基于ICESat-GLAS的坡地最大树高估测模型比较研究

地形坡度对星载LiDAR(lightdetection and ranging)估测最大树高具有较大的影响。为了提高坡度条件下树高的反演精度,通过建立坡地条件下5种不同的最大树高估测模型,前3个模型分别使用不同DEM(digital elevation model)数据的地形指数来量化地形坡度的Xing模型,第4个模型使用波形参数-未改进边缘长度来量化地形坡度,第5个模型与第4个模型类似,用改进边缘长度来替换未改进边缘长度。结果可知,波形参数模型的精度要高于使用DEM数据的地形指数的Xing模型的精度,第5个模型的精度要高于第4个模型的精度。表明波形参数量化地形坡度的能力要优于DEM数据的地形指数,而改进边缘长度模型更适合估测坡地的最大树高。     

基于TerraSAR-X/TanDEM-X干涉DEM的森林冠层高度估测

森林树高的大面积估测一直是森林资源调查和林业遥感所面临的技术难题。以云南省勐腊县森林资源为研究对象,将DEM差分法与TerraSAR-X/TanDEM-X全极化干涉数据、地形图相结合,用TerraSAR-X/TanDEM-X数据干涉生成各极化通道带有森林冠层高度的DSM,从地形图上提取地表高度DTM;对2个高度模型进行水平位置匹配,并提出用参考面将DSM与DTM转换为相对高度模型RDSM和RDTM,以消除高程基准差异;最后对RDSM和RDTM进行差分运算,估测出研究区各极化通道下的森林冠层高度分布。采用森林资源二类调查数据,对各极化通道的冠层估测高进行了合理性验证。研究表明:DTM的高程基准面低于DSM,平坦农地适合作为参考面提取相对高度模型。在小班尺度上与森林资源二类调查数据的对比显示:各极化通道的冠层估测高与小班林分高均呈显著的中等正相关,冠层高度估测值大小合理,人工林的估测结果略优于天然林;人工林与天然林的冠层估测结果均在主要坡度分布区间内与小班林分高的相关性高;各极化通道的估测结果整体上没有明显差异。从总体上来看,基于地形图和TerraSAR-X/TanDEM-X数据,利用DEM差分法来大面积估测森林冠层高度是一种有效可行的途径,为辅助森林资源调查工作提供了新思路。     

基于星载LiDAR波形数据的森林胸高断面积估测研究

为探索星载LiDAR在森林胸高断面积上的应用潜力,利用星载激光雷达ICESat/GLAS波形数据对吉林汪清林区的森林胸高断面积进行估测。通过对ICESat/GLAS波形数据波形进行处理,提取一系列波形特征参数,利用回归估计方法分析波形特征参数与胸高断面积的相关关系,建立预测模型对森林胸高断面积进行估测。结果表明:在所提波形特征参数中,波形长度、H₅和H₁₀与胸高断面积在三次函数拟合时具有明显的相关性,判定系数R₂分别为0.813、0.737和0.613,预测精度P分别为0.951、0.932和0.901,综合分析最终确定波形长度估测模型最好,该模型可稳定准确地估测出胸高断面积。表明星载LiDAR是未来估测森林胸高断面积一种有效的方法,并为进一步的森林蓄积量研究提供了一种技术手段。     

基于DEM差分法的TanDEM-X数据森林高度估测

以现有Lidar获取的DEM(数字高程模型)数据、CHM(冠层高模型)和样地调查数据为辅助数据,基于干涉测高原理,以DEM差分法为例,分析该方法支持下TanDEM-X数据在普洱研究区森林高度估测中的可行性。结果表明,TanDEM-X数据在森林林分高度估测中具有很大的潜力,在有高精度地表DEM数据支持下,采用该法获得估测结果与Lidar数据获取的CHM(冠层高度模型)数据较接近,两者的RMSE为4.39 m,R2为0.70。此外,相位噪声对估测精度有严重影响,相位噪声剔除前后,估测结果与Lidar获取的CHM数据的R~2分别为0.23和0.70。     

