李繼紅，李文慧，王凱

（1.東北林業(yè)大學(xué)林學(xué)院，哈爾濱 150040；2.吉林大學(xué)地球探測科學(xué)與技術(shù)學(xué)院，長春 130000）

松嫩平原典型區(qū)域鹽漬化特征遙感監(jiān)測

李繼紅1，李文慧1，王凱2

（1.東北林業(yè)大學(xué)林學(xué)院，哈爾濱 150040；2.吉林大學(xué)地球探測科學(xué)與技術(shù)學(xué)院，長春 130000）

以松嫩平原典型區(qū)域（主要是黑龍江省大慶市）為研究對象，以面向?qū)ο蠓诸惙椒▽?000、2007和2014年三期TM/OLI遙感數(shù)據(jù)分類，得到遙感解譯圖像。分別以轉(zhuǎn)換矩陣和LUCC模型歸納分析土地利用類型轉(zhuǎn)化趨勢。差異分析得出，土壤重度、中度、輕度鹽漬化與農(nóng)業(yè)用地間土地覆蓋類型轉(zhuǎn)換頻繁；動態(tài)計算各種土地利用類型，2000～2007年農(nóng)耕不合理導(dǎo)致土壤鹽漬化面積增加，2007～2014年各種土地利用類型變化相對穩(wěn)定。研究將遙感手段應(yīng)用到土壤鹽漬化監(jiān)測中，為大慶市及整個松嫩平原鹽漬化發(fā)展趨勢判斷、鹽漬化治理及農(nóng)業(yè)可持續(xù)發(fā)展提供科學(xué)依據(jù)。

松嫩平原；土壤鹽漬化；遙感監(jiān)測；動態(tài)分析

李繼紅,李文慧,王凱.松嫩平原典型區(qū)域鹽漬化特征遙感監(jiān)測[J].東北農(nóng)業(yè)大學(xué)學(xué)報,2016,47(10):93-99.

Li Jihong,Li Wenhui,Wang Kai.Remote sensing monitoring of soil salinization characteristics in Songnen Plain typical region[J].Journal of Northeast Agricultural University,2016,47(10):93-99.(in Chinese with English abstract)

土壤鹽漬化是指土壤表層易溶性鹽分積累現(xiàn)象或過程[1]。土壤鹽漬化情況加劇，生態(tài)平衡受到破壞，影響農(nóng)業(yè)生產(chǎn)和社會經(jīng)濟可持續(xù)發(fā)展[2]。準(zhǔn)確分析土壤鹽漬化時間和空間變化特征，揭示分

布規(guī)律，對減緩?fù)恋佧}漬化速度、提高土地利用度有重要意義。遙感具有多尺度、大面積連續(xù)觀測優(yōu)勢，對土壤空間分布、鹽漬化動態(tài)變化監(jiān)測有重要作用，遙感技術(shù)不僅是土地利用規(guī)劃主要手段，也是土壤鹽漬化研究重要方法。Kheir等利用遙感技術(shù)研究土壤鹽漬化進程[3-5]，Dehaan等分析土壤鹽漬化影響因素與作用機制[6-8]。但以上研究均基于遙感像元分類方法，無法避免“同物異譜”和“同譜異物”且易產(chǎn)生“椒鹽現(xiàn)象”，解譯結(jié)果碎斑化。以相同或相似像素集合體為基本單元分類，即面向?qū)ο蠓诸惙椒?，綜合考慮地物光譜特征、幾何形態(tài)、紋理特征及地物間相互作用，可有效提高分類精度。目前，Sulong等以TM影像為基礎(chǔ)，結(jié)合1∶5 000航片，采用面向?qū)ο蠓诸惙椒▌澐竹R來西亞凱馬曼地區(qū)紅樹林植被類型，分類精度較理想[9]；謝靜等將我國東北小三江平原為研究區(qū)域，利用多尺度分割面向?qū)ο蠓诸惙绞?，分類遙感濕地[10]。在合理分割尺度下，多維特征空間對遙感影像面向?qū)ο蠓诸惸芴岣呓庾g精度，改善分類效果，為土壤鹽漬化研究奠定基礎(chǔ)。

