林地变更数据与国土数据的衔接方法讨论

利用ARCGIS,对林业数据与国土数据做空间叠加分析,得到两套数据的差异之处,结合遥感影像、现有资料和必要的外业补充调查,对差异小班进行确认,从而理清数据,摸清家底。     

林地小班边界及地形因子计算机自动提取研究及应用进展

林地小班(简称小班)是森林资源规划设计调查、统计和经营管理的基本单位。小班调查是林业重要的基础性工作,小班边界和地形因子是小班调查的重要内容,快速、准确地获取小班边界和地形因子,对编制森林经营方案、指导林业生产具有重要作用。通过梳理基于遥感影像、数字高程模型(DEM)、遥感影像结合DEM的小班边界计算机自动提取方法和基于DEM的小班海拔、坡度、坡向、坡位等地形因子计算机自动提取方法的研究与应用现状,指出目前存在的问题,提出了今后研究的建议。     

基于森林小班的高分影像融合及地类信息提取

以2013年资源3号高分辨率卫星遥感影像及森林小班矢量数据为数据源,以紫金山国家森林公园为例,基于森林小班对象将原始多光谱和全色影像进行融合。在较优融合影像基础上,采用面向对象分类方法提取研究区阔叶林、针阔混交林、竹林、灌木林地、松类、杉类和柏类等地类信息,并以现有的森林小班矢量数据验证影像融合效果,所得结论如下:1)基于森林小班矢量数据对遥感影像数据进行分割和融合是有效提取地类信息的基础。2)基于森林小班对象影像融合效果评价结果表明,Wavelet融合算法对资源3号卫星遥感影像数据融合效果较优;HPF,PCA和IHS融合算法次之;Brovey融合算法融合效果较差。3)基于Wavelet融合影像进行地类信息提取,总体分类精度为83.5%,Kappa系数为0.79。以上结论表明基于森林小班的影像融合方法是可行的,该方法有利于国产高分影像地类信息的提取,可为进一步获得更高的信息提取精度和更细分树种类型识别提供基础。     

基于DEM的森林资源二类调查小班坡度自动提取方法

为了在林业调查规划中推广应用ArcGIS地理信息系统,提升林业调查规划的效率和质量,在2009年湖北省森林资源二类调查工作中,以当阳市淯溪镇为例,进行了基于DEM的小班坡度自动提取,并与实地小班调查的坡度进行对比分析,探讨了以免费的DEM影像资源为基础,通过综合运用ArcGIS的空间分析功能,自动提取小班坡度的方法、步骤,并给出了自动获取小班坡度的图解空间分析模型。     

SPOT5遥感影像在林业二类调查中的应用

采用ERDAS IMAGINE图像处理软件,对青海省互助县境内的北山林场的SPOT5遥感影像进行处理,包括原始数据导入、正射纠正、影像融合、波段组合、影像增强等处理过程以及数字正射影像图(DOM)的制作。探讨SPOT5遥感影像在林业二类调查中的应用处理方法及SPOT5影像的应用前景。经现地验证,以SPOT5遥感卫星影像为底图,通过人机交互目视解译方法区划判读小班能满足林业二类调查的需要,该影像数据能作为1∶10000专题图制作的基础数据。     

南京市六合区基于0.5m分辨率影像的林地落界及分析

林地落界是为了掌握林地的现有状况,为林地的保护利用规划提供重要的基础数据。高空间分辨率的遥感影像很大幅度地提高了室内林地落界的精度。该文是以高空间分辨率遥感影像为底图,在目视解译的方法上,结合二类调查基础数据,通过建立高清影像的判读解译标志,提取六合区林地,得到南京市六合区林地分布图,与基于中分辨率影像,采用面向对象的方法提取的林地分布图比较,并选取六合区龙袍镇为对象,分析比较了本次林地落界数据和二类调查数据的林地变化率和林地小班的差值变化。结果表明:0.5 m分辨率的影像能够达到将林地落实到田间地块的目的;六合区龙袍镇林地落界由林地到非林地变化率是15%,林地小班差值D的均值为0.24,说明利用高空间分辨率的遥感影像作为目视解译的底图,在林地地类识别和落界精度上都有较大的提高。     

应用遥感影像叠加地形图方法进行森林资源调查

高分辨率卫星遥感影像以其分辨率高、多光谱的特点,被广泛应用到资源环境调查、规划与动态监测,地图制图与更新等领域。影像存在阴影和判读过程中同物异谱、同谱异物现象,影响林业区划调查精度。文章论述了在沈阳市东陵区应用遥感影像叠加地形图区划林业小班的试验,结果表明,该方法节约经费,提高了调绘精度,小班求积均接近于实测值。     

