基于Sentinel-2A数据的森林覆盖变化研究

【目的】利用Sentinel-2A卫星重访周期短和波段信息丰富的特点,精确高效地获取森林覆盖变化信息,提高森林覆盖变化监测的时效性和精度。【方法】采用Sentienl-2A遥感影像作为数据源,以沅江市为研究对象,结合实地调查数据,选取地物训练样本,利用各地物的光谱指数特征和纹理特征来构建决策树模型进行地物分类,光谱指数包括NDVI、NDWI、NDBI和光谱反射曲线,纹理特征包括均值、方差、信息熵和对比度。对沅江市2016年8月1日和2017年5月18日的两期Sentinel-2A遥感影像数据进行地物分类,计算各地物面积并将两期分类结果中的森林覆盖区域提取出来,分析森林覆盖变化情况。【结果】1)利用光谱指数特征结合纹理特征构建决策树模型对沅江市进行地物分类,其地物总体分类精度为83.62%,Kappa系数为0.825 7,森林制图精度为84.28%,森林用户精度为82.43%,比最大似然法的总体分类精度提升了11.27%,Kappa系数提高了0.133,森林制图精度提高了10.59%,森林用户精度提高了9.58%。2)在2016年8月1日至2017年5月18日期间沅江市森林面积减少了771 hm~2,有854 hm~2森林变为耕地,589 hm~2森林变为芦苇地,412 hm~2森林变为建设用地,105 hm~2森林变为水体。另外,有636 hm~2耕地、257 hm~2芦苇地、243 hm~2建设用地和53 hm~2水体变为森林。【结论】基于Sentienl-2A遥感影像数据,利用光谱指数特征和纹理特征构建决策树模型进行分类,能够有效提升地物分类精度;同时能够提高森林覆盖变化监测的时效性和精度,较为准确地分析森林覆盖变化情况,可为洞庭湖流域地物分类和森林覆盖变化监测提供决策支持。     

森林病虫害高光谱遥感监测的研究进展

高光谱遥感技术在森林病虫害监测中具有较强的优势和巨大潜力。文章介绍了高光谱遥感监测森林病虫害的主要原理,从基于高光谱数据提取的生化参数、基于高光谱遥感影像的图像处理和分析技术以及基于高光谱数据的统计分析与建模技术进行森林病虫害监测等方面阐述了高光谱遥感监测森林病虫害的研究现状,并指出森林病虫害高光谱遥感监测存在的关键问题及未来的发展趋势。     

基于高光谱遥感影像的森林病虫害监测研究进展

总结了高光谱遥感监测森林病虫害的机理与操作流程,在此基础上,重点阐述了利用高光谱影像监测植物病虫害的研究现状,最后分析了高光谱遥感影像应用于森林病虫害监测研究中存在的不足,并对未来的研究趋势进行了展望。     

基于随机森林算法构建Hyperion影像云和云阴影掩模

遥感数据的判读应用不可避免地要受到云和云阴影的干扰,这导致影像中地物信息不完整,给后续影像解译和处理带来障碍。采用最佳波段指数方法筛选出经过预处理的Hyperion高光谱影像最佳波段组合,达到波段去相关、信息含量最大并减少运算量的目的。基于不同地物类型的光谱曲线,采用随机森林算法提取Hyperion影像中云和云阴影信息,建立相应的掩模。研究结果表明,基于经验阈值的决策树分类精度达96.36%,随机森林算法的分类精度达98.86%,Kappa系数为0.951 2,具有更好的分类效果。利用随机森林算法建立高光谱影像云和云阴影掩模,由于随机森林算法是建立在多个决策树分类器结果基础上,避免了单一决策树分类器带来的误分类现象,较好地去除了云和云阴影对遥感解译的影响。     

基于AISA Eagle II机载高光谱数据的普洱市山区森林分类

山区森林的精细分类一直是遥感研究的一个难点,而利用高光谱技术识别地物和树种具有巨大潜力。山区的AISA Eagle II机载高光谱数据需经过大气校正和地形辐射校正后才能获得准确的树种光谱信息。采用Support Vector Machine(SVM)方法对山区森林按照森林类型以及树种进行分类,分类结果与实测样地数据和CCD高分辨率影像验证表明:利用AISA Eagle II机载高光谱数据对试验区的森林类型区分具有较好的分类结果,总体精度为97.74%;在树种分类方面也同样具有不错的分类潜力,总体精度为92.11%,但在阔叶树种间存在错分、漏分的现象。     