本文以松嫩平原典型區(qū)域為研究對象，以遙感數(shù)據(jù)、統(tǒng)計資料等為依據(jù)，采用面向?qū)ο笥跋穹诸惙椒ń庾g2000、2007和2014年遙感影像，結(jié)合土地利用類型統(tǒng)計數(shù)據(jù)研究土壤鹽漬化轉(zhuǎn)化關(guān)系，動態(tài)分析影響因子和驅(qū)動因子，為松嫩平原土壤鹽漬化動態(tài)監(jiān)測提供科學(xué)依據(jù)。

1 研究區(qū)概況

松嫩平原位于黑龍江省西南部，地處長白山山脈、大小興安嶺及松遼分水嶺之間。黑龍江省內(nèi)松嫩平原面積為10.32×104km2，約占全省總面積21.61%。海拔多在200～250 m，屬于典型溫帶大陸性季風(fēng)氣候區(qū)，受東南大陸季風(fēng)影響。該地區(qū)年降水量均值為427.5 mm，年蒸發(fā)量均值為1 635 mm，年均干燥度為1.2，是我國面積最大蘇打鹽堿地。

松嫩平原現(xiàn)有耕地5.59×106hm2，土地肥沃，是我國重要商品糧基地。此外，平原草場集中，畜牧業(yè)發(fā)達，石油資源豐富。松嫩平原（包括大慶、齊齊哈爾、哈爾濱部分市縣、綏化）生態(tài)脆弱，近年退化速度加快，典型區(qū)域位于松嫩平原中北部的大慶市[11]。大慶市位于黑龍江省西南部，北與齊齊哈爾接壤，南與吉林省松原市毗鄰，如圖1所示。

大慶市是以石油、草場、耕地等資源為基礎(chǔ)的資源型城市，地理位置優(yōu)越，距哈爾濱市150 km，距離齊齊哈爾市139 km，位于哈爾濱—齊齊哈爾市軸線中心。

圖1 研究區(qū)域地理位置Fig.1Study area location

2 研究方法

2.1 數(shù)據(jù)及預(yù)處理

遙感數(shù)據(jù)主要以地理空間數(shù)據(jù)云下載，包括Landsat5TM影像和Landsat8OLI影像，時相分別為2000、2007和2014年，各期數(shù)據(jù)均分119/27和119/28兩景，其中2014年OLI影像額外包含120/ 28，詳見表1?？紤]季節(jié)更迭、降雨等環(huán)境因素影響及夏季地表蒸發(fā)量較大，鹽堿地光譜特征明顯，農(nóng)作物和其他植被覆蓋區(qū)與鹽堿地光譜特征差異有利于遙感監(jiān)測，選取夏季無云天氣時相高透過率遙感影像。鹽堿地、農(nóng)業(yè)和建筑用地等基本土地類型短期內(nèi)無大面積轉(zhuǎn)化，因此選取某一季節(jié)時間區(qū)間內(nèi)數(shù)據(jù)遙感動態(tài)監(jiān)測。OLI陸地成像儀包括TM所有波段，成像影像除一個全色波段空間分辨率為15 m外，其他波段同TM數(shù)據(jù)，空間分辨率均為30 m。為保持空間分辨率一致，采用兩者共有波段處理分析。此外，OLI影像每景覆蓋范圍同TM數(shù)據(jù)一致，均為185×185 km?？臻g分辨率為30 m。根據(jù)《黑龍江統(tǒng)計年鑒》獲得歷年年降水量和年平均氣溫數(shù)據(jù)，《黑龍江經(jīng)濟統(tǒng)計年鑒》獲得大慶市人口數(shù)據(jù)，《大慶市統(tǒng)計年鑒》獲得歷年年平均蒸發(fā)量。

空間數(shù)據(jù)云下載基礎(chǔ)遙感數(shù)據(jù)是校正Level1級產(chǎn)品，預(yù)處理中，幾何精校正底圖為1∶10萬研究區(qū)域地形圖，校正誤差控制在半個像元內(nèi)。為降低輻射，減少大氣、太陽位置及角度等因素引起噪聲，首先利用ENVI軟件輻射定標(biāo)校正以及大氣FLAASH校正處理遙感影像數(shù)據(jù)，校正后基于地理坐標(biāo)參考方式圖像鑲嵌，完成相應(yīng)直方圖匹配和色彩均衡設(shè)置內(nèi)容，使各景遙感影像色調(diào)一致，利用ENVI軟件中ROI工具創(chuàng)建大慶市邊界范圍裁剪多邊形，完成目標(biāo)影像剪裁。最終影像投影系統(tǒng)轉(zhuǎn)換為北京54坐標(biāo)系、高斯克呂格投影（6度分帶），參考橢球為卡拉索夫斯基橢球，得到三期研究區(qū)域遙感影像如圖2所示。

