基于温度植被干旱指数的湖南省林地干旱反演研究

湖南省森林资源丰富,森林覆盖率达47.77%,但森林资源质量不高,抗逆能力较差;旱灾和因旱灾引发的次生灾害可能会成为湖南林业发展的最大威胁。以MODIS数据为数据源,提取林地干旱遥感监测因子的植被指数(NDVI)与地表温度(LST),利用温度植被干旱指数(TVDI)模型,并进行湖南省2013—2015年森林植被生长季的林地干旱反演,分析得到2013年湖南全境林地旱情从3月到8月发生不同程度的加重的现象,生长季前期干旱区域分布在湘南,湘西北地区出现干旱的程度较低;生长季后期洞庭湖区及湘中地区干旱程度较为严重。进一步反演2014年和2015年每年3—5月林地干旱时空分异特点,在时间尺度上,2015年3—5月旱情有逐月加重趋势,与2014年相比,其同比月份的干旱程度较高。在空间分布上,旱情较为严重的区域多分布在湘南和湘中的局部区域。将2013年8月湖南省气象局发布的干旱等级监测数据,与依照干旱反演得出的TVDI值所确定的干旱等级进行比较,干旱等级的一致率达81.4%,由此,随着湖南省卫星减灾应用工程不断完善,可以成为林地干旱监测预警的有效实现途径之一。     

基于空间logistic的湖南省森林火灾风险评价

【目的】为科学地预防森林火灾和进行应急资源配置,运用空间logistic森林火灾风险概率模型对湖南省森林火灾风险等级进行划分,为县级以下区域进行森林火灾风险区划提供技术方法。【方法】采用logistic回归分析方法,利用湖南省2008—2018年的地表温度数据、植被指数数据、气象数据、人文数据、植被类型数据、森林火灾监测数据等,构建森林火灾风险概率模型,通过森林火灾风险概率分布区间对森林火灾风险等级进行划分。【结果】建立的湖南省空间logistic森林火灾风险概率模型拟合效果较好,在0.05的显著性水平下,经混合检验和Wald检验,logistic森林火灾风险概率模型能显著反映森林火险发生概率;模型相对运行特征(ROC)值为0.779;经栅格图层计算得到湖南省森林火灾风险概率值,并根据概率大小将湖南省森林火险分为极低、低、中、高和极高5个等级。湖南省森林火灾风险概率≥0.6的极高森林火险等级和高森林火险等级主要分布在邵阳市、衡阳市、永州市、株洲南部以及郴州市部分地区;中森林火险等级主要分布在怀化市、娄底市、湘潭市以及长沙市;低森林火险等级和极低森林火险等级主要分布在吉首市、常德市、张家界市、益阳市以及岳阳市。影响湖南省森林火险等级的主要因子为温度植被干旱指数(TVDI)、高程(GC)、年平均温度(TEM),其中TVDI因子的影响最为显著。【结论】构建的空间logistic森林火灾风险概率模型能够科学有效地对湖南省森林火灾风险等级进行划分,为森林火灾的预防和应急资源配置提供科学依据。     

