基于国产高分数据的森林蓄积量反演研究

以内蒙古旺业甸林场为研究区,结合地面调查,对高分二号遥感数据进行预处理,并提取光谱信息、植被指数及纹理信息等48个遥感因子,采用Pearson相关系数法筛选出8个因子进行建模。采用多元线性回归、多层感知机、K-近邻、支持向量机、随机森林模型估测森林蓄积量,得到研究区内森林蓄积量反演图。结果表明:1)高分二号影像提取的遥感因子中,基于二阶矩阵的纹理特征均值(Mean)与森林蓄积量的相关性较高;2)随机森林相对于多元线性、多层感知机、K-近邻、支持向量机等方法具有更好的森林蓄积量估测精度,其相对均方根误差(rRMSE)为25.40%;3)研究区内森林蓄积量高的地区主要分布在西部和东南部;森林蓄积量低的地区主要分布在西北部、中部及北部,与实际调查情况一致。国产高分二号影像利用随机森林算法在森林蓄积量反演方面具有一定的潜力。     

基于XGBoost的高分二号影像树种识别

树种分布是森林资源监测的一个重要指标,也是遥感影像在森林资源监测应用中的难点之一。基于国产高分二号卫星影像数据、森林资源二类调查数据、DEM数据,结合光谱、纹理、指数及地形因子等多种特征,比较支持向量机、随机森林和XGBoost等3种分类算法,根据分类精度选择最优算法(即XGBoost)进行特征筛选,对龙泉市的阔叶树、马尾松、杉木和毛竹等4种主要优势树种进行分类。结果表明:采用XGBoost分类模型的分类总精度为83.88%,Kappa系数0.78,较支持向量机和随机森林分类方法有明显提高。经特征选择后,虽未明显提高树种分类精度,但可以减少特征的冗余,为小样本数据下特征的选取降维提供了一定的参考。     

浅议广东森林自然度划分标准

森林自然度反映现实森林类型与地带性原始顶板森林类型的差异程度。是反映森林质量和生态状况的一项重要指标。文章叙述了广东省森林自然度划分标准及实践应用情况。探讨了实践应用中存在的问题，提出了完善划分标准的建议。     

基于高分二号的旺业甸林场蓄积量估测模型研究

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。     

基于高分二号多光谱数据的树种识别方法

树种识别一直是困扰遥感研究的一个难点,而国产高分二号识别地物和树种具有巨大潜力。选取四川省甘孜州道孚县为研究区,利用高分二号4m多光谱遥感影像,并结合该县的森林资源二类调查结果数据,分别采用最大似然法和支持向量机方法,对利用高分二号数据在树种识别应用中的可能性进行探讨。研究结果表明:所采用的两种方法识别出研究区域主要树种的精度都高于80%,其中:采用最大似然法分类精度为81.79%,支持向量机方法分类精度为86.75%。在先验知识的支持下,利用高分二号多光谱影像也可用于树种识别研究中。     

森林灾害的高分遥感辅助调查技术体系研究

森林灾害的突发性、周期性特点为监测调查带来很大困难,且随着社会经济的快速发展,全面的人工地面调查方法面临严重挑战。今后十几年我国对地观测能力的极速提高,可为森林资源的准实时变化监测提供基础保障。阐述了国产高分遥感数据应用的关键技术方法,展示了其在完善现有地面调查体系中的指导性作用,设计开发了适宜于县或省级应用的原型系统和技术体系,以期为国产高分数据的森林灾害监测应用提供技术示范和支撑。     

基于森林自然度的城市森林状况评价

研究应用层次分析法建立森林自然度评价体系,运用等间距法将城市森林自然度综合指数分为5个等级,基于森林自然度对石家庄市5个行政区以及周边接壤区县森林状况进行评价。评价结果表明：长安区、桥东区、桥西区、新华区、裕华区5个行政区和井陉矿区的自然度等级为5,评价结果为人工森林群落;正定县、栾城县、藁城市的自然度等级为4,评价结果为半人工森林群落;鹿泉市的自然度等级为3,评价结果为远天然森林群落;井陉县的自然度等级为2,评价结果为半天然森林群落;石家庄市森林状况自然度等级总体偏低。最后,根据不同区域的评价结果提出相应的经营措施。     

