樟树幼林叶绿素含量的高光谱遥感估算模型

高光谱遥感的快速发展使得定量估算植被叶绿素含量成为可能.采用美国ASD公司生产的野外光谱辐射仪测量樟树幼林的冠层光谱,并对观测叶片进行同步叶绿素含量的测定;采用统计相关分析法,分析樟树冠层光谱与叶绿素含量之间的相关关系,并建立相应的估算模型.结果表明:樟树幼林叶绿素含量的敏感波段位于400、556、621 nm;通过建立各敏感段与叶绿素含量之间的估算模型并进行精度检验,得出了叶绿素含量估算的高光谱模型分别为y=exp(1.191 1458.912x)和y=3.29×exp(1458.912x).说明利用高光谱遥感数据可以估测樟树幼林的叶绿素含量.     

高光谱遥感森林信息提取研究进展

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.     

森林理化参数高光谱遥感反演研究进展

近年来, 成像高光谱遥感技术在森林资源信息提取方面取得了进一步发展。文中介绍国内外在轨运行的主要机载和星载高光谱传感器及其技术参数; 分别从叶面积指数和森林含水量反演及森林树种识别3个方面概述国内外基于高光谱遥感技术的森林物理参数反演方法及模型, 从叶绿素含量及森林养分元素反演2个方面概述基于高光谱遥感技术的森林化学参数反演方法及模型; 分析目前研究中存在的主要技术问题, 并展望其应用和研究前景。     

高光谱遥感森林树种分类研究进展

从基于光谱特征、基于光谱匹配和基于统计分析方法3个方面,论述了高光谱遥感数据进行森林树种分类的应用研究状况,分析了目前研究中存在数据质量与保障性相对滞后、缺乏有效的处理算法等问题,指出了进一步完善森林树种光谱数据库和加强高光谱数据研究的高光谱树种研究方向.     

高光谱遥感森林叶面积指数估测研究现状

文中简要概述了叶面积指数和高光谱遥感的概念, 分析比较了高光谱遥感与传统的宽波段遥感估测森林叶面积指数的优势, 以及利用高光谱遥感数据估测森林叶面积指数的常用方法, 并对目前高光谱遥感估测森林叶面积指数存在的问题行了讨论。     

行道树叶绿素变化的高光谱监测研究

采样分析了城市行道树与对比区相应树种的叶绿素变化,并对由叶绿素变化引起的高光谱响应进行了分析,结果表明:(1)城市环境对行道树叶绿素有重要影响,其中,对针叶树种叶绿素的影响较小,对阔叶树种叶绿素的影响较大;(2)导数光谱与测试树种叶绿素含量关系密切,在740～760 nm附近相关系数达0.83以上;(3)PSSR植被指数与测试树种的叶绿素含量关系密切,幂函数回归的确定性系数达80%左右.以上结论说明:高光谱遥感可以用来监测因城市环境引起的植被叶绿素变化.     

基于红边参数与PCA的GA-BP神经网络估算叶绿素含量模型

利用便携式ASD野外光谱辐射仪对杉木冠层叶片光谱进行测定,同时以分光光度法对叶片叶绿素含量进行提取。样本经均值处理、平滑处理和微分处理后,进行红边参数提取。对11个红边参数以PCA方法进行降维,将得到的前7个主成分得分作为网络输入参数,叶绿素含量作为网络输出参数,以遗传算法(GA)优化网络初始权值阈值,建立隐含层神经元数分别为4,6,8,10,12和14的6种单隐层BP神经网络模型。以R²,RMSE和相对误差作为模型精度检验标准,结果表明: 6种模型预测精度均可达到92.0%以上,其中隐含层神经元数为10时,预测精度最高,可达97.372%。说明此种模型可对杉木冠层叶片叶绿素含量进行高精度估算。     

基于高光谱遥感技术的森林树种识别研究进展

在详细介绍高光谱树种识别研究方法的基础上,总结了国内外利用高光谱数据进行森林树种识别的研究应用现状;剖析了目前研究中存在的主要问题;指出了今后开展高光谱树种研究的方向与潜力。     

