【目的】针对我国森林干扰频繁、干扰类型复杂多样的特点,采用时间序列轨迹分析方法进行森林干扰监测,为陆地森林生态系统碳循环和碳蓄积以及气候变化研究提供参考。【方法】以福建省长汀县为研究区,基于2000—2016年15期Landsat时序数据,采用时间序列轨迹分析(Land Trendr)方法,对时序轨迹进行适当分段和线性拟合以识别干扰变化,获取长汀县森林干扰信息。结合Google影像和全球30 m分辨率GDEM数字高程产品等辅助信息分析监测结果,并基于实地调查和像元2种方法进行精度评估和验证。【结果】2000—2016年长汀县森林干扰总面积192. 49 km~2,平均每年受扰动森林12. 83 km~2; 2001年干扰量最小,不足1 km~2; 2004、2008和2009年森林受干扰较为严重,均在30 km~2以上,约占当年森林面积的1. 3%,共占干扰总面积的50%,其中2004年干扰面积高达32. 85 km~2; 2003、2006、2007和2010—2011年干扰面积略大于10 km~2,但均小于当年森林面积的0. 6%,其余各年干扰面积远小于10 km~2。森林干扰面积在个别年份波动较大,总体上随时间呈下降趋势。森林干扰持续时间主要为1～3年,发生在1年的干扰面积比例最大,达82%;森林干扰主要集中在长汀县东部非森林区域附近,随海拔升高干扰呈明显下降趋势,超过60%的干扰发生在中低海拔地区。结合Google影像目视解译,长汀县森林干扰主要是由森林火灾和人工砍伐造成的急剧干扰事件,且主要发生在非森林区域附近的低海拔地区。【结论】基于目视解译和实地调查结果与研究得到的干扰监测结果一致,干扰斑块可被完整提出,且边界准确清晰,细小干扰也能逐一识别。基于像元尺度精度验证的总体精度达96. 26%,Kappa系数为0. 92,各年份用户精度均在80%以上,除个别年份外,生产者精度均在75%以上,具有较高的监测精度。

【目的】为了快速准确地监测城市群核心区内的森林扰动，研究利用Landsat时间序列数据在谷歌地球引擎（Google Earth Engine，GEE）平台运用LandTrendr算法进行森林扰动监测研究。【方法】基于2000—2020年植被生长季的Landsat时序数据，分别在归一化植被指数（Normalized Difference Vegetation Index，NDVI）、归一化燃烧率指数（Normalized Burn Ratio，NBR）、缨帽变换角（Tasseled Cap Arctangent，TCA）三种指数作为阈值限制下，采用LandTrendr算法对时间序列轨迹进行处理，以获取长株潭核心区森林扰动的发生区域及规模大小的信息。运用森林资源连续清查数据和Google Earth历史影像分别对3种不同指数的森林扰动监测结果进行精度评估和验证，并利用研究区内土地利用数据中的森林覆盖数据对扰动信息进行分析。【结果】2000—2020年长株潭核心区森林扰动总面积为264.35 km²，平均每年的扰动面积为13.22 km²，其中2002年扰动最少，为1.91 km²，扰动面积最大的为2011年，为25.52 km²。运用森林资源连续清查数据对三种指数阈值限制下的森林扰动信息结果验证的精度分别为90.91%、81.72%和65.08%；在谷歌地球历史影像中随机布点下精度分别为86.00%、77.88%和78.36%。2009年和2011—2013年间森林扰动较为严重。对全国范围内的土地利用数据进行处理分析可知，森林面积在20年间随时间增长而缓慢减少，所占总面积的百分比由原来的27.10%减少到22.00%。【结论】NBR是最适合长株潭核心区的森林扰动指数，森林扰动检测结果与实地调查和谷歌地球历史影像目视解译的结果一致。森林扰动斑块的分布边界可被完整提取，扰动面积大小变化趋势与全国区域内土地利用数据森林面积变化趋势相同，主要由城市化进程、森林火灾和人工砍伐引起。2000—2020年研究区森林扰动面积呈现波动式缓慢增加的趋势，其中2001年、2011年和2013年存在扰动面积浮动较大。

利用遥感技术,基于时间序列的MODIS数据对2004—2006年东北三省的林区进行森林生长异常监测。首先利用MODIS数据时间分辨率高的特点,采用Savitzky-Golay滤波函数平滑8天合成的EVI,计算生长季面积和年EVI曲线熵值,两指标联合得到3年间变化量大的像素点,定义为森林生长异常点;然后抽取异常点的时间序列曲线进行分析,并结合森林灾害事件进行比较验证。结果表明:异常点曲线的熵值明显大于正常年,生长季峰值低,并且在生长旺季会出现峰值突然持续下降或双峰等异常现象,这与该区域森林生长异常发生时的植被反射率表征一致,说明用该法对森林生长异常进行监测是基本可行的。

利用NOAA(美国国家海洋和大气局)卫星上搭载的AVHRR(甚高分辨率辐射计)对地观测的时间尺度长达20年的遥感数据,研究了辽宁省植被的动态变化和空间异质性。通过分析辽宁省20年来每月NDVI(归一化植被指数)的最小值、最大值、平均值、变化系数、标准化不规则值、动态平均值等指标,揭示了辽宁省植被的时空变化模式并发现异常现象。20年的数据表明,辽宁省NDVI的最大值出现在7月或8月,植被生长季的变化系数达到6%-14%的幅度,1984-1990年间植被绿度一致向上,1991-1998年间植被绿度趋势向下,植被绿度的摆动周期存在7到8年的规律,干旱季节NDVI的峰值在1991-1999年间比198...