基于GF-2号影像的森林优势树种分类

利用遥感数据开展森林资源优势树种的分类对森林资源的监测、森林可持续经营及生物多样性研究具有重要意义。研究针对复杂地形区域的破碎化森林,采用高分二号(GF-2)的多光谱影像作为基础数据进行森林优势树种的精细分类。本文以地形复杂、森林破碎化的湖北省竹山县九华山林场为研究对象,采用面向对象分类方法对树种进行精细分类,比较支持向量法、最近邻法(KNN)和随机森林(RF)三种不同分类算法的分类效果。在尺度阈值为30、合并阈值为95时分割的基础上,利用SVM、KNN和RF分类结果和分类精度差异较大。分类精度最高的是SVM分类方法,总体精度为68.52%,Kappa系数为0.62;其次为随机森林分类法,总体精度为60.29%,Kappa系数为0.54;KNN分类方法精度最低,总体精度为59.41%,Kappa系数为0.53。GF-2号数据能满足树种分类基本需求,在复杂地形和景观破碎化地区用支持向量机进行树种的分类精度更高,但仍存在一定的局限性。     

森林自然度评估方法研究进展

正确了解现实森林在演替过程中的自然状态和受到干扰的程度,准确评价现实森林与目标植被的差别,对于森林植被的恢复和重建、人工林近自然化改造、森林生态系统的健康维护具有重要意义和指导作用.对此,国内外许多学者开展了有关森林自然度评价的研究.文章介绍了当前国内外森林自然度的内涵、评价指标与评价方法,讨论了这些评价研究工作中存在...     

宣城市森林自然度调查研究

以宣城市最新的森林资源二类调查数据为依据,通过指标筛选、权重分配、归一化处理、等级划分,将全市森林自然度划分为5个等级。结果表明:宣城市森林自然度综合指数为0.69,森林生态系统功能较完整,森林群落类型演替序列程度较高;森林自然度各等级面积呈先增加后降低的趋势,林地中乔木林和竹林各等级变化趋势一致,且竹林的等级聚集更加集中;研究结果对宣城市的森林经营管理具有指导作用。     

基于高分二号影像的森林变化快速检测方法研究

[目的]探讨用于快速更新森林资源数据库的森林变化检测方法,监测短时期内森林采伐与更新的动态变化。[方法]以变化频繁快速,高度集约经营的广西上思县人工林作为研究区,以两个时相的高分二号遥感影像作为数据源,分别利用红波段、近红外波段和NDVI 3种特征的影像差值,并基于分布函数确定阈值,对研究区进行快速的变化检测,并提取变化区域和变化类型。[结果]表明,3种特征差值的检测精度排序为:NDVI差值法最优,红波段差值法次之,近红外波段差值法最差。其中NDVI的总体精度为87.12%,Kappa系数为0.76,[结论]该方法在实现快速检测变化的目的下,可用于森林资源数据库的更新。     

应用层次分析方法进行森林自然性评价的探讨

在充分考虑前人对森林自然性的研究[1,2,3]以及河北山区的植被类型分布状况的基础[4]上,以连续清查固定样地调查数据为基础,采用层次分析方法,着重从自然构成、树种多样性、人为干扰程度等方面入手,构建森林自然性评价的指标体系,并以河北山区为例说明。     

高分一号卫星数据影像校正及融合算法在林业监测中的研究

指出了高分一号卫星是中国高分辨率对地观测系统的首发星。从林业行业森林调查应用出发,针对国产GF-1卫星数据的特点,从国产GF-1影像数据基本特征、正射校正与配准、波段组合影像融合算法比较精度评价等一系列流程进行了研究。研究结果表明:GF-1影像数据校正时,控制点选择为95-105区间数量最为合适;经过Pansharp、PCA、 HIS融合方法定性与定量分析,Pansharp融合算法相对较优。研究为国产卫星数据的行业推广应用奠定理论基础。     

