基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

基于高分一号影像光谱指数识别火烧迹地的决策树方法

森林火灾发生后,为及时、准确地掌握森林受灾情况,利用高分一号卫星(GF-1)16m宽幅影像各波段反射率信息,结合计算的归一化植被指数(NDVI)、过火区识别指数(BAI)、阴影植被指数(SVI)、归一化差异水体指数(NDWI)和全球环境监测指数(GEMI)等5种光谱指数,构建森林火烧迹地识别决策树模型(CART);在选取的研究区对该模型方法进行验证,并与最大似然监督分类法和非监督分类(ISODATA)方法所得到的结果精度进行了对比分析,结果表明:采用基于CART模型的决策树方法对火烧迹地识别结果精度较最大似然法总体分类精度提高了4.38%,Kappa系数提高了0.102 4,制图精度提高了14.96%,用户精度提高了8.50%;而采用ISODATA方法识别的火烧迹地的总体精度和Kappa系数都较低,制图精度和用户精度都没有达到1%。     

基于QUEST决策树的火烧迹地自动提取

以研究大尺度范围内森林火灾面积提取的可行性为目的。本文以昆明市为研究区,分别提取2005年和2006年两期Landsat TM影像的植被指数、水体指数、火烧迹地指数、纹理特征等,并选取适于大尺度范围的最佳特征波段;利用特征融合后的影像构建决策树,实现大尺度范围内火烧迹地的自动提取。研究表明,QUEST算法的分类总体精度达84.5%,在3种分类方法中精度最高;采用QUEST算法的决策树分类提取"3·29"火烧迹地面积占实际的97.9%,但大尺度范围内火烧迹地提取效果并不理想,仍需人工剔除提取产生的较小的斑块;最后用2015年"3·02"的火烧迹地验证了QUEST决策树方法的具有一定的普适性。该模式对大尺度范围内森林火灾面积统计的具有重要应用价值。     

基于landsat影像大兴安岭地区林火烈度时空格局分析

基于大兴安岭地区1988—2009年landsat5 TM数据和地面火烧记录信息,在Envi5.3平台下获得大兴安岭地区多年连续火斑数据,提取火斑数据dNBR指数。结果表明:1988—2009年大兴安岭地区林火发生次数和过火面积均呈现上升趋势;在1998年天保工程实施之前,大兴安岭地区林火以低烈度火为主,1998年之后低烈度过火面积比率呈现显著下降趋势(P0.05);1998年之后高烈度过火面积比率呈现显著上升趋势(P0.01)。月均最高气温与高烈度火占比呈现显著的正相关关系(P0.05),与低烈度火呈现显著的负相关关系(P0.05);月平均风速与高烈度火呈现显著的负相关(P0.05),与低烈度火呈现显著的正相关(P0.05)。通过对比分析天保工程实施前后林火特征和气候的变化趋势,可以发现天保工程的实施对林火烈度产生极大的影响,是其改变的主要原因。     

PL高分辨率遥感影像在森林火灾评估上的应用

【目的】研究仅依靠一种高分辨率遥感影像（PL）用于森林火灾影像信息提取、数据分析的可行性,为火烧程度评估提供可靠的林火遥感数据源和提取方法。【方法】以2017年毕拉河“5·2”特大森林火灾的火烧迹地为研究区域,使用火前、火后当年、火后更新1年共3期PL影像作为数据源,利用ROI _S提取过火区,分析火干扰前后NDVI的变化特征。结合地面调查数据,采用差值归一化植被指数（dNDVI）划分火烧等级,阈值验证参照罗德昆火灾受害等级划分标准进行精度验证。对火烧迹地植被受害状况进行评估,以获取火烧程度的空间分布格局。【结果】1)火干扰导致NDVI值急剧降低,火后更新1年NDVI略有升高,表明植被恢复能力有限。PL遥感影像的3 m高空间分辨率使其RGB图像高度饱和,地类清晰。2)做土地覆盖类型划分,训练样本分离性在1.91以上,共划分为森林、草本沼泽、道路、河流4类。分类整体精度为98.05%,Kappa＿Coefficient为0.95。3)受害程度等级划分为未火烧、轻度火烧、中度火烧、重度火烧4级,分类整体精度为91.55%,Kappa＿Coefficient为0.91。此...     