遥感影像分类技术在森林景观分类评价中的应用研究

以吉林省旺清林业局金沟岭林场为例,在地面调查数据和Landsat TM多光谱卫星遥感数据的基础上,以ERDAS遥感影像处理系统和MapInfo地理信息系统支持,利用基于二类调查数据取证遥感分类技术,对其森林景观进行分类和评价,得到金沟岭林场森林景观空间分布图及空间格局分析结果。本研究提出的一套实用技术方法可为宏观上快速提取森林景观要素及空间格局状态提供技术参考,结果可为进一步森林景观规划和设计提供依据。     

河北省县级林地变更调查技术方法探讨

为探索河北省县级林地变更调查的技术方法,通过建设林业信息化的平台,运用最新遥感影像对林地的地类等属性变化小班进行数据更新,形成新的林地变更数据库。通过获取林地等因子的动态变化结果,系统分析了小班的区划上图、遥感影像局限性等问题,提出信息平台系统化、制定林地资源档案管理办法等方面的改进措施及建议。     

SPOT5卫星影像中提取森林土壤因子方法的研究

针对在采用SPOT5卫星影像进行森林资源调查后,森林土壤因子不能通过直接判读取得的问题,通过利用森林资源遥感调查和林业专业调查数据进行逐层分析研究,提出了在遥感调查中各小班森林土壤因子的自动提取方法。用该方法提取的因子与现地调查因子作对比验证,土壤亚类的一致率达到95%,土层厚度的一致率89%。     

基于Zone模型的森林小班变化信息提取方法研究

利用遥感图像监测森林覆盖及其变化是遥感应用的重要领域之一。本研究基于建德市2013和2014年Landsat8 OLI遥感影像数据、森林资源二类调查小班数据及林地落界数据。采用统计分布和Zone模型两种方法提取有林地小班变化信息。评价结果表明:基于统计分布法操作简单但效果不够理想;基于Zone模型法检测结果精度高于基于统计分布法,但存在较多伪变化,正确检测率为80.58%,漏检率为19.42%,错检率为84.89%,是一种较好的提取有林地小班变化信息的方法。     

刍议服务于深度学习研究的林业遥感数据集建设

林业遥感数据集是林草行业开展深度学习研究的重要基础，更是林草资源实现自动化、智能化和动态化精准监测的重要保障。文中分析了自然图像和遥感图像数据集建设现状与方法，通过对深度学习算法在林业专题信息识别和分类中最新研究成果的阐述，表明建立林业遥感专用数据集的必要性和紧迫性；基于人工智能在图像处理领域的发展经验，提出林草业遥感影像数据集的建设思路和原则。     

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。     

基于不同立地质量的松树林蓄积量遥感估测

森林蓄积量遥感估测在林业系统中具有十分重要的意义。以建德市为研究区,基于2007年TM遥感影像和2007年森林资源二类调查数据,对松树林分立地质量等级和不分地位等级两种类型建立蓄积量的遥感估测模型,并进行精度检验。其中立地质量等级依据小班平均高和平均年龄建立的地位级表划分为好、中、差三种类型,以每个小班的总蓄积量为因变量,小班各单个遥感因子信息总量为自变量。研究结果表明:1)以TM遥感影像主成分分析中第一主成分为自变量的模型拟合效果最好,决定系数R2均在0.54以上,最高为0.802;2)利用预留独立样本对模型精度进行验证,不分地位级总体估测精度为87.64%,分立地质量等级好、中、差三种类型总体的估测精度分别为94.14%,95.32%,92.38%,分立地质量类型建模的精度明显优于统一建模的精度。研究结果为森林蓄积量遥感估测提供一种改进的思路,且为提高森林生物量和碳储量遥感估测精度提供一种参考方法。     

基于SPOT5影像的森林资源信息提取技术研究

森林资源调查所使用的遥感影像分辨率不断提高,遥感影像分类技术随之发展成熟,这为森林资源信息的提取,提供了较好的数据资源及技术基础。根据SPOT5遥感的高分辨率特征以及多光谱特征,利用神经网络工具提取森林资源特征,然后进行森林资源的自动提取。将自动提取的结果,结合其他小班区划条件人工进行修改,最终使数据达到资源调查所需要的精度。     

