凤凰山采石矿山的景观恢复探讨

从凤凰山废弃采石场环境治理需要解决的边坡绿化及废弃地利用方面,探讨了采石矿山植物的选择应用、绿化技术的适宜性及废弃地开发利用的方式.     

北京红坨山采石场边坡绿化防护的设计与施工

以北京红坨山采石场为例,采用植生基质喷射技术、生态袋挡墙、"V"型种植槽垂直壁面绿化、客土造林等措施进行坡面的绿化防护设计与施工,为北京市矿山废弃地的生态恢复起到了示范作用。     

基于RS和GIS帽儿山林场森林立地分类及质量评价

基于2004年帽儿山森林资源二类调查资料及同步获取的遥感影像图作为数据源,通过对帽儿山实验林场的土壤类型、高程、坡度等各因子的定性和定量分析,利用RS的信息获取技术和GIS信息处理技术建立各分类因子的专题数据库和图形数据库。利用Arcview/Arcgis软件对各分类主导因子及辅助因子的专题图叠置分析,编制了帽儿山林场森林立地类型分布图,并对立地分类结果给予评价。帽儿山实验林场森林立地类型划分包括18类,其中低山缓坡暗棕壤占全部林场面积的67%,丘陵急坡暗棕壤占17%,丘陵缓坡暗棕壤占8%,低山急坡暗棕壤占4%,其它各立地类型所占比例均小于2%。实验林场的立地质量以Ⅱ、Ⅲ地位级为主,表明整个林场整体立地质量处于中等偏好水平。森林立地类型分类及立地质量评价,对了解帽儿山实验林场经营范围内的立地条件,提高造林和经营水平,充分发挥林地生产潜力具有重要意义。     

基于GIS的渭北黄土高原立地类型划分的研究：以永寿县永平乡为例

【目的】基于GIS技术,快速、准确地实现渭北黄土高原小流域范围内立地类型的划分。【方法】以地处黄土高原南缘残垣沟壑区复杂地形的永寿县永平乡为试验区,采用相对位置指数法提取地形部位信息,利用数字高程模型(DEM),对研究区地形部位在空间上的相对位置进行了定量化,结合坡向和坡度因子进行立地类型划分,最后利用现地立地因子信息样点对分类结果进行验证。【结果】利用上述方法将地处黄土高原南缘残垣沟壑区复杂地形的永寿县永平乡划分成19种立地类型,并对其面积进行了统计;经与实地立地类型划分结果进行比对,显示本研究方法的划分结果精度达92%。【结论】借助GIS技术不仅能快速地在小流域内实现该区域立地类型划分,而且精度高,能够为当地林业生产信息化提供技术支撑。     

长葛市陉山农业园融合废弃采石场的规划探讨

分析长葛市陉山农业园用地范围内的地形、地貌、用地现状,进行农田整理,复耕部分土地,在园区内种植经济与观赏植物,建设智能温室和塑料大棚,以及开设农家乐餐饮等。通过对陉山采石废弃地进行生态修复,保留部分工业遗迹改造,使景观规划资源绿化再现;将农业园规划与废弃采石场生态修复相融合,旨在建成长葛市最具特色的生态农业观光旅游园区。     

机载与星载高分遥感影像单木树冠分割方法和适宜性对比

目的应用高分辨率遥感影像快速准确提取单木树冠信息,对现代森林管理具有重要意义。面向对象的多尺度分割方法能有效地解决基于像元特征分析的局限,是单木树冠提取的重要技术途径。本文对比分析了不同遥感平台和人工林树种的树冠提取精度,探究实验方法针对不同尺度影像数据和树种的优势及适用性,并结合调查目的为影像数据的选取提供参考。方法以广西壮族自治区高峰林场为研究区,选取低空无人机CCD、机载CCD和星载高分二号遥感影像数据,针对树冠区域与背景区域的对比度效果不佳的问题,首先采用小波变换进行图像增强处理,去除影像噪声,增强树冠与背景的对比度;然后应用面向对象的多尺度分割方法,排除背景区域的干扰,针对树冠区域进行单木树冠的快速提取;最后对3种影像下提取的杉木和桉树人工林单木树冠的流程和方法,以及树冠提取精度进行研究分析。结果采用小波变换对无人机和机载平台影像增强效果显著,无人机平台下桉树和杉木实验区单木分割精度分别为87%和93.3%,冠幅估测精度为84.2%和85.1%;机载平台下桉树和杉木实验区单木分割精度为89%和91.1%,冠幅估测精度为83.9%和84.4%;而小波变换对星载平台影像增强效果不佳,桉树和杉木实验区的单木分割精度为82%和89%,冠幅估测精度为72.3%和73.3%。结论在无人机和机载平台下,应用多尺度分割得到的树冠提取精度相接近;在星载平台下,直接应用多尺度分割进行单木树冠提取,受影像自身空间分辨率的局限,提取精度低于前两种平台,但也能够满足森林调查的基本需求。      