大兴安岭呼中森林大火碳释放估算

森林火灾不仅破坏森林生态系统,还向大气中释放了大量含碳温室气体,影响碳循环。对林火碳释放进行有效地估算,可以更加深入了解林火对碳循环的作用。利用卫星遥感影像,分析了2010年6月大兴安岭呼中森林大火后植被指数变化,对火烧程度进行了分级,结合野外火烧迹地调查和可燃物含碳率,估算出不同火烧等级、不同植被类型林火过火面积、火烧消耗可燃物量和释放碳量。结果表明:此次大兴安岭呼中森林大火总过火面积为5 812.4hm2,消耗可燃物总量76 742.51t,释放碳34 534.13t,其中落叶松林和针阔混交林释放碳量分别为14 934.16和19 599.97t。     

不同火烈度条件下油松枝功能性状的响应

【目的】研究油松枝功能性状在不同火烈度条件下的适应性变化,揭示油松在不同火环境下的生态权衡策略与适应机制,为火后油松的生态恢复提供理论基础。【方法】以山西省沁源县火烧迹地内(未过火、轻度火烧、中度火烧)的油松为研究对象,根据单因素方差分析与Pearson相关分析研究枝功能性状(枝组织密度、枝氮含量、枝磷含量、枝有机碳含量、枝氮磷比、枝碳磷比、枝碳氮比)在不同火烈度条件下的差异性及相关性,并利用主成分分析探究不同火烈度条件下的油松枝经济谱变化趋势。【结果】1)在3种火烈度下,枝碳磷比的变异系数最大,枝有机碳含量的变异系数最小。随火烈度增加,枝组织密度先降低后升高,对照枝组织密度显著高于轻度火烧(11.8%),显著高于中度火烧(5.6%);枝磷含量升高,在中度火烧显著高于对照(27.8%);枝氮磷比降低,在中度火烧显著低于对照(19.1%)。其余枝功能性状不随火烈度变化产生显著差异。2)不同火烈度条件下,枝功能性状的相关性存在共性结果：枝氮含量与枝碳氮比呈极显著负相关、枝磷含量与枝氮磷比和枝碳磷比呈极显著负相关、枝氮磷比与枝碳磷比呈极显著正相关。因此,上述性状间的耦合关系在油松枝功能性状中...     

大兴安岭不同植被火后NDVI恢复过程

【目的】利用卫星遥感技术研究火后植被恢复过程及影响因子,分析不同火烧强度、不同植被类型的火后归一化植被指数(NDVI)变化特征,研究大兴安岭东南部火后不同植被恢复过程,为在长时间尺度上进行北方林火后植被恢复过程研究与监测提供参考。【方法】基于火烧前后一系列的MODIS数据,利用NDVI和地面调查数据,以2006年大兴安岭松岭特大森林火灾为例,研究不同植被类型在不同强度火烧后的植被恢复过程。根据火烧前后NDVI变化提取过火区;结合地面调查,利用监督分类方法划分火烧强度等级;根据火烧强度分级图和土地覆盖类型图,建立属性数据库,生成火烧强度等级-植被类型图。以2003—2005年同期NDVI最大值为对照,在时间序列上分析植被类型和火烧强度对火后NDVI恢复的影响。根据邻近未过火区的NDVI变化,分析气象因子对NDVI的影响。【结果】轻度、中度和重度火烧区所占比例分别为29%,40%和31%。主要植被类型常绿针叶林、针阔混交林和灌丛的重度火烧部分分别占50%,52%和60%。重度火烧区域所占比例随着坡度增大而升高。在火后NDVI的变化过程中,各森林类型变化趋势相近,灌丛、草地和沼泽的变化趋势相近。【结论】火后NDVI总体呈上升趋势,并呈现明显的年际波动。除草地外其余植被类型在重度火烧后的NDVI值均明显低于中、轻度火烧,但中、轻度火烧的不同植被类型之间差异不明显。森林重度火烧区NDVI在火后第2年达到最低,轻度火烧区火后6年NDVI基本恢复到火前水平。针阔混交林火后盖度的恢复速度较其他森林类型快。火烧强度对森林群落垂直结构的影响显著,森林火烧后灌木层盖度高于未火烧区,且火烧强度越高,这种现象越显著。双因素方差分析显示植被类型和火烧强度对火烧迹地NDVI恢复特征的影响显著,且火烧强度对火后植被恢复的影响更关键,但二者交互影响不显著。未过火区NDVI平均值为0.801 2,波动范围为-3.3%~3.4%,过火区d NDVI的变化约25%是由气象因子引起的,其他主要源于植被变化。d NDVI指标可以很好地反映火烧前后植被指数变化,有较好的时序性和空间可获取性,对火烧迹地恢复过程有指示作用。     

内蒙古毕拉河林场森林火灾受害程度遥感评价

为评价内蒙古毕拉河林场2017年5月2日发生的森林火灾损失情况,利用火灾发生前后的Landsat8卫星影像,计算得到两者间的差值归一化燃烧指数(d NBR),通过目视解译和数学统计相结合的方法构建森林火灾受害程度分级评价指标,对该火烧迹地受灾程度进行定量评价,并利用实地测量GPS数据和GF-2卫星数据验证受害程度的分级精度为86.39%。研究结果表明:内蒙古毕拉河林场火烧迹地的中度受害区域面积最大,为4 685.09hm~2,占火烧迹地总面积的40.35%;轻度受害面积次之,为4 213.1hm~2,占火烧迹地总面积的36.28%;重度受害面积为1 031.03hm~2,占总面积的8.88%;未受害区域的面积最小为906.57hm~2,占火烧迹地总面积的7.81%;火烧迹地内的受灾森林主要分布在中度受害区域和轻度受害区域,受灾草地主要分布在轻度受害区域。     

