海岸带湿地具有重要的生态价值和经济开发价值，明确其时空变化特征与影响因素对于维持区域生态系统平衡和可持续发展具有重要意义。以Landsat TM/ETM+/OLI影像为基本数据源，综合利用面向对象与深度学习分类方法对1985~2015年闽东南低海拔海岸带地区的湿地信息进行提取，以揭示其时空演变特征与驱动力因素。结果表明：基于面向对象—深度学习分类方法对湿地进行信息提取，整体分类精度可达93%以上，分类结果整体性好；1985~2015年自然湿地面积呈减少趋势，人工湿地面积呈增加趋势，分别减少和增加250.31 km2和251.36 km2；湿地二级类型中，30 a间河口/浅海水域和淤泥质海滩面积减少最大，盐田/水产养殖场面积增加最大；1985~2015年湿地变化类型多样，且2000~2015年较1985~2000年湿地变化更为剧烈；湿地变化是人类活动和自然环境变化共同作用的结果，其中人类活动是影响湿地变化的主要原因。该方法及研究结果可为海岸带湿地监测与保护管理提供技术支持和决策参考。
湖泊湿地生态脆弱，易受环境因子的影响。近十年来，东北地区湖泊湿地的时空格局发生了显著变化。如何简单、有效地提取湿地变化范围进而确定其变化类型是湿地变化检测中最需要解决的问题。基于2006~2016年30 m空间分辨率的Landsat-TM/OLI影像数据，水体、植被和土壤等生态因子的动态变化率被用于提取东北地区湖泊湿地变化范围；多维特征数据集的湿地分类方案确定湿地的变化类型。另外，湿地变化检测类型分为转出类型（湿地减少），转入类型（湿地增加）和湿地间转换类型（湿地相对稳定）。最终基于动态变化率计算方法，松嫩平原湿地、兴凯湖湿地和呼伦湖湖泊湿地变化结果的正检率均高于90%。同时，利用年内多时相数据和综合多维生态指数共同表征地表的状态变化，实验区的湖泊湿地分类结果的整体分类精度和 Kappa 系数分别达到 84.31%和0.788。湖泊湿地变化检测方法具有很好的检测精度，可以代表研究区湖泊湿地类型的实际变化，是湿地资源调查与遥感监测技术研究的有益补充，为进一步深化与拓宽地表生态质量评价及其动态变化检测的方法研究提供理论基础。
作为表征湿地生态系统健康的重要指标，湿地植被净初级生产力（NPP）的精准估算对于理解全球变化以及区域碳循环具有重要的支撑作用。基于Landsat 8 OLI遥感影像和大量实测数据，以光能利用率模型基本结构式为基础，构建和评价了芦苇湿地植被NPP估算的不同遥感驱动模型，并以东北3个典型芦苇湿地保护区为例进行了验证与应用。结果表明：以NPP = f（f（VI1）） × f（VI2） 结构与NDVI和MSAVI两个植被指数作为自变量的模型最优，模型精度为89.2%，明显高于NPP低空间分辨率产品和CASA模型的模拟结果。根据该模型估算的东北地区七星河、查干湖和双台河口芦苇湿地的NPP均值分别为3 001、3 050和3 621 gC·m–2·a–1。受水文条件和人类活动影响，各湿地样区间NPP具有典型的空间分布异质性。实验提出的框架模型可为小尺度上湿地生态系统健康评估或湿地生态系统恢复效果评价等指标获取提供方法借鉴。
掌握滨海盐沼植被时空演变规律是科学开展滨海湿地生态系统管理的基础。滨海盐沼植物互花米草在中国海岸潮间带快速入侵与扩散，显著改变了原有滨海湿地的结构与功能，给滨海湿地保护与管理带来巨大的挑战。目前针对滨海盐沼植被时空动态的大尺度遥感分析还十分有限，人们对滨海盐沼植被空间分布的历史演变规律及其控制机制还缺乏足够的了解。实验基于Google Earth Engine平台和Landsat长时序历史影像，利用连续变化检测和分类算法反演近30 a中国南方（浙江以南）滨海盐沼植被的时空分布，分析潮汐淹水对滨海盐沼植被时空分布的影响。结果表明：①滨海盐沼植被总面积在2000~2004年出现短暂下降，之后呈现持续增长趋势；②滨海盐沼植被面积存在3种增长模式——波动、线性和指数增长；③滨海盐沼植被面积与淹水概率之间近似呈正态分布规律，植被时空分布表现为从低淹水区逐渐向高淹水区扩散的演变趋势。研究结果有助于理解滨海盐沼植被时空演变规律，为滨海湿地的科学管理提供决策支持。