物候是指示气候与自然环境变化的重要指标。遥感技术的发展为物候监测和研究提供了新的手段。本文研究对象是中国东北森林,森林分布范围由Landsat TM影像解译得到的2000年土地利用数据确定。遥感数据源是2003年500m空间分辨率的MODIS NDVI 8天合成时间序列数据。通过分析东北主要森林树种的NDVI时间序列特征,表明不同树种的同一遥感参数时间序列基本形状近似,在关键物候期和变化振幅上存在差异,这为根据遥感参数时间序列曲线监测森林物候期奠定了理论基础。将MODIS NDVI 8天合成时间序列数据应用时间序列谐波分析法(HANTS)重构成每天的NDVI时间序列数据影像。基于每天的NDVI...

利用FY3-3A/MERSI可见光和近红外波段数据合成得到假彩色卫星数字图像,结合区域土地利用、植被类型及森林资源分布等数字化图件,在对图像进行目视解译及多波段数据非监督分类基础上,将地物覆盖划分为林地、冬小麦、水体和裸地4种类型;采用4种监督分类方法(最大似然分类法、平行算法、最小距离法和马氏距离法)进行地物分类;在分析分类结果可行基础上,依据区域森林覆盖数字化图件对林地分类结果进行精度评估,确定研究区域林地空间分布结果。结果表明:4种监督分类方法中,最大似然分类法分类结果的精度最高,达到85%,其次是最小距离和马氏距离法,平行算法的结果较差。可见,利用MERSI数据采用监督分类和非监督分类...

【目的】森林生物量是评价森林生态系统结构、功能和生产力的重要指标之一,区域尺度上的森林生物量的准确估测对了解森林现状和科学经营森林具有重要指导意义。本文旨在利用SAR影像结合Landsat5 TM影像对区域尺度上的森林生物量进行定量估测。【方法】首先利用极化分解的方法对极化合成孔径雷达(SAR)数据进行处理获得45个极化分解参数,然后将45个极化分解参数与6个Landsat5 TM波段参数共51个参数作为自变量,森林生物量W作为因变量构建统计回归模型,最后利用最优模型反演研究区的森林生物量。【结果】使用两

以福建省漳浦县的森林资源为例,开展多源数据在森林资源动态变化监测中的应用研究。监测时间跨度1997年～2000年 2001年。以1997年小斑图层为本底数据,首先选择代表不同类别的林地小斑,通过空间分析分别转化为感兴趣区域。在此基础上,利用TM和SPOT5全色波段数据融合后的影像,进行分层监督分类,识别原有森林资源发生的变化;对于非林地采用小斑图层掏空漳浦县行政图层,结合影像监督分类,识别非林地转变为林地的信息;最后合并林地和非林地变化信息。结果表明,1997年～2000年 2001年时段内该县森林资源的主要变化类型是:果园→砍伐迹地,非林地→阔叶林,非林地→疏林地,未利用地→有林地,果园→建...

森林碳储量主要通过地面调查数据来估算，存在着统计工作量大，建模复杂度高等难点。如何快捷、准确地估测森林碳储量一直是国内外林业领域研究的热点和难题。结合遥感图像监测尺度大和ＩｎＶＥＳＴ模型输入参数少的特点，提出一种基于ＩｎＶＥＳＴ模型结合遥感图像估测森林碳储量的方法。该方法根据森林类型碳储量信息和相应的栅格数据，利用ＩｎＶＥＳＴ模型估测区域森林碳储量，然后通过比对多期遥感数据估测出的碳储量得出该区域碳储量变化，从而实现森林碳储量的动态监测。对浙江省庆元县２００９年的碳储量进行了估算和绘图，根据行政区划图可估算出乡（镇）和村级的碳储量。实验分别对坑西村２００９年和２０１４年的碳储量进行了估算，根据．．．

为了解决森林资源的动态监测的问题,设计了基于WebGIS的的森林资源监测系统。提出了基于WebGIS的资源管理框架设计,为满足系统动态监测和实时显示目的,重点研究森林资源动态监测过程中的数据表示和数据管理方法,并设计一种可扩展、可重载的的数据表示结构。应用结果表明:建立基于数据单元和数据关系的管理模型,能够实现对森林资源的实时预警需求,可以有效地提高森林资源检测效率。