天堂山林场森林地上生物量及碳储量的遥感估算模型构建

基于广东省清远市天堂山林场的二类调查小班数据和 landsat8 遥感影像和多元逐步回归的方法，建立森林地上生物量模型，进而构建森林地上碳储量模型，对天堂山林场森林碳储量及其分布进行了估算，并讨论了预测结果及其精确性。结果表明：阔叶林、针叶林和混交林生物量模型的拟合优度分别为 0.77、0.67、0.69。基于碳储量估算模型计算生成的天堂山林场碳储量分布图与采用二类森林调查数据得到的碳储量分布图空间分布一致。验证了基于 landsat8 遥感影像的碳储量模型能为森林碳储量提供快速准确的估测。     

基于遥感影像的森林质量评价方法研究

摘要：森林质量评价服务于森林经营决策、监督管理和验收的全部流程。为克服地面调查林分质量中存在的成本高、时效性差等缺点，基于遥感数据形成一套林分质量评价体系，以提高评价效率，推动森林质量精准提升进程。本研究以新密市2018年生长季哨兵二号数据为基础，辅以数字高程影像，构建了基于遥感影像森林质量评价方法。首先选取样本小班，然后基于哨兵影像提取植被指数、纹理指数和干扰指数三类与森林质量密切相关的指标，借助熵值法计算各指标权重，构建出遥感估算林分质量模型。并以基于当年小班调查数据评价的林分质量结果作为参照，检验模型可信度。最后将模型用于量化全市森林质量并提出后续经营对策。结果发现，遥感评价指标中二阶矩、对比度和方差三个指标的权重相对较大，遥感评价林分质量结果与小班数据所得林分质量线性拟合的决定系数R2可达0.9861。结果表明：基于遥感数据的林分质量评价方法是可行的，该结果为大尺度区域范围森林质量评价提供了参考。     

Landsat8时间序列影像支持下的农田防护林提取方法研究

【目的】农田防护林空间分布是三北防护林生态工程监测的重要内容之一。传统的人工调查方式获取农田防护林费时耗力,效率较低,遥感技术可以弥补传统人工调查的不足。现有农田防护林空间分布研究中,基于单期高分辨率遥感影像可以较好提取植被信息,但是不能很好的解决影像中一些地类存在的同谱异物和同物异谱现象。利用中等分辨率遥感影像进行农田防护林信息提取也仅限于利用光谱信息、形状指数等进行决策树分类,且精度受限。鉴于此,依托中低分辨率遥感影像的农田防护林提取方法有待研究。【方法】选择甘肃省张掖市甘州区为研究区,选取2017年4个季度9期Landsat8 OLI时间序列数据为农田防护林信息提取的数据源,在进行辐射定标和大气校正的基础上,基于分层分类的思想,融入植被物候特征、水体和植被指数,利用时间序列遥感影像以及多特征分类指标,逐步提取并掩膜研究区内其他地物,最终实现农田防护林的提取。利用野外样点调查结果和甘州区土地利用数据库对信息提取结果进行精度评价。【结果】该方法分类总体精度为85.93%,kappa系数为0.79,其中野外调查记录的33个农田防护林样点中29个被正确提取,精度达到87.8%。【结论】时间序列遥感数据能有效提取植被的物候参数。基于多时序、多特征分层分类方法能有效提取农田防护林的空间分布信息,降低了同谱异物和同物异谱现象对农田防护林信息提取的干扰。说明利用时间序列遥感影像结合多种特征分类指标的分层分类方法开展甘州区的农田防护林提取是可行的。     

基于高分光学遥感影像的湖南省油茶林地识别技术研究——以汉寿县为例

基于高分光学遥感影像技术,对湖南省油茶产业大县汉寿县油茶林地进行分类特征提取、标注样本类别及建立分类模型等操作,实现研究区油茶林地高精度识别。结果显示：利用基于高分光学遥感影像的深度网络智能化提取油茶林地及人工确认的数据分析方法能够很好识别汉寿县油茶林地的空间分布,与2022年全县油茶精细化调查面积数据对比后精度较高(优于70%);空间分布上,汉寿县太子庙镇的油茶分布集中且面积最大,和地面调查的面积数据相比,该镇的油茶分布面积提取精度最高,为92.57%。研究方法能够较为精准地识别汉寿县油茶林地斑块,从而为湖南省油茶林地遥感普查与保护规划提供重要参考。     

基于TM影像的林地资源监测方法研究——以云南省楚雄州为例

依托计算机自动分类技术利用遥感影像数据对森林资源动态变化进行监测,这是当森林资源监测的发展趋势。针对目前林业资源调查研究中效率低的问题,探索利用卫星影像进行林业资源监测的方法。以云南楚雄州为研究区域,采用面向对象的方法综合利用影像光谱、纹理信息提取这两个时期的林业用地信息,最后分析两个时期的林地时空变化状况。提取林地信息进行分析为该地区的天然林保护工程服务。