湿地具有季节性特征，高时间分辨率遥感监测能够更为客观精准地认识其时空变化规律。选择季节性变化显著、我国第一大淡水湖生态湿地——鄱阳湖湿地为典型案例，利用Sentinel-1，2和Landsat 8卫星的2017~2019年所有可以获取的不同时相影像，采用随机森林分类（Random Forest，RF）方法，对研究区的湿地进行遥感分类和信息提取，发挥海量遥感影像在湿地宏观连续监测的优势，解析鄱阳湖湿地的年际、年内时空动态变化特征。研究结果表明：Sentinel-2影像为鄱阳湖湿地动态变化监测提供良好的数据基础，随机森林分类总体分类精度高于90%，提取效果具有比较优势。对3 a分类结果进行统计分析，各湿地类型在年内均呈现出动态变化的特点，在每年2月泥滩和草洲面积到达年内最大，水体面积为年内最小；每年6、7月份水域面积达到年内最大，泥滩和草洲面积最小，季节性变化明显；月度时间序列的分类结果，能更准确地说明湿地类型的月度和季度变化。因此，结合Seninel-1，2以及Landsat 8数据，基于RF算法，能及时、有效地对鄱阳湖等季节性变化强烈的湿地进行动态监测，对开展湿地资源高效调查工作具有重要意义。
白洋淀湿地是华北平原上重要的浅水湖泊湿地，对雄安新区绿色发展具有重要的生态价值。对白洋淀高度异质化的景观格局进行分类，能够为白洋淀湿地资源的遥感监测提供指导意义。针对湿地季节变化的特点，对白洋淀每个季节选取一期具有代表性的Sentinel-2影像，采用分类与回归树（CART）、支持向量机（SVM）、随机森林（RF）3种常用的机器学习分类器对15种季相组合实验方案进行分类，分析不同季相遥感影像及其组合对白洋淀湿地信息提取的优劣。结果表明：相较于使用单一季相影像分类，多季相影像的组合能够显著提高分类精度，春&夏季相组合能够得到最优的分类效果，相对单季影像总体分类精度提高了10.9%~25.5%，Kappa系数提高了0.09~0.29；SVM分类器的分类表现较为稳定，能够得到最高的平均分类精度，CART分类器在处理高维特征的能力不如随机森林和SVM；不同特征类型对湿地信息提取的贡献度从高到底依次是红边光谱特征、传统光谱特征、缨帽变换特征、主成分分析特征、纹理特征。实验成果能为湿地信息的遥感识别提供依据。
搭载于“珠海一号”卫星星座的欧比特高光谱OHS（Orbit Hyper Spectral）传感器，以较高的光谱分辨率和空间分辨率，在近岸及内陆湖泊水色遥感应用方面具有很大潜力。然而OHS缺乏星上定标系统，目前在轨定标采用陆地定标场的资料，其定标结果在水体等低反射率地物误差较大。因此提出一种基于传感器入瞳总辐亮度的交叉辐射定标法，该方法结合QAA（Quasi-Analytical Algorithm）准分析算法和6SV2.1辐射传输模型，利用GOCI（Geostationary Ocean Color Imager）多光谱数据对OHS高光谱数据进行交叉辐射定标。研究结果表明：①GOCI和OHS传感器获取的地物辐射相关性好，在可见光波段范围内，R2均高于0.84；②重新定标后的数据能明显改善不同传感器之间的辐射差异，在可见光波段范围内，定标误差小于9%。实验为高光谱传感器的辐射定标提供了一种新的方法，对建立高光谱定量化、业务化水色遥感处理系统，特别对OHS数据在水域的各种应用具有重要意义。
毫米波雷达作为汽车自动驾驶重要传感器之一，其主要功能是对车辆周围目标进行距离、速度和角度的测量。根据车载毫米波雷达一般使用场景，设计了一种以快速chirp信号作为发射波形的2发4收TDM-MIMO FMCW毫米波雷达目标检测方案以及相应的3D-FFT目标检测算法，可同时得到目标距离、速度和角度。通过优化天线阵元排布，该方案可有效解决常规TDM-MIMO由于通道时分复用导致对目标测速时的不模糊速度区间减小的问题。相比于常规发射三角波的车载雷达，该方案可以有效避免多目标速度匹配问题；相比于单脉冲测角，该方案可以极大地改善角度分辨率。最后，通过Matlab仿真验证了该方案和算法的有效性。
