基于DEM的森林资源二类调查小班坡度自动提取方法

为了在林业调查规划中推广应用ArcGIS地理信息系统,提升林业调查规划的效率和质量,在2009年湖北省森林资源二类调查工作中,以当阳市淯溪镇为例,进行了基于DEM的小班坡度自动提取,并与实地小班调查的坡度进行对比分析,探讨了以免费的DEM影像资源为基础,通过综合运用ArcGIS的空间分析功能,自动提取小班坡度的方法、步骤,并给出了自动获取小班坡度的图解空间分析模型。     

浅析林业调查规划过程中地理信息批量提取技术

基于ArcGIS for Desktop针对林业调查规划过程中小班质心批量获取、地形因子信息批量提取、地质因子信息批量提取和小班四至坐标批量提取等4项技术进行浅析。主要得出以下结论:1)借助ArcGIS for Desktop软件和手持GPS,能够精确高效获取项目区小班中心坐标。2)利用ArcGIS for Desktop软件和DEM、坡度、坡向和土壤等基础数据,能精确高效批量提取项目区小班地形和地质信息。3)将ArcGIS for Desktop现有工具进行完美组合,实现对小班四至坐标的批量获取和标注,并消除不同小班四至坐标点交叉标注问题。这将为林业调查规划提供大量帮助。     

SPOT5卫星影像中提取森林土壤因子方法的研究

针对在采用SPOT5卫星影像进行森林资源调查后,森林土壤因子不能通过直接判读取得的问题,通过利用森林资源遥感调查和林业专业调查数据进行逐层分析研究,提出了在遥感调查中各小班森林土壤因子的自动提取方法。用该方法提取的因子与现地调查因子作对比验证,土壤亚类的一致率达到95%,土层厚度的一致率89%。     

基于DEM的坡面地形因子值自动获取方法研究

为实现快速、精确获取小班高程等坡面地形因子值,在ArcGIS10.2下,将等高线矢量数据采用"地形转栅格"插值法生成DEM,基于DEM提取坡向、坡度栅格后分别转换成矢量离散点数据,将点数据与目标要素类数据采用"空间连接工具"叠加分析自动获取相应的坡面地形因子值。以获取森林资源规划设计调查小班最大高程值为例,介绍坡面地形因子值自动获取的完整流程方法,精度分析结果表明,此方法快速精确。     

森林资源规划设计调查中地形因子自动提取初探

研究利用DEM数据对森林资源规划设计调查的小班地形因子进行求算的过程与方法,自动计算的结果符合国家林业局"森林资源规划设计调查主要技术规定"要求;研究结果表明,利用DEM数据进行小班地形因子的自动求算,可以减少工作量,提高工作效率并能保证精度。     

基于小班取证推理的林业遥感数据分类方法研究

提出一种基于小班取证推理的林业遥感数据分类方法首先,获取小班多边 形空间位置数据和属性数据,然后对遥感影像进行基于小班的光谱分析和空间分析,同时结合野外调查和GPS调查数据集及林业常识,决定小班空间数据是否应变动,最后,利用专家系统证据理论合并多种信息源证据,得出小班类型新分布;用VisualC++工具,编程实现了该方法的几个重要模块;初步试验表明新方法能方便地分析出资源变化情况,可以改善遥感影像分类精度,并能使分类结果落实到具体的小班,但是,它在林业上实际应用仍需进一步的研究.     

基于数字高程模型的区域地形因子提取方法

基于数字高程模型(DEM),分别论述提取小班的海拔域值、平均海拔、坡度、坡向、坡位等地形因子的方法及算法设计,并举例计算,对所得结果进行误差分析后认为结果可靠、准确,能替代传统方法用于小班地形因子的提取.     

