基于极化合成孔径雷达干涉测量的平均树高提取技术

在新疆和田地区建立SIR-C/X SAR极化干涉测量试验区,获取2次重复飞行的SIR-C/X SAR全极化干涉测量数据、覆盖试验区的地形图4幅、Landsat-5 TM及Landsat-7 ETM 数据各一景.在此基础上,研究实现POLinSAR数据处理及树高反演算法,并对试验结果进行初步分析评价.结果表明:本文所采用的极化干涉测量数据处理方法及树高反演算法是正确的;受去相干噪声因素的影响,重复飞行极化干涉SAR相干影像上可能存在大量的非体散射去相干散射体,识别这些散射体并加以剔除是保证得到正确树高提取结果的重要步骤.     

无人机航拍影像在林木信息提取中的应用

采用山东省青岛市崂山区沙子口街道2020年春、秋季的无人机松林航拍影像为数据源,借助ESP辅助工具获取了DOM影像的最佳分割尺度,构建了基于模糊分类的决策树,运用分水岭算法快速提取松林活立木数量变化信息,共提取出6个松树活立木变化较大区域,活立木减少数量205株,利用人工地面核查,实际松树活立木减少数量217株,该方法提取的数据总体精度约92.3%。研究表明,基于多期的无人机高分影像数据,能够快速准确地获取林木数量的变化情况。该法在森林资源调查、松材线虫病疫木除治监测及灾害评估中具有较大的应用推广价值,尤其在监测山高、路险的区域,很大程度上可以用于替代人工调查。     

ALOS、TM影像在土地利用中的最佳波段组合分析

利用凉城县2009年7月20日获取的ALOS多光谱数据和2009年7月9日获取的Landsat 5 TM数据,进行影像预处理(大气校正、几何校正、直方图匹配、图像裁剪等),对凉城县ALOS、TM两幅影像土地利用分类中的最佳波段组合进行实验分析.结果显示:ALOS影像的最佳组合波段为432,TM影像的最佳波段组合为145、345、245、147、347与247波段组合,并结合实际应用进一步确定最佳组合波段.     

干涉测量土地利用影像分类决策树法森林识别研究

利用ERS－1和ERS－2 SAR串行轨道数据经干涉测量处理生成的干涉测量土地利用影像对森林识别方法进行初步研究。内容包括基于目标识别选择合成干涉测量土地利用影像处理方法、应用斜分类器（OCI）生成分类决策树以及在自主开发的软件中调整分类决策树、对分类结果进行像元级别上的精度检验和误差分析等。结果表明：ERS－1和ERS－2 SAR串行轨道数据经干涉测量处理，利用其强度影像和相干影像可以合成多种干涉测量土地利用影像；其中最小值影像和 标准差影像较之于其它强度影像和变化影像更有利于区分水体和森林；由于OCI生成决策树的算法决定了在分类处理中没有不可分类别的存在，所以在初期选择分类类别时，要尽可能多的覆盖原始影像的数值区间；选择的各类别样本数据要尽可能的“纯”，以减少类别间数值区间的重叠，从而减少误分类情况。     

韶山风景区为何少病虫灾害

韶山是世纪伟人毛泽东的故多，国家级风景名胜区。这里青山苍翠，群山环抱，每年吸引了数百万的中外游客前来参观、学习、游览。韶山风景基内有700余公顷马尾松林，毗邻的乡村马尾松林迭2000公顷，爆发大面积的马尾松毛虫灾害隐患极大。然而风景区内的风景林自1992年以来从未发生病虫灾害。     