基于卫星遥感影像的森林病虫害监测研究进展

森林病虫害是森林的主要灾害,快速准确监测森林病虫害是开展病虫害防治的关键。利用卫星遥感影像监测森林病虫害是一种经济高效的手段。为进一步加强森林病虫害遥感监测的研究和实践,综合分析了国内外利用卫星遥感影像监测森林病虫害研究现状,系统总结了应用卫星遥感影像监测森林病虫害的主要技术方法,深入分析了存在的主要问题并进行研究展望。研究表明:森林病虫害遥感监测研究中主要存在3个问题:1)高空间分辨率影像的研究不足;2)影像纹理信息挖掘不充分;3)失叶遥感监测挑战大等问题。针对上述存在的主要问题,研究提出对策建议:1)多源遥感数据的综合应用;2)增强图像处理技术;3)加强病虫害生境因子的利用;4)构建病虫害遥感监测系统平台等。     

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。     

基于决策树分类方法的城市绿化分析——以兖州地区Hyperion遥感影像为例

以兖州实验区为例,探讨了利用决策树方法进行城市高光谱遥感绿化分析的流程和方法;分析了试验区典型地物的波谱特性;总结了常用反射率反演方法,并根据具体情况选择FLAASH模型进行了实验;试验区研究表明,决策树分类方法在高光谱遥感影像信息提取中具有可行性.这种基于高光谱的精细信息提取方法,可以提高不同植被类型的高光谱图像分类识别精度,为城市绿化分析提供参考依据.     

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。     

基于高光谱和激光雷达数据的林分类型识别

【目的】探讨随机森林、支持向量机分类器下机载高光谱影像和激光雷达点云数据源对林分类型识别的影响,并检验叶绿素在林分类型识别中的作用,为提高林分类型分类精度提供科学依据,为森林资源管理和监测提供技术支持。【方法】以东北林业大学帽儿山实验林场老山施业区为研究区,以机载高光谱影像和激光雷达点云为数据源,在多尺度影像分割基础上,从高光谱影像中提取光谱、纹理和叶绿素指数等特征,从Li DAR点云中提取高度、强度等特征。通过随机森林的特征选择,选取重要性较高的特征变量,在随机森林和支持向量机分类器下,以影像分割数据为试验样本,设置6种分类方案(随机森林分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据,支持向量机分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据),对阔叶混交林、樟子松林、落叶松林、红松林和蒙古栎林5种林分类型进行识别,比较不同分类器下不同数据源的分类效果。【结果】高光谱影像数据共提取34个特征变量,激光雷达点云数据共提取72个特征变量,经特征选择后,高光谱影像数据和激光雷达点云数据各选取11个重要性较高的特征(共22个),其中高光谱影像数据提取的归一化植被指数(NDVI)重要性最大。6种分类方案中,随机森林分类器下高光谱影像与激光雷达点云数据结合的分类精度最高(88.02%),支持向量机分类器下激光雷达点云数据的分类精度最低(76.19%)。多源数据协同的平均分类精度(86.22%)高于单源数据(79.98%),随机森林分类器的平均分类精度(82.92%)高于支持向量机分类器(81.19%)。叶绿素指数参与分类后,分类精度提高约3.32%。5种林分类型中,阔叶混交林分类效果最好,平均分类精度为92.62%,红松林分类效果最差,平均分类精度为49.67%。【结论】多数据源较单源数据可更好地提高分类精度,即2种数据协同可以提高林分类型识别精度;单一数据源相比,高光谱影像数据源的分类效果更好,光谱特征是林分类型识别的重要影响因子;林分类型识别时,不同机器学习模型相比,随机森林分类器较支持向量机分类器分类效果更优;叶绿素作为生物化学参数对林分类型识别有积极影响。     

干旱胁迫对胡杨叶片色素及光谱特征影响的研究进展

胡杨作为塔里木河流域的建群种与生态恢复的指示器,是遏制土地荒漠化和保护群落稳定结构的天然屏障.仅依靠人工调查对荒漠河岸林进行监测已不能满足当下维系塔里木流域生态环境,高光谱遥感成为当下胡杨种群监测识别的重要手段.就沙漠干旱地区胡杨叶片色素高光谱遥感监测的主要研究成果做出了概括,并经过对有关论文内容的总结与数据的梳理,明...     

