(cè)到的變化區(qū)域面積較大，但虛檢率較高;變化矢量分析法和多波段主成分分析法的虛檢率雖然較低，但漏檢率較高。所以，對(duì)檢測(cè)方法的選擇還要依據(jù)具體情況而定。

4 結(jié)論

(1)本文基于徐州市東礦區(qū)BJ－1小衛(wèi)星遙感數(shù)據(jù)，采用9種變化檢測(cè)方法進(jìn)行了土地利用/地表覆蓋變化檢測(cè)實(shí)驗(yàn)，并評(píng)價(jià)了各種方法對(duì)該地區(qū)土地利用/地表覆蓋變化檢測(cè)的適用性。結(jié)果表明，變化矢量分析法的檢測(cè)精度最高，其次為圖像比值法、圖像差值法和多波段主成分分析法。其他方法的適用性相對(duì)較差，植被指數(shù)法主要對(duì)植被的變化較為敏感，而對(duì)其他地物的敏感度較低;分類后比較法不僅受分類精度影響較大，并且存在較嚴(yán)重的虛檢現(xiàn)象。

(2)通過(guò)對(duì)各種方法檢測(cè)結(jié)果的分析比較，并參照其他資料，最終確定了徐州市東礦區(qū)2007～2008年土地利用/地表覆蓋變化主要集中的幾個(gè)區(qū)域，主要包括東礦區(qū)北部的青山泉礦、韓橋礦、董莊礦和南部的大黃山礦等區(qū)域。

(3)隨著新的土地利用/地表覆蓋變化檢測(cè)方法的不斷涌現(xiàn)，集成多種變化檢測(cè)方法的優(yōu)勢(shì)和特點(diǎn)，以提高整體檢測(cè)精度，將是下一步研究的主要方向。

［1］ 童慶禧，衛(wèi) 征.北京一號(hào)小衛(wèi)星及其數(shù)據(jù)應(yīng)用［J］.航天器工程，2007，16(2):1 －5.

［2］ 魏 軍，張萍萍，紀(jì)中奎.“北京一號(hào)”小衛(wèi)星數(shù)據(jù)在北京森林生態(tài)系統(tǒng)資源動(dòng)態(tài)分析中的應(yīng)用［J］.生態(tài)學(xué)報(bào)，2008，28(7):3465－3469.

［3］ 李月臣，楊 華，劉春霞，等.土地覆蓋變化遙感監(jiān)測(cè)方法［J］.水土保持研究，2006，13(1):209 －216.

［4］ 周興東，于勝文，趙長(zhǎng)勝.徐州市土地利用/覆蓋動(dòng)態(tài)變化分析［J］.測(cè)繪通報(bào)，2008(1):33 －36.

［5］ 杜培軍，胡召玲，郭達(dá)志，等.工礦區(qū)陸面演變監(jiān)測(cè)分析與調(diào)控治理研究［M］.北京:地質(zhì)出版社，2005.

［6］ 張振龍，曾志遠(yuǎn)，李 碩，等.遙感變化檢測(cè)方法研究綜述［J］.遙感信息，2005(5):64－66.

［7］ 李向軍.遙感土地利用變化檢測(cè)方法探討［D］.北京:中國(guó)科學(xué)院遙感應(yīng)用研究所，2006.

［8］ 龔 潔，張景雄，申邵洪.基于對(duì)象的對(duì)應(yīng)分析在高分辨率遙感影像變化檢測(cè)中的應(yīng)用［J］.武漢大學(xué)學(xué)報(bào)，2009，34(5):544－547.

［9］ Coppin P，Jonckheere I，Nackaerts K，et al.Digital Change Detection Methods in Ecosystem Monitoring:a Review［J］.International Journal of Remote Sensing，2004，25(9):1565 －1569.

Land Cover Change Detection in Coal Mining Area Using BJ－1 Small Satellite Remote Sensing Data

CHEN Yu，DU Pei－jun，TANG Wei－cheng，LIU Si－cong
(Key Laboratory for Land Environment and Disaster Monitoring of SBSM，China University of Mining and Technology，Xuzhou 221116，China)

In order to evaluate the performance of monitoring land cover change in mining areas by BJ－1 small satellite remote sensing data，the authors made an experimental and comparative study of several change detection methods，with the east coal mining district of Xuzhou City in Jiangsu Province as the study area.Direct change detection methods based on image information operation and image information transformation as well as the postclassification comparison method were adopted in the experiment.The results show that the change vector analysis can attain the highest accuracy，followed by the method of image ratio method，image differencing and multi－ band principal component analysis.Through the change detection process，several areas with great land cover change were detected，such as Qingshanquan，Hanqiao and Dongzhuang mining areas in northern east mining district and Dahuangshan mining area in southern east mining district.

BJ－1 micro－satellite(BJ－1);Land use/cover;Change detection;Mining area;Change vector analysis

TP 79:X 835

A

1001－070X(2011)03－0146－05

2010－11－02;

2011－03－22

國(guó)家自然科學(xué)基金項(xiàng)目(編號(hào):40871195)、中國(guó)地質(zhì)調(diào)查局地質(zhì)調(diào)查工作項(xiàng)目(編號(hào):1212011088034)、江蘇省“333工程高層次人才培養(yǎng)計(jì)劃”科研項(xiàng)目(編號(hào):2009－32)、江蘇省自然科學(xué)基金項(xiàng)目(編號(hào):BK2010182)及江蘇省大學(xué)生實(shí)踐創(chuàng)新訓(xùn)練計(jì)劃項(xiàng)目(編號(hào):S200913)共同資助。

陳 宇(1988－)，女，中國(guó)礦業(yè)大學(xué)碩士研究生，主要從事資源環(huán)境遙感方面的研究。

杜培軍，Email:dupjrs@gmail.com;dupjrs@126.com。

(責(zé)任編輯:丁 群)