基于星站差分GPS及DEM的林区SPOT5数据正射校正

通过星站差分GPS采集高精度的地面控制点(GCP),结合林区1∶1万DEM数据和SPOT5物理模型对SPOT5数据进行正射校正。结果表明,采用该方法校正所有GCP总体中误差为1.337个像元,能够满足林业资源调查规划设计的要求。     

基于高分辨率遥感数据和成数抽样的森林覆盖率年度监测方法

为了提高区域森林覆盖率的年度监测精度,在高分辨率遥感图像上布设系统抽样样地,通过图像判读结合地面核查,采用成数抽样的方法监测森林覆盖率。结果显示:总体抽样精度达到95.03%,与传统的全面外业核查方法相比,外业工作量减少92.44%,监测时间减少85%以上。     

星基差分GPS用于林区高分辨率遥感图像几何精校正

为解决林区缺乏大比例尺地形图而难以进行高空间分辨率遥感图像几何精校正问题,采用基于广域差分技术的星基差分GPS精确测定地面控制点(GCP),以多项式变换进行QuickBird pan(0.61 m)图像几何精校正.结果表明,全部GCP的点位误差均小于1个像元,总的点位误差为0.411 9.在进行图像灰度重采样中,最邻近点法、双线性内插法和三次褶积法的效果均无明显差异;就信息量和灰度值变动情况而言,以三次褶积法略好;就图像灰度保真而言,以最邻近点法略好.     

基于光谱纹理信息和知识挖掘的SPOT5遥感图像分类研究

为探讨高分辨率遥感图像用于中小尺度森林分类的模式,利用SPOT5遥感数据、地面样地调查数据和前期森林资源规划设计调查G IS资料,以图像的光谱和纹理信息为主、历史调查数据的知识为辅构建专家知识分类系统对SPOT5图像进行森林分类,并探讨了历史调查数据在该模式中的贡献率。结果表明,对于所选取的8个类别,总体分类精度达到了92.97%,各类别的分类精度均达到87%以上,分类效果良好;历史调查数据在分类过程中的总体贡献率为11.55%,对提高SPOT5图像分类有较大的帮助作用,尤其对竹林、八角和玉桂、灌木林分类的辅助作用表现更为明显。     

南京地区近地面紫外辐射UV-B强度对小麦生长及产量影响的评估

在降低目前南京地区近地面紫外UV-B辐射强度15.3%的条件下,采用室外盆栽试验方法,研究了小麦的生长及产量的变化。试验结果表明,降低目前近地面紫外UV-B辐射强度,小麦的株高、叶面积、叶绿素含量、生物产量及经济产量均显著增加,而叶片类黄酮含量显著下降。结果还表明,在小麦不同生育期降低目前近地面紫外UV-B辐射强度,小麦的产量增加幅度也有显著差异,表现为拔节—齐穗期>齐穗—成熟期>苗期。说明目前南京地区近地面紫外UV-B辐射强度对小麦生长及产量已构成一定程度的影响,且小麦拔节—孕穗期是对UV-B辐射的敏感时期。     

中国森林资源调查:历史、现状与趋势

自20世纪50年代初以来,中国森林资源规划设计调查经历了目测调查(踏查)、航空目测调查、以小班为基础的抽样调查、以地形图为基础的小班调查和以高分辨率卫星遥感图像为基础的小班调查5个主要技术发展阶段。文中介绍各阶段森林资源调查的主要调查内容、技术方法和手段,其中小班调查内容和林分调查因子测量方法自20世纪80年代中期以来基本稳定,但小班区划和数据处理方法随着遥感和计算机技术的进步得到了较大发展;综述了2017年以来以机载激光雷达和高分遥感为核心技术的大区域森林资源调查技术进展,并展望了超高分辨率卫星遥感图像、无人机、地基激光雷达等新技术在森林资源调查中的应用前景。     

