基于遥感的森林信息提取的信息源比较多,这些信息源由于本身参数的差异,其有效提取结果并不相同。以湖南省株洲市攸县黄丰桥林场为研究对象,利用SPOT5多光谱数据、TM和CBERS02星多光谱数据,分别开展森林信息提取,并对结果进行比较;同时还开展了决策级融合比较。研究结论如下:SPOT5多光谱波段提取针叶林信息最好,精度达到了84.00%;利用TM提取阔叶林信息效果最好,精度达到了85.42%;决策级融合后各地类分类精度都有所提高,尤其灌木林分类精度达76.92%;决策级融合后总体精度达85.08%,Kappa系数达0.813 2,基本达到SPOT5数据2.5 m(87.29%,0.838 5)的...

以湖南省株洲市攸县黄丰桥林场为研究对象,运用最小距离、马氏距离、最大似然、光谱角制图、光谱信息散度、神经网络、支持向量机7种分类方法对Hyperion高光谱数据进行森林信息提取。通过对信息提取结果进行比较分析得出:针对Hyperion影像信息提取的7种方法中,支持向量机、神经网络和马氏距离3种分类方法较适合森林信息的提取,总体精度分别为67.39%、66.30%、62.68%;最大似然法在针叶林信息提取中的效果较好,其精度为67.31%;支持向量机法最适合提取阔叶林信息,其精度为80.19%,远远高于其它6种分类方法;运用马氏距离和神经网络法提取竹林信息精度最高,分别达到了84.21%和81....

由于不同集约度要求和地形破碎、林相图破碎化程度的不同 ,以及成图比例尺、调查详细程度要求不同 ,来选择不同空间分辨率和分类能力的遥感信息源 .为此选择经营集约程度高的八达岭林场作为对象 ,应用中、高空间分辨率的遥感图像进行调查作图 ,从不同角度对其适用性进行评价

【目的】基于遥感影像空间分辨率和地面样地大小不一致的现象,采用地统计学和多源遥感数据进行森林碳密度估算,为MODIS数据在区域森林碳密度估算领域的应用提供参考。【方法】以湖南省攸县为试验区,首先利用基于块的序列高斯协同模拟算法,将25.8 m×25.8 m的样地数据分别上推到250 m×250 m、500 m×500 m和1 000 m×1 000 m;然后将上推后的样地数据分别与MOD13Q1、MOD09A1、MOD15A2数据结合,利用序列高斯协同模拟算法开展区域森林碳密度估算研究;最后将最优结果用于

针对高光谱遥感技术森林信息提取,详细论述了国内外利用高光谱遥感数据进行森林类型识别、森林郁闭度估算和森林叶面积指数估测等森林物理参量,以及森林化学参量估计和森林健康状态评价等方面的应用研究状况,最后对高光谱遥感森林应用的发展趋势作了探讨。

不同类型的遥感数据有着自己独特的优势,如果综合应用,可以实现信息的互补,提高地物的识别精度。本文以福建省漳浦县为研究区域,利用SPOT5、ASTER和CBERS等多源遥感数据对植被的识别和提取方法进行研究,建立了基于多源遥感数据的专题信息提取流程。首先设计了基于不同植被专题信息自动提取的专家库,对单一遥感数据进行专题提取,然后基于专家知识进行决策级植被信息融合。多源遥感数据所提供的信息的优越性在于可以将不同传感器的光谱信息和时相特征进行互补,利用不同植被在不同遥感数据上的特征和专家知识,建立隶属度函数,判别每个像元的归属,完成研究区不同植被类型的专题提取。结果表明,与单一传感器数据的结果相比,...

【目的】森林生态质量是从生态角度反映森林质量的内涵，对森林的生态功能和生态服务、生长状况以及自我调节功能进行综合测度，以期提高森林改善生态环境、维护生态平衡的能力。【方法】利用中、高分辨率多源遥感数据，获取大范围尺度下能表征森林生态质量的关键指标信息，在此基础上，分析福建省海岸带40个县域的森林生态质量状况。首先，基于2016年2 m分辨率多源遥感数据为主要数据源，利用双层尺度集模型选定最佳分割尺度，多分类器集成算法集，自动选择最优分类算法进行森林类型提取，并结合2020年Sentinel遥感数据及森林分类产品，更新2020年福建省海岸带森林类型精细分布图；其次，利用LandTrendr算法衍生的干扰开始时间特征推算现存森林年龄，通过GEDI冠层高度产品获取海岸带森林冠层高度分布图；在以上关键森林质量指标提取基础上，对遥感手段获取的8项森林生态质量评价指标进行主成分分析，获得福建省海岸带县域森林生态质量综合评价结果。【结果】2020年福建海岸带40个县域约50%的县域森林生态质量处于优良水平，其中仙游县、闽侯县、南安市、霞浦县、柘荣县及厦门海沧区、思明区、集美区、同安区等森林生态质量为优；森林生态质量较差的县域有惠安县、秀屿区、石狮市、福安市、平潭实验区、诏安县。【结论】结合中、高分辨率多源遥感数据，能够发挥遥感大范围监测优点，客观评价福建省海岸带40个县域的森林生态质量；研究结果表明2020年福建沿海县域森林生态质量还存在较大的提升空间，需要针对存在的问题采取相应森林管理措施提升森林生态质量。

