ArcIMS在国有林场森林资源网络发布中的应用

以湖南省林科院试验林场为对象,以ArcGIS软件为手段,对湖南省林科院试验林场内的森林资源进行了区划、分类和建库,并通过ArcIMS对湖南省林科院试验林场内的森林资源进行了网络发布,实现了湖南省林科院试验林场森林资源的数字化、网络化,方便了国有林场森林资源网络化管理。     

多源数据林地类型的精细分类方法

【目的】探讨复杂中山区域、多源数据支持下,高空间分辨率遥感影像林地类型层次化精细分类方法,以促进高分辨率遥感数据在森林资源调查与监测方面的深入应用。【方法】以嘉陵江上游甘肃省小陇山林业实验局百花林场为研究区,以SPOT5和高分一号(GF-1)遥感影像为主要数据源,综合利用影像光谱特征、植被指数特征、纹理特征与时相特征、地形特征、森林资源"二类调查"成果数据与林相图等辅助信息,及典型地类与主要森林类型外业调查样本数据,发展针对暖温带典型天然次生林区、复杂山区地形条件下高空间分辨率遥感影像林地类型多层次信息提取与森林类型精细识别的有效方法。在分析不同时相影像光谱特征的基础上,构建并优选归一化植被指数(NDVI)、比值植被指数(RVI)、比值短波红外指数(RSI)、差值植被指数(DVI)4种植被指数特征和均值(ME)、同质性(HOM)、非相似性(DIS)、信息熵(ENT)、角二阶距(ASM)、相对峰值(RK)6种纹理特征,引入与主要森林类型空间分布相关的DEM高程值、坡度、坡向3个敏感地形因子,利用不同林地类型时相动态特征和辅助信息特征,在不同层次影像上分别采用适于该层待分信息类别的阈值法、支持向量机(SVM)、多分类器组合(MCC)、人工神经网络(ANN)分类方法,将各层分类结果合并获得整个研究区林地类型精细分类图。最后,采用分层随机抽样的独立检验样本对分类结果中7类林地类型进行精度验证,并对5类主要森林类型精细识别结果进行面积统计,与"二类调查"及影像解译结果各类型面积统计值进行对比分析,进一步从整体上检验分类方法的有效性和分类结果的可信度。【结果】本文所发展的分类方法对林地类型信息提取精度较高,有林地、其他林地、苗圃地等7类林地类型总体分类精度达92.28%,总Kappa系数为0.899 6;油松林、华山松林、日本落叶松林、栎类落叶阔叶林、其他落叶阔叶混交林5类主要森林类型面积统计结果的平均相对精度为92.4%。【结论】多源数据支持下的多层次林地类型精细分类方法是一种有效的林地类型信息精准监测方法,具有精度高和可信度高的优势,且森林类型精细识别详细程度达到优势树种(组)级别,是解决复杂山区林地类型精细分类与森林类型精细识别的一种有效手段,可满足森林资源调查、变化监测、数字更新等林业应用需求。     

基于ArcGIS的百果园林区地形图数字化与DEM的构建

基于地形图,论述了矢量化的操作步骤,并介绍了利用ArcGIS9.3软件来构建DEM的方法,结合百果园1∶1万地形图和遥感影像图实现地形三维可视化。研究结果表明:使用ArcGIS9.3软件进行地形图数字化的效果好,操作简单,并可快速实现基于遥感图像的地形图三维可视化。     

云南异龙湖景观格局时空变化及驱动因素研究

利用ArcGIS软件对异龙湖2012-2019年的遥感影像进行预处理后,通过监督分类和目视解译相结合的方式,将遥感影像解译,利用Fragstats4.2进行景观指数定量分析并对驱动力进行探讨.研究结果显示:(1)从时间上,2012-2019年间的异龙湖各景观类型规模变化显著,变化最显著的景观类型是水域,面积增加1 60...     

基于CART决策树方法的遥感影像分类

以云南省香格里拉县为研究区域,构建一种基于CART遥感影像的决策树分类方法.对遥感影像采用主成分提取、植被信息提取、纹理信息提取等方法,并结合试验区主要地物类型训练样本,采用Landsat 5 TM影像数据、DEM数据以及遥感处理软件ENVI为平台进行影像分类,并将结果与最大似然分类结果作比较.结果表明,基于CART遥感影像决策树分类精度优于最大似然分类,有较好的分类效果.     

