单基线PolInSAR森林高度反演方法研究

极化干涉SAR(Polarimetric SAR interferometry,PolInSAR)森林高度反演是当前雷达遥感领域的研究热点,近年来出现了多种单基线PolInSAR森林高度反演方法。为了给单基线PolInSAR反演森林高度的算法提供基础,并探索和发展效果更优的反演方法,使用Pol SARpro软件模拟森林平均高度为18 m的L波段(L=23 cm)全极化干涉SAR数据,研究了森林高度反演算法中的DEM差分法、RVoG法、复相干幅度反演法、混合反演法,并基于相干优化法对混合反演法进行了改进;为了更准确地对算法的性能进行比较,给出方位向为48 bin时各算法的距离向剖面的对比图,并选取图像的中间区域,对森林高度位于3~30 m的1 104个样本点,应用均值和均方根误差RSME对5种方法模拟的18 m森林高度进行比较。结果表明:森林高度平均值反演结果由大到小依次为:复相干幅度反演法、混合反演法、改进的混合反演法、RVoG法、DEM差分法,分别为19.40、18.31、18.12、10.55、10.05 m,均方根误差(RMSE)由小到大依次为:改进的混合反演法、混合反演法、复相干幅度反演法、RVoG法、DEM差分法,分别为1.06、1.48、3.49、7.51、8.04 m;说明DEM差分法与RVoG法反演的森林高度存在明显低估,复相干反演法出现明显高估且其离散程度最大,混合反演法和改进的混合反演法与真实值的误差分别为0.31、0.12 m,改进的混合反演法与真实值的相差最小,离散程度最小,均方根误差最小,反演结果最优。改进的混合反演法综合了混合反演法与相干优化法的优点,使其估计的地形相位的均方根误差最小(0.045 rad),森林高度与真实值的误差最小,均方根误差最小,并且具有一定的鲁棒性。     

高空间分辨率影像与SAR数据协同特征面向对象林分类型识别

【目的】研究对象特征对高空间分辨率遥感影像与星载全极化SAR数据协同面向对象林分类型识别的影响,评价2种数据协同林分类型识别的适宜性,为多源遥感影像结合面向对象分类技术提供科学依据。【方法】以QuickBird遥感影像和Radarsat-2数据为试验数据,选取福建省三明市将乐县将乐国有林场为试验区进行杉木、马尾松和阔叶林面向对象分类。在面向对象分类过程中,采用基于QuickBird多光谱波段分割、基于Radarsat-2数据分割和QuickBirdRadarsat-2协同分割3种分割方案,每种分割方案采用10种尺度(25～250,步长为25),应用QuickBird遥感影像和Radarsat-2数据提取的光谱、地形、高度和强度4方面32个特征指标,进行4种不同特征组合,运用支持向量机分类器进行面向对象林分类型分类,利用混淆矩阵计算的生产者精度、用户精度、总精度和Kappa系数4个指标对分类结果进行精度评价。【结果】所有组合的分类精度(Kappa系数)均随着尺度增大表现出先增加后降低的趋势,且以只使用单一光谱特征的分类精度最低,依次低于光谱+地形两特征和光谱+地形+高度三特征的分类精度,引入强度后的四特征组合分类与三特征组合无明显差异。QuickBirdRadarsat-2协同且在最优尺度参数为100时,结合对象光谱、地形、高度和强度四特征组合进行面向对象林分类型分类精度最高(OA=86%, Kappa=0.86)。【结论】高空间分辨率遥感影像(QuickBird)与SAR数据(Radarsat-2)协同最优尺度多特征组合进行面向对象林分类型分类优势明显,在光谱和地形特征中引入高度特征可进一步提高分类精度。本研究结果可提高面向对象分类中的特征选择效率和科学性,能够为其他影像的面向对象分类技术提供较好的参考依据。     