多极化星载SAR森林覆盖变化检测方法

【目的】利用多极化星载SAR数据,分析后向散射强度比值影像的概率密度分布特征,融合后向散射强度信息和影像空间上下文信息,提出一种具有较高检测正确率及较低虚警率和漏警率的森林覆盖变化检测方法,为多极化SAR卫星数据的业务化应用提供技术支撑。【方法】将"2期分别分类森林覆盖变化检测法"(CBFC)与"贝叶斯最大期望-马尔科夫随机场(EM-MRF)变化检测法"相结合,首先采用阈值分割法分别对2期多极化SAR影像进行森林-非森林分类得到初始森林覆盖变化图,然后以初始森林覆盖变化图作为训练数据对多极化比值影像进行Fisher特征变换和EM-MRF分类处理,2个时相的HH、HV极化比值影像经Fisher特征变换转化为一个综合差异影像,输入EM-MRF进行迭代分类得到森林覆盖变化检测结果。以黑龙江省逊克县为试验区,以2期ALOSPALSAR双极化数据为SAR遥感数据,以对2期Landsat-5影像、高空间分辨率遥感影像进行目视解译得到的森林覆盖变化图为参考,对本研究提出方法的有效性与CBFC方法及直接用CBFC提取的森林覆盖变化检测图掩膜EM-MRF地表覆盖变化检测图方法(CBFC-EM-MRF)进行比较评价。【结果】通过Fisher特征变换得到的差异影像可有效增强森林覆盖变化、未变化类别的对比度;CBFC通过阈值分割法进行森林-非森林分类,提取的森林覆盖变化图中出现很多面积很小的虚警检测,漏警率也很高,而本研究提出方法通过MRF加入影像空间上下文信息,提高了检测结果的空间连贯性,森林覆盖变化检测虚警率为1.58%,漏警率为11.87%,正确率为98.36%,检测效果和精度明显优于CBFC和CBFC-EM-MRF。【结论】多极化星载SAR森林覆盖变化检测方法具有收敛性好、检测结果可信度高、需要用户交互较少等特点,对我国高分三号及未来其他多极化SAR卫星的森林资源监测业务应用具有重要参考价值。     

内蒙古大兴安岭北部林区不同时相TM影像的最佳波段组合分析

利用内蒙古大兴安岭北部4个林业局生长季和非生长季获取的Landsat-5 TM影像,对影像进行大气校正、几何校正、镶嵌和裁剪等预处理,通过统计分析准差、相关系数和OIF指数,对两期不同时相影像的最佳波段组合进行分析。结果表明:研究区TM影像生长季的最佳波段组合是345和234,非生长季的最佳波段组合是245,345和234。研究结果可为进一步应用TM影像进行森林资源信息提取提供参考。     

合成孔径雷达技术在林业中的应用综述

近年来合成孔径雷达(SAR)技术得到快速发展,它通过飞行平台的向前运动来实现合成孔径。它的穿透特性使它获取的影像基本不受云、雾的影响,而且能够透过地表和植被获取地表以下信息。最初用于军事上探测空中和地面的运动目标,后来逐渐应用到农业、林业、地质、环境、水文、灾害、测绘等领域。文中主要介绍合成孔径雷达技术的特点及其在森林资源调查、森林分类、自然灾害监测、森林蓄积量和生物量估测、土地利用分类、土壤水份估测等林业中的应用现状,对合成孔径雷达技术在林业中的应用前景进行了展望。     

国产遥感影像在森林资源调查和灾害评估中的应用产业化研究

为了扭转目前我国林业遥感数据主要依赖进口的局面、推动卫星遥感数据国产化应用,研究提出了国产遥感影像在森林资源调查和灾害评估中的应用体系建设的总体框架、应用模式、系统组成,并进行了国家级和省级试点示范建设,基本建立了流程化、工艺化、产业化的示范系统。     

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。     

ERS－1SAR影像森林应用研究初探*

本研究利用１９９２年成像的覆盖山东省烟台地区的ＥＲＳ－１ＳＡＲ和ＴＭ资料开展工作。研究中首先将这两种遥感资料进行了几何精纠正和与地形图的配准，尔后，用典型相关分析法对遥感资料（ＥＲＳ－１ＳＡＲ、ＴＭ３、ＴＭ４和ＴＭ７）与森林参数（包括平均树高、胸径、枝下高、冠层厚度和郁闭度）间进行了相关分析研究，结果表明，Ｃ波段的ＥＲＳ－１ＳＡＲ资料与森林冠层厚度和平均树高相关程度较高；森林参数综合因子对ＥＲＳ－１ＳＡＲ影像的影响大于对所用ＴＭ波段的影响，说明ＥＲＳ－１ＳＡＲ资料在森林应用中，对森林参数乃至于森林蓄积量的估测是有潜力的。     

Classifying coastal resources by integrating optical and radar imagery and color infrared photography

A progressive classification of a marsh and forest system using Landsat Thematic Mapper (TM), color infrared (CIR) photograph, and ERS-1 synthetic aperture radar (SAR) data improved classification accuracy when compared to classification using solely TM reflective band data. The classification resulted in a detailed identification of differences within a nearly monotypic black needlerush marsh. Accuracy percentages of these classes were surprisingly high given the complexities of classification. The detailed classification resulted in a more accurate portrayal of the marsh transgressive sequence than was obtainable with TM data alone. Individual sensor contribution to the improved classification was compared to that using only the six reflective TM bands. Individually, the green reflective CIR and SAR data identified broad categories of water, marsh, and forest. In combination with TM, SAR and the green CIR band each improved overall accuracy by about 3% and 15% respectively. The SAR data improved the TM classification accuracy mostly in the marsh classes. The green CIR data also improved the marsh classification accuracy and accuracies in some water classes. The final combination of all sensor data improved almost all class accuracies from 2% to 70% with an overall improvement of about 20% over TM data alone. Not only was the identification of vegetation types improved, but the spatial detail of the classification approached 10 m in some areas.     