由于光学遥感穿透性差，光学图像常受到云层等天气因素干扰而影响其遥感应用。现有基于多时相或单幅图像修复的方法受地物变化及缺乏先验信息的影响，难以恢复云下真实地物信息。利用SAR图像不受云层、光照等因素干扰的特点，提出一种与SAR图像融合的光学图像去云方法。首先利用分形网络演化算法（FNEA）结合形状及光谱特性对云区进行检测，接着采用非下采样剪切波变换（NSST）对光学与SAR图像进行分解，最后对分解后系数结合云区检测结果进行融合，其中低频信息基于改进加权能量和进行融合，高频则结合方向信息熵及脉冲耦合神经网络（PCNN）模型进行融合。以高分一号、二号光学和高分三号SAR图像数据进行实验。结果表明，该方法相较其他5种算法在云区与参考图像有更高的相似性，可以更好地保持纹理及细节特征，在有效解决云层遮挡问题的同时实现图像增强，有利于后续图像分类、目标识别以及图像判别等遥感应用。
针对传统的光谱分解算法忽略了影像在不同波段的不同噪声水平，导致分解精度提高受限。为克服这个问题，以高光谱影像为基础，提出了一种基于噪声水平估计的扩展线性光谱分解算法（NELMM）。首先，根据高光谱应用中的多元回归理论，估计相邻波段的噪声；其次，从估计噪声中获得噪声权重矩阵；最后，将噪声权重矩阵引入到线性混合像元的框架中，可以减轻不同波段噪声水平的影响。为验证算法精度，利用全约束最小二乘法（FCLS）和协同稀疏分解算法（CLSUnSAL）来进行对比分析，并通过此算法反演TM影像的植被覆盖度来验证其在多光谱影像上的实用性。结果表明：NELMM算法对高光谱影像分解的结果比FCLS和CLSUnSAL好，其噪声权重矩阵很好地平衡了波段间的噪声，使NELMM算法分解影像的精度显著提高；同时，此算法对多光谱影像分解呈现很好的适用性。
荒漠化是全球最为严重的生态环境问题之一，中巴经济走廊荒漠化问题尤为严重，干旱和大面积的荒漠是其主要的生态环境约束因素。以MODIS数据为基础，提取关键的地表特征参量，定量化研究荒漠化程度与地表特征参量间的关系与规律；构建了基于地表反照率-植被特征空间、决策树的遥感监测模型，并以2015年数据为例，分析了中巴经济走廊荒漠化程度，结果表明：Albedo-MSAVI、Albedo-NDVI和决策树C5.0共3种方法的总体精度分别为88.33%、85.83%和89.2%，Kappa系数分别为0.836 3、0.802 3和0.847 1，分析认为决策树方法最适宜反演中巴经济走廊荒漠化程度。最后基于决策树方法计算了2000~2015年中巴经济走廊荒漠化程度分布数据，分析结果表明在中巴经济走廊极度和重度荒漠化土地占整个区域的50%~60%，中度和轻度荒漠化土地占20%左右，非荒漠化土地和冰雪水体占20%左右。由于2000年左右，巴基斯坦经历了50 a来最严重的旱灾，2000年的重度和极度荒漠化达到总体面积的61.8%，从2005~2015年极度荒漠化土地有所减少，转化为重度荒漠化土地，有部分轻度荒漠化土地转化为非荒漠化土地。总体来说极度荒漠化程度呈下降趋势。
地表形变引发的地质灾害给自然环境和社会带来了巨大威胁，小基线集合成孔径雷达干涉测量（SBAS-InSAR）技术以其监测精度高、监测范围大和非接触等优势，成为地表形变监测的重要手段，为预防地质灾害发生、降低灾害损失，实现地表形变有效监测具有重要意义。利用SBAS-InSAR技术对青海省西宁市2018年1月7日至11月27日27景Sentinel-1A数据进行处理，得到西宁市地表平均形变速率分布图。与同期8个西宁南山GPS地面观测点比较，除一个点误差较大外，其余7个点均方根误差都在3 mm以内，证明了SBAS-InSAR监测结果的可靠性。SBAS-InSAR监测结果表明：山体滑坡是西宁市地表形变的主要形式，特别是沿互助北山和G6京藏高速公路一带滑坡运动尤为明显。实验首次获取了西宁市火车站东北滑坡灾害点定量形变数据，为分析该灾害点状况、保障西宁火车站安全运行提供有价值的参考。
