基于GIS的森林资源遥感调查方法研究

在试验研究的基础上 ,提出了在GIS支持下的遥感数据预处理 样地调查 前期调查信息叠合 -图象判读 -调查因子估测的技术路线 ,充分利用前期调查图面信息、小班属性数据信息进行遥感图象判读和小班调查因子估测的技术方法 ,有效地提高了判读的正判率和调查因子的估计精度 ,并产出了 1∶1万小班基本图 ,提高了调查成果的实用性     

高分辨率遥感图像均值调整法分割技术研究

遥感图像分割是将以像元为基础的图像转化为以对象为基础的过程,因此,遥感图像分割是遥感图像高级分析的基础.对于中、低分辨率遥感图像来说,单个像元的面积较大,且混合像元现象严重,图像分割会产生较大的误差.高分辨率遥感图像单个像元的面积较小,分割后图像上单个对象内含若干像元,便于分析和提取信息.以高分辨率遥感图像Q u ickB ird和IKONO S为研究对象,采用均值调整法对图像进行分割和精度检验.结果表明:采用均值调整法进行高分辨率遥感图像分割具有较好的效果,图像分割的速度和精度均较高.     

基于SPOT5遥感影像的样地判读

利用SPOT5卫星遥感资料在沾益县大坡乡进行了森林资源二类调查试点。共布设目视判读样地7711个、野外实测样地290个,其总体抽样精度为87 29%。介绍了工作方法,分析了判读结果和存在问题,提出了今后工作的思路。     

利用遥感技术预测人工林木材性质及其产品价值的初探

阐述了遥感技术在森林树冠参数提取以及林木冠层与木材结构、性质间的关系研究现状,分析了树冠冠层和木材性质二者之间潜在的关系,探讨了利用高空间分辨率遥感卫星影像(QuickBird)数据分析林木树冠冠层特征的方法,提出了遥感树冠因子与木材性质间的关系模型的构想,进而进行木材性质的预测和产品经济价值的评价。     

VEGETATION植被指数与森林资源的相关性分析

VEGETATION植被指数与森林资源特征因子之间的相关性是该遥感数据用于森林资源监测的基础.基于湖南省同期的连清样地资料、ETM卫片,采用统计分析、单因素方差分析、迭加观察等方法,对VEGETATION植被指数与森林资源特征因子之间的相关性进行了分析,发现两者之间存在较高的相关性.     

二次调节静液储能拖拉机传动系统

二次调节静液储能拖拉机传动系统是由柴油机，液压蓄能器，液压泵/马达（二次元件），差动变速器和驱动轴等组成，该系统充分利用了液压蓄能功率密度大，二次元件具有较高的控制质量，可实现四象限工作等特点；实现了柴油机和拖拉机行驶载荷的分离，工作过程中当外负载扭矩发生变化时，将引起二次元件的转速变化，从而引起二次元件排量的变化，通过调节液压马达的变量机构使其与工作负载所需转速相适应。     

近25年来新疆森林的动态变化

新疆森林主要有落叶针叶林、常绿针叶林、落叶阔叶林以及特殊灌木林4种类型,面积约为全疆植被面积的2%,但新疆森林在经济、社会和生态效益等方面却发挥着重要的作用.不同森林类型具有不同的NDVI变化特征,利用GIMMS NDVI数据集首先对新疆植被进行专家分类,然后分析近25年来新疆森林面积、蓄积量和密度的动态变化及其可能原...     

液压传动技术在烟草打顶机上的应用

针对烟草中后期田间管理阶段的打顶及喷施抑芽剂时,作业人员劳动强度大、生产效率低,严重影响烟草产量和质量的现状,研制出高地隙三轮自走式全液压烟草打顶机。该机采用T型车架及高架式机体,液压驱动行走、转向、制动系统,以及液压操纵烟草打顶、喷施药剂系统。该打顶机液压系统传递功率大、结构紧凑、布置灵活,且易于实现无级调速及过载保护,便于控制、操作简便,可高效地完成烟草打顶及喷施药剂作业。     

基于KNN方法的大兴安岭地区森林地上碳储量遥感估算

【目的】采用 KNN方法进行碳储量估测,并对估测后的数据进行各种校正处理,绘制森林地上碳储量的空间分布图,为我国森林碳储量和固碳潜力的研究提供基础数据和科学依据。【方法】以黑龙江省大兴安岭为研究区(50°05'—53°33'N,121°11'—127°01'E),基于2010年森林资源连续清查固定样地和同年 Landsat5 TM 影像数据,利用 k－邻近法( KNN)在像素级水平上对森林地上碳储量进行估算。采用多准则方法分东、南、北和中4个区域对样地坐标和其对应的影像光谱值进行坐标重配准,并根据实测样地数据对坐标重配置前后不同林分类型地上碳储量估测精度进行评价;针对 KNN方法像素级估测结果存在明显的高值区域低估和低值区域高估现象,应用直方图匹配方法对估测结果进行变动范围调整;并根据样地实测碳储量和 KNN 估测值间的回归关系对调整后的结果分区域进行进一步匹配校正后处理,绘制森林碳储量的空间分布图。【结果】总体来说,本研究区域像元尺度KNN估测的欧式距离优于马氏距离,均方根误差随着最邻近值 k的增大而降低,当 k大于6时变化缓慢,并逐渐趋于稳定;坐标误差校正后,各林分类型森林地上碳储量的估测精度均显著提高,平均均方根误差由17.23降低到14.3 t·hm －2;直方图匹配后,各区域样地点高值区域低估和低值区域高估现象均有很大程度改善,实测值和估测值间的相关关系明显增强,然而高值地区(碳储量大于20 t·hm －2)出现过高估计现象;经匹配校正后处理的均值、标准差、直方图和累积频率分布图更接近样地实测值,均方根误差也明显降低,高值地区过高估计现象得到很好校正。【结论】森林资源清查数据、遥感数据及 KNN方法相结合逐渐成为区域尺度森林参数空间连续估测的重要手段。同利用光谱值和森林参数建立的回归模型相比,KNN方法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系;但 KNN估测方法除了受距离度量标准、最邻近值 k的大小以及影像波段的选取等因素影响外,还存在如样地坐标和对应的影像光谱值匹配误差、像素级估测结果多呈明显集中分布趋势等问题,使得该方法的应用受到一定限制。本文的研究表明,对这些因素进行合理的校正,将更有利于区域尺度森林参数的精确估计和反演。     

基于改进端元提纯模型的MODIS森林类型识别研究

MODIS遥感数据具有很高的光谱辐射精度,以及成本低、覆盖面积广、获取容易、周期短等数据特征,可以实现全覆盖大尺度区域森林类型信息快速提取,但由于其空间分辨率较低,遥感数据中存在混合像元。利用混合像元分解模型进行分解可得到较好的分类结果,但混合像元分解的端元组分直接影响分类的精度。利用决策树分类模型改进端元提纯,分析各地物的MODIS时间序列植被指数变化规律及物候变化规律,利用决策树模型分类的结果进行端元组分的提纯,最后进行混合像元分解。研究结果表明:分类精度最高的是线性混合像元分解,其次是最大似然分类,最差的是非线性混合像元分解,其中带约束和不带约束的线性分解模型的精度相差不大。