基于两期无人机影像的针叶林伐区蓄积量估算

【目的】提出一种基于两期无人机影像的针叶林伐区蓄积量估算方法,为促进无人机数据在多类型林业样地资源调查中的深度应用提供依据。【方法】以福建省三明市将乐县金森林业股份有限公司伐区森林小班为试验区,首先,利用无人机遥感获取分辨率优于10 cm的两期影像,经Pix4D软件处理得到点云数据,在此基础上将小班区域未采伐前的林冠点云匹配到采伐后的小班地形点云上;然后,通过布料模拟滤波算法(CSF)分离匹配后的林冠点云和地形点云,采用自然领域插值法分别将林冠点云数据插值生成数字表面模型(DSM)、地形点云数据插值生成数字高程模型(DEM),二者相减获得冠层高度模型(CHM);接着,基于改进的局域最大值法搜索冠层高度模型中的林冠顶点,提取树高;最后,根据野外采集的400株马尾松和杉木树高、胸径数据,建立5个适用于福建省马尾松和杉木的胸径-树高模型,选择相关系数最高的模型推算胸径,并利用福建省单木材积公式估算小班区域蓄积量。【结果】1)两期无人机数据的点云匹配能较好消除陡峭地形对树高提取的影响;2)改进的局域最大值法可有效减少固定窗口搜索林冠顶点时出现的多提和漏提错误;3)小班区域估算株数为339株,实测株数为366株,估算的平均树高为18 m,实测平均树高为19 m,估算蓄积量为182 m~3,实测蓄积为199 m~3,株数、树高和蓄积量的估算精度均较高。【结论】借助无人机遥感技术,可实现森林蓄积量自动化估算,降低传统野外调查成本,推动森林资源的快速调查和更新。     

基于森林小班的高分影像融合及地类信息提取

以2013年资源3号高分辨率卫星遥感影像及森林小班矢量数据为数据源,以紫金山国家森林公园为例,基于森林小班对象将原始多光谱和全色影像进行融合。在较优融合影像基础上,采用面向对象分类方法提取研究区阔叶林、针阔混交林、竹林、灌木林地、松类、杉类和柏类等地类信息,并以现有的森林小班矢量数据验证影像融合效果,所得结论如下:1)基于森林小班矢量数据对遥感影像数据进行分割和融合是有效提取地类信息的基础。2)基于森林小班对象影像融合效果评价结果表明,Wavelet融合算法对资源3号卫星遥感影像数据融合效果较优;HPF,PCA和IHS融合算法次之;Brovey融合算法融合效果较差。3)基于Wavelet融合影像进行地类信息提取,总体分类精度为83.5%,Kappa系数为0.79。以上结论表明基于森林小班的影像融合方法是可行的,该方法有利于国产高分影像地类信息的提取,可为进一步获得更高的信息提取精度和更细分树种类型识别提供基础。     

运用ArcGis进行小班坡度计算的思考

以福建省松溪县渭田镇吴村村为例,探讨运用ArcGis软件的空间分析功能,将矢量地形图转换成数字高程模型(DEM),再以DEM为基础获得林业区划小班的平均坡度并与林业小班数据库相关联的方法与步骤,同时分析了具体应用过程中矢量地形图的提取方法以及地形转栅格中DEM分辨率对坡度计算精度的影响。     

运用ArcGis进行小班坡度计算的思考

文章以福建省松溪县渭田镇吴村村为例,探讨运用ArcGis软件的空间分析功能,将矢量地形图转换成数字高程模型(DEM),再以DEM为基础获得林业区划小班的平均坡度并与林业小班数据库相关联的方法与步骤,同时重点分析了具体应用过程中矢量地形图的提取方法以及地形转栅格中DEM分辨率对坡度计算精度的影响。     

森林资源二类调查小班坡度自动求算方法的探讨

在森林资源规划设计调查（以下简称二类调查）中小班坡度调查是地形调查的一项十分重要内容。用传统的坡度计算采用手工操作完成,计算小班坡度存在主观随意性强,误差大,工作量大、时间周期长、效率低等缺点,难以满足二类调查的要求。文章探讨了基于ArcGIS软件的空间分析功能由矢量等高线内插生成数字高程模型（DEM）,再以DEM为基础获取坡度栅格数据,最后将坡度自动写入小班属性库的方法和步骤。     

基于BP神经网络模型思茅松天然林生物量遥感估测

以普洱市思茅松天然林为研究对象,以Landsat8 TM影像和DEM(30 m)数据为信息源,结合2006年森林资源二类调查小班数据和2012至2013年样地实测数据,在ENVI下提取14个自变量备选因子(11个遥感因子、3个地形因子),在MATLAB平台下利用BP神经网络模型建立研究区思茅松天然林生物量估测模型。结果表明,利用优选训练算法Ploak-Ribiere,隐含层节点数为9时效果最佳,得到决定系数R2=0.85,均方误差RMSE=14 t/hm2,预估精度P=74.75%。以像元为单位,分块提取思茅松对应的自变量,利用估测模型得到普洱市思茅松天然林总生物量为62 185 871.9 t,单位面积生物量为51.06 t/hm2。     