数据竞争是典型的多线程程序并发缺陷。由于多线程程序中存在不确定性的交织,数据竞争很难被检测出来。该文以多线程数据竞争的5个相关属性作为特征,构建了多线程程序数据竞争随机森林指令级检测模型。首先基于happens-before关系与lockset算法指令级检测数据竞争,同时用汇编源码信息来剔除隐形同步对,然后利用happens-before关系与lockset算法的分析结果训练多线程程序数据竞争随机森林检测模型。在Pin上实现了多线程程序数据竞争检测工具AIRaceTest。利用GitHub中多线程程序的插桩结果作为样本集来训练随机森林模型,模型精度可达92.1%。对Google data-race-test、Parsec基准程序3.1中的经典多线程程序的检测结果表明:AIRaceTest与Eraser、Djit+以及Thread Sanitizer这3种目前常用的数据竞争检测工具相比,数据竞争的误报和漏报分别降低了约10.6%和12.3%,在线程数较多的情况下,时间和内存开销分别降低了41.8%和22.4%。

以攸县黄丰桥林场为研究区,选择2001,2009和2013年3期Landsat影像,应用影像代数变化检测、掩膜处理变化检测、写功能存储插入法变化检测和分类后比较变化检测4种算法开展森林变化检测对比研究。结果表明:分类后比较变化检测方法在总体精度上有较明显的优越性,其2013年与2009年、2009年与2001年总体精度均为96.67%;其次是写功能存储插入法变化检测,其2013年与2009年、及2009年与2001年总体精度分别为94%和95.67%;掩膜处理变化检测精度排名第三,其2013年与2009年

【目的】浙江省松阳县森林资源丰富，碳汇潜力大，是百山祖国家公园三级联动区，因此监测松阳县森林干扰与恢复，对松阳区域森林管理和百山祖国家公园生态环境保护具有重要意义。【方法】采用谷歌地球引擎(GEE)云平台的LandTrendr算法，并结合1987—2020年Landsat卫星遥感时间序列数据，监测浙江省松阳县1987—2020年森林干扰与恢复状况，分析森林干扰与恢复的时空特征。【结果】(1)LandTrendr算法监测森林干扰与恢复的总体精度达到82%，森林干扰与恢复的生产精度、用户精度均高于80%，表明松阳县森林干扰与恢复监测效果较好。(2)松阳县森林干扰与恢复总面积分别达148.14与236.86 km~2，分别占林地面积的12.74%和20.37%，表明松阳县1987—2020年森林面积呈净增加趋势。(3)松阳县大东坝镇、板桥畲族乡、新兴镇、玉岩镇森林变化较为频繁，森林干扰与恢复面积均比其他乡(镇)高，尤其是大东坝镇森林面积变化最大，增加了20.04 km~2。【结论】基于GEE云平台的LandTrendr算法实现了松阳县森林干扰精准监测。近30 a松阳县森林面积总体呈增加趋势。图3表3参46

【目的】在Google Earth Engine(GEE)云平台上借助其强大的计算和数据存储能力，融合多源遥感数据对森林林龄进行遥感反演和动态监测。【方法】融合2017—2023年间Sentinel-1、Sentinel-2及高程数据，通过随机森林（Random forest,RF）分类获取土地覆盖信息，并进一步提取森林的分布和面积，同时构建时间序列植被指数来准确提取森林变化区域。基于森林资源清查数据和融合的多源遥感数据，在GEE上构建RF回归、分类回归树（Cart）以及梯度提升回归树（Gradient tree boost,GTB）3种回归模型，用于杉木组、马尾松组、毛竹林、硬阔叶树组以及其他类树种组的2018年林龄遥感反演，并估算出2017年和2023年的林龄信息，以揭示林龄和龄组在2017—2023年的动态变化情况。【结果】1)2017—2023年，研究区森林面积的整体变化总计113.93 km~2，此间森林的减少和更新并存，其空间分布特征呈现出明显的区域差异。具体而言，森林面积变化多发生于靠近城区和低海拔地区，且靠近城区的森林面积减少往往不再恢复至森林；2）在5种不同树种组构建的3种模型中，RF回归模型的林龄反演结果最佳，平均R~2为0.845，平均RMSE为5.32 a，其中毛竹林反演精度最高，R~2为0.863,RMSE为2.411 a;3)2017—2023年，研究区林龄在40 a以下的森林由54.59%减少至51.06%，其中龄组变化最显著为杉木组成熟林，面积增加了38.88%。【结论】在GEE上融合多源遥感数据进行林龄反演和动态监测具有重要的应用潜力，本研究结果可为使用云平台及哨兵系列卫星数据对森林资源长时间序列的林龄反演和动态监测的应用提供参考和借鉴。

基于吉林省一个试验区的森林资源一类清查固定样地数据、Landsat TM数据和土地利用数据,采用精度交叉评价方法研究了k-最近邻(k-NN)法用于小面积统计单元森林蓄积估计的有效性。结果表明:k-NN方法对样地覆盖区影像像元单位面积蓄积量的估测平均误差在1.5 m3.hm2之内,相对均方根误差(RMSE′)低于传统的基于绿度指数的线性方程估测方法;采用k-NN方法可以实现县市级统计单元的参数估计,估测效果优于只利用固定样地数据的传统成数估计方法。