基于卷积神经网络的高分二号影像林分类型分类

目的基于遥感影像的林分类型分类在现代林业中是一项重要的应用。本文试图构建一个基于高分二号（GF-2）影像林分类型分类的卷积神经网络（CNN）模型,探索CNN在遥感图像像素级分类这一领域的发展潜力。方法以GF-2卫星遥感影像为数据源,利用Tensorflow（一种开源用于机器学习的框架）构建4种不同图像斑块大小（m = 5,7,9,11）为输入的CNN,同时以传统的神经网络模型——多层感知器（MLP）为基准,比较不同图像斑块大小下的CNN分类图的分类效果和分类精度。结果实验分类结果表明:CNN（m = 9）得出最高的分类精确度,总体精度比MLP和CNN（m = 5,7,11）分别高出10.91%和6.55%、1.3%、2.54%。分类图的可视化结果也表明CNN（m = 9）更好地解决了“椒盐现象”与过度平滑后的边界不确定性问题。结论CNN能够在利用高分影像光谱特征的同时充分挖掘影像的空间特征,从而提高分类精度,同时在利用CNN基于遥感影像分类时,根据数据源以及地物的特点选择合适的图像斑块大小作为输入是提高分类精度与分类效果的关键措施。      

废弃采石场立地类型及植物群落间的相似性分析

借助模糊数学,运用模糊聚类分析方法对肖家山废弃采石场进行调查研究,结果表明,肖家山废弃采石场的7个立地类型可聚为4类,人工加速采石场植被恢复时可考虑按照此聚类结果对各个类型分别设计工程改造措施和植物配置模式。     

工矿区废弃地的植被恢复

通过调查、试验,将鸡西地区各种工矿区废弃地划分为7种立地类型,并针对不同立地类型分别进行了土壤理化性质分析、自然植被恢复规律研究。结果表明：各立地类型的土壤含水量、密度、孔隙度等都较低,速N、速P含量较少,速K含量相对多些,植被数量、种类也较少,但矸石山随着废弃年龄的增大,其上的植被数量、种类逐渐增加。同时还对不同立地类型提出恢复方案,进行了植被恢复试验。植被恢复试验的当年效果比较理想。     

遥感与地面调查的废弃采石场生态恢复监测评估

采用了空间遥感技术与地面植被、土壤调查分析等手段综合监测评估废弃采石场自然恢复状态,可为进一步实施生态恢复治理提供可靠的数据支持。结果表明:废弃采石场土壤采样点恢复指数(Ir)与土壤样方pH、有机质有较好的相关性;废弃采石场恢复综合指数(Irq)与遥感模型反演结果具有较强的相关性;植被—土壤调查分析与空间遥感监测技术能够相互验证对采石场恢复状态的评估。同时提出利用遥感波段比值快速监测评估废弃采石场生态恢复的可行性建议。     

基于CART决策树的自然保护区植被类型分布研究

目的针对保护区监测需求，充分发挥GF-1 WFV影像的宽幅特点和面向对象、机器学习算法在遥感影像分类中的优势，提高保护区植被类型遥感监测的精度，为保护区管理决策提供依据。方法以甘肃省白水江国家级自然保护区为研究区，主要数据源包括GF-1 WFV多光谱数据、Landsat-8 OLI遥感数据、DEM数据、野外调查数据等。首先，对GF-1 WFV数据进行多尺度分割，将研究区划分为诸多区域性的分割对象；然后，以分割对象为基本单元，研究光谱特征、几何特征、纹理特征不同组合情况下，基于CART决策树分类的结果；最后，利用训练样本建立基于TTA的精度检验，并基于混淆矩阵对分类结果进行分析。结果在多尺度分割过程中，形状因子、紧致度分别设置为0.2和0.5时地物边界显示较好；当形状因子和紧致度固定时，研究区最佳分割尺度为40。精度检验结果表明，基于CART决策树的保护区植被类型分类结果整体精度均在83%以上，Kappa系数在0.80以上，优于最邻近分类法和支持向量机分类算法，其中基于光谱特征、几何特征、纹理特征的CART决策树分类结果精度最高，总体精度为85.18%，Kappa系数为0.832 2，优于光谱特征分类、光谱特征结合几何特征分类的方法。结论基于CART决策树算法和面向对象方法的GF-1遥感影像分类方法适用于保护区植被类型分布研究，可有效辅助保护区监测工作。      