基于规则面向对象分类法的贵州省山区火烧迹地提取

基于国产高分一号卫星宽幅（WFV）影像,对贵州省复杂地形山区火烧迹地的光谱特征、形状特征、纹理特征等进行了分析,建立了火烧迹地提取规则,完成了研究区基于规则面向对象的火烧迹地提取。利用高分二号卫星1 m分辨率影像对提取结果进行精度验证。结果表明,基于规则面向对象分类法的GF1WFV火烧迹地提取总体精度为92.67%,总Kappa系数为0.89,能较好地完成研究区的火烧迹地分类提取,分类质量达到极好水平,为贵州省山区火烧迹地提取提供了一定的参考和理论依据。     

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DEM的县级尺度土地利用定量分析和区域生态环境评价研究

以黑龙江省宾县为例,应用Landsat TM遥感影像数据及DEM数据,在Arc GIS空间分析模块支持下,完成地形因素和土地利用类型现状的叠加分析,并从地形(高程、坡度、坡向)角度探讨区域土地利用类型的空间格局分布,为研究区域的土地合理利用的对策提供重要的科学依据。结果表明:研究区域耕地和林地的面积之和比例为91.20%,占据绝对的优势地位;耕地所占面积最大,集中分布于平地、阳坡和低海拔区域上;林地面积次之,林地在坡度、坡向、高程分级中的各种级别上都有分布;草地、水域、建设用地和未利用地多集中在平地、平坡和低海拔区域;生态环境质量优面积比例为34.16%,林地占据较大比例,生态环境中和差的区域多为平原地带,面积比例分别为36.99%和9.65%。研究结果可为区域土地管理决策、土地可持续利用以及生态环境建设提供理论依据和科学支持。     

基于Sentinel-2A数据的森林覆盖变化研究

【目的】利用Sentinel-2A卫星重访周期短和波段信息丰富的特点,精确高效地获取森林覆盖变化信息,提高森林覆盖变化监测的时效性和精度。【方法】采用Sentienl-2A遥感影像作为数据源,以沅江市为研究对象,结合实地调查数据,选取地物训练样本,利用各地物的光谱指数特征和纹理特征来构建决策树模型进行地物分类,光谱指数包括NDVI、NDWI、NDBI和光谱反射曲线,纹理特征包括均值、方差、信息熵和对比度。对沅江市2016年8月1日和2017年5月18日的两期Sentinel-2A遥感影像数据进行地物分类,计算各地物面积并将两期分类结果中的森林覆盖区域提取出来,分析森林覆盖变化情况。【结果】1)利用光谱指数特征结合纹理特征构建决策树模型对沅江市进行地物分类,其地物总体分类精度为83.62%,Kappa系数为0.825 7,森林制图精度为84.28%,森林用户精度为82.43%,比最大似然法的总体分类精度提升了11.27%,Kappa系数提高了0.133,森林制图精度提高了10.59%,森林用户精度提高了9.58%。2)在2016年8月1日至2017年5月18日期间沅江市森林面积减少了771 hm~2,有854 hm~2森林变为耕地,589 hm~2森林变为芦苇地,412 hm~2森林变为建设用地,105 hm~2森林变为水体。另外,有636 hm~2耕地、257 hm~2芦苇地、243 hm~2建设用地和53 hm~2水体变为森林。【结论】基于Sentienl-2A遥感影像数据,利用光谱指数特征和纹理特征构建决策树模型进行分类,能够有效提升地物分类精度;同时能够提高森林覆盖变化监测的时效性和精度,较为准确地分析森林覆盖变化情况,可为洞庭湖流域地物分类和森林覆盖变化监测提供决策支持。     

基于RS和GIS的香格里拉森林火险等级区划

以三江并流核心区香格里拉市为研究对象,以TM影像、森林资源调查数据、林相图和DEM为信息源,在分析香格里拉地区森林火险因子基础上,选取植被类型、坡向、坡度、海拔和离居民点远近作为主要林火等级区划因子。借助RS和GIS技术并采用因子加权叠置法,对研究区森林火险情况进行了定量评价,将火险等级分为低、中、高3类。结果表明:研究区低、中、高火险区面积分别占研究区总面积的12.96%,47.85%,38.87%,中、高火险区比重较大,森林防火任务较重。高火险区大部分位于易燃树种区和居民点密集区域,树种燃烧性和人为因素是影响火灾的重要因子,研究结果可为相关部门森林防火提供技术支持。     

