基于ALOS PALSAR数据的森林蓄积量估测技术研究

以吉林省汪清林业局为研究区,基于ALOS PALSAR和森林资源二类清查固定样地数据,利用非线性回归方法建立了固定样地蓄积量与所对应的PALSAR像元后向散射系数之间的关系,结果表明,除杨树(Populus us-suriensis)等树种组外,PALSAR的HV后向散射系数与蓄积量呈良好的正相关关系,对多数树种而言,交叉极化方式(HV)后向散射系数与蓄积量的决定系数比同极化方式(HH)的略高。若以林场为单位统计,采用回归方法得到的估测结果与直接利用固定样地估测的结果相差很小。     

几种SAR影像斑点噪声滤波器的快速实现算法

本文提出了用C 语言在计算机软件工程中几种经典滤波快速实现的算法，在程序设计中充分考虑了滤波程序运行涉及的窗口数据迭代重复性问题，折中了海量遥感图像数据读写交互与计算机缓存有限性的问题。与遥感处理商用软件——-ERDAS同名滤波器处理同幅图像的速率对比得出，经过改进后的滤波程序明显快于ERDAS同名滤波器的处理。     

喀斯特山区森林蓄积量的合成孔径雷达遥感估测研究

喀斯特山区是我国西南地区的一种特殊而脆弱的生态景观。由于阴云多雨,喀斯特山区的森林光学遥感数据不易及时获取,影响该生态系统森林资源的调查。合成孔径雷达(SAR)估测技术利用雷达穿透能力强,可穿过云雾直达林冠,其微波与冠叶和枝干发生作用,具有全天候的观测能力,因此非常适合云雾多雨山区森林蓄量的定量评估。本研究选取贵州省惠水县喀斯特山区为试验区,应用SAR数据和森林资源地面数据,建立回归参数模型,估测该试验区的森林蓄量,并对此方法的结果进行精度分析,以期为贵州喀斯特山地生态系统森林资源的高效管理和可持续发展提供依据。     

一种遥感混合分类算法及其在森林分类中的应用

基于监督分类和非监督分类方法相结合的混合分类方法在森林非森林的识别方面有很好的识别效果，探讨了一种遥感混合分类算法(Iterative Guided Spectral Class Rejection)。首先对IGSCR的算法理论进行了阐述，然后利用IGSCR分类算法对同一地区多时相遥感影像进行复合的影像进行森林分类实验。通过与最大似然法的对比实验表明，IGSCR分类方法将非监督分类方法所具有的自动对具有相同光谱特征类别进行集群的能力，辅助于训练样本的获取，可以有效降低因人工判断类别光谱纯度不准确而引起的类别样本光谱混杂问题，因此能在一定程度上提高分类精度，改善分类效果。     

基于ALOS PALSAR双极化模式数据的森林覆盖识别方法研究

[目的]探讨森林PALSAR双极化模式数据后向散射、极化和干涉相干性等特征,提出一种在异质地区的森林识别方法。[方法]以中国东南部漳浦县为试验区,对试验区不同土地类型PALSAR的后向散射信息、极化比值和相干性信息进行分析。[结果]利用该区林相图及同时相SPOT-5影像进行精度检验,其总体精度、用户精度和制图精度均高于90%。[结论]基于PALSAR双极化模式数据进行森林识别精度较高。     

遥感混和分类算法及其在森林分类中的应用

本文主要通过和传统分类方法相比较,来阐述了一个遥感混和分类算法(Iterative Guided Spectral Class Rejection)的主要实现原理和方法以及该方法在森林非森林的识别方面的优势.然后通过利用该分类算法,对同一地区多时相遥感影像进行复合的影像森林分类实验,以及通过与最大似然法的对比实验,来说明该算法载森林分类中的应用和优势:提高分类精度,改善分类效果.