成都市龙泉山城市森林公园立地条件类型划分研究

龙泉山城市森林公园是成都市建设“公园城市”的重要一环,收集该区域的森林资源二类调查小班数据,在ArcGIS10.2下利用渔网（Fishnet）将该区域按2 km×2 km划分为319个格网,在格网中心点进行样点设置。在非水域和建设用地的样点（共计307个）周围设置20 m×20 m的样地,调查地形和植被情况,采集土壤样品带回实验室分析测试土壤理化性质。通过主成分分析和系统聚类确定主导立地因子,最后划分龙泉山城市森林公园立地类型并确定困难立地类型。结果表明,龙泉山城市森林公园的立地条件主导因子为地貌、土壤类型、坡位、土层厚。该区域共划分出3个立地类型区、3个立地类型组、34个立地类型。其中,困难立地类型有13个,面积394.47 km²,占公园面积30.94%。对困难立地,应结合实际,采取工程措施结合植树造林、植草、封禁等不同措施进行植被恢复。研究结果可为该区域的森林结构优化和生态、景观质量提升、植被恢复等工程建设中树种选择提供科学依据。     

森林立地类型的划分与应用探讨

从生态学的观点出发,阐述了森林立地类型划分的方法,并对其在造林绿化、营林生产中的应用进行了简要介绍,对进一步做好造林绿化工作有很强的指导意义与积极的现实意义。     

基于无人机遥感影像的三维森林景观可视化

无人机遥感是新近发展起来的一种先进的遥感方式,具有快速响应、机动灵活、影像分辨率高等特点。采用无人机对研究区森林进行航拍,探讨利用无人机影像提取DEM的技术方法,并对提取的DEM进行精度检验,然后在提取的DEM上叠加获得的高分辨无人机影像,独立实现了对研究区森林景观的三维可视化,结果表明利用无人机影像提取的DEM精度较高,生成的三维森林景观真实感强,能很好的展现森林的生态、文化、美学价值。     

阳曲县人工荒山造林技术措施

阳曲县位于太原市北面,三面环山,对省城太原的生态环境保护起着重要的作用。2021年度投资1 500多万元,结合太原市创建国家森林城市实施人工荒山造林工程(国土绿化试点示范项目),建设林地5 000亩。本文从立地类型划分、营造管护技术等方面对该工程进行了介绍。     

帽儿山红松人工林立地质量评价——帽儿山红松人工林立地研究之二

正确地评价森林立地质量和恰当地划分森林立地类型是科学造林、合理经营森林、提高森林生产力的基础。文章为帽儿山红松人工林立地研究之二,在划分了红松人工林立地类型的基础上,又对其立地质量进行了评价。采用数量化多元分析方法,建立了红松人工林优势高与土壤类型、A层厚度、坡向、坡度、坡位、海拔、土壤厚度7项立地因子的数量化回归模型。其复相关系数(0.788 3)达极显著程度。可用于帽儿山地区红松人工林立地生产力预测。所编制的“帽儿山红松人工林立地质量评价表”给出了帽儿山红松人工林立地等级的得分区间,藉此。可将帽儿山红松人工林13个立地类型评为好、较好、差三个等级。     