表1 研究區(qū)遙感影像數(shù)據(jù)參數(shù)Table 1Parameter of remote sensing image data in the study area

圖2 研究區(qū)域三期遙感影像Fig.2Study area three remote sensing image

2.2 遙感分類

2.2.1 分類系統(tǒng)

2007年9月《土地利用現(xiàn)狀分類》發(fā)布，標(biāo)志我國第一次將土地資源分類國家標(biāo)準(zhǔn)統(tǒng)一。

該標(biāo)準(zhǔn)采用兩級分類體系，即12個一級類和56個二級類。一級類型劃分主要以土地用途為依據(jù)，二級類型劃分主要以土地經(jīng)營特征、利用方式等為依據(jù)。本研究主要通過遙感多時相數(shù)據(jù)監(jiān)測研究區(qū)鹽漬地與農(nóng)業(yè)、建筑用地和水體濕地、林地等基本土地覆蓋類型之間轉(zhuǎn)化。同時考慮遙感數(shù)據(jù)空間分辨率，參考國家土地分類標(biāo)準(zhǔn)中一級分類，將研究區(qū)土地覆蓋類型劃分為重度鹽漬化、中度鹽漬化、輕度鹽漬化、農(nóng)牧業(yè)用地、林地、建筑用地和水體濕地七種類型。

2.2.2 面向?qū)ο筮b感分類

傳統(tǒng)遙感分類方法如最大似然法、人工神經(jīng)網(wǎng)絡(luò)等均在像元基礎(chǔ)上對影像分類，分類依據(jù)單一，結(jié)果容易出現(xiàn)“椒鹽現(xiàn)象”。為提高分類精度，采用面向?qū)ο蠓诸惙椒▽ρ芯繀^(qū)域遙感影像分類。面向?qū)ο蠓诸惙椒ɑ緦崿F(xiàn)流程為：首先，確定影像分割閾值及合并閾值，根據(jù)閾值組合分割遙感影像，得到各類對象分割單元；然后，根據(jù)影像光譜信息及空間結(jié)構(gòu)特征，結(jié)合影像紋理、對象形狀等，選定分類樣本或制定適用分類規(guī)則。最后以分類樣本信息或既定分類規(guī)則精度評定研究對象識別分類及分類結(jié)果。

影像分割是遙感影像處理分析重要技術(shù)手段，旨在將原始遙感影像分割成同質(zhì)性對象以提高遙感數(shù)據(jù)可讀性。影像分割是面向?qū)ο蠓诸惙椒ɑA(chǔ)與核心，其有效性及準(zhǔn)確度與分類精度密切相關(guān)。最佳閾值組合為分割尺度40、合并尺度60。

目前，面向?qū)ο蠓诸惙椒ǚ诸愐?guī)則主要分兩種，一種是基于樣本數(shù)據(jù)最小距離法，另一種是支持多個特征因子組合類別判定模糊分類系統(tǒng)?？紤]樣本數(shù)據(jù)有限性，本研究采用模糊分類系統(tǒng)制定分類規(guī)則，分別表示分配到每個類別可能性。制定分類規(guī)則特征因子組合一般可描述為：其中，obj為特征因子分量，μc為其各自權(quán)重。以水體為例，部分水體中存在綠色浮游植物，導(dǎo)致其NDVI值較高，僅以NDVI判別水體地類，容易與裸地、居民地等類別混淆，因此需篩選特征因子，利用多個維度特征因子建立分類模型。由于在可見光近紅外波段范圍內(nèi)，水體反射率明顯低于其他地物，與地物樣本特征因子統(tǒng)計數(shù)據(jù)中BI分量取值范圍明顯低于其他地物類型相吻合。

通過對坡度分量統(tǒng)計可知，坡度分量取值在0.45～14.70。通過K-T變換，WI、MNDWI區(qū)分水體和其他地類可獲得較好效果。而統(tǒng)計水體ICA1、ICA2、ICA3和GVI特征因子易與其他地類產(chǎn)生混淆，故水體分類模型構(gòu)建中不再涉及。最終水體分類模型為：