【目的】以多源遥感数据为基础,在郁闭度较高的天然次生林中采用非参数模型及随机森林偏差校正模型估测森林地上生物量(Aboveground biomass, AGB),为大尺度估测森林生物量提供了依据。【方法】以东北林业大学帽儿山实验林场142块森林资源连续清查固定样地复测数据、机载激光雷达(Airborne laser scanning, ALS)和多光谱Landsat8 OLI影像为数据源,提取46个特征变量(其中ALS:24个;OLI:22个特征变量)后进行特征变量筛选,利用多元逐步回归(Multiple stepwise regression, MSR)、支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)和随机森林偏差校正(Bias-Corrected RF, BCRF)构建森林AGB估测模型,采用调整决定系数(Ra2dj),均方根误差(RMSE)和相对均方根误差(rRMSE)对估测结果进行精度评价。【结果】多源遥感数据要优于单一数据源,非参数模型(RF(Ra2dj=0.68,RMSE=49.71 t·hm-2, rRMSE=32.48%)和SVM(Ra2dj=0.64, RMSE=52.80 t·hm-2, rRMSE=35.28%))优于传统的MSR模型(Ra2dj=0.52,RMSE=57.29 t·hm-2, rRMSE=43.26%)的估测精度。选择最优的RF估测模型进行偏差校正,BCRF的rRMSE=21.84%,此时的生物量估测效果最佳(较RF模型的rRMSE下降10.64%)。当AGB在100～200 t·hm-2范围内,非参数算法(SVM、RF和BCRF)对AGB估测效果最佳(与MSR模型相比RMSE由48.87 t·hm-2减小到13.72～23.55 t·hm-2,rRMSE由28.15%下降至8.69%～16.13%);特别地,当AGB小于100 t·hm-2时,BCRF模型可以改善RF模型AGB估测的饱和现象,模型预测性能提升11.0%(RMSE与RF相比减小27.66 t·hm-2,rRMSE下降10.99%)。【结论】以多源遥感数据结合为基础,BCRF模型对AGB的估测精度更高,效果更稳定,且BCRF可以有效地削弱生物量估测中出现的小值偏大的现象。

生物多样性是维持生态系统健康和提供服务功能的基础。生物多样性监测是生物多样性保护的重要组成部分,使得各国政府和民间社会发现问题、制定解决方案,评估在实现“生物多样性公约”目标方面的行动和进展。机载高光谱数据具有高光谱和高空间分辨率特点,对估测森林物种多样性的分布具有较大潜力。但是,高空间分辨率的特点有可能成为限制高光谱数据对森林物种多样性估测精度的因素,特别是当像素尺寸小于树种识别尺度(例如树冠)时。机载激光雷达是一种主动遥感方式,由于其具有探测三维植被结构的能力,在生态和生物多样性保护研究方面愈发重要。

准确评价森林资源碳储量，对助力碳中和具有重要的科学意义。论文联合多光谱和雷达遥感数据，通过逐步回归分析、多重共线性检验和相关分析，选取用于评价森林碳储量的遥感因子。采用最小二乘法和地理加权回归模型，分别构建了森林资源碳储量评价模型FCSEM_(GWR)和FCSEM_(OLS)。研究结果表明：红边植被指数和树高因子均与碳储量显著相关，是估算森林碳储量的关键变量；FCSEM_(GWR)的拟合效果（R2=0.65）优于FCSEM_(OLS)，表现出较好的空间非平稳性（Moran’s I=-0.0023,p=0.4291）；梅州市森林资源碳储量集中于[35, 50] t/hm~2，总体呈现盆地低、山区高的空间分布特征。

森林火灾作为世界上主要自然灾害之一,严重危害森林资源,威胁人民生命财产安全,破坏自然生态环境。对森林火灾快速、准确的监测是十分重要的。森林过火面积是森林火灾最基本的描述因子,

