Forest type identification by random forest classification combined with SPOT and multitemporal SAR data

We developed a forest type classification technology for the Daxing'an Mountains of northeast China using multisource remote sensing data.A SPOT-5 image and two temporal images of RADARSAT-2 full-polarization SAR were used to identify forest types in the Pangu Forest Farm of the Daxing'an Mountains.Forest types were identified using random forest(RF) classification with the following data combination types: SPOT-5 alone,SPOT-5 and SAR images in August or November,and SPOT-5 and two temporal SAR images.We identified many forest types using a combination of multitemporal SAR and SPOT-5 images,including Betula platyphylla,Larix gmelinii,Pinus sylvestris and Picea koraiensis forests.The accuracy of classification exceeded 88% and improved by 12% when compared to the classification results obtained using SPOT data alone.RF classification using a combination of multisource remote sensing data improved classification accuracy compared to that achieved using single-source remote sensing data.     

应用遥感数据识别意大利沿海松林灾害级别

分析了LandsatTM和ERS-1SAR数据用于识别意大利沿海松林污染灾害级别的潜在能力，结果显示出夏季获取的TM数据在森林灾害制图上远比冬季获取的TM数据和SAR影像有效，但SAR影像的贡献也是不可