其中BI、WI、Slope、MNDWI權(quán)重為2，2，1，2，其對應(yīng)特征分量及其閾值范圍如表2所示。

表2 水體特征因子及其閾值范圍Table 2Water characteristic factor and its threshold range

同理，對于其他地物類型，首先以野外調(diào)查數(shù)據(jù)為基礎(chǔ)，結(jié)合人工目視解譯，分別獲取試驗區(qū)內(nèi)地物類型樣本數(shù)據(jù)，統(tǒng)計和分析樣本數(shù)據(jù)，獲得各種地類在各特征因子分量上取值范圍統(tǒng)計數(shù)據(jù)，最后根據(jù)樣本統(tǒng)計結(jié)果制定所有地物類別模糊分類規(guī)則，完成分類。

2.2.3 精度檢驗

為形象直觀分析分類結(jié)果，需精度檢驗。2000年分類結(jié)果，精度評價基礎(chǔ)數(shù)據(jù)由1∶1萬地形圖和同年土地利用現(xiàn)狀圖中隨機選點，人工判讀比較。2007年分類結(jié)果，精度評價基礎(chǔ)數(shù)據(jù)由2005和2010年研究區(qū)土地利用現(xiàn)狀圖中隨機選點，人工判讀檢驗。2014年分類結(jié)果，精度評價基礎(chǔ)數(shù)據(jù)由2014年7月50個野外實地調(diào)查樣本點、2015年6月30個野外實地調(diào)查樣本補充點及2016年5月Google Earth上隨機生成100個點作為精度評價基礎(chǔ)數(shù)據(jù)（基本符合均勻分布），野外調(diào)查樣本已明確各自地類，隨機生成樣本類型通過Google Earth和現(xiàn)有試驗區(qū)土地利用現(xiàn)狀圖中目視確定。采用總體精度（OA）、Kappa系數(shù)兩個評價指標(biāo)定量描述分類精度。

最終獲得2000年遙感影像分類精度為83.62%，2007年遙感影像分類精度為78.46%，2014年遙感影像分類精度為84.67%，三期遙感數(shù)據(jù)分類結(jié)果Kappa系數(shù)分別為0.81、0.83和0.82，滿足精度要求。

3 結(jié)果與分析

根據(jù)反演獲得研究區(qū)域2000年、2007年和2014年三期遙感影像土壤鹽漬化解譯圖像，為詳盡了解研究區(qū)域范圍內(nèi)土壤鹽漬化發(fā)展趨勢及分布狀況，使用ENVI軟件Class Statistics分類統(tǒng)計功能，ENVI中Change Detection Statistics功能對三期監(jiān)督分類圖像轉(zhuǎn)移和改變處理分析各種土地利用類型，獲得三期鹽漬化土壤分布情況和其他土地利用類型面積和所占比例，如圖3所示。

由圖3可知，從2000年到2014年，重度鹽漬化土壤面積呈先升后穩(wěn)趨勢，中度鹽漬化土壤面積則先減少后基本保持不變，輕度鹽漬化土壤面積先增后減。農(nóng)牧業(yè)土地利用類型分布最廣泛，2000年以來該地類面積總體變化不大，但2007年之前，面積減少相對明顯；林地面積增加，水體面積略減，建筑用地面積先增后維持不變。根據(jù)各種地類面積變化情況，可推斷出鹽漬化土壤總體呈增多態(tài)勢，增加部分主要由農(nóng)牧業(yè)用地轉(zhuǎn)化。

3.1 轉(zhuǎn)移矩陣分析

為探究研究區(qū)域內(nèi)15年各種土地利用類型間相互轉(zhuǎn)換關(guān)系，本研究中使用ENVI軟件差異分析三期解譯圖像使用土地利用類型轉(zhuǎn)化矩陣，結(jié)果以百分比表示。通過土地利用類型轉(zhuǎn)移矩陣能直觀判斷各土地利用類型間相互轉(zhuǎn)換關(guān)系。如表3、4所示。

根據(jù)近15年大慶市土地利用類型面積轉(zhuǎn)移矩陣Total可知，重度、中度和輕度鹽漬化土壤面積呈增長趨勢，且三者間轉(zhuǎn)換關(guān)系密切。農(nóng)牧業(yè)用地面積和水體面積呈明顯減小趨勢，農(nóng)牧業(yè)用地轉(zhuǎn)型為輕度鹽漬化較明顯，水體轉(zhuǎn)變?yōu)橹囟塞}漬化現(xiàn)象較突出。

