利用完全覆盖三峡流域的3部多普勒天气雷达探测资料,并结合三峡流域周边水文自动站实时观测资料,集成多种定量降水估算方法,对三峡流域进行面雨量估算。结果表明:这种方法在一定程度上弥补了传统利用自动站观测资料采用插值方法计算流域面雨量中由于自动站观测资料时空分辨率不足的缺点,提高了流域面雨量的估算精度,从而更好的为三峡水资源利用和洪峰预报提供重要参考。

　结合我国非点源污染监测资料少的实际情况,利用我国现有的水文站降雨资料和水质资料,提出了一种简便易用的流域非点源污染负荷估算方法——降雨量差值法。与传统的径流分割法相比,降雨量差值法能利用现有水文水质资料而无需增加监测项目,即可对流域非点源污染负荷作出估算,计算过程简单,结果合理。

【目的】精确估测银杏人工林有效叶面积指数(eLAI),以更好了解银杏人工林的生长和竞争、理解人工林生态系统的功能和生产力。【方法】基于多旋翼无人机激光雷达(LiDAR)系统获取的点云数据,结合45块地面实测样地数据,使用孔隙度模型法(通过计算点云的冠层穿透率,根据Beer-Lambert定律计算有效叶面积指数)和统计模型法(首先通过地面实测的有效叶面积指数和所提取的LiDAR特征变量建模,然后借助拟合的模型估测有效叶面积指数)对我国典型银杏人工林进行样地尺度的有效叶面积指数估测。【结果】1)使用统计模型法估测eLAI时,仅利用LiDAR高度特征变量估测精度为R2=0. 38(rRMSE=54%),引入其他特征变量(冠层密度特征、冠层容积比以及强度特征变量)后精度分别达到R2=0. 64(rRMSE=26%)、R2=0. 61(rRMSE=28%)、R2=0. 74(rRMSE=23%); 2)根据Cover将样地分组建模后发现,分组建模的精度优于不分组建模的精度;3)孔隙度模型法估测有效叶面积指数的精度为R2=0. 71(rRMSE=32. 0%)。【结论】结合多组LiDAR特征变量估测有效叶面积指数能够充分挖掘LiDAR数据包含的冠层结构特性,从而提升估测精度;同时,使用孔隙度模型法可以有效估测银杏人工林有效叶面积指数。无人机LiDAR点云在估测银杏人工林有效叶面积指数上具有较好的潜力。

以三峡库区为例,利用森林资源一类清查数据和TM遥感影像为基础数据,分析了遥感因子和地形因子与森林郁闭度的定量关系,在此基础上,利用逐步回归、最小二乘回归、主分量回归和偏最小二乘回归构建了郁闭度定量估测模型。结果表明,TM1、TM2、TM3、TM5、TM7、TM7/3、TM4*TM3/TM7、亮度和湿度9个因子与森林郁闭度具有极显著相关,可以作为建模的自变量;所建4种森林郁闭度估测模型的各项统计指标差异不显著,但检验结果反映最小二乘回归模型效果略差;从参数可解释性和模型实用性角度考虑,主分量回归和偏最小二乘回归方法具有普遍的推广意义。本研究为今后森林郁闭度定量估测提供了一定的理论依据,也为其它基...

【目的】为实现树木根系相对介电常数的定量估算，提出一种基于雷达波信号和树木根系参数的估算方法。【方法】首先，仿真模拟雷达波在不同半径、不同相对介电常数的树木根系下的传播路径，并通过正演分析获得探地雷达图像中双曲线顶点处的A-scan曲线；然后，提取A-scan曲线中与根系相对介电常数关联的目标振幅参数ΔF；最后，结合土壤相对介电常数、根系半径、根系深度，建立相对介电常数估算的数据集。分别基于偏最小二乘回归（PLSR）模型、反向传播（BP）神经网络模型和粒子群优化反向传播（PSO-BP）神经网络建立了估算模型，并对比分析了这3种模型的估算精度。【结果】（1）在仿真实验中，PSO-BP神经网络估算模型的均方根误差、平均绝对误差分别为0.701、0.255,R²为0.990，各指标均优于PLSR和BP神经网络估算模型。（2）在实地预埋实验中，PSO-BP神经网络估算模型的估算精度均优于PLSR和BP神经网络估算模型，其最大绝对误差和整体平均相对误差分别为3.16和10.88%。【结论】利用本研究提取的目标振幅参数ΔF、土壤相对介电常数、根系半径和根系深度建立的数据集，结合PSO-BP神经网络估算模型，能够实现对树木根系相对介电常数的准确估算。这对于评估树木根系的生长和健康状况具有重要意义。