阴影是影响山地针叶林遥感识别精度的关键因素。选取天山一块面积约为10 000 km2的区域为案例，基于太阳高度角和方位角差异较大的两期Sentinel-2影像，从遥感数据阴影分布的时相特性、分类特征以及分类器选择三方面进行综合分析，提出了一种适用于天山山地针叶林的遥感综合分类方案。该综合分类方案首先开展阴影识别以及阴影再分类以排除阴影对针叶林识别的影响；然后筛选出了海拔、归一化差值植被指数（NDVI）、红光到近红外波段斜率、蓝光波段、红光波段、短波红外波段和坡度作为区分天山山地针叶林的重要特征；最后比较支持向量机（Support Vector Machine，SVM）、随机森林（Random Forest，RF）和BP神经网络（Back Propagation Neural Network，BPNN）3种分类器的分类效果。结果表明：采用地形校正方法来消除山体阴影的效果不但不明显，反而还会造成过矫正现象，从而影响后续的针叶林识别，但利用太阳高度角和方位角差异较大的两期影像开展阴影识别以及阴影再分类来排除阴影对针叶林识别的影响，可使针叶林的总体精度提高1.3%~3.7%；SVM、RF和BPNN 3种分类器都能取得较好的山地针叶林识别精度，但SVM分类器的分类精度最高，其总体分类精度和Kappa系数分别是93.33%和0.87。该遥感综合分类方案经参数调整之后有望应用于北方干旱半干旱区的其他山地针叶林区域。
受构造背景、地下水采掘、活断层等因素的综合作用，西安市地裂缝于近年间不断加剧，引发多处不均匀地表沉降，并演化为对地表及地下建筑物均有强烈破坏作用的城市地质灾害链。为探明西安市地裂缝灾害链区域近年间的地表沉降态势、辨析不均匀沉降与地裂缝发育的联系，引入在城市地表形变监测精度和可靠性方面具有显著优势的网络化永久散射体时序雷达干涉测量（NPSI）方法，以2017年3月至2018年3月间成像的15期Sentinel-1A卫星SAR影像为数据源针对西安地区开展了时序监测分析，结合水准测量数据验证发现NPSI监测结果的精度达到 ±4.75 mm。实验结果表明：西安市地裂缝正向西南郊发育，地下水采掘及地上地下工程的建设在地裂缝发育趋势下加剧了不均匀沉降灾害，在形成地裂缝灾害链的鱼化寨、电子城、曲江新区以及地铁3号线等危害严重区域需要实时监测地裂缝发育趋势，并合理规划地下水开采及工程建设活动。相关研究结果可为路政、城建等部门的业务工作及相关研究提供参考信息。
合成孔径雷达（SAR）凭借其全天候观测能力以及SAR图像中丰富的纹理信息，在震后建筑物倒塌评估中发挥了重要作用。针对SAR图像中倒塌建筑物纹理特征多样但利用率较低，且特征信息冗余的问题，提出一种基于主成分分析的SAR图像多纹理特征分类方法。该方法基于灰度直方图、灰度共生矩阵、局部二值模式、Gabor滤波器提取了26种纹理特征信息，构建主成分变量进行多维特征优选与降维融合，通过随机森林分类算法提取建筑物的倒塌信息。以2016年日本熊本地震为例验证了该方法的有效性，结果显示其提取精度高达79.85%，倒塌建筑物的识别效率有所提高，分类结果优于单种纹理特征提取方法及多种纹理特征组合提取法，可用于震后建筑物震害信息的快速提取。