圖3 土地鹽漬化程度分類變化面積統(tǒng)計Fig.3Land salinization degree classification change area statistics

表3 2000～2007年各種土地類型面積轉(zhuǎn)移矩陣Table 3All kinds of land types area transfer matrix from 2000 to 2007(%)

表4 2007～2014年各種土地類型面積轉(zhuǎn)移矩陣Table 4All kinds of land types area transfer matrix from 2007 to 2014(%)

3.2 LUCC模型分析

將LUCC模型即土地利用及覆蓋變化模型引入土壤鹽漬化研究，定量描述各土地利用類型變化速度，獲得近15年該研究區(qū)域內(nèi)各土地利用類型面積變化情況。公式如下：

計算各土地利用類型面積變化動態(tài)度。其中，k為某一時段土地利用類型動態(tài)度；V、U分別為研究初期和末期土地利用類型面積；T為研究時長。當(dāng)T單位為年時，k值表示特定研究區(qū)域內(nèi)土地利用類型年動態(tài)度。根據(jù)公式計算本研究三期遙感數(shù)據(jù)不同時期土壤鹽漬化及其他各種土地利用類型單一動態(tài)度，結(jié)果如表5所示。

由表5可知，2000～2007年，重度和輕度鹽漬化土壤及林地、建筑用地動態(tài)度均為正值，說明該土地覆蓋類型在研究時段內(nèi)以一定速度增加。中度鹽漬化、農(nóng)業(yè)用地和水體動態(tài)值為負值，說明面積減小。2007～2014年，各土地覆蓋類型變化幅度均小于1%，處于相對穩(wěn)定狀態(tài)。總體近15年隨人口增加，對自然資源需求不斷增長，導(dǎo)致重度鹽漬化和輕度鹽漬化土壤面積不斷擴大。

表5 各種土地利用類型面積變化動態(tài)度Table 5Dynamic degree of all kinds of land use types

4 討論與結(jié)論

借助遙感手段，使用TM、OLI影像數(shù)據(jù)，研究松嫩平原土壤鹽漬化典型區(qū)域土壤鹽漬化動態(tài)變化。對2000、2007和2014年三期遙感影像數(shù)據(jù)輻射定標(biāo)、大氣校正和影像鑲嵌、裁剪等預(yù)處理后再對影像采用面向?qū)ο蠓诸惙椒ㄟb感解譯，獲得涵蓋重度鹽漬化、中度鹽漬化、輕度鹽漬化、農(nóng)牧業(yè)用地、水體、林地和建筑用地七種土地覆蓋類型三期遙感分類數(shù)據(jù)，分類精度分別為83.62%、78.46%和84.67%。相對于基于像元分類方法，面向?qū)ο蠓诸愑行岣哌b感影像解譯精度，較最大似然法、人工神經(jīng)網(wǎng)絡(luò)法等分類法分析結(jié)果，基礎(chǔ)數(shù)據(jù)處理更科學(xué)、精準(zhǔn)。

通過解譯圖像分析及土地利用類型轉(zhuǎn)化矩陣和LUCC模型引入，研究區(qū)內(nèi)土地覆蓋類型主要為農(nóng)牧業(yè)用地；水體在研究區(qū)域內(nèi)分布均勻。鹽漬化土壤主要分布在大慶市中南部，即大同區(qū)、肇

州市和肇源縣；2000～2007年，土壤鹽漬化面積顯著增加，重度、中度和輕度鹽漬化土壤面積分別增加535.10、244.71和607.55 km2，而農(nóng)牧業(yè)用地面積減少最明顯。2007～2014年各土地覆蓋類型相對穩(wěn)定。

總之，受地理位置、氣候特點、土壤條件等多方面自然因素綜合影響，松嫩平原（主要大慶市內(nèi)）土壤鹽漬化特征較明顯。土壤鹽漬化過程中，自然因素占據(jù)主導(dǎo)地位，降水因素最為關(guān)鍵。研究區(qū)域降水季節(jié)差異明顯，土壤鹽漬化程度在1年內(nèi)出現(xiàn)動態(tài)變化。由于影像時相選擇具有季節(jié)傾向性，加之Landsat數(shù)據(jù)30 m空間分辨率，一定程度影響土壤鹽漬化程度準(zhǔn)確性。今后研究可采用多時相高空間分辨率遙感影像，實現(xiàn)土壤鹽漬化動態(tài)監(jiān)測。另一方面，除卻自然因素，人類活動對土壤鹽漬化進程有重要影響。

[1] 徐恒力.環(huán)境地質(zhì)學(xué)[M].4版.北京:地質(zhì)出版社,2009.

