东洞庭湖湿地遥感动态监测研究

应用陆地卫星TM资料和遥感图像处理Erdas8.7软件,以监督分类、人机交互等方法提取东洞庭湖湿地各种类土地类型的面积及分布信息.采用图像复合分类监测、分类结果叠加监测和信息复合人机交互目视提取等方法研究了东洞庭湖1987-2004年湖区各种覆被类型的面积及其空间分布的动态变化.结果显示,1987-2004年东洞庭湖湿地在人工和自然状态下的植被演替和泥沙沉积的影响下湖面不断萎缩,引起区域性不同程度的湿地退化.     

宁强县古茶树种质资源

在梳理有关宁强县茶叶发展历史、古茶树资源分布调查、鉴定与评价、保护与研究利用等报道基础上,结合实地调查,对宁强县古茶树保护与开发利用进行了探讨。     

合轴分枝树木可视化模拟系统设计与实现

以槐树为例,构建了合轴分枝树木可视化模拟系统。根据可视化模拟的需要,指出了所需的形态结构因子及其与IFS因子的对应关系。以实测形态参数数据为依据,结合Logistic生长模型,基于IFS算法构建了槐树的三维模型。并以Direct X9.0为三维可视化平台,使用C#语言,采用面向对象设计思想完成了合轴分枝树木可视化模拟系统开发,实现了合轴分枝树木形态参数、生长模型参数设置以及模型输出等系统功能,较好模拟出合轴分枝树木静态与动态的三维可视化模型。     

基于Worldview-2八波段影像改进指数的湿地类型分类研究

采用Worldview-2八波段影像作为数据源,选取东洞庭湖湿地核心区域作为研究区,进行了Worldview-2八波段特征分析、构建改进遥感指数、采用改进遥感指数阈值分层分类的策略对湿地区域进行信息提取。研究结果表明,基于Worldview-2八波段影像改进指数的湿地类型分类总精度达到了92.24%,Kappa系数为0.902,比原始遥感指数的分类精度提高了8.18%,特别是对草滩地和泥滩地的区分有了较大的提高,是有效、准确提取湿地类型的技术方法。     

宁强县无性系良种茶苗移栽技术浅谈

正宁强县是陕西古老茶区之一。1999年以来,茶产业被列为全县三大产业之一,茶园规模逐步扩张,但在2008年以前都是种子直播建园,茶树品种纯度不能保证。虽然近几年也曾几次小面积的引进良种扦插苗,但成活率都很低,失败的教训远多于成功的经验,2009年我们在充分总结经验教训的基础上,因地制宜制定建园方案,共新建无性系良种茶园6090亩。目前总体长势良好,成活率在80%以上。     

基于GPU和场景分页的森林可视化模拟

森林地域分布广阔,森林中植被众多、光影分布复杂。在森林可视化模拟时巨大的场景,场景中大量的模型,复杂的光线和阴影给真实感绘制带来了很大的困难[1]。特别是在基于单木生长模型的森林生长可视化模拟中,由于要对每一棵树的生长进行计算,同时还要渲染三维场景中大量的模型,计算光照阴影等,CPU的计算量很大。一般的森林场景都     

面向服务架构的森林资源监测服务实现

森林资源监测数据存储于多个不同部门,难以实现社会化信息服务,形成信息孤岛;另外一方面,应该有效地将分布于网络中的各种功能服务利用起来,实现服务之间的无缝集成,为用户提供增值服务。对此,本文提出了先构建一个基于SOA架构的抽象的空间信息服务模型,再根据该服务模型完成原型系统的服务实现。     

林业资源环境网络在线决策支持系统研究

为了通过Internet网络环境,为决策者提供快速、及时、准确的在线数据分析和辅助决策,本研究通过建立以部级水平的林业资源环境网络数据库,并在此基础上设计和建立支持多维数据的数据仓库;利用面向对象的思想,设计和开发了模块化的方法库、模型库和知识库;采用公共网关接口（CGI）技术,进行用户交互界面、数据库访问和分析接口的设计,建立在Internet上运行的林业资源环境网络在线决策支持系统。     

基于红边参数与PCA的GA-BP神经网络估算叶绿素含量模型

利用便携式ASD野外光谱辐射仪对杉木冠层叶片光谱进行测定,同时以分光光度法对叶片叶绿素含量进行提取。样本经均值处理、平滑处理和微分处理后,进行红边参数提取。对11个红边参数以PCA方法进行降维,将得到的前7个主成分得分作为网络输入参数,叶绿素含量作为网络输出参数,以遗传算法(GA)优化网络初始权值阈值,建立隐含层神经元数分别为4,6,8,10,12和14的6种单隐层BP神经网络模型。以R2,RMSE和相对误差作为模型精度检验标准,结果表明:6种模型预测精度均可达到92.0%以上,其中隐含层神经元数为10时,预测精度最高,可达97.372%。说明此种模型可对杉木冠层叶片叶绿素含量进行高精度估算。     

基于支导线控制测量法的林木三维坐标调查方法研究

运用全站仪布设导线法布设样地,配合棱镜测量不同地形条件下树木的相对地理位置(X,Y,Z)。以湖南黄丰桥林场杉木纯林为例,设置S0作为总站点,S1,S2,S3作为一级站点布设支导线进行测量,将所测数据生成散点图,测量数据分布与林木实际分布保持一致。结果表明,支导线控制测量法是一种有效的测量林木位置的方法。