乌拉盖开发区景观格局现状研究

本文利用TM影像信息，通过判读和ARCINFO系统处理获得了乌拉盖开发区景观空间结构现状的数量特征，为研究该地区景观空间结构的变化、景观生态监测、景观设计和规划、景观保护和管理以及决策提供基础数据.     

山区林地多季相TM影像综合分类研究

为了提高陆地卫星TM数据在山区林地的分类精度,利用4个季节的帽儿山TM数据进行植被分类,并辅助以物候特征和地面GIS专题信息 采用由简单到复杂的信息提取过程,先利用基于光谱知识的林地提取模型提取林地边界,再用有监分类方法分别进行林地和非林地内部类型信息的提取,生成多季相综合分类图 分类精度比单时相提高了19 6%     

对提高林业成图质量问题的探索

应用遥感技术编制的林业遥感影像图是一种很理想的林业图,但成图费用太高,林业部门本身又缺乏成图仪器,要推广使用受到限制。结合外业调查的航空像片,以1:10000比例尺地形图为底图绘制林业基本图,是一种多、快、好、省的方法,适用于基层林业单位推广应用。     

基于TM遥感信息和产量形成过程的水稻估产模型

基于遥感信息获取的瞬时性与广域性,结合水稻产量形成的生理生态过程及其与气候环境的相互关系,建立了较为简化的水稻估产模型。通过组件化的设计方法实现了遥感信息和估产模型的耦合,即利用抽穗期遥感影像反演的叶面积指数和生物量及时替换水稻估产模型对应参数变量,进而实现对水稻产量形成的估测。对模型检验的结果显示,水稻产量的预测值与实测值较为一致,预测水稻产量的RMSE为610.47 kg/hm2,表明利用水稻估产模型可以对不同年份、不同区域的水稻产量形成情况进行监测预报。     

基于CA-Markov模型的自然保护区土地利用变化分析

以广西山口红树林自然保护区为研究区,1999和2005年SPOT4影像作为土地利用信息源,采用CA-Markov模型预测2011年和2017年研究区土地利用空间变化,在此基础上利用11个景观指数分析1999-2017年研究区整体景观格局演变情况。结果显示,CA-Markov模型模拟的2005年土地利用空间分布的面积和空间精度分别为93.13%和87.57%,具有较高可靠度;1999-2005年各用地类型的相互转化较为复杂;2005-2011年,红树林和养殖区增长最为显著;1999-2017年间,斑块数呈下降趋势,景观破碎化程度在减轻,受人类活动的影响在减弱,各斑块类型在景观中呈均衡化趋势分布,但景观稳定性和抗干扰性下降。研究表明CA-Markov模型是模拟与预测自然保护区土地利用变化的有力工具,能为土地规划与管理提供一定的决策信息。     

正射影像地图的制作及其应用

在经济飞速发展的时代,传统的地形图更新速度远远不能跟上时代发展的步伐,利用卫星遥感影像数据和航空摄影制作数字正射影像地图(Digital Orthophoto Map,缩写DOM),在数字正射影像地图上进行各种专题地图和对地形图的更新应用.     

半球面影像技术估测三种园林树种的绿量

利用半球面影像技术获取高山榕、小叶榕、蒲桃3种园林树种的LAI值,结合各个体树冠投影面积(S)和冠高(H),计算并比较3个绿量测算指标(LAI、LAI×S和LAI×S×H).结果表明:LAI是绿量基本的测度单位,而LAI×S能够较合理地反映3种园林树种种间或种内的绿量差异,可以作为一个绿量的评估指标,以此估计3种园林树种的绿量为小叶榕＞高山榕＞蒲桃.LAI×S×H由于参数较多,容易造成误差,且其数据过于密集,不适宜用于绿量分析.随着半球面影像技术等无损性光学测量技术的发展,最终应用LAI估算绿色植物的绿量会是最可靠的方法.     

GIS辅助下的图斑地类识别方法研究——以土地利用动态监测为例

针对土地利用动态监测存在的问题，探索了充分利用了GIS中地块边界的信息，提取出标准地类地块边界的灰度特征，纹理特征和形态特征，提出基于这些特征建立相应的决策树和判决规则，对于任一待测地块可利用提取的特征信息通过距离判别法判断其所属地类，这种GIS辅助下的图斑地类新识别方法的准确率较高，也是将有感影像与地理信息结合起来的一种有效的手段。     

实测高光谱和HSI影像的区域土壤含水量遥感监测研究

基于典型研究区植被冠层实测高光谱数据和HSI高光谱影像数据,通过相关分析选择与不同深度土壤含水量响应敏感波段,建立两者的土壤含水量反演模型,并用实测高光谱土壤含水量反演模型校正HSI影像土壤含水量反演的模型。结果表明:土壤含水量响应敏感波段区域为450~650 nm和850~920 nm;两种土壤含水量反演模型对土壤深度为0~10 cm的土壤含水量估算效果最好,其中实测冠层高光谱土壤含水量反演模型精度高于HSI影像土壤含水量反演模型,判定系数(R~2)分别为0.659和0.557;经过校正的HSI影像土壤含水量反演模型精度有了较大的提高,判定系数(R~2)从0.557提升到0.719,均方根误差(RMSE)为0.043 5,较好地提高了区域尺度条件下土壤含水量监测精度,因此运用该方法进行土壤含水量遥感监测是可行的,为进一步提高区域尺度下土壤含水量定量遥感监测提供参考借鉴。