大兴安岭林区是我国最大的天然林区，估算该区域的森林生物量，并研究该区域的森林生物量的空间格局特征具有重要意义。以２０世纪末至２１世纪１０年代期间（１９９４—１９９７、２００６—２００７、２０１０—２０１１）的Ｌａｎｄｓａｔ５系列ｔＭ遥感影像为基础数据，建立遥感信息模型，估算黑龙江省大兴安岭地区３个时期的森林生物量。采用０°、４５°、９０°、１３５°方向以及全局Ｍｏｒａｎ＇ｓ Ｉ系数和半变异函数块金值、基台值、变程、块金值与基台值比值、拱高与基台值比值５个参数，对２０世纪末至２１世纪１０年代研究区域３个时期的森林生物量进行异质性和空间自相关性分析。结果表明：研究区３个时期的森林生物量的整体性良好．．．

提出一种新的基于高斯误差函数(Gaussian error function,Erf)作为激活函数的BP神经网络(Erf-BP),并用于林区TM影像进行混合像元分解。研究表明:Erf-BP模型的精度高于线性无约束最小二乘法模型及最大似然法。通过在高分辨率影像上选取验证样区精度检验得出:1)各端元总分解精度为89.2%,RMSE比线性无约束最小二乘法模型降低了近39%;2)该方法能够较高精度地提取森林遥感信息,精度达到86%,RMSE比线性无约束最小二乘法模型降低了近40.6%。将3种不同方法估计的整个研究区各端元面积百分比与森林资源二类调查数据作对比得出:Erf-BP模型精度略高于最大似然法,...

利用遥感数据研究森林的生物量,建立遥感信息模型,首先要分析各波段与生物量的相关性.通过建立甘肃省小陇山党川林场中幼林典型样地,并伐树称量,建立模型计算出样地的生物量.对试验区的TM影像进行校正,对应每块样地中心点的GPS测量坐标,获取了样地像元各波段的灰度值,并计算各种植被指数.利用MATLAB软件计算了样地生物量与遥感影像各波段的灰度值、各种植被指数的相关系数.在P<0.05水平上,生物量与TM1、TM2、TM3、TM6成显著的负相关.与归一化植被指数、比值植被指数和绿度成显著的正相关.建立遥感生物量模型应用这些呈显著正、负相关的波段和派生数据.采用逐步回归的方法建立了生物量与植被指数的统计...

【目的】本文针对国内外利用多时相高分辨率遥感影像进行森林可燃物分类研究匮乏的情况,探索高分辨率影像的分类方法,并研究多时相森林可燃物分类结果的差异,以及与海拔、坡度变化的关系。【方法】以鹫峰林场为研究区,针对鹫峰林场内植被状况及以往研究成果,主要依据植物群落、林型和燃烧特性划分可燃物类别,研究对比不同森林可燃物类型的光谱特征曲线,建立遥感图像与森林可燃物的联系。选用GF-1号5、8、10月的遥感影像为原始数据,利用En MAP-box中的支持向量机(SVM)算法、随机森林(RF)以及基于CART的决策树分类方法进行森林可燃物分类,将可燃物类别最终划分为:针叶林、阔叶林、针阔混交林、灌木林和非林地5种类别,并分别对其特征进行描述,之后将最优分类方法应用到多时相的遥感影像中,并使用变化检测算法来确定非防火期(5—10月)森林可燃物类型之间土地面积的变化情况。同时,我们将数字高程模型(DEM)分为4类(1类( 750 m)),坡度分3类:缓坡( 35°),并使用Jenks方法分别对海拔和坡度每个类别土地面积变化计算百分比,研究随着海拔和坡度变化,森林可燃物面积的变化规律。【结果】划分的5种森林可燃物类别的光谱特征具有很好区分性,SVM分类最为准确,取得惩罚参数(C)为1 000和核参数(g)为10使得SVM分类模型达到最优,其总体分类精度为91. 88%,Kappa系数为0. 89,精度相对RF和CART分别提高了2. 72%和9. 36%。非防火期内(5—11月)森林可燃物类型变化有一定的规律,针叶林、混交林属于中等稳定类别,没有显著变化,分别保持93. 74%和94. 87%不变。相比之下,阔叶林和灌木林发生了较大变化,分别发生14. 64%和13. 36%。随着海拔的增加和坡度的变化,森林可燃物类型土地面积也发生了变化,海拔500～750 m和坡度16°～35°的土地上面积变化最大,达到了20%以上。【结论】多时相高分辨率遥感影像的森林可燃物分类中,基于SVM分类方法能够将可燃物更好地分类,且随着时间、海拔和坡度的变化,森林可燃物面积的变化有一定的规律,5—10月阔叶林和灌木林在海拔500～750 m和坡度16°～35°变化最大。