较为准确地预估三峡库区9月份来水流量,对于安全而有效地完成三峡水库蓄水任务具有重要的实用意义。通过相关分析,发现三峡库区9月的来水流量与长江流域(Yangtze River Valley,YRV)上游大多数气象站点的8月降水量有显著的正相关,据此定义了影响三峡库区来水流量的长江流域上游前期降水关键区。计算关键区内各气象站点8月降水量的算术平均值,并对比其与三峡库区9月三峡库区来水流量的年际变化,发现两者的变化较为一致,同样具有显著的正相关关系,因此长江流域上游前期降水关键区的8月降水量可以作为预估9月三峡库区来水流量的一个重要因子,这可以为三峡水库蓄水计划的制定提供一定的参考依据。还分析了相应...

【目的】研究快速有效的古建筑木柱内部空洞残损评测方法,科学确定木柱内部空洞的存在位置及大小。【方法】以古建筑木构件常用的马尾松木材为研究对象,采取人工模拟方法在木段端部制作不同大小、不同位置和不同形状的空洞残损,利用雷达无损检测技术探测空洞残损,通过分析木材内部残损在雷达检测方法下的表现形态,实现木材内部空洞的快速识别和表征。【结果】雷达无损检测技术可以对木材内部残损进行快速判别,雷达波在木材中探测到空洞时,其交界面会产生强烈反射,对应反射波形为谷-峰-谷,同时检测图像中出现黑-白-黑的特征形态;根据雷达

降雨侵蚀力反映气候因素 -降雨对土壤侵蚀的潜在作用能力 ,由于次降雨资料难以获得 ,一般利用气象站整编降雨资料评估计算降雨侵蚀力。对年平均雨量、月平均雨量、逐年年雨量、逐年月雨量及逐年日雨量等 5种代表性雨量资料估算降雨侵蚀力的结果进行对比分析 ,结果表明以日雨量计算多年平均侵蚀力的精度最高 ,而在 4种采用月或年雨量的模型中尽管以逐年月雨量模型表现相对最好 ,但这 4种模型之间差别不明显。同时在降雨量较丰富地区 ,各类型雨量资料估算侵蚀力的精度也相对较高

在现代战争中,地对空雷达对抗日趋重要,对于地对空雷达对抗装备训练水平评估成为了亟待解决的问题。开展对地对空雷达对抗训练内容的分析,构建了地对空雷达对抗训练水平评估指标体系,运用层次分析法确定个体指标权重,再将所有专家的个体指标权重集结为群体指标权重,根据灰色关联度(GRG)计算各专家的个体指标权重与群体指标权重的接近程度从而确定专家权重,采用了权重自适应调整的方法调整专家权重和群体指标权重,最终确定指标权重。最后,用实例说明了该方法的实用性。

【目的】为提高森林单木生物量估测精度和效率,本研究基于无人机激光雷达技术对哈尔滨城市林业示范基地的水曲柳、樟子松样地进行点云数据获取及单木生物量估测。【方法】通过优化算法对获取的点云数据进行树高、冠幅等单木结构参数的提取;然后基于改进的凸包算法获取树冠体积、树冠投影面积等树冠因子。最后将上述获得的单木结构参数引入传统CAR生物量模型中,建立基于无人机激光雷达点云数据的单木生物量模型。【结果】1)基于点云数据提取的单木结构参数与实测数值间的相关性较好。其中水曲柳样地平均冠幅和树高值的决定系数R2分别为0.82和0.86,而樟子松样地平均冠幅和树高的决定系数R2分别为0.80和0.84。2)通过与国家林业局颁布的水曲柳、樟子松生物量异速生长方程进行对比得出,当引入树高、冠幅、树冠投影面积和树冠体积作为CAR模型参数时构建的生物量模型拟合效果最优,R2分别为0.83、0.79,相应的均方根误差RMSE分别为18.912和8.120 kg/株。通过最优生物量模型评价指标可以看出,两块样地生物量模型的总相对误差SRE分别为-0.541%和0.311%,平均相对误差MRE分别为0.014%和0.020%以内,而平均相对误差绝对值MARE分别为9.19%和6.95%。3)当引入树冠体积作为变量时,生物量模型的精度明显提高。相比于树高、冠幅作为变量的模型,树冠体积的引入使得水曲柳、樟子松生物量模型的R2分别提高了0.076和0.060,RMSE分别下降6.759和1.386 kg/株。【结论】本研究说明无人机激光雷达点云数据能够通过结合其提取的单木结构参数对森林单木生物量进行估测研究,并能取得较好的拟合优度和较高的预测精度。