多源数据林地类型的精细分类方法

【目的】探讨复杂中山区域、多源数据支持下,高空间分辨率遥感影像林地类型层次化精细分类方法,以促进高分辨率遥感数据在森林资源调查与监测方面的深入应用。【方法】以嘉陵江上游甘肃省小陇山林业实验局百花林场为研究区,以SPOT5和高分一号(GF-1)遥感影像为主要数据源,综合利用影像光谱特征、植被指数特征、纹理特征与时相特征、地形特征、森林资源"二类调查"成果数据与林相图等辅助信息,及典型地类与主要森林类型外业调查样本数据,发展针对暖温带典型天然次生林区、复杂山区地形条件下高空间分辨率遥感影像林地类型多层次信息提取与森林类型精细识别的有效方法。在分析不同时相影像光谱特征的基础上,构建并优选归一化植被指数(NDVI)、比值植被指数(RVI)、比值短波红外指数(RSI)、差值植被指数(DVI)4种植被指数特征和均值(ME)、同质性(HOM)、非相似性(DIS)、信息熵(ENT)、角二阶距(ASM)、相对峰值(RK)6种纹理特征,引入与主要森林类型空间分布相关的DEM高程值、坡度、坡向3个敏感地形因子,利用不同林地类型时相动态特征和辅助信息特征,在不同层次影像上分别采用适于该层待分信息类别的阈值法、支持向量机(SVM)、多分类器组合(MCC)、人工神经网络(ANN)分类方法,将各层分类结果合并获得整个研究区林地类型精细分类图。最后,采用分层随机抽样的独立检验样本对分类结果中7类林地类型进行精度验证,并对5类主要森林类型精细识别结果进行面积统计,与"二类调查"及影像解译结果各类型面积统计值进行对比分析,进一步从整体上检验分类方法的有效性和分类结果的可信度。【结果】本文所发展的分类方法对林地类型信息提取精度较高,有林地、其他林地、苗圃地等7类林地类型总体分类精度达92.28%,总Kappa系数为0.899 6;油松林、华山松林、日本落叶松林、栎类落叶阔叶林、其他落叶阔叶混交林5类主要森林类型面积统计结果的平均相对精度为92.4%。【结论】多源数据支持下的多层次林地类型精细分类方法是一种有效的林地类型信息精准监测方法,具有精度高和可信度高的优势,且森林类型精细识别详细程度达到优势树种(组)级别,是解决复杂山区林地类型精细分类与森林类型精细识别的一种有效手段,可满足森林资源调查、变化监测、数字更新等林业应用需求。     

福建省森林资源主要指标变化趋势灰色预测

应用灰色系统理论与方法,以1978-2013年全省森林资源连续清查的林地面积、森林面积、森林蓄积量、林地生产率为时间数据序列,分别不同时段建立GM(1,1)拓扑模型,从中选出一个相对误差较小、精度等级较高的模型,对未来时间内(2018年、2023年)的全省林地面积、森林面积、森林蓄积量、林地生产率进行灰色预测,并采用内插法计算出2020年的预测值,旨在为确定福建省2020年森林资源主要指标规划目标提供参考依据。     

林地变更结果及动态变化原因分析——以喜德县为例

喜德县林地变更调查是在四川省林地"一张图"基础上,以2009年林地保护利用规划数据为基础,2009年的SPOT-5影像(分辨率2.5 m)、2010年ALOS影像(分辨率2.5m)、2014年度国土遥感影像数据为信息源,利用GIS软件进行遥感数据区划并进行现地核实。结合2016年喜德县最新森林资源规划设计调查初步成果,形成本期林地更新数据和林地变化数据,统计分析了林地动态变化原因,并对喜德县林地变更存在的问题提出了相应的建议。     

基于GIS与RS三维虚拟林相图可视化技术研究

三维可视化能够使抽象概念且难以直接感知的空间现象现实化以及直观化,利用此技术可以对林地植被进行模拟,虚拟演示林地分布情况,能够获得各种超越现实的空间感知的经验。本研究以湖南省长沙县乌川湖村作为实验区,以1∶10 000的地形图、分辨率为0.5 m的航片以及2013年二类森林资源调查数据等为数据源,充分利用各种数据的优势,把各种数据融为一体,突破了传统的二维林相图,探索出了基于GIS平台的三维林相图的制作,通过三维林相图的制作,不仅能够体验三维森林景观空间变化,立体的、多角度的了解森林组成,直观了解森林空间结构及分布规律,还能够进行查询以及定位功能,方便了林业部门的生产经营和管理。     

湖南省碳排放强度与森林碳汇地域差异分析

碳排放强度与森林碳汇是评价区域碳减排工作的两项重要指标。对湖南省的碳排放强度与森林碳汇的地域差异进行研究,有利于促进该省的区域碳减排工作。通过对湖南省14个地州市在2010—20145年的年均碳排放强度和森林碳汇进行核算,并基于湖南省各地区碳排放强度与森林碳汇的差异,对14个地州市进行了二维聚类分析。结果表明:(1)湖南省各地区碳排放强度存在明显的地域差异。(2)湖南省森林碳汇的地域分布格局为湘西湘南湘北湘中。(3)按照湖南省碳排放强度与森林碳汇的地域差异可以将全省14个地州市分为四个区域类型。张家界、湘西州、永州属于低碳排放强度-高森林碳汇地区;株洲和长沙、常德属于低碳排放强度-低森林碳汇地区;湖南省中部主要是高碳排放强度-低森林碳汇地区;怀化、邵阳、衡阳、郴州属于高碳排放强度-高森林碳汇地区。最后依照结论对促进湖南省区域碳减排工作提出了建议。     