基于SPOT5图像分割的森林小班边界自动提取

以SPOT5图像为研究对象,试验了4种图像分割方案,采用基于最终测量精度准则的多指标评价和基于欧氏距离的相似度综合评价两种方法,对分割效果进行评价,其中多指标包括圆度(RO)、紧致度(CO)、形状指数(SI)、最小包络椭圆短半径(RE)、椭圆度(EF)、形状因子(P2A)、面积相对误差(RA)、周长相对误差(RP)、中心位置绝对位移(DC)9个指标,相似度采用面积(A)、周长(P)、RO、CO、SI、RE、EF、P2A等8个因子计算。结果表明,原始图像直接用于分割的效果远好于经直方图均衡化后的图像。在图像分割过程中,输入图层的权重很大程度上影响分割效果,根据各输入图层标准差设置权重的分割效果,略好于根据图层信息量设置权重的分割效果。采用图像分割的方法自动提取小班边界,经适当后处理后编制工作手图用于森林资源规划设计调查,不但大量节省野外小班勾绘工作时间、降低劳动强度、提高工作效率,而且大幅度地提高了小班勾绘的准确性,确保面积调查精度。     

采用林分平均高和密度估计人工林蓄积量

采用2015年广西森林资源连续清查第9次复查中人工林样地调查数据,按树种组(杉木、松树、桉树)建立林分每公顷蓄积量与林分平均高、林分密度(郁闭度、每公顷林木株数)二元非线性模型(不变参数和可变参数),用确定系数(R~2)和平均预估误差(MPE)等6个指标对模型进行评价和检验。结果显示:全部12个模型的总相对误差(TRE)、平均系统误差(MSE)均小于15%,MPE均小于10%,表明采用林分平均高和密度估计林分单位面积蓄积量可取得较好的效果,但可变参数模型的参数的变动系数太大,不宜采用;3个树种组中,不论是不变参数模型还是可变参数模型,以平均高和每公顷林木株数构建的模型的R~2均大于由平均高和郁闭度构建的相应模型的R~2,而剩余标准差(SEE)、MPE则相反,说明每公顷林木株数对林分每公顷蓄积量变动的解释能力优于郁闭度。综合考虑6个统计指标和参数的稳定性,3个树种组的每公顷蓄积量的最优估计模型均为由每公顷林木株数、平均高构建的不变参数模型。     

高分辨率航片小班区划与树种判读

以广西壮族自治区南宁市高峰林场为研究区,采用CAF-LiCHy系统获取的20cm空间分辨率的CCD影像进行森林资源二类调查小班区划与树种判读技术研究。对研究区常见树种建立高分辨率航片树种解译标志,结合上一期二类调查的小班区划结果,使用目视解译的方法重新区划了小班边界,并根据解译标志完成了小班优势树种判读,使用实地调查数据进行精度验证表明,目视解译总体精度为92.11%,Kappa系数为0.90。结果表明,高分辨率航片在小班区划和优势树种判读中具有很好的应用潜力。     

基于天空地一体化森林资源调查的小班因子设置与信息获取方法

为有效改善现行森林资源规划设计调查中存在的问题,提出并试验了天空地一体化森林资源调查监测新技术体系。此方法虽较传统方法缺少下木植被与天然更新、林分健康状况等需实地调查记录的因子,但仍能够较全面地反映小班林地和林木资源状况(类型、数量、质量和结构)及其所处自然环境条件,完全满足集体林区森林资源经营管理需要和森林资源报表的统计需要,并可满足各种相关应用对森林资源基础数据的需要;除小班基本属性(土地类型、优势树种、林木起源和伴生树种)需要逐一进行图像解译和少量实地补充调查外,新技术体系的其余各项调查因子均可通过编写计算机程序自动获取,这极大地减少了调查工作量、降低了劳动强度、提高了工作效率,并且质量可控,有效地保证了小班调查数据的可靠性,确保了森林资源调查成果质量。