基于SAR极化分解与Landsat数据的森林生物量遥感估测

目的森林生物量是评价森林生态系统结构、功能和生产力的重要指标之一，区域尺度上的森林生物量的准确估测对了解森林现状和科学经营森林具有重要指导意义。本文旨在利用SAR影像结合Landsat5 TM影像对区域尺度上的森林生物量进行定量估测。方法首先利用极化分解的方法对极化合成孔径雷达(SAR)数据进行处理获得45个极化分解参数，然后将45个极化分解参数与6个Landsat5 TM波段参数共51个参数作为自变量，森林生物量W作为因变量构建统计回归模型，最后利用最优模型反演研究区的森林生物量。结果使用两种方法进行模型构建:(1)逐步回归法，利用逐步回归进行变量筛选，选出2个参数构建模型，模型R2为0.534，拟合精度为67.51%，RMSE为43.21 t/hm2；(2)最优子集法，用Bootstrap法进行变量筛选，共筛选出9个参数，然后用这9个参数进行最优子集回归，获得511个选模型，然后选择出最优子集模型，并用交叉验证法对模型进行验证，最终选出的最优子集模型包含的参数为TM_band4、Neumann_delta_mod、Neumann_psi、TSVM_psi、TSVM_tau_m3，模型R2为0.768 2，拟合精度为88.32%，拟合RMSE为14.98 t/hm2，验证精度为86.21%，验证RMSE为19.14 t/hm2，CP指数为5.249 5，赤池信息量AIC为256.504 5。本文最终使用最优子集法获得的模型进行反演，获得研究区的森林生物量分布图。结论结果表明:全极化C波段SAR数据结合Landsat5 TM光学数据构建遥感信息模型可以准确反演森林生物量。      

基于机载LiDAR的单木结构参数及林分有效冠的提取

【目的】基于机载激光雷达(LiDAR)数据提取单木树冠三维结构参数(树冠顶点位置、树高、冠幅和冠长),并在此基础上对林分有效冠进行提取,为进一步研究林分尺度上的有效冠结构及其动态提供依据,以更好掌握并改进林业经营措施。【方法】采用一定规则下的局部最大值窗口搜索树冠顶点,进行单木树冠顶点探测和单木树高提取;以树冠顶点为标记,利用标记控制分水岭分割算法提取单木冠幅;采用垂直方向点云高程检测方法获取枝下高位置,提取冠长;在标记控制分水岭分割出的树冠边界,提取树冠接触高,取平均值作为该样地的林分有效冠高。【结果】树冠分割正确率为88.5%;结合样地实测参数对提取值进行相关性分析,树高R~2=0.886 2,冠幅R~2=0.786 4,冠长R~2=0.800 0,树高、冠幅和冠长精度分别为90.34%、86.80%和89.90%;同一林分内单木接触高相对比较稳定,对提取的林分有效冠高进行单因素方差分析,无显著差异。【结论】基于机载LiDAR数据,采用可变大小的动态窗口搜索局部最大值点,能提高单木结构参数的提取精度;利用树冠顶点标记控制分水岭算法,将高空间分辨率航片作为辅助数据,可完成较高精度的单木冠幅提取;垂直方向点云高程检测方法可提取单木冠长;LiDAR点云数据可对林分有效冠进行提取,在同一林分中,不同样本数量对接触高提取的变异性影响不大,有效冠高大致相同。机载LiDAR数据具有良好的单木树冠三维结构参数提取能力,能够满足现代林业调查对单木结构参数提取的需要,实现对林分有效冠的提取。     