[2] 谷思玉,聶艷龍,何鑫,等.生物有機肥對鹽漬土改良效果評價[J].東北農(nóng)業(yè)大學(xué)學(xué)報,2015,46(8):38-43.

[3] Kheir R B,Greve M H,Abdallah C,et al.Spatial soil zinc content distribution from terrain parameters:a GIS-based decision-tree model in Lebanon[J].Environmental Pollution,2010,158(2): 520-528.

[4] 姚遠,丁建麗,張芳,等.基于遙感塔里木盆地北緣綠洲干濕季土地鹽漬化監(jiān)測[J].應(yīng)用生態(tài)學(xué)報,2013,24(11):3213-3220.

[5] 岳耀杰,張峰,張國明,等.濱海鹽堿地利用變化與優(yōu)化研究——以黃驊市“臺田-淺池”模式為例[J].資源科學(xué),2010,32 (3):423-430.

[6] Dehaan R L.A Method of Soil Salinization Information Extraction with SVM Classification Based on ICA and Texture Features[J]. Agricultural Science&Technology,2011(7):1046-1049.

[7] 張慧,李毅,鄧宏偉,等.基于遙感影像新疆瑪納斯河流域土壤鹽漬化分類[J].西北農(nóng)林科技大學(xué)學(xué)報:自然科學(xué)版,2013,41 (3):153-158.

[8] 李晉,趙庚星,常春艷,等.基于HSI高光譜和TM圖像的土地鹽漬化信息提取方法[J].光譜學(xué)與光譜分析,2014(2):520-525.

[9] Sulong I,Mohd-LokmanH,Ismail A.Mangrove mapping using Landsat imagery and aerial photographs:Kemaman district, Terengganu,Malaysia[C]//Hurd J D,Civco D L,Gilmore M S,et al.Tidal wetland classification from Landsat imagery using an in?tegrated pixel-based and object-based classification approach. ASPRS 2006 Annual Conference:American Society for Photo grammetry and Remote Sensing,Reno,Nevada,2006:28-39.

[10] 謝靜,王宗明,毛德華,等.基于面向?qū)ο蠓椒ê投鄷r相HJ-1影像濕地遙感分類——以完達山以北三江平原為例[J].濕地科學(xué),2012,10(4):429-438.

[11] 李大偉.肇州縣鹽漬化旱地土壤肥力提升技術(shù)模式研究[D].哈爾濱:東北農(nóng)業(yè)大學(xué),2013.

Remote sensing monitoring of soil salinization characteristics in Songnen Plain typical region

LI Jihong1,LI Wenhui1,WANG Kai2(1.School of Forest,

Northeast Forestry University,Harbin 150040,China;2.School of GeoExploration Science and Technology,Jilin University,Changchun 130000,China)

Taking typical region in Songnen Plain(Mainly Daqing city in Heilongjiang Province)as the research object,using 3 period(2000,2007 and 2014)remote sensing data,adopted the object-oriented classification method,and then analyzed the trend of land use type conversion by the transformation matrix and LUCC model based on the interpretation of remote sensing image in the ENVI software.Research showed that,the difference analysis between severe,frequent change of land cover types with moderate, mild salinization and soil;the various types of land use between the dynamic calculation,from 2000 to 2007 due to the unreasonable farming soil salinization area increased;from 2007 to 2014,various types of land use change between the relatively stable.Remote sensing application was applied to soil salinization monitoring work,which will provide scientific basis for Songnen Plain development tendency,salinization control and sustainable development of agriculture.

Songnen Plain;soil salinization;remote sensing;dynamic analysis

S156.4

A

1005-9369（2016）10-0093-07

時間2016-10-28 8:22:03[URL]http://www.cnki.net/kcms/detail/23.1391.S.20161028.0822.002.html

2016-04-25

黑龍江省留學(xué)歸國人員科學(xué)基金項目（LC2013C13）；哈爾濱市科技局應(yīng)用技術(shù)研究與開發(fā)項目（2015RQQXJ071）

李繼紅（1976-），女，副教授，博士，研究方向為遙感、地理信息系統(tǒng)。E-mail:jhlee@nefu.edu.cn。