为研究风云四号A星闪电成像仪（FY-4A LMI）闪电资料在强对流天气的监测预警能力，以2019年台风“利奇马”台前飑线为例，利用FY-4A LMI闪电资料、FY-4A 云顶亮温资料（TBB）、地基闪电定位资料（ADTD）、组网雷达组合反射率因子资料和东南沿海自动站风雨资料，研究“利奇马”台前飑线全闪电活动的时空分布特征及其与飑线内对流演变的关系。结果表明：FY-4A LMI闪电频次的时空变化与台前飑线的演变过程相一致，LMI闪电爆发对台前飑线强度增强具有提早约1h的指示作用。在闪电活动与台前飑线对流的演变关系上，LMI闪电与卫星TBB深对流及雷达强回波的时空演变存在较好的相关性。LMI观测的闪电频数与强回波（35~55 dBZ）顶高具有对应关系，与-72 ℃冷云区面积及35 dBZ以上雷达组合反射率因子面积的变化特征相同。闪电活动集中位于TBB低值区的左侧和前部的亮温梯度大值区，对地面雷暴大风和强降水的可能发生位置具有判识作用。LMI与ADTD的比较发现二者所揭示的利奇马台前飑线闪电活动特征基本一致。
遥感技术是获取区域地表水热通量的重要手段，利用地面观测值对遥感估算水热通量进行验证时，存在空间尺度不匹配的问题，结合足迹分析可以较好地解决这一问题，为遥感蒸散发模型提供空间尺度匹配的验证数据。利用黑河流域上游阿柔超级站和中游大满超级站的涡动相关仪观测数据，对常用的3种水热通量足迹模型Kormann&Meixner （KM） 模型、Kljun模型和Hsieh模型的输入参数进行了敏感性分析，并比较和分析了3个模型单时次和日尺度的足迹结果差异，为足迹模型的合理选用提供参考依据，以服务于数据质量判别和遥感模型的验证。结果表明：①奥布霍夫长度（L）是KM模型和Hsieh模型的敏感因子， L值变化时，Hsieh的足迹结果变化大于KM，而Kljun模型对L的敏感程度不高；观测高度（zm）和侧向风速标准差（σv）也是3个模型的敏感因子。②单时次30 min尺度上，KM和Hsieh的通量贡献源区大小和形状吻合较好，但与Kljun足迹结果存在显著差异；Kljun的源区范围明显较小，上风向通量贡献峰值明显大于KM和Hsieh，且上风向通量贡献峰值的位置明显小于另外两个模型。③日尺度上，3种足迹模型的水热通量源区形状相似，Kljun模型的源区范围最小。实验结果为足迹模型的合理选用提供参考依据，以服务于碳、水热通量数据质量判别和遥感模型的验证。
目前遥感技术已成为监测水质参数的重要手段，精度更高的水质参数反演模型是当前水质监测的重点。但由于水环境的复杂性、遥感数据的局限性等多重原因，水质参数遥感反演精度有限，且多集中于水色水质参数反演。为了得到精度更高的水质参数反演模型，以天津市海河下游段为研究区，对Landsat 8 OLI遥感影像进行大气校正、辐射定标等预处理，通过实验室理化分析测定水体的总磷、氮氨、总氮浓度及电导率，建立实测水质参数与Landsat 8 OLI遥感影像数据的统计回归模型及神经网络模型，采用决定系数（R2）、平均绝对误差（MAE）、均方根误差（RMSE）进行精度检验，神经网络模型反演结果R2均大于0.85，MAE分别为0.019、0.09、0.242、0.411，RMSE分别为0.024、0.118、0.286、0.562，反演精度较好。结果表明：基于神经网络建立的水质参数反演模型精度较高。
随着设施农业管理要求的提高，需要提取高分辨率遥感影像中大范围、低密度的塑料大棚空间分布信息作为农业管理和资源分配的依据。以浙江省桐庐县为研究区域，利用高分辨率遥感影像数据，对比分析不同机器学习方法提取塑料大棚的效果。ENVINet 5深度学习架构可以克服标签较少的困难，通过语义学习进行塑料大棚提取和面积估算，总体精度和Kappa系数达到97.84%和0.81；U-net深度学习网络的提取结果中，总体精度和Kappa系数为96.22%和0.79，两种深度学习方法均优于利用支持向量机进行塑料大棚提取的结果。研究表明通过深度学习方法提取高分辨率遥感影像中稀疏分布的塑料大棚有很好的效果，可以为农业经济作物管理、规划和气象保障提供支持。