基于GF-1和TM数据的金河林业局天然林保护成效评估研究

[目的]利用遥感影像的特点,将地表覆盖类型和植被覆盖度作为天然林保护成效评估的研究指标,提出一种评估天然林保护成效的方法。[方法]首先,分析GF-1遥感影像特点,结合TM影像特点,研究针对GF-1遥感影像的处理和分析技术;其次,选择评估天然林保护成效评估的指标;再次,选取内蒙古金河林业局作为试验区,对试验区的地表覆盖类型变化、植被覆盖度变化进行分析,结合现地调查数据进行验证,从而评估天然林保护成效。[结果]基于采用分类后比较法能够有效检测出地表覆盖类型变化,经验证检测精度能够达到90%以上;归一化植被指数结合像元二分模型能够用于复杂地表植被覆盖度的反演,经野外实测数据验证精度可达到83%。[结论]根据地表覆盖类型变化监测和植被覆盖度变化监测结果,金河林业局天然林保护工程实施以来实现了森林资源由过度消耗向恢复性增长转变。     

高空间分辨率遥感森林参数提取探讨

介绍了高空间分辨率遥感在森林参数提取方面的研究和应用情况,并结合国内外学者在此方面所做出的研究成果,对不同森林参数的提取分别做了阐述,包括单木树冠轮廓信息、胸径、森林生物量、树种识别和分类、叶面积指数、森林郁闭度、木材结构和性质。最后分析了高空间分辨率遥感在森林参数提取方面存在的问题,并对该领域的应用前景作了展望。     

基于GF-2遥感影像的潍坊城区建筑高度反演研究

由于遥感技术是当前先进信息科技的重要组成部分,在采集处理和分析应用地球表面空间数据中起到越来越重要的作用。以GF-2卫星影像为数据基础,通过对影像进行正射校正和预处理操作增强图像的几何信息、纹理以及光谱特征,进一步提取了建筑物阴影和基坑信息,通过构建太阳和卫星各自所处位置的高度角、方位角与建筑物之间的几何参数反演模型来估算建筑物高度。结果表明:基于GF-2遥感影像的建筑物高度信息提取技术,在分析建筑物几何信息的同时兼顾到建筑物的光谱信息,提取的建筑物阴影和基坑信息更为准确,研究区内随机抽取一定数量的建筑物,对实测高度值和估算高度值进行误差对比分析,反演误差在0.73 m左右,总体精度约为96.68%,符合预期目标要求。潍坊城区多层建筑(9~30 m)所占有率较高,超高层建筑(大于100 m)所占比重相对较低,且不同区域分布不均,多层建筑多分布在老城区(潍城区、奎文区),城区边缘多以低层建筑分布为主,体现了建筑物类型分布与区域经济发展水平呈正相关。     

基于高分辨率卫星影像的森林资源动态变化监测与驱动力分析

以陕西省镇巴县林区为研究对象,以高分一号和资源三号卫星影像进行森林资源动态监测,利用转移矩阵的分析方法,计算得到镇巴县森林类型相互转移的面积百分比,区分其变化的系统性和随机性。结果表明:1)在2009—2016年间发生最明显的转移是非林地转为有林地,增加量最多的类型是有林地。2)总变化量变化最多的类型是有林地,其次是非林地和未成林造林地,而随着生态保护工程的实施,森林资源组成结构更加优化。3)使用统计学方法快速区分出了各森林类型动态变化的系统性和随机性。镇巴县在2009—2016年间最优势的系统转移为:灌木林地转为有林地,灌木林地转为非林地。最优势的随机转移为:有林地转为灌木林地和疏林地。4)影响该地区林地变化的最主要驱动力是林业规划调整。5)通过该方法可以有效快捷地得到森林资源动态变化情况,对深入探究其变化机理,为政府制定出森林资源管理政策提供了帮助。