通过对大光斑激光雷达数据GLAS波形的处理,建立模型反演树高、生物量并做精度检验,理论精度分别为93.7%和91.3%。结果表明:利用激光雷达数据反演树高、生物量比传统方法的精度有显著提高。

[目的 ]点云密度是影响无人机激光雷达数据获取和预处理成本和效率的关键因素，探明点云密度对林分尺度无人机激光雷达森林参数估测精度的影响，有助于优化无人机激光雷达森林应用技术方案。[方法]以马尾松、桉树人工林为研究对象，采用百分比重采样方法，对密度为247点·m~(-2)的原始点云按40%、20%、8%、4%和2%的比例降低点云密度，得到1个全密度原始点云数据集和5个稀疏密度点云数据集；每个数据集独立进行点云分类、地面点滤波和数字高程模型生成、点云高度归一化等预处理并提取激光雷达变量；对于同一森林类型的同一个森林参数(林分蓄积量、断面积、平均高和平均直径)的估测，各个数据集都采用相同的乘幂模型结构式进行模型拟合，然后比较分析模型优度统计指标的差异，包括：决定系数(R~2)，相对根方根误差(rRMSE)和平均预报误差(MPE)；采用配对样本t检验方法对各个数据集的森林参数估测结果和激光变量的差异进行统计分析。[结果]当点云密度分别稀疏至100、50、…、5点·m~(-2)时，各个森林参数估测模型的精度保持基本一致；各个稀疏密度点云数据集的森林参数估测值的均值与原始点云数据集的估测值的均值不存在显著性差异(p≥0.05)；各个稀疏密度点云数据集激光变量的均值和原始点云数据集激光变量的均值基本上不存在显著性差异(p>0.05)。[结论]在无人机激光雷达森林资源调查监测应用中，点云密度可低至5点·m~(-2)。然而，本试验结果仍需通过不同飞行高度获取不同密度点云数据予以验证。

【目的】旨在评估星载光子计数雷达数据估测森林郁闭度（Forest Canopy Closure,FCC）的潜力，为优化森林管理规划提出一种高效率、低成本估测区域尺度FCC的新技术方法。【方法】研究以星载激光雷达ICESat-2/ATLAS光子点云数据为信息源，以滇西北生态脆弱区香格里拉为研究区，结合54块地面实测样地数据，在前期对点云数据进行去噪、分类等预处理的基础上，对研究区74 808个有林地光斑冠层参数进行提取（共计59个），使用支持向量机的递归特征消除算法（SVM-RFE）优选特征变量，采用普通克里格（OK）插值出区域尺度特征变量的空间分布，基于贝叶斯优化（BO）算法改进后的随机森林（RF）、K-最近邻值法（KNN）、梯度回归（GBRT）模型建模，以决定系数（R~2）、均方根误差（RMSE）、总体预测精度（P）、残差平方和（R_(SS)）和相对均方根误差（R_(RMSE)）作为模型评价指标，以此构建研究区FCC估测模型。【结果】1）由ICESat-2/ATLAS提取的光斑冠层参数经SVM-RFE优选后，6个（asr、n＿toc＿photons、n＿ca＿photons、h＿min＿canopy、toc＿roughness、photon＿rate＿can）冠层参数的平均交叉验证精度高为0.60，可作为OK插值变量；2）以优选的冠层参数作为OK插值变量拟合最佳半方差函数，所有变量的块金效应（SR <25%）较弱，具有强烈的空间自相关性，除asr变量的最佳拟合模型为球状模型（R~2=0.689,R_(SS)=2.05×10~(-6),R_(RMSE)=0.160 2）外，其余5个变量的最佳拟合模型均为指数模型（R~2,0.71～0.93;R_(SS),2.34×10~(-9)～1.54×10~(-4);R_(RMSE),0.023 9～0.188 6）;3）在BO-RF、BO-GBRT、BO-KNN郁闭度估测模型中，以BO-RF模型综合建模精度最高（R~2=0.73,RMSE=0.09、P=80.13%），可作为研究区FCC遥感估测模型；4）使用BO-RF模型估测的研究区FCC进行空间制图，均值为0.53，主要分布在0.3～0.6之间，占比77.44%。FCC高值区域总体呈现出由东南向北延伸分布的趋势，与研究区森林资源分布情况基本一致。【结论】该方法可为优化森林资源管理提供一种技术与方法上的参考。