基于机载LiDAR全波形数据白桦林林分LAI反演研究

为提高森林叶面积指数(LAI)的估测精度,本研究以白桦林为研究对象,以机载激光雷达(LiDAR)全波形数据为研究数据,首先提出了机载LiDAR全波形数据读取与波形特征信息提取的相关算法,结合具体算法的实现分析出每条全波形对应的各波形分量的能量信息,然后依据波形能量信息在传统激光穿透指数(LPI)计算的基础上结合全波形数据的特点,计算出全波形激光穿透指数(LPIfi),最后获得样地体元激光穿透指数(LPIf-mean),用于估测森林林分LAI,并将估测结果与机载LiDAR离散回波点云数据估测森林LAI的结果进行了对比。结果表明,全波形样地体元激光穿透指数LPIf-mean与森林林分LAI之间的建模精度R~2=0.815,RMSE=0.105,预测精度R~2=0.864,RMSE=0.139,同时在同等样地尺度下,全波形数据返回脉冲能量信息估测森林LAI的精度要高于离散回波点云数据的,因而,基于机载LiDAR全波形数据能够实现森林林分LAI的高精度反演。可以为进一步森林生态参数模拟与估测提供高精度的基础数据,弥补和提供了机载LiDAR全波形数据估测森林LAI的方法和思路。     

基于DEM的数字地形分析

该文在对数字高程模型（DEM）数据来源及结构、数字地形分析及其应用、基于DEM的地形分析中的不确定性和误差分析的基础上,以日本东北地区岩手县早池峰山为研究对象,美国MicroImage公司开发的TNTmips地理信息系统为工具,日本国土地理院发行的“数字地图25000”为基础数据,研究基于DEM的数字地形特征提取与分析方法,以及DEM精度对地形特征的影响. 研究结果表明:①以DEM为基础可提取多种地形特征,如坡度、坡向、坡面形态、流域边界、水流路径等,这些特征在地理信息系统的支持下均可用图形和属性数据来表示;②DEM水平精度对基于DEM提取的数字地形特征影响表现为:低精度的DEM将导致研究区平均坡度变小、坡度标准差变大;同时,DEM精度对不同坡度区域表现为不同的影响,其结果按坡度大致可划分为3种不同类型,即0°～10°、10°～35°以及大于35°; DEM精度对坡向的影响除平坡外变化较小,其中平坡面积随DEM精度的降低而增大;低精度的DEM将导致水文地形信息受损,这将严重影响流域水文模型参数的确立及水文过程模拟分析的精度.      

应用辅助信息提高森林分类和森林区划能力的研究

由于同物异谱、异物同谱现象的大量存在 ,以及地形地势、土壤水分等影响 ,使应用遥感数据的森林分类能力受限 .为此许多学者研究应用专家系统、神经网络、反演模型来提高分类精度 ,但在复杂地形、森林植被较破碎时其分类效果仍不理想 .因此不少学者将目光转向辅助信息 .所谓辅助信息就是借助直接和间接能影响森林植被分类能力的一些因子 ,如海拔、坡向、土壤厚度、坡度等 ,此外一些专题图件如林相图也是很好的辅助信息 .电子林相图除有图形信息外 ,同时也具有属性信息 ,属性信息中又包含了大量地形地势、土壤、树种及树种组成等信息 ,这些对森林植被分类具有很大的参考价值 .而地形图和在此基础上形成的DEM图除对森林植被分类具有参考价值外 ,同时对区划小班、林班也具有重要的应用价值     

参数优选支持的光学与SAR数据森林地上生物量反演研究

  目的  森林是整个陆地碳循环系统中最大的有机碳贮库,准确地估测森林地上生物量影响着全球碳源与碳储量的分析与评价。本文旨在评价利用Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR 3组不同源遥感数据估测森林AGB的潜力,进而剖析光学数据和SAR数据在估测森林AGB方面的差异。  方法  首先对Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR数据分别提取波段比值、植被指数、纹理信息,对ALOS-1 PALSAR-1SAR数据同时提取极化分解信息;然后,利用随机森林算法对不同数据提取的特征参数进行重要性排序,选择排序靠前的特征进行建模;最后,利用KNN-FIFS算法分析不同特征组合,对4组数据建立4个模型估测森林AGB,并使用留一交叉验证法对4个模型估测森林AGB值进行精度评价。  结果  使用植被因子、波段比值、纹理因子、极化分解信息4种特征参数分别对3组数据进行建模估测森林AGB,基于Landsat8 OLI数据反演森林AGB的精度评价结果为R2 = 0.50,RMSE = 33.34 t/hm2;基于高分一号数据估测精度为R2 = 0.36,RMSE = 37.60 t/hm2;基于PALSAR纹理特征估测精度为R2 = 0.45,RMSE = 35.40 t/hm2;基于PALSAR全极化分解信息估测精度为R2 = 0.63,RMSE = 28.84 t/hm2。  结论  参数提取方法相同时,即基于植被因子、波段比值、纹理信息3种特征参数估测森林AGB,其光学数据和SAR数据的反演潜力基本一致;参数提取方法不同时,即SAR数据加入极化分解信息估测森林AGB,与光学数据相比,SAR数据对森林AGB的反演潜力较好。      