基于星-机光谱融合的棉花叶片SPAD值反演

【目的】为提高棉花叶片叶绿素含量的反演精度,并掌握其在山东省夏津县的空间分布特征。【方法】本研究以山东省德州市夏津县为研究区,以夏津县大李庄棉田为试验区,通过SPAD（soil and plant analyzer development,SPAD）仪实地测定试验区棉花叶片叶绿素含量的相对值（SPAD值）,并获取同期试验区无人机（unmanned aerial vehicle,UAV）近地多光谱图像和研究区Sentinel-2A MSI（MSI）卫星影像;然后分别基于UAV和MSI的光谱反射率,构建并筛选最优光谱参量,采用多元线性回归（multiple linear regression,MLR）建立SPAD值定量反演模型;最后采用二次多项式拟合法融合UAV和Sentinel-2A MSI对应的最优光谱参量,对比分析融合前后模型效果,优选最佳反演模型,实现研究区SPAD值反演。【结果】研究表明,(REG-R)/(REG+R)、R/G、CL(red edge)、NDVI可作为SPAD值的最优光谱参量;基于UAV图像的定量反演模型精度优于基于MSI影像的模型;基于二次多项式拟合后建模R ²提高了0.015—0.057,RMSE降低了0.457—0.638,验证R ²提高了0.040—0.085,RMSE降低了0.387—0.397,RPD提高了0.020—0.139;将融合后的MSI光谱参量代入基于UAV图像的反演模型（Fused MSI-Mod_UAV）,也可获得较高的反演精度,建模R ²达0.672,RMSE为3.982,验证R ²达0.713,RMSE为3.859,RPD为1.685;基于上述模型进行研究区棉花叶片SPAD值反演分析,试验区整体呈南高北低的分布趋势,研究区呈中间低、四周高的分布趋势,均与实地情况一致,具有较好的预测效果。【结论】采用二次多项式拟合法融合无人机和卫星影像数据,可较好地实现区域高精度作物生长指标的定量反演,研究结果可丰富多源遥感融合理论与技术,为后续棉花长势监测与精准生产提供技术参考和数据支持。     

安远县森林立地分类研究

本文用定性和定量分析相结合的方法进行森林立地分类。分类结果是:地貌是划分立地类型区的依据,岩性是划分立地类型亚区的依据,坡位、坡向是划分立地类型组的依据,土壤是划分立地类型的依据。全县共分为两类立地类型区,四类立地类型亚区,每个亚区有29或16个立地类型。为宏观的造林规划,微观的经营设计提供基础依据。     

基于无人机多光谱影像的云南松林蓄积量估测模型

【目的】无人机多光谱遥感影像较可见光影像具有更丰富的光谱信息,在森林蓄积量估测中具有较大潜力。以无人机载多光谱遥感影像为主要数据源,探索森林蓄积量的遥感估测模型,以克服传统地面调查工作量大、耗时长、成本高等弊端。【方法】以滇中地区典型天然云南松Pinus yunnanensis纯林为研究对象,利用无人机多光谱影像提取单波段反射率、各类植被指数、纹理特征等,计算各特征变量的标准地均值;筛选与云南松林蓄积量相关性显著的特征变量,采用多元线性、随机森林、支持向量机建立云南松林蓄积量估测模型,以决定系数(R²)、平均绝对误差(E_MA)、均方根误差(E₍RMS()、平均相对误差(E_MR)评价模型精度。【结果】(1) 3种模型中,随机森林的精度最高(R²=0.89,E_MA=4.69m³·hm^-2, E_RMS=5.45m³·hm^-2, E_MR     

基于无人机三维信息的杉木新造林林分参数遥感估测研究

以福建顺昌埔上国有林场的杉木新造林为研究对象,采用大疆Phantom 4 Multispectral无人机分2次获取研究区的无人机影像,并以无人机影像为数据源,从研究区的数字表面模型（DSM）中提取冠层高度模型（CHM）。根据局部最大值算法和分水岭算法,从CHM中获取研究区杉木的树高和冠幅数据;同时在研究区设立15个标准地,采用测量杆测定各标准地内所有杉木的树高和南北冠幅;以随机选取、且在影像中具有精确位置的265棵杉木为单木水平的实测数据,以及各标准地内杉木的平均树高和平均南北冠幅为林分水平的实测数据,分别从单木和林分角度对杉木树高和冠幅的遥感估测精度进行评价。结果表明：2次飞行作业之间树高的估测精度分别为90.86%和91.34%,南北冠幅的估测精度分别为83.55%和83.95%;在单木水平上,遥感估测的树高精度为R²=0.89、RMSE=22.37 cm、EA=91.00%;南北冠幅精度为R²=0.70、RMSE=27.33 cm、EA=82.22%;在林分水平上,树高的估测精度为R²=0.95、RMSE=12.27 cm、EA=94.61%;南北冠幅的估测精度为R²=0.82、RMSE=11.24 cm、EA=92.20%。遥感估测的树高均值比野外测量的树高均值小0.07 m,南北冠幅均值比野外测量的均值小0.04 m。基于无人机三维信息实现了研究区杉木树高和冠幅的精确估测,且在飞行参数一致的情况下,不同飞行区域和飞行批次之间的估测精度相近。研究可以为杉木新造林快速、稳定的监测和经营管理策略的科学制定提供基础数据。