基于层次分析法的湖南省森林碳汇发展潜力评价

为了对湖南省各县森林碳汇发展潜力进行定量评价,运用层次分析法选取森林现有和潜在发展面积、森林结构、林木生长率、生物多样性和社会经济5个指标来构建森林碳汇发展潜力指数计算模型,确定权重值分别为0.35、0.25、0.20、0.10、0.10。基于森林碳汇发展潜力指数计算模型,将森林碳汇发展潜力等级分为高、中、一般、低,所对应的指数区间分别为(0.60,1.00]、(0.40,0.60]、(0.30,0.40]、[0,0.30]。结果表明:在湖南省124个县(区)范围内,森林碳汇发展潜力高的县(区)为沅陵县与安化县。     

南京市六合区基于0.5m分辨率影像的林地落界及分析

林地落界是为了掌握林地的现有状况,为林地的保护利用规划提供重要的基础数据。高空间分辨率的遥感影像很大幅度地提高了室内林地落界的精度。该文是以高空间分辨率遥感影像为底图,在目视解译的方法上,结合二类调查基础数据,通过建立高清影像的判读解译标志,提取六合区林地,得到南京市六合区林地分布图,与基于中分辨率影像,采用面向对象的方法提取的林地分布图比较,并选取六合区龙袍镇为对象,分析比较了本次林地落界数据和二类调查数据的林地变化率和林地小班的差值变化。结果表明:0.5 m分辨率的影像能够达到将林地落实到田间地块的目的;六合区龙袍镇林地落界由林地到非林地变化率是15%,林地小班差值D的均值为0.24,说明利用高空间分辨率的遥感影像作为目视解译的底图,在林地地类识别和落界精度上都有较大的提高。     

基于多尺度遥感影像纹理特征的森林蓄积量反演

以国产"高分一号"卫星(以下简称GF-1)获取的遥感影像数据与少量研究区样地数据为数据源,构建以光谱信息与多尺度纹理特征为特征变量的森林蓄积量反演模型,探讨不同尺度下提取的纹理特征对森林蓄积量估测模型准确度的影响,通过对特征变量的优选,寻求一种提高森林蓄积量反演模型的准确度的方法。首先,对覆盖研究区域的GF-1遥感影像进行重采样,得到覆盖研究区域的不同分辨率的影像序列,基于不同窗口大小的灰度共生矩阵提取影像序列的纹理特征,与遥感影像光谱信息共同作为特征变量;然后,使用随机森林(random forest,RF)算法构建森林蓄积量反演模型,对研究区域的森林蓄积量进行估测,分析不同特征变量与窗口大小对森林蓄积量反演模型准确度的影响;最后,通过比较特征变量重要性,确定森林蓄积量反演模型的最佳特征变量与窗口大小选择,对研究区进行森林蓄积量反演,得到研究区域的森林蓄积量分布图。当使用从8m分辨率遥感影像提取的纹理特征与光谱信息作为特征变量时,森林蓄积量反演模型准确度明显优于使用其他特征变量。其中,当灰度共生矩阵窗口大小设置为9×9时,森林蓄积量反演模型准确度最高,为R~2=0.70,RMSE=6.317。在根据重要性对从多尺度遥感影像提取的纹理特征进行选择后,所构建的森林蓄积量反演模型的准确度为R~2=0.74,RMSE=6.439。使用较高分辨率遥感影像提取的纹理特征作为特征变量,可以有效的提升森林蓄积量反演模型的准确度。将基于不同分辨率遥感影像提取到的纹理特征作为特征变量,其模型准确度优于使用单一分辨率遥感影像所提取的纹理特征。     

什么叫森林覆盖率?