极化干涉SAR森林冠层高反演的地形坡度改正

极化干涉SAR森林冠层高反演是当前SAR领域研究的热点。经典的森林冠层高反演算法主要基于随机地表二层相干散射模型(Random Volume over Ground,RVo G),该模型在山区受到植被层下地表的地形坡度影响,反演精度存在较大误差。为了提高森林冠层高反演精度,采用地形坡度改正的S-RVo G(Sloped Random Volume over Ground)模型,结合三阶段算法,应用德国宇航局DLR提供的星载Tan DEM-X全极化干涉数据反演森林冠层高,并对结果进行验证。结果表明:坡度级为II、III级,RVo G模型反演效果接近于S-RVo G模型;坡度级为IV级,RVo G模型与二调平均树高的相关关系明显下降,加权相对误差和RMSE增大;S-RVo G模型与二调平均树高保持显著相关关系,反演误差同比小于RVo G模型。因此,S-RVo G模型一定程度上改正了地形坡度造成的误差,提高了森林冠层高反演精度,在坡度大的地区精度提升程度更为明显。     

基于径向基网络模型的森林生物量估测

以高黎贡山自然保护区常绿阔叶林为研究对象,选取2006年印度卫星(IRS)数据,包括4个波段数据,并提取6种植被指数,利用DEM提取海拔、坡度、坡向值共13个因子作为模型输入变量,样地生物量为输出变量,利用径向基GRNN模型建立森林生物量估测模型.以降低拟合及预报误差为训练目标,不断调整模型参数(Sp),当Sp为115时,模型最佳.     

基于LIDAR数据的林冠层三维信息模型的提取与应用

该文应用机载激光雷达数据,获得了高精度的树冠底部地形信息及树高信息,提取了包含植被冠层高度的数字表面模型,即林冠层三维信息模型(DCM),结合研究区的数字高程模型(DEM)可以获得用常规方法很难准确获取的森林植被参数,如冠层垂直结构、森林高度、郁闭度等.在此基础上,制作了研究区的林木高度图,具有直观、形象等特点,有助于林业部门及时、准确地掌握森林资源相关信息,并可利用DCM获得森林密度、胸高断面积、蓄积量(生物量)及单木参数等森林植被参数.     

基于DEM与太阳辐射的北京市山地坡向提取方法研究

目的坡向是描述地形的重要因子,基于DEM提取坡向对于自然生境分析与地理生态过程模拟具有重要意义。同时,由于山地地形复杂,坡面太阳辐射受地形遮挡影响很大。本文基于DEM与太阳辐射研究山地坡向提取方法,既保持了DEM计算山地坡向的客观性,又能和坡面阴阳属性保持良好的一致性,为山地气象、土壤分布、立地条件、适宜性分析等有关研究奠定基础。方法以DEM数字地形分析技术为基础,应用基于DEM的太阳辐射分析模型,探究太阳辐射量与坡向、坡度和海拔之间的关系,建立北京地区太阳辐射参考模型,并计算样地点标准太阳辐射;依据样地点DEM计算太阳辐射与标准太阳辐射推导出太阳辐射等效坡向。结果以北京市一类清查数据山区的2 000个样地点为测试数据,将30、60、90、120、150、200 m空间分辨率的DEM计算坡向作为评判标准,建立太阳辐射参考模型,其中1 398个样地点的DEM计算太阳辐射与标准太阳辐射差异小于5%,太阳辐射等效坡向与30 m空间分辨率DEM计算坡向保持一致,占全部样地点69.9%;602个样地点受地形遮挡较大,依据太阳辐射参考模型计算进行调整,调整后其中583个样地点的太阳辐射等效坡向与评判标准一致。结论与一类清查人工测量坡向的比较表明:测试数据中样地点的太阳辐射等效坡向与评判标准一致性达到99.05%,而测试数据中样地点的人工测量坡向与评判标准一致性为72.05%。因此,依据本文方法推导出的太阳辐射等效坡向能反映出实际太阳辐射的信息,推导的坡向科学实用,为森林资源调查、立地分析等研究与生产提供了坡向获取的新方法。      

