在Autocad平台建立具有GIS特征的森林图形系统

该文从森林图形库的概念和基本特征出发 ,完成森林图形库图层的标准设计和森林图形中小班多边形的封闭 .通过对森林图形的图元访问 ,实现森林图形”归一化” .在”归一化”森林图形上 ,实现其与资源数据库互访的动态管理     

基于DEM 的贵州山区气温和降水推算方法研究

选取贵州省19个气象站50a(1960-2009年)的气温、降水资料,并以26.876°N为界(威宁测站纬度)将贵州分为南北两个区域——南区和北区,同时以1km×1km的DEM数据为基础,结合多元回归等方法,分区域建立基于纬度、归一化的海拔和坡向、以及坡度因子的气温和降水推算模型,由此在其选定区域进行气候要素小网格推算.结果表明:地理因子中,纬度因子对温度和降水的贡献最大;南区温度模型相关显著,但降水模型没通过检验;而北区温度和降水模型效果都很好;在推算区域中,温度,降水分布存在纬向差异.     

长白山阔叶红松林不同演替阶段冠层光谱特征及其与气温的关系

  目的  通过遥感数据分析长白山阔叶红松林不同演替阶段冠层光谱变化特征,为揭示长白山群落内部种间变化以及植被生产力对气候因子的响应机制提供理论依据。  方法  通过Google Earth Engine平台提取1984—2019年长白山原始阔叶红松林与次生白桦林Landsat和Sentinel多年冠层光谱数据并计算植被绿度参数,分析二者冠层光谱特征季节变化、植被绿度的季节与年际变化,计算植被年际绿度变化与同期月均温的Pearson相关系数。  结果  （1）原始林与次生林冠层可见光反射率在非生长季较高,生长季下降,而近红外光变化趋势则与此相反。在生长旺盛季节（5—10月底）原始林与次生林可见光波段冠层反射率相近,近红外波段差异明显,次生林冠层反射率更高。二者都具有明显的“红谷”、 “绿峰”、 “蓝谷”和“红边”现象,原始林冠层光谱反射率年变化幅度小于次生林。（2）原始林与次生林的绿度表现为相同的变化趋势,即春季展叶期间增长、秋季落叶期衰减。非生长季,原始林植被指数变化较为稳定且大于次生林,次生林林下透光度高。生长季,次生林增强植被指数（EVI）和哨兵二号红边位置（S2REP）均大于原始林,植被冠层生理活动更为旺盛,不同的卫星影像数据表现一致,且次生林的EVI峰值比原始林出现得略早。（3）1985—2019年的35年期间,长白山气温呈上升趋势,植被绿度也随之变化,即:二者EVI在增加,且夏季（生长季）增长幅度大于其他季节,春、秋季的年际差异较大。（4）与原始林相比,次生林EVI年际变化受春季气温影响较大,在生长季初期,二者的EVI与气温呈显著正相关;在整个生长季期间,当气温增加达到一定阈值后,EVI增长显著。  结论  长时间的连续冠层光谱变化监测与分析,可有效反映原始林与次生林植被物候变化差异。气温上升可能是引起长白山阔叶红松林绿度变化的重要因素之一。      

基于混合像元分解的香格里拉市高山松空间分布变化研究

利用香格里拉市1997-2017年每5 a的Landsat遥感影像、2018年外业调查数据、森林资源二类调查数据和DEM数据为数据源,以高山松为对象,综合运用混合像元分解技术、决策树分类和GIS技术对其空间分布变化进行分析。结果表明,1）分类中,高山松归一化多分量指数阈值为0.333,云南松归一化多分量指数阈值为0.208;云冷杉归一化多分量指数阈值为0.362。2）各年分类结果总体精度分别为69.42%、76.73%、81.07%、78.90%和76.53%。3）香格里拉市高山松覆盖面积2002年比1997年减少了13.40%,2007年比2002年减少了2.47%,2012年比2007增加了8.96%,2017年比2012年增加了4.06%,呈现出先减少后增加的趋势。4）研究区内高山松主要分布在海拔高度2 800~3 800 m,1 800~2 800 m高山松面积总体呈现为轻微下降趋势;2 800~3 300 m海拔区间1997-2007年呈现下降趋势,2007-2017年呈现上升趋势,3 300~3 800 m区间内1997-2002年高山松面积呈现下降趋势,2002-2017年高山松面积逐年上升,3 800~4 800 m区间内1997-2017年高山松面积逐年下降。利用混合像元分解构建归一化多分量指数结合决策树分类对树种分类具有一定的参考价值,高山松时空变化结果对森林资源管理和后续研究可提供科学数据支撑。     