森林覆盖率指以行政区域为单位森林面积与土地总面积的百分比。森林面积通常以树冠在地面上的垂直投影面积计算,而森林是以乔木树种为主的具有一定面积和密度的木本植物群落,受环境的制约又影响(改造)环境,形成独特的(有区别的)生态系统整体。在计算森林覆盖率时,森林面积包括郁闭度0.2以上的乔木林地面积和竹林地面积,国家特别规定的灌木林地面积(在湖南省主要包括以下3种,一是乔木生长线以上的灌木林地;二是岩石裸露40%以上,石漠化或红色荒漠化严重,专为防护用途的灌木林地;三是灌木经济林地)。森林覆盖率是反映森林资源的丰富程度和生态…     

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。     

遥感技术在森林病虫害监测中的应用研究进展

总结了近50年来遥感技术在森林病虫害监测领域的研究进展。将近年来遥感监测病虫害的主要方法归纳为影像分类法和影像差技术法,遥感监测森林病虫害的模型概括为3种主要应用模式:1)各类植被指数形式模型;2)采用所用通道的其他组合形式模型;3)各通道与生态因子的混合形式模型。根据分析研究提出了今后遥感监测森林病虫害研究的4个主要方向:1)热红外波段监测森林病虫害的应用研究;2)森林病虫害遥感监测物理模型的研究;3)森林病虫害遥感监测的基础理论研究;4)高光谱、高空间和高时间分辨率遥感数据的应用研究。     

基于TM影像的森林地表温度遥感反演

选取海南三亚市的一个典型区域为研究对象,以Landsat TM影像数据进行林地地表温度遥感反演,分析不同森林类型的地表温度差异,以及地表温度与NDVI之间的关系。结果表明:研究区不同森林类型的地表温度有着显著差异;有林地平均地表温度比无林地低0.7℃;天然林平均地表温度比人工林低2.2℃,天然林在缓解城市热岛效应比人工林更具优势;人工林按优势树种平均地表温度由高到低的顺序为芒果龙眼槟榔橡胶桉树;地表温度和NDVI之间存在高度负相关,相关系数为-0.76。     

2006年特大干旱条件下森林植被对土壤水分的影响

2006年四川发生了百年一遇的特大干旱。于旱期结束末,调查了蓬安县境内两座丘陵-石马寨(栎柏混交林)和碉堡梁(人工柏木林)上、中、下坡林地和林带中耕地及坡脚农田的土壤含水量;调查了四川盆地丘陵区内5个县9个乡镇17个小流域有无农田防护林条件下,稻田开裂起始时间和裂缝宽;以及按照自然地理条件相近、森林覆盖率有较大差异的原则,调查了宣汉县和达县5对乡镇(森林覆盖率高的乡镇森林覆盖率为28.26%～46.85%,平均为37.24%,相对应的低的乡镇森林覆盖率为12.75%～26.74%,平均为18.64%)内不同台地的土壤含水量。结果表明,混交林林地的保水能力强于纯林林地,林地的保水能力强于耕地,农田防护林对水稻具有庇护作用,森林覆盖率高的地区土壤保水能力强于森林覆盖率低的地区土壤。在干旱期末坡上、中、下部位的0～40 cm土层中,栎柏混交林林地的含水量比柏木纯林林地高出3%～7%,林地的土壤含水量比林带中的耕地高出0.7%～2.1%;栎柏混交林带中的耕地含水量比柏木纯林带中的耕地高出3%～6%,石马寨的坡脚农田含水量比碉堡梁的高出5%;在干旱期末不同台地0～40 cm土层中,与森林覆盖率低的地区相比,森林覆盖率高的地区水稻田含水量高3%～7%,二台土高4%～8%,三台土高2%～8%;有农田防护林的农田土壤开裂时间比无农田防护林的推迟5 d～20 d,裂口宽平均窄0.1 cm～3.1 cm。     

云南省墨江县森林对虫害和干旱干扰的响应特征

在多年连续干旱下,云南省森林植被遭受到了缺水和虫害的双重威胁。为明晰在干旱和虫害干扰下植被的状态及其变化,以墨江县为例,基于2006—2015年间MODIS的EVI产品数据、气象数据和虫害信息,开展了植被指数对气象数据和虫害信息的敏感性分析,并提出了一个新的低谷深度指数DEVI和一个考虑滞后性的EVI预测模型。研究表明:(1)EVI对降雨量的响应存在时间尺度效应和滞后性。在月尺度上,EVI与同期降雨量存在显著正相关(P0.05);通过滞后性分析发现,植被对气候因子响应存在明显滞后效应,对温度和降雨量响应的滞后期分别为2个月和1个月,且植被对温度的滞后响应高于对降雨的滞后响应。考虑降雨量和温度的滞后模型可以有效预测下个月的EVI(r=0.84)。(2)虫害和干旱干扰会降低植被对气候的响应敏感性。(3)DEVI指数在虫害年份(0.045±0.014)显著高于非虫害年(-0.003±0.011)。     