北京山区侧柏游憩林抚育技术模式研究

为研究北京山区低山厚土中龄侧柏游憩林的合理构成,采用SBE法对侧柏游憩林林内景观进行景观评价,应用数量化理论Ⅰ建立喜好度与各景观类目之间的景观评价和预测模型,并由此分析得出定量化的抚育技术模式。研究表明,应当通过定量化的清枯枝、修活枝、割灌和间伐等抚育措施提高游憩林的景观质量,将阳坡侧柏游憩林抚育成无枯枝、密度在1 750株/hm2左右、郁闭度在0.8左右、灌木层高度和盖度分别在1.0 m和50%以下、第一活枝高在4.0 m左右、林下层有一定变化的高景观质量林分;将阴坡侧柏游憩林抚育成无枯枝、密度在1 000株/hm2以内、郁闭度在0.8左右、灌木高度不超过0.5 m、盖度在30～50%之间、第一活枝高在4.0 m左右、林下层较统一的高景观质量林分。      

松瘿小卷蛾发生与林分因子的关系研究

[目的]了解松瘿小卷蛾（Cydia zebeana Ratzebury）发生与林分因子的关系,为控制森林主要病虫危害和提高森林健康提供参考.[方法]通过分析大兴安岭地区93个松瘿小卷蛾受灾小班相关数据研究了松瘿小卷蛾发生与林分因子之间的关系.[结果]主要受灾海拔区间为400 ～630 m,受灾比较严重的3种林型为兴安杜鹃兴安落叶松林、兴安杜鹃白桦林、坡改落叶松林,发病小班数共65个,占发病总数的69.89％.南坡发病数是北坡的2.00倍,郁闭度发病区间相对集中,郁闭度0.40 ～0.70占所有发病总数的87.10％,人工林发病率是天然林发病率的3.84倍,发病林胸径范围主要集中在0～ 16 cm,占受灾林地的93.55％,各胸径组间感病指数差异不显著.虫口密度与发病林地的乔木平均树高、乔木平均胸径均呈显著相关.[结论]为大兴安岭地区森林健康维护与提高提供了技术支撑.     

杉木人工林冠层高度无人机遥感估测

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机（UAV）的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型（DSM）,利用1:10 000地形图生成数字高程模型（DEM）;基于DSM和DEM叠加相减得到树冠高度模型（CHM）,实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数（R2）分别是0.97,0.84和0.78,标准误差分别是0.67,1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。     

利用中低分辨率DEM提取坡耕地坡度信息的误差分析(英文)

利用数字高程模型(DEM)实现坡耕地数据的自动提取和侵蚀状况调查,并与实地勘察及相关研究结果进行对比,分析利用中低分辨率DEM提取坡耕地坡度信息误差的来源及其对水土流失调查结果的影响。结果表明:利用忠县1∶50000地形图生成分辨率为25m的DEM,基于该分辨率DEM自动提取的坡耕地信息在评价其水土流失现状时与实地勘察和相关研究结果存在一定差异,其主要原因为:①该地区地貌特殊,平行岭谷地貌和出露的侏罗纪紫色泥(页)岩与砂岩互层结构共同作用形成的地形较为复杂,造成该区土地利用多以小地块为主的镶嵌结构,而分辨率较低的DEM对地形起伏的描述误差较大;②人为修建的梯田(水田)、坎田以及垄沟整地措施对坡耕地微观地形改变的影响较大。因此,在坡耕地水土流失现状评价中,单从中低分辨率DEM获取坡度信息来判断水土流失程度,将会产生较大误差。DEM分辨率越高,对与坡度有关的地貌和水文参数的描述越精确,提取的坡度信息越准确。中低分辨率坡度可以通过变换,使其接近较高分辨率坡度对地形起伏的反映能力。此外,还应加强实地勘察力度,并与计算机自动提取技术相结合,才是正确评价坡耕地水土流失的方法。