基于高分辨率遥感影像的花粒期玉米叶面积指数估算方法

以花粒期玉米为研究对象,利用美国PL高分辨率卫星遥感数据,对比6种常用植被指数与叶面积指数(LAI)的相关性,最终选取EVI、SAVI这两种植被指数,采用线性和非线性共6种回归模型,分别与实测玉米花粒期叶面积指数建立估算模型;通过判定系数(R2)筛选出最佳模型,并以均方根误差(RMSE)和相对误差(RE)作为验证指标判断所建模型的适用性.结果表明:利用SAVI植被指数所建立的二次曲线回归模型估算花粒期玉米叶面积指数的效果最佳.     

草地放牧强度遥感解译方法——以和静县高寒草原为例

为研究高寒草原放牧强度,以新疆和静县高寒草原草地为研究对象,利用2013年7—8月野外草地地上生物量采集数据和2013年遥感数据源MDOIS13Q1的归一化植被指数(NDVI),建立了高寒草原草地地上生物量和植被指数(NDVI)的遥感反演模型;并通过分析近10年(2008—2017年)监测点每年NDVI的旬变化特征,解译高寒草原草地的放牧起止时间,通过分析归类各样点NDVI变化特征,并以ΣNDVI值划分放牧强度。结果表明:1)本研究中建立的高寒草原草地地上生物量遥感反演模型,以模型y=523.21NDVI2-82.8NDVI+55.84(R2=0.732 9,P0.000 1)精度最优;2)通过NDVI变化曲线的突变点确定了高寒草原夏季放牧开始时间为6月9—26日,结束时间为8月28日—9月14日,该结果与实际放牧时间基本吻合。3)通过分析NDVI生长季累积总量(ΣNDVI)、生长季NDVI波动下降频数和幅度确定放牧强度,构建了高寒草原草地放牧强度分级标准,与实地判断的放牧强度相比,精度验证达到89.47%,并据此制作了研究区放牧强度等级图。本研究结果可为利用多时相遥感影像快速确定草地放牧强度和放牧管理提供参考。     

2000—2015年新疆植被指数的时空动态分析

基于2000—2015年的MODIS NDVI数据及同期气象数据,采用趋势分析法、Mann-Kendall检验、相关分析等方法,分析16年间新疆NDVI的时空变化规律,探究NDVI对气象因子的响应。结果表明,2000—2015年新疆NDVI总体呈上升趋势,年平均NDVI与年平均温度、年平均降水量呈不显著正相关;春季NDVI与春季均温呈正相关,夏季NDVI与夏季降水量呈正相关,秋季NDVI与温度和降水量的相关性不显著;由于植被NDVI对降水量具有滞后响应,因此春季NDVI与冬季降水量之间以及秋季NDVI与夏季降水量之间均呈显著正相关;相对而言,同季均温对NDVI的影响高于前季均温,表明NDVI对温度的响应不存在滞后性。     

1990—2019年达里诺尔湖水体面积变化遥感监测

以Landsat遥感数据资料为基础,采用归一化差分水体指数（NDWI）对达里诺尔湖水体进行识别和提取,使该区域形成长时间监测,研究1990—2019年达里诺尔湖的时空变化,并通过气象数据探讨水体面积与气候变化的关系。结果表明,达里诺尔湖1990—2019年水体面积呈波浪式变化,整体呈下降趋势,自2000年后,达里诺尔湖水体面积逐渐减少,20年间共减少41.82 km²;在湖体东北方向减少幅度最大,共减少19.89 km²。达里诺尔湖水体面积与降水量呈正相关,与气温呈负相关。     

基于无人机多光谱与地面高光谱遥感的土壤主要养分含量估测

耕地土壤作为农业资源的重要组成部分,是我国农业生产的基本资源与保障条件。山原红壤作为云南典型的土壤类型,在云南的农业生产与经济发展中发挥着重要作用。通过多光谱与高光谱遥感结合技术,对山原红壤主要养分含量的高光谱特性进行了研究分析,研究了土壤主要养分含量的多高光谱特性、筛选出了各养分含量的特征波段。而后,通过多光谱波段变换、植被指数合成、构建高光谱土壤指数,与山原红壤主要养分含量进行了相关分析。通过分析得出,多光谱拟合模型效果整体不佳,仅钾元素与合成光谱存在相关性,拟合模型R²大于0.5,有良好的拟合意义。高光谱指数相关性及拟合模型效果较多光谱都有所提升。其中,支持向量机拟合模型效果最佳,R²均在0.75以上,适合用于土壤养分含量估测。