【目的】点云密度是影响机载激光雷达数据获取和预处理成本的关键因素,探明点云密度对森林参数估测精度的影响,为机载激光雷达大区域森林调查监测应用技术方案的优化提供参考依据。【方法】基于我国广西一个亚热带山地丘陵区域获取的机载激光雷达和样地数据,通过系统稀疏方法,将全密度点云(4.35点·m~(-2))分别稀疏至4.0、3.5、3.0、2.5、2.0、1.5、1.0、0.5、0.2和0.1点m~(-2),得到11个样地尺度的点云数据集,包括1个全密度和10个稀疏密度点云数据集;应用配对样本t检验方法,分析4种森林类型(杉木林、松树林、桉树林和阔叶林)中稀疏密度点云和全密度点云之间12个激光雷达变量的差异;通过变量和结构固定的多元乘幂模型式,分别采用不同密度点云数据集对林分蓄积量(VOL)和断面积(BA)进行估测,比较模型优度统计指标决定系数(R~2)、相对均方根误差(rRMSE)和平均预估误差(MPE)的差异,并应用t检验方法分析稀疏密度点云VOL和BA估测值均值和全密度点云相应估测值均值的差异。【结果】1)点云密度较低时,稀疏密度点云分位数高度(ph25、ph50和ph75)的均值与全密度点云相应变量的均值存在显著性差异,但不同森林类型、不同变量出现显著性差异时的点云密度不同,各森林类型中稀疏密度点云平均高(H_(mean))和点云高变动系数(H_(cv))的均值与全密度点云相应变量的均值基本不存在显著性差异,但点云最大高(H_(max))的均值存在显著性差异;2)各森林类型中,稀疏密度点云冠层覆盖度(CC)和中下层分位数密度(dh25)的均值与全密度点云相应变量的均值差异不显著(阔叶林dh25除外),但中上层分位数密度(dh50和dh75)存在显著性差异;3)各森林类型中,稀疏密度点云平均叶面积密度(LAD_(mean))的均值与全密度点云LAD_(mean)的均值存在显著性差异,当点云密度较低时,稀疏密度点云叶面积密度变动系数(LAD_(cv))的均值与全密度点云LAD_(cv)的均值存在显著性差异;4)各森林类型中,不同密度点云VOL和BA估测值差异很小,且均不存在显著性差异,但随点云密度降低,杉木林、松树林和桉树林VOL和BA估测模型的R~2缓慢逐渐减小,rRMSE和MPE缓慢逐渐增大,森林参数估测精度逐渐降低,阔叶林VOL和BA估测模型的R~2、rRMSE和MPE受点云密度变化影响不大。【结论】点云密度降低导致激光雷达变量标准差增大是造成森林参数估测模型精度降低的主要原因,在实际机载激光雷达森林资源调查监测应用中,点云密度以大于0.5点·m~(-2)为宜。

对三峡库区选定的研究区域,建立地质、地形等滑坡因子空间数据库和滑坡空间分布数据库(比例尺均为1:10000),利用GIS技术对滑坡和各影响因子相关性进行了统计分析。计算得出滑坡发生的主要影响因子类属:Q4、J1x,J1z、S岩性岩组;90m以下、90～135m和135～175m三个高程带;15～20m局部高差;10°～15°、15°～20°和20°～25°坡度;北向、南向和西北向方向和1～1曲率范围。研究的结果是进行滑坡易发性评价的基础,可以帮助指导库区滑坡灾害管理、土地利用等。