推动区域均衡协调与可持续发展是我国的重大战略之一，植被净初级生产力（NPP）对生态环境是否可持续发展起着重要作用。以“胡焕庸线”为界把我国分为东、西部，从像元尺度和县级行政单元研究分析我国NPP、人口以及人均NPP时空变化，尤其是东、西部的区域差异。结果表明：我国人口增长较快，从1982年的10.05亿增长到2017年的13.95亿，以“胡焕庸线”为界的西部占比由5.91%增长到6.42%；我国NPP整体呈现增长的趋势，总量由1982年的2.69 Pg C增长到2015年的3.24 Pg C，增长率为16.60 Tg C/a，其中东部增长率12.30 Tg C/a是西部（4.30 Tg C/a）的近3倍；西部人均NPP远大于东部与全国，1982、2000、2010、2017年西部与全国人均NPP持续处于下降的状态，但下降速率略有放缓，东部人均NPP则在2017年首次出现增长。据此可知我国整体生态环境处于恢复的状态，但不同区域之间差异较大，因此在相关政策制定方面应该充分考虑区域差异性，以实现我国生态环境的区域协调发展。
草种精细识别对三江源区草地生态系统退化监测具有重要意义。基于无人机高光谱遥感系统，获取三江源草地退化典型区的高光谱影像。在对原始光谱特征利用XGBoost进行优化选择的基础上，结合扩展形态学属性剖面特征，利用稀疏多项式逻辑回归与自适应稀疏表示两种分类方法分别对影像上的不同可食与毒杂草种进行精细识别，在此基础上提出形状自适应的后处理方法对识别结果进行平滑处理。结果表明：①利用XGBoost方法选择出重要性高的光谱特征能提升高光谱数据的识别效果并节省运行时间；②利用空间—光谱特征的识别方法相较于仅利用光谱特征的方法可以有效改善草种识别效果，使总体精度提升4%~5%；③利用两种稀疏表示方法在小样本的情况下对草种精细识别的精度分别达到94.07%、93.15%，利用形状自适应后处理方法能有效提高多种毒杂草种的识别精度，使得总体精度分别提升约1.64%和1.12%。基于特征挖掘的稀疏表示分类方法能实现高精度的无人机高光谱影像草种精细识别，为更大范围的草原物种精细识别提供了技术支撑。
作物精准识别和分类是农业遥感检测的重要内容，对作物长势监测以及估产十分重要。以美国混合农业带为研究区，基于Sentinel-2时间序列影像，根据其传感器响应函数计算了针对Sentinel-2的通用归一化植被指数（Universal Normalized Vegetation Index，UNVI），并通过两个对比实验，分析UNVI等6个指数在作物精准分类中的性能。实验一以JM（Jeffries-Matusita）距离为指标对不同作物类别之间的可分性进行分析，结果表明UNVI优于NDVI、EVI、WDRVI、NDre1和NDWI指数，在玉米和棉花、玉米和水稻、玉米和水稻的区分上，UNVI优于其他指数区分能力相当，但在其余的作物组合上如棉花和水稻，NDVI等指数则无法将其很好的区分，此时UNVI指数依然可以表现出较好的区分能力；实验二对6种时间序列指数特征分别使用随机森林和支持向量机进行作物分类，结果表明UNVI指数的总体精度和Kappa系数最高，其次是NDre1指数和WDRVI指数，EVI的总体精度和Kappa系数最低，这表明UNVI比其他6个指数更好地区分了研究区大豆、玉米、棉花和水稻等4种主要作物。综上，基于Sentinel-2时间序列的UNVI指数在进行作物分类时与其他5种遥感植被指数相比，具有较大的优势，UNVI可为农作物长势分析和作物估产研究等农业研究和应用的可选植被指数。
城市防灾减灾已经成为城市安全研究的关键问题。作为城市防灾减灾的重要场所和有效途径，应急避难场所在降低城市灾害风险、提高城市灾害韧性方面正发挥着越来越重要的作用。在对兰州市应急避难场所进行调研的基础上，将兰州市地质、医院、消防、人口、道路等信息以GIS为数据存储和处理平台构建数据集。再结合层次分析法从安全性、通达性、有效性和保障性4个层面构建一套应急避难场所减灾能力评价指标体系。通过评价分析得到兰州市15个应急避难场所中，4个减灾能力为一级，8个二级，3个三级。其中城关区应急避难场所的综合减灾能力最好。
甘公网安备 62010202000685号