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。     

基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较

【目的】针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM遥感影像的分类精度,为森林资源遥感监测提供技术支持。【方法】以小兴安岭带岭林业经营管理局为研究区,基于2010年Landsat5-TM影像数据和2012年森林资源二类调查数据,采用窗口法获取TM第5波段各待分类别的像元均值作为聚类中心,以元胞自动机的Moore模型为框架,以元胞为基本单位,以像元均值为对象,利用最小距离法求取进化规则(判断准则是中心元胞周围的8个元胞距每类聚类中心的距离最近且像元数量最多,则中心元胞属于该类别),充分考虑影像及地物之间的空间特征,采用元胞自动机分类方法进行森林类型的识别分类。同时,以相同的样本数,采用3层BP神经网络模型对TM遥感影像进行分类试验,并比较2种方法的分类效果。【结果】基于元胞自动机的分类方法总体分类精度为88.712 1%,Kappa系数为0.829 1,针叶林、阔叶林和针阔混交林的用户精度分别为73.60%,92.94%和94.13%,达到了区分针叶林、阔叶林和针阔混交林的分类目的。BP神经网络算法的总体分类精度为86.671 3%,Kappa系数为0.798 4,针叶林、阔叶林和针阔混交林的用户精度分别为69.22%,93.37%和90.76%。2种分类方法均可有效识别森林类型信息。【结论】元胞自动机模型应用于遥感影像森林类型识别分类可弥补因TM影像空间分辨率较低造成的遥感影像分类精度过低的问题,提高分类精度。在森林分布破碎、种类类型多样且结构复杂的带岭林区,该研究结果有助于森林资源监测与管理,可为大区域尺度的森林动态信息监测提供更好的数据及技术支持。     

基于GIS的土地利用类型景观特征定量研究——以江油市为例

以江油市为例,应用ERDAS 9.2和ArcGIS 10.0等软件对研究区Landsat ETM+遥感影像进行土地利用类型的解译。采用Fragstats 3.3软件计算景观格局指数,选取景观类型面积(CA)等7个指标,对研究区土地利用景观空间格局进行了定量分析,揭示了研究区土地利用类型林地分布广、景观形状较规则等特征。     

木兰林场八英庄分场广发永营林区森林景观特征研究

该研究以木兰林场八英庄分场广发永作业区的林相图、遥感影像以及二类小班调查数据为基础,利用地理信息系统ArcGIS10.0进行图形和数据处理,结合生态学原理和方法,依据优势树种和林龄将研究区划分为二级景观要素类型组.应用Fragstats4.2,选取相关景观格局指标进行分析,结果如下:一级景观分类中,总斑块数为66块,研...     

基于Sentinel-2数据的塞罕坝机械林场落叶松人工林提取

塞罕坝机械林场是我国大型国有林场,落叶松是林场森林经营管理的主体,快速准确提取落叶松人工林分布对林场的经营和管理具有重要意义。基于传统单机模式下的遥感影像分类耗时长、效率低下,随着地理信息大数据、云计算时代的到来,Google Earth Engine(GEE)作为地理空间分析平台的先行者,为遥感影像分类带来新的机遇。基于GEE平台,使用Sentinel-2数据实现塞罕坝机械林场主要树种遥感影像分类。通过对塞罕坝机械林场2019年全年309景Sentinel-2影像数据预处理,计算比值植被指数、纹理特征、地形特征,并对各特征进行优选,构建多特征分类数据集。以此为基础,比较最小距离法、决策树和随机森林分类器下的分类精度。结果表明,GEE相较于单机影像分类模式具有显著的优势;最小距离、决策树和随机森林分类器下的分类精度分别为80%,83%和92%,随机森林分类器更适合复杂的遥感分类任务。     