Forest Mapping with ERS SAR Tandem Data

The feasibility of ERS SAR Tandem data for mapping forest and non-forest cover in China was evaluated over Zengcheng County in the South China. An accuracy of 75% has been achieved. Then, the MACFERST (Mapping China Forest with ERS SAR Tandem data) project started by the Ministry of Science and Technology (MOST) of China and the European Space Agency (ESA) in 1999. The generation of a large-scale forest map requires solving problems such as the georeferencing and mosaicking of very long image strips covering huge regions and the adaptation of the classification algorithm to account for radiometric differences. Approaches to solve these problems and the classification results in the Northeastern of China will be presented in this paper.     

松毛虫早期灾害点遥感监测研究初报

松毛虫早期灾害点遥感监测研究初报武红敢，黄建文，乔彦友（中国林业科学研究院资源信息所北京１００００１）严小君，陈林洪（浙江省江山市森林防疫站江山３２４１００）关键词松毛虫害，ＴＭ数据，影像，监测松毛虫为我国最为严重的森林害虫［１］。几十年来，各级政府...     

遥感影像在三北防护林监测管理中的应用研究

通过选取甘肃省景泰县两个时段的卫星影像并经过加工处理,分析比较两个时期该区域的植被变化情况和土地利用变化情况,并计算出两个时段的具体数据,从该县近年各项林业工程建设任务的角度分析土地利用变化和森林消长的原因,首次尝试应用美国TM遥感卫星影像和法国SPOT卫星影像结合调查三北防护林的监测管理。通过该例研究和分析,为在三北工程建设区大面积推广应用遥感数据进行工程监测和管理提供有益的探索和实践。     

基于载人航天平台的林业遥感应用

介绍了载人航天工程的概况, 阐述了以载人航天器为平台的对地观测遥感技术的发展, 重点分析了载人航天平台遥感的技术优势, 从高分辨率、高光谱和热红外、合成孔径雷达和激光雷达等5个方面简介林业应用情况; 以高光谱数据为例, 介绍了基于我国天宫一号载人航天平台遥感数据的林业应用情况; 并对国内外空间站计划的林业应用潜力进行了展望。     

世界林业航天遥感进展

文章论述了近10年来遥感资料获取技术的进步和今后10年的展望;介绍了资源大国、林业集约经营国家和发展中国家遥感技术在林业资源调查、灾害与环境监测方面的应用情况,以及与GIS相结合的发展趋势;在总结了近年来工作的基础上,提出了林业遥感所面临的任务。     

德宏州林业有害生物现状及治理对策

结合德宏州林业外来有害生物普查工作,在实地调查全州有害生物种类和危害情况的基础上,通过分析德宏州危害比较严重的林业有害生物的成害原因,结合德宏州林业工作的实际,提出治理对策,为全州防范外来有害生物提供科学的参考。     

卫星遥感技术在森林病虫害监测中的应用

本文阐述了利用先进的卫星遥感技术手段，替代传统目视地面调查方法的必要性和可行性。回顾并总结了近２０年来卫星遥感技术在森林病虫害监测领域的研究进展。展望了卫星遥感监测森林病虫害的前景。     

Detection of Windthrow in Mountainous Regions with Different Remote Sensing Data and Classification Methods

After a disastrous storm event, quick and reliable information on the extent of forest damage is required. This study evaluated different remote sensing data and methods to detect windthrown forests in mountainous regions as an alternative to the manual analysis of aerial images or terrestrial methods. To this end, both optical satellite sensors (Landsat-7, Spot-4 and Ikonos) and synthetic aperture radar (SAR) data at various frequencies (X-, L-, P- and C-band) were evaluated, and classifications of the windthrown forests were performed. This study was designed to state the advantages and disadvantages of the investigated data and methods. Classification results were compared with aerial images which were interpreted manually on a stereoscopic base. The study showed that the manual interpretation of Ikonos data revealed the most accurate results, followed by an automatic classification of Spot-4 data. Except for ERS-1/2 data, which are too inaccurate in mountainous regions, and SAR P-band data, all sensors and methods investigated have different advantages, so the choice of a specific sensor and method will depend on the question being answered.