面向GF-1数据不同融合方法对扰动地块的提取

以GF-1影像为数据源,采用HPF变换(High-Pass fusion,高通滤波变换)、Ehlers变换(空间滤波变换)、Brovey变换(彩色标准变换)、GS变换(Gram-Schmidt,正交化变换)、PC变换(Principle Components,主成分变换)等5种常用融合算法,根据视觉分析和数理统计分析对融合后的影像进行质量评价,并通过面向对象分类方法对扰动图斑信息进行提取,研究适用于生产建设项目集中区扰动地表信息提取的融合算法。结果表明:基于PC和GS算法的融合结果影像视觉效果好,细节清晰,色调自然,纹理增强明显,较好的融合了多光谱影像的光谱信息和全色影像的空间信息。通过定量分析可知,PC变换最大程度地保持原多光谱影像的光谱特性,GS融合算法在增益效果上具有优势,融合影像信息量最大,纹理最为细致。总体而言,PC变换和GS变换影像融合算法在生产建设项目扰动图斑信息提取上具有很大的优势,在煤炭覆盖区提取正确率均为100%,在裸露地表和在建建筑用地混合区大于80%,较原始多光谱影像分类精度提高了约10%。该研究为推进国产高分遥感数据在生产建设项目水土保持监管中的高效应用奠定数据基础,对提升生产建设项目水土保持监管效率和信息化水平具有非常重要的意义。     

机载激光雷达森林资源调查系统的设计与试验

机载激光雷达对森林空间结构和地形具备较强的探测能力,已成为森林资源调查的重要技术手段,但目前针对该技术应用于森林资源调查方面的系统建设研究相对较少。为了实现林业的可持续发展,满足当今森林资源精准监测及管理的需求,从应用角度出发,以机载激光雷达数据为基础,结合机载激光雷达技术、地理信息系统技术与林业资源调查管理技术,搭建了适用于林业的专业森林资源调查系统。该系统以C++为编程语言,结合QT图形界面库、VTK三维引擎库及GDAL影像处理库开发而成,利用机载激光雷达点云数据实现高效的森林区域数字高程模型生成、单木及林分相关参数提取等功能,实现森林资源数据库的更新,缩短了传统森林资源调查的时间周期,最终实现森林资源调查的自动化及系统化应用。以甘肃省张掖市大野口关滩森林站超级样地为试验区,基于样地调查数据对系统提取结果进行了精度验证,结果表明,系统提取的区域高程最大偏差为1.102m,平均偏差为0.737 m,单木树高、冠幅的平均相对误差分别为13.66%、14.18%,株树密度、林分平均高的平均相对误差分别为5.83%、9.86%。     

基于加权信息量模型的油松毛虫灾害发生危险性评价

【目的】充分考虑影响灾害发生及灾害等级的气象、地形地貌等多种因素,实现多因子灾害发生危险性评价和制图,以期为灾前的防控和预警提供依据。【方法】以辽宁省西部的油松人工林为研究区,基于Landsat影像提取油松分布范围,以高程、坡向、坡度、降雨量、活动积温、日照时数、上一年灾害程度和距离上一年重灾区远近8个危险性评价因子,采用层次分析法确定各因子权重,建立加权信息量模型,结合GIS空间分析方法,将油松的受灾危险性划分为5个等级:极低危险区、低危险区、中危险区、高危险区和极高危险区,实现危险区划制图,并与实际灾害程度监测结果对比进行精度验证。【结果】1)根据信息量法原理,信息量值越大代表发生灾害的危险性越大。本文计算得到的各因子类别信息量值均与油松毛虫的生物学特性相吻合。2)研究区2017年虫灾极高和高危险区主要分布在建平县北部,中危险区主要分布在北部部分地区和建平县与凌源市交汇处,其他地区发生虫灾危险性较低,与实际调查结果相吻合。3)最终划分等级中的中低危险区和实际受灾油松失叶率大小对应关系明显,实际成灾油松林地中有90.32%被划分至高危险区和极高危险区。【结论】基于加权信息量模型的油松毛虫灾害发生危险性评价充分考虑了不同评价因子对灾害发生影响程度的差异,得到的风险区划结果较为准确,具有应用价值,可为大区域的森林病虫害危险性评价及风险评估提供技术依据。     

中高分辨率遥感协同反演冬小麦覆盖度

为了开展高精度、高时空分辨率的植被覆盖度(fraction vegetation cover,FVC)监测,该文以华北地区冬小麦地为研究对象,采用4期高分一号卫星多光谱(GF1-PMS)、多光谱宽幅(GF1-WFV)与环境一号卫星多光谱(HJ1-CCD)3种传感器同期影像数据集,基于像元二分法模型,研究多源中高分辨率遥感影像协同估算FVC方法.以基于高空间分辨率GF1-PMS影像反演的FVC作为检验数据,对单源直接获取法、多源全生育期法、多源分期法3种反演模型进行了分析比较.研究结果表明:HJ1-CCD、GF1-WFV数据与GF1-PMS数据的FVC直接反演结果具有较高的一致性,但在冬小麦的初期生长阶段,受卫星观测角度效应的影响,GF1-WFV与HJ1-CCD的FVC结果偏高,偏差随冬小麦的成熟封垄而逐渐减弱;多源分期法的时空反演得到的FVC精度最高,GF1-WFV的决定系数为0.984,均方根误差为0.030;HJ1-CCD的决定系数为0.978,均方根误差为0.034;而在缺少GF1-PMS匹配数据时,可通过多源全生育期法提高GF1-WFV与HJ1-CCD数据的反演精度,GF1-WFV的决定系数为0.964,均方根误差为0.044;HJ1-CCD的决定系数为0.950,均方根误差为0.052.通过多传感器的联合反演获取时间序列的高精度的FVC数据,可为研究植被生长状况及生态环境动态变化提供数据基础.