基于多特征优选的无人机可见光遥感林分类型分类

【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 m的数字正射影像图(DOM)和数字表面模型(DSM),从DSM和DOM中提取包括高度特征、光谱特征、常见的可见光植被指数、HSV颜色分量、HSV颜色分量基础上提取的纹理特征以及扩展的形态学多属性剖面(EMAPs) 6类特征;采用递归特征消除随机森林算法(RF_RFE)优选特征子集,根据不同类型特征和优选特征子集设置8组试验,使用随机森林分类器(RFC)进行林分类型分类,运用目视解译获得的地面真实影像建立混淆矩阵评价分类结果。【结果】1)单独利用光谱特征进行林分类型分类效果不理想,总体精度为65.68%,Kappa系数为0.53;以光谱特征为基础单独引入其他特征进行林分类型分类,除植被指数外,其他特征均可提高总体分类精度; 2)采用递归特征消除随机森林算法优选出11个特征,包括5个EMAPs特征、3个HSV纹理特征、1个高度特征、1个植被指数和1个HSV颜色分量,11个特征组合获得8组试验中最高分类精度,总体精度为81.05%,Kappa系数为0.73; 3)将多特征优选方法应用于不同分辨率的可见光无人机影像上均取得较好分类结果,其中分辨率为0.3 m时分类精度最高,总体精度为82.46%,Kappa系数为0.75。【结论】递归特征消除随机森林算法综合多类型特征中最有利于林分类型分类的特征,从而提高分类精度,研究结果可为无人机可见光遥感数据在森林资源调查中林分类型信息的提取提供参考。     

一种改进的高空间分辨率遥感影像森林类型深度学习精细分类方法:双支FCN-8s

【目的】对全卷积神经网络模型进行双支化改进,探索高空间分辨率遥感影像森林类型深度学习分类新方法,为提高森林资源遥感调查精度提供技术支撑。【方法】双支FCN-8s包含2个FCN-8s子模型,一个子模型基于R、G、B三波段特征,采用微调方式构建;另一个子模型基于五特征构建。将2个子模型8、16、32倍下的采样结果进行融合并分类,得到每个像元的类别。以旺业甸林场为研究区,采用GF-2卫星遥感影像提取标准化植被指数(NDVI),构建基于R+G+B三波段特征、R+G+B+NIR四波段特征和R+G+B+NIR+NDVI五特征的数据集,对双支FCN-8s优化方法的有效性进行定量评价。【结果】1)双支FCN-8s方法的总体分类精度为85.89%,Kappa系数为0.84;相比传统FCN-8s,双支FCN-8s方法可提高大部分森林类型的分类精度,尤其对油松、红松、白桦等类别改善效果明显。2)相对于传统基于特征优选的SVM模型而言,双支FCN-8s方法的总体分类精度由75%上升至85.89%,精度提升大于10%,各类别的分类效果均有改善。3)使用微调策略以及加入NDVI特征后,模型可有效改善油松、山杨及白桦等树种的分类效果。【结论】双支FCN-8s高空间分辨率遥感影像森林类型深度学习精细分类方法可有效提升森林类型的细分程度和分类精度。     

基于多元遥感影像的森林资源管理方法

指出了森林资源管理过程中受到遥感影像获取方法的影响,造成森林资源管理总体分类精度较低的情况。为此,提出了基于多元遥感影像的森林资源管理方法设计:以多元遥感影像为基础,获取森林资源的相关数据信息;针对预处理后的遥感影像进行滤波处理和影像分割,利用分层提取方法提取出遥感影像中不同森林资源的特征信息;通过管理规则集的制定实现森林资源管理。为验证文中所提方法的使用效果,选取两种传统管理方法进行了对比实验,结果表明:文中设计的管理方法在森林资源的分类方面,平均精度相较两种传统方法分别提升了5.72%、7.93%。     

林地变更结果及动态变化原因分析——以喜德县为例

喜德县林地变更调查是在四川省林地"一张图"基础上,以2009年林地保护利用规划数据为基础,2009年的SPOT-5影像(分辨率2.5 m)、2010年ALOS影像(分辨率2.5m)、2014年度国土遥感影像数据为信息源,利用GIS软件进行遥感数据区划并进行现地核实。结合2016年喜德县最新森林资源规划设计调查初步成果,形成本期林地更新数据和林地变化数据,统计分析了林地动态变化原因,并对喜德县林地变更存在的问题提出了相应的建议。     