天堂山林场森林地上生物量及碳储量的遥感估算模型构建

基于广东省清远市天堂山林场的二类调查小班数据和 landsat8 遥感影像和多元逐步回归的方法,建立森林地上生物量模型,进而构建森林地上碳储量模型,对天堂山林场森林碳储量及其分布进行了估算,并讨论了预测结果及其精确性。结果表明：阔叶林、针叶林和混交林生物量模型的拟合优度分别为 0.77、0.67、0.69。基于碳储量估算模型计算生成的天堂山林场碳储量分布图与采用二类森林调查数据得到的碳储量分布图空间分布一致。验证了基于 landsat8 遥感影像的碳储量模型能为森林碳储量提供快速准确的估测。     

高光谱遥感的森林信息应用研究进展

现今高光谱遥感的实际应用中,利用了航空(有人机和无人机)和地面的同步配合方法,实现了"天空地"一体化的应用模式.目前,越来越多的学者利用高光谱遥感反演技术进行植被参数反演研究,并取得高精度和适用性广的反演模型.文章主要阐述当前高光谱遥感技术在林业应用中关于树种分类、参数提取和灾害监测各个方面的运用,并揭示了高光谱遥感技...     

生物量估测中的遥感技术

论述了森林生物量的概念和发展历史,介绍了常规森林生物量的估算方法,并进一步较为详尽地分析了广泛应用于生物量估算的遥感模型以及它们的影响因素。最后对应用遥感技术估测森林生物量的发展趋势作了论述。     

高光谱遥感技术在现代林业中的应用与发展

以高光谱遥感技术为例，阐述了遥感技术在林业中关于森林信息获取、森林监测和森林健康评价等各方面的运用和发展，以及“3S一体化技术”在现代林业中广泛应用的必然发展趋势。     

基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

雷达遥感在热带林经营中的应用

随着全球热带雨林面积的急剧减少,对热带林的经营管理日益得到人类的关注。雷达系统以其全天侯、全天时、穿透性等功能成为支持森林可持续经营中信息采集的重要工具。文中介绍了用现有技术做雷达影像分析,以及这些技术应用于全球水平、国家水平和森林经营单位水平的森林资源评价和森林资源监测的潜力。     

景谷县森林蓄积量遥感估测及其动态变化分析

以云南省景谷县为研究区,基于Landsat5和Landsat8遥感数据,利用2012年和2017年两期全国森林资源连续清查实地调查数据,建立多元逐步回归和随机森林模型对景谷县森林蓄积量进行遥感估测对比研究.结果显示:综合建模精度来看,随机森林法在相同样地数量条件下具有更好的估测效果;从估测结果与林地保护利用规划和林地变...     

基于区域生长的林区遥感图像分割方法

依据林区遥感图像的特点,利用区域生长法对高分辨率遥感图像进行分割。首先将图像看作多维矩阵结构,建立种子标记矩阵,以标记未处理的像素点作为种子,合并其周围连通像素;其次建立连续自动种子选取机制,遍历整个图像区域,将图像分割为若干区域;最后,采用最小欧氏距离方法合并较小的破碎区域,有效地解决了区域生长对种子点依赖性强,并且容易过度分割的问题。通过实地对比验证评价,分割效果较好。     

遥感数据分析林区的植被和土壤侵蚀特征

以大兴安岭根河林业局潮查林场为试验区,选择合适时间和空间分辨率的卫星遥感TM数据,从中提取植被类型等有关特征及其空间分布等信息,并将有关的信息转化为通用水土流失方程(USLE)中的地面覆盖因子,计算试验区的土壤侵蚀量,进行侵蚀强度区分,生成土壤侵蚀强度图.结果表明:试验区的水土流失主要受坡度的影响.土壤侵蚀强度图与林相图进行空间叠加分析,获得土壤侵蚀严重的小班分布,从而为试验区的水土保持和流域管理提供依据.