基于DOM及LiDAR的多尺度分割与面向对象林隙分类

为研究分割尺度对航空正射影像(DOM)与LiDAR数据协同面向对象林隙分割与分类的影响,以东北典型的天然次生林帽儿山实验林场东林施业区为试验区,对DOM与LiDAR数据进行多尺度分割与面向对象林隙分类。分割过程中,采用基于DOM分割、基于LiDAR数据分割、DOMLiDAR协同分割3种分割方案。每种分割方案采用10种尺度。在每种尺度应用两种数据提取的光谱和高度两种特征,采用支持向量机分类器(SVM)进行林隙分类。研究结果表明:3种分割与分类方案分类精度随尺度的增大整体呈现下降的趋势,与ED3(Modified)趋势相反。基于LiDAR数据在尺度参数10获得了最优分割结果。在所有尺度上(10~100),基于LiDAR数据分割与分类精度高于其他两种数据源的分类精度,相比单独使用DOM优势更加明显。基于LiDAR数据分割与分类方案在尺度参数10时获得了最高分类精度(Kappa系数为80%)。3种分割与分类方案最优尺度的分类精度显著高于其他尺度分类精度。分割尺度对面向对象林隙分类结果有重要影响。     

基于树影与快鸟图像的单木树高提取

利用黑龙江省塔河地区2008年的快鸟影像,研究了基于高空间分辨率的卫星影像的单木树高提取方法.在试验区内,实测孤立木的树高、胸径和冠幅,并在遥感图像对应位置上一一标记.在对快鸟影像进行裁剪、几何校正等处理的基础上,提取孤立木树冠顶点区域在遥感图像上的灰度值,然后建立灰度值与其树高之间的回归模型,其决定系数达到0.88,...     

应用于森林资源管理的组件式地理信息系统的开发(英文)

作为新一代地理信息系统,组件式地理信息系统(ComGIS)已经应用于城市规划、土地利用、交通运输等各个领,,并成为地理信息系统重要的发展趋势之一。本文分析了GIS 在森林资源管理领域中应用的历史、现状及趋势,以解决森林资源管理中存在的实际问题为出发点,根据森林资源数据的地理空间特征,开发了用于森林资源管理的组件式地理信息系统。系统采用Visual C++为开发平台,嵌入ESRI 公司的MapObjects。以西岗子林场为研究对象,对系统设计、数据组织和实现方法等内容进行了阐述。该系统具有很强的实用功能,如,实现各种地图的加载和不同的地图显示方式,可利用鼠标滚轮缩放地图,可对数据进行空间和属性查询,可根据数据特征采用不同的方式着色,利用与矢量图形数据绑定的属性数据控制标识文字(如林班号,小班号),以及根据特定需求输出柱状分析图等。附上部分源代码。图5 参16     

荒漠化程度评价高光谱遥感信息模型

本文用国产高光谱分辨率成像光谱仪系统数据对荒漠化评价建立定量化遥感信息模型。对荒漠化评价因子中的主要定量因子 (植被盖度、生物量和土壤含水率 )进行了定量反演 ;对难于进行定量计算的评价指标 ,先通过目视解译获得各因子的编码图 ,分别进行影像化后参加荒漠化程度评价遥感信息模型计算。通过每个像元都可获取全部评价因子的指标值 ,在现有的荒漠化评价方法的基础上 ,建立以像元为单位的荒漠化程度评价的定量化遥感信息模型并输出荒漠化程度分布图。结果表明 ,用高光谱数据定量反演荒漠化地区植被生物量、盖度和土壤含水率是比较可靠的。当反演区域内灌木和草地同时存在时多项式模型的精度要明显高于线性模型 ;当植被类型单一时 ,模型即为较高精度的线性模型 ,但模型的应用地域范围受到限制 ,只能分块进行计算。因此 ,在只有灌木和草地的区域用多项式模型反演会提高效率。土壤含水量的反演方法适合于地形平坦、植被比较稀疏的条件。但研究发现 ,基于土壤热惯量的含水量模型具有一定的抗植被干扰能力。荒漠化程度评价的遥感信息模型的精度主要取决于现有荒漠化评价的方法 (即评价指标是否科学合理、专家给定的权重和等级标准是否客观 )以及各指标数据的获取精度     

ArcView GIS中地图要素的自动生成

为了提高GIS输出的质量,提供了在ArcView GIS中自动生成地图数学要素的算法和程序。该程序用Avenue语言编写。为了使程序简洁、高效,采用了调用动态连接库技术,把复杂的计算部分编写为动态连接库,在ArcView GIS中调用。