综合应用多源遥感数据的面向对象土地覆盖分类方法

【目的】针对国家森林资源宏观监测业务对区域森林资源空间分布信息的迫切需求,发展一种基于国家森林资源连续清查固定样地数据,可充分发挥GF-1宽幅多光谱数据、MODIS遥感数据相应空间和时间分辨率优势的面向对象土地覆盖分类方法,以提高林地和森林资源的监测精度和自动化程度。【方法】以黑龙江省小兴安岭某林区为研究区,主要数据源包括GF-1宽幅多光谱数据、MODIS NDVI(250 m,8天合成)时间序列遥感数据、国家森林资源连续清查固定样地数据以及少量外业实地调查数据等。首先,基于GF-1宽幅多光谱数据进行多尺度影像分割,将研究区划分为许多区域性的分割对象;然后,以分割对象为分析单元,分别提取GF-1宽幅多光谱遥感影像的光谱特征、纹理特征、形状特征等以及MODIS NDVI时间序列遥感数据的时序特征,并采用随机森林算法进行特征选择;最后,利用训练样本建立基于分类回归树分类器完成面向对象的土地覆盖分类方法研究,分别比较单一GF-1 16 m宽幅多光谱数据、单一MODIS NDVI时间序列遥感数据以及综合多源数据的分类结果,并基于混淆矩阵对分类结果进行分析。【结果】精度检验和分析结果表明,面向对象的综合多源遥感数据分类方法总体分类精度达89.46%,Kappa系数为0.874,明显优于仅基于GF-1宽幅多光谱数据、MODIS NDVI时间序列遥感数据的分类方法。【结论】综合应用多源遥感数据的面向对象土地覆盖分类方法适用于综合GF-1与GF-4数据的土地覆盖类型分别制图,可有效提高主要土地覆盖类型的分类精度。针对国家森林资源连续清查的业务需求和特点,本文所发展的方法在分类对象生成、特征提取、特征选择、分类器训练和精度检验等关键环节均进行了优化设计,有利于提高森林资源连续清查业务中主要林地类型遥感分类制图的自动化、标准化程度。     

基于GIS的昆明市海口林场森林景观视觉敏感度评价

以昆明市海口林场遥感影像图、森林资源分布图、地形图及数字化等高线得到的DEM数据为信息源,利用Arc GIS的空间分析功能,选取坡度、距离2个因子对海口林场森林景观的景观视觉敏感度进行评价。结果表明,敏感度最高的一级敏感区面积为1.5 km2,只占林场总面积的1.9%;敏感度次之的二级、三级敏感区面积为34.5 km2,占总面积的46%,但树种结构相对单一;四级敏感区面积为40 km2,占总面积的52.1%,占比最大。基于评价结果,提出海口林场森林景观开发利用建议:采取不同的造林方式,营造疏密有致、色彩丰富的森林景观,同时加强非煤矿山企业的监管,合理规划观景道路,保护景观敏感度高区域,提高森林景观水平。     

基于遥感影像的鄂托克前旗森林资源监测分析

以2002年和2006年TM遥感影像为数据源,在PCI 8.5和ARCGis 9.2遥感图像处理软件的支持下,获得了鄂托克前旗2个时期的森林资源图。通过计算机自动分类和分类后人工解译纠错相结合的图像分类提取方案,提高了图像分类提取的效率和精度。动态监测结果表明,从2002~2006年,面积增加的地类为灌木林和有林地,面积减少的地类为宜林地和裸沙地,农田和水体的面积基本保持不变,并对其变化结果进行了分析。     

基于高分辨率遥感影像的林地变化图斑检测方法研究

运用eCognition软件的阈值条件分类方法,基于高分辨率遥感影像(高分二号)对研究区域的林地变化图斑进行检测,其关键技术包括影像多尺度分割、影像分类、图斑合并、导出林地变化图斑等4个环节。研究结果表明,该方法可以快速及时地获取林地变化图斑,能有效运用在贵州省森林保护"六个严禁"工作中,并可为森林资源遥感动态监测提供技术支撑。     

基于GIS技术的长汀县森林资源分类经营管理

依据国家林业局颁发的《全国森林资源经营管理分区施策导则》所提供的森林资源分类分区指标,利用GIS空间分析技术,综合长汀县林业基本图层、遥感影像数据、基础地理数据等,对福建省长汀县的森林资源进行了有效的分区分类,将其分为严格保护类型组、重点保护类型组、保护经营类型组和集约经营类型组4个类型,对分区的结果进行分析,并提出了相应的经营管理对策,为森林资源的有效经营管理提供了决策支持。     

森林面积方法研究

本文通过对遥感图像的处理和光谱特征信息的分析,应用ETM 影像数据和地面调查数据,研究了遥感数据处理技术在植被信息提取中的应用,尝试对高山峡谷区的森林资源调查提出较为完善的计算机图像处理技术和自动分类方法。对道孚县台站林场和麻孜林场地类的分类结果表明:运用TM453波段融合能够达到较好的图像增强效果;运用无监督分类方法提取森林面积能达到较高的分类精度;NDVI比RVI更能突出植被信息和消除山体阴影的影响。