基于Zone模型的森林小班变化信息提取方法研究

利用遥感图像监测森林覆盖及其变化是遥感应用的重要领域之一。本研究基于建德市2013和2014年Landsat8 OLI遥感影像数据、森林资源二类调查小班数据及林地落界数据。采用统计分布和Zone模型两种方法提取有林地小班变化信息。评价结果表明:基于统计分布法操作简单但效果不够理想;基于Zone模型法检测结果精度高于基于统计分布法,但存在较多伪变化,正确检测率为80.58%,漏检率为19.42%,错检率为84.89%,是一种较好的提取有林地小班变化信息的方法。     

一种基于Python与ARCGIS模型构造器的小班四至坐标提取及编号方法探讨

探讨了小班四至坐标提取、四至坐标的编号排序方法,基于ARCGIS模型构造器,使用Python脚本语言实现小班四至坐标的快速自动提取以及坐标编号排序,为开展林业调查规划设计工作节省大量人力,较大幅度地提高了林业调查规划设计的成图效率。     

数字高程模型及其在森林资源调查中的应用

在森林资源调查中，传统的方法是作业员在野外实地观测或估计坡度，坡向，坡位及勾绘谷脊线等地形因子，这种方法，野外工作繁重，无法快速，科学，准确地调查大区域的地形因子，近年来，由于森林资源调查领域研究的深入及计算机软硬件技术的进一步发展，利用电子地图来生成数字高程模型（Digital Elevation Model)，再由DEM自动提取地形因子，进而进行相关的空间分析的应用越来越多，整个过程主要由计算机进行处理，人工干预少，效率高，本文就此做一些初步的探讨。     

基于TM影像的林地资源监测方法研究——以云南省楚雄州为例

依托计算机自动分类技术利用遥感影像数据对森林资源动态变化进行监测,这是当森林资源监测的发展趋势。针对目前林业资源调查研究中效率低的问题,探索利用卫星影像进行林业资源监测的方法。以云南楚雄州为研究区域,采用面向对象的方法综合利用影像光谱、纹理信息提取这两个时期的林业用地信息,最后分析两个时期的林地时空变化状况。提取林地信息进行分析为该地区的天然林保护工程服务。     

基于 SVM 方法的高山松林蓄积量遥感估测研究

以香格里拉县高山松为研究对象,利用2006年香格里拉县TM遥感影像、2006年森林资源二类调查小班数据、2009年精度为30 m 的DEM数据以及2013年香格里拉县高山松实测样地数据,提取研究区内高山松林影像分布图及筛选出17个因子（13个遥感因子、3个地形因子、1个地面调查因子）作为备选自变量,在MAT-LAB下利用LIBSVM模块建立研究区高山松林蓄积量单位面积（30 m ×30 m）估测模型。结果表明,选用RBF核函数在参数范围内寻找出SVM模型的最佳参数C＝3.5809, g＝0.1、 p＝0.01,利用最佳寻优参数建立SVM非参数模型,对SVM模型进行测试得到,均方根误差MSE＝0.0087,复相关系数R＝0.51,相对误差RE＝23.4％,估测精度为76.6％。以像元为单位,分块提取高山松林对应的各像元自变量因子,利用估测模型预测得到香格里拉县高山松林总蓄积量为13318476.5 m3。     

基于资源三号影像的森林蓄积量估测遥感因子选择

以内蒙古旺业甸林场为研究区域,以资源三号(ZY-3)卫星遥感图像为数据源,通过对影像进行处理,获取对应样地的波段光谱值、光谱组合值及地形因子信息等遥感因子。基于对各遥感因子的信息量分析、多重相关性危害分析及应用残差平方和的方法对遥感因子进行筛选,实验结果表明:ZY-3影像提取的12个遥感因子中,单波段因子中ZY3的信息量最大,波段组合中ZY(2-3)/ZY4的信息量最大,地形因子中高程的信息量最大,ZY-3的波段、波段组合和地形因子间存在多重相关性,去掉ZY(2-3)/(2+3)和坡度因子后,多重相关性的危害大大降低,可以满足进一步建立蓄积量遥感反演模型要求。     

河北省县级林地变更调查技术方法探讨

为探索河北省县级林地变更调查的技术方法,通过建设林业信息化的平台,运用最新遥感影像对林地的地类等属性变化小班进行数据更新,形成新的林地变更数据库。通过获取林地等因子的动态变化结果,系统分析了小班的区划上图、遥感影像局限性等问题,提出信息平台系统化、制定林地资源档案管理办法等方面的改进措施及建议。