基于FY4遥感数据的森林火灾判别研究

【目的】为提高森林火灾监测的时效性,利用我国新一代静止气象卫星FY4的遥感数据,研究对森林火灾监测的技术和方法。【方法】以贵州省为研究区,利用FY4遥感数据,对FY4的14个波段进行火点样本的波段特征、波段间相关系数、波段组合OIF指数计算,并对判别森林火灾相关的云、水体、林地、火点4类地物进行光谱特征分析,采用支持向量机对OIF指数排名前10的波段组合进行地物分类精度验证,筛选出最适合进行森林火灾判别的波段组合。构建最小距离模型、马氏距离模型、支持向量机以及决策树模型进行森林火灾判别,利用中国森林防火网森林火灾数据,以判别精度(D)、多分误差(M)、漏分误差(O)为模型的评价指标,对4个模型进行精度验证,筛选出最优的森林火灾判别模型。【结果】1)筛选出最适合进行森林火灾判别的波段组合是(B7,B8,B12),其支持向量机地物分类精度为99.21%,Kappa系数为0.855,是进行森林火灾判别地物分类精度最高的波段组合,与最优波段组合筛选结果一致。2)4个模型的森林火灾判别精度都超过了85%,其中决策树模型判别森林火灾的精度为100%。【结论】基于FY4遥感数据决策树模型的构建,提高了森林火灾监测的时效性,对保护森林资源、减少人民生命财产损失具有重要的意义。     

基于STARFM模型的遥感影像融合

Landsat遥感数据是区域资源与环境研究的重要数据源,但受时间分辨率及阴雨天气的影响,难以获得大范围的相同时相数据。因此利用时空融合技术,充分发挥多源遥感数据的优势,获取大范围相同时相的遥感数据具有重要的意义。以长沙市为研究区,利用STARFM模型融合生成了具备高空间和高时间分辨率的Landsat影像,并分析了原始影像与融合影像的相关性以及STARFM算法的适应性。结果表明:利用STARFM模型融合生成的融合影像和原始影像的相关性较高,证明STARFM算法的适应性较好,为该算法的适应性研究提供了实证。     

湖州市森林植被净初级生产力研究

基于30m分辨率的2018年Landsat数据、气象数据和森林资源年度监测小班数据等资料,考虑最大光能利用率在不同森林类型中的差异,采用CASA模型对浙江省湖州市的森林植被净初级生产力(NPP)进行估算,分析其空间分布特征,对估算结果进行精度检验,并与其他学者的NPP测算值进行结果对比。结果表明:(1)湖州市森林植被的NPP值约为7.49 t·hm^-2·a^-1;植被净初级生产力空间分布特征总体表现为随海拔增高而逐渐增大。(2)同一森林类型因地理生态环境差异而导致NPP的估算存在一定偏差。软阔类和灌木林植被面积占比过小,反演精度降低,估算偏差较其它森林类型偏大;各森林类型NPP估算结果与其他学者NPP测算值基本接近。因此,利用CASA模型对湖州市森林净初级生产力反演结果可靠,可为湖州市森林生态服务功能价值评估提供依据。     

基于不同卫星传感器的森林火灾红外辐射归一化方法研究

不同卫星传感器识别森林火灾时存在时间差异及辐射差异,通过对AUQA亮温、NOAA-19地表温度、FY-3B亮温数据进行影响因素分析,确定大气、地形、地表温度为归一化参数,建立基于3个卫星传感器的亮温归一化模型。利用地面接收站2017年4月份影像数据,将归一化模型应用到森林火灾识别中,建立了一套适合湖南省的森林火灾阈值。研究结果表明:不同卫星传感器的红外辐射归一化模型能较好地消除辐射差异影响,弥补卫星传感器的时间差异性,提高不同卫星传感器对森林火灾监测的速度。