川西亚高山川滇高山栎林火烧迹地土壤呼吸特征及其影响因素

【目的】探究川西亚高山森林火烧迹地土壤总呼吸速率(Rs)和异养呼吸速率(Rh)的季节动态及其影响因素,比较火烧迹地与对照样地Rs和Rh的变化,为火干扰条件下森林土壤碳循环及其碳排放估算提供依据。【方法】以火烧8年后的川滇高山栎林火烧迹地和对照原始林为研究对象,于2010年9月—2011年12月采用LI-8100A土壤碳通量自动测量系统,通过挖壕沟方法测定Rs及Rh,同时测定5 cm深处的土壤温度(T5)和土壤体积含水量(W5),分析Rs和Rh与非生物因子的关系。【结果】休眠季火烧迹地Rs和Rh均显著高于对照样地(P0.05),而生长季和全年Rs和Rh与对照无显著差异(P0.05);T5与Rs和Rh呈极显著的指数正相关关系(P0.01);W5仅在生长季与对照Rs和Rh相关性不显著(P0.05),其余时间均对Rs和Rh产生显著影响(P0.05),即W5低于25.8%时对Rs和Rh产生显著影响(P0.05),超过37.7%时其影响作用不显著(P0.05);T5和W5双因子与Rs和Rh的拟合模型明显优于单因素模型,表明该区域土壤碳排放受T5和W5的协同影响;不同季节火烧迹地的温度敏感性(Q10)均低于对照样地,且Rh的Q10最小,Rs的Q10最大;火烧迹地土壤硝态氮、轻组有机碳和颗粒有机碳含量对Rs和Rh的影响大于对照;火烧迹地Rs和Rh年累积量相比对照样地分别高13.9%和1.8%。【结论】火烧迹地土壤碳排放对温度变化的敏感性低于未过火林地,在评估和构建川西亚高山土壤碳排放模型时,应考虑火干扰林地和土壤底物代谢水平。     

日照市林火迹地调查分析

日照市1988年2—4月间连续发生山林火灾13起,累计过火面积800余亩,过大林地540亩,受害树木约15万株,造成直接经济损失7万多元。为了探讨林火发生的人为因素,自然因子及危害特性,我们对火烧迹地进行了调查分析,以便为搞好今后的护林防火工作提供科学依据。一、调查方法在对13处山林火烧迹地全面踏查的基础上,选择6块具有代表性的迹地,设置固定标准地,并在迹地附近选择立地条件和林种与固定标准地基本相     

无人机影像红边波段K-L变换火烧迹地提取方法

基于2020年5月9日云南省安宁市青云街道森林火灾多光谱无人机多波段高分辨率影像,分别采用最大似然法监督分类和第3主成分分析阈值法进行火烧迹地提取,并进行精度验证分析。结果表明,融合红边波段后的图像用2种方法提取火烧迹地的效果均优于普通Red图像,而第3主成分分析法的效果好于监督分类,融合红边波段且采用第3主成分分析的图像更适合于火烧迹地的提取。     

老挝北部5省橡胶林提取及时空扩张研究

[目的]分析老挝北部"金三角"地区橡胶林提取方法及橡胶林时空扩张特征,为合理规划橡胶种植、区域生态环境保护等提供方法和依据。[方法]基于MODIS影像和橡胶林物候特征,选取不同地类特征参数,实现橡胶林空间分布快速可重复的决策树提取新方法,并基于单一土地利用率模型研究橡胶林扩张机制。[结果](1)橡胶林提取时间窗口为1月至3月,基于不同地类特征参数生成的橡胶成林、幼林决策树提取方法总精度为80.67%,高分一号影像通过面向对象方法验证MODIS影像提取结果精度可靠。(2)2010—2015年,老挝北部5省橡胶林由12.6万hm~2扩张到16.96万hm~2,面积变化率最大的是乌多姆赛省,丰沙里省扩张速度最慢。[结论]MODIS影像提取橡胶林方法和结果简单有效。橡胶林分布在海拔和坡度上呈现不断上升的趋势,海拔1 500 m以上零星分布,坡度上分布上限为35°,而坡向扩张无明显规律。从LUCC视角分析得到橡胶林时空扩张的主要影响因素是社会政策和经济因素。     

基于测树枪的林火行为参数精准观测研究

利用手持式测树枪测角、测距功能,根据三角函数和相关数学模型计算提出林火蔓延距离和速度、火焰长度、火场周边长、过火面积等林火行为参数的精准观测方法,实现了林火行为参数观测数字化、内外业一体化。在试验区开展精度验证,结果证明:双站测树枪观测林火蔓延距离的精度为99.28%,火场周边长测量精度为99.29%,过火面积测量精度为98.26%,测树枪的观测精度满足林火观测要求。