高光谱遥感森林应用研究探讨*

详细论述了高光谱遥感技术在森林生物物理和化学参量估计以及森林健康状态遥感评价等方面的应用研究状况，对高光谱遥感植被应用的数据处理技术作了简要说明。对我国高光谱遥感森林应用研究现状和发展水平进行了阐述，最后对高光谱遥感森林应用的未来趋势作了探讨。     

城市林业中高光谱遥感技术应用现状与展望

高光谱遥感技术现已成为林业遥感研究的前沿技术之一,在林业定量监测及分析方面具有很大的潜力,同时也为森林经营与管理提供了一种更为科学和实用的新技术手段。文章主要从森林树种高光谱的分类与识别、森林树种主要生化参数模型估算、森林监测与高光谱遥感技术3个方面,总结归纳了高光谱遥感在林业上的主要研究现状,并对高光谱遥感技术在林业研究中的应用前景作了展望。     

森林多功能监测现状及发展建议

近年来, 人类社会对森林多种产品和服务的需求日益增强, 森林多功能经营也日益得到各国的关注和重视。作为现代森林经营管理的重要手段, 森林多功能监测技术得到了应用和发展, 但总体来说还不够完善。文中介绍了森林多功能监测情况, 分析了其存在的主要问题, 并针对这些问题提出相关建议, 以期为今后森林多功能监测技术的发展提供参考。     

国际森林资源监测的现状与发展趋势

对21世纪国际森林资源监测的现状进行了综述，包括监测体系、监测内容、监测方法、监测手段和技术装备。从林业数字测绘技术、遥感信患传输机理和森林资源与环境信息提取技术、森林资源与环境空间信息系统开发、3S技术的森林资源与环境定量估测、森林与环境可视化技术几方面对未来国际森林资源监测的趋势进行了分析，在此基础上，提出了加强我国森林资源监测技术体系建设的建议。     

福建生态公益林监测技术研究

在总结福建省生态公益林建设经验和森林资源监测技术实践的基础上,提出了生态公益林监测的“三个工作体系,三个工作层面,三个工作系统”的总体思路。并从监测技术方法、数据更新模型、先进工作手段和实施管理系统等方面,对生态公益林监测技术进行了探讨。     

基于遥感影像的森林资源变化检测研究

利用ENVI 5.3软件,对滇中某研究区域2015年森林资源二类调查影像和2018年森林资源监测影像进行预处理,按照统一的分类体系对两期影像进行面向对象图像分类,利用流程化动态监测工具实现变化检测。研究结果表明,面向对象的变化检测技术可以很好地区分光谱特征相似或相近的地表覆盖,一定程度上消除并克服了“同物异谱”、“同谱异物”的光谱特征现象,精度分析结果,可满足森林资源变化检测的需要。     

人工林精准施肥研究进展

施肥是实现人工林速生丰产的重要手段，合理施肥可以维持土壤养分平衡，提高土壤质量，促进林木生长，同时减少环境负效应。人工林精准施肥是以农业精准施肥为基础形成的营林应用技术体系，主要包括林地管理单元精准划分、林地营养精准诊断、精准施肥及施肥效应精准检验。精准施肥技术在农业上取得了很大进展，但应用到人工林上还有很大的局限性。文中结合农林业施肥研究现状，分析实现人工林精准施肥所需解决的关键问题，提出人工林精准施肥的发展方向。     

输电线路沿线林火监测技术综述

文章阐述了输电线路沿线林火监测的必要性,梳理了林火导致输电线路跳闸的机理,分析了 输电线路沿线林火监测可见光监测技术、红外监测技术、卫星遥感监测技术、激光雷达监测技术、气体 监测技术、燃烧音监测技术的原理、优缺点及其应用,分析认为采用现有单一林火监测技术容易造成沿 线火点的迟测误测漏测;通过两种或多种技术耦合、优化现有监测设备及监测算法等方式能达到及时、 准确地监测林火,展望了输电线路沿线林火监测技术的发展趋势。     

高光谱遥感技术在湿地研究中的应用

综述了高光谱遥感技术在国内外湿地研究中的应用; 总结了高光谱遥感技术在湿地水质参数反演、土壤含水量反演和湿地植被精细分类等方面应用的方法研究和取得的成果; 指出鉴于高光谱遥感数据自身的冗余性和信息理解程度的局限性, 在湿地研究领域中仍然存在着不足之处; 在此基础上, 提出了高光谱遥感技术应用于湿地研究的数据多元化趋势及其在湿地类型变化动态监测、湿地生态系统的自我恢复、掌握湿地资源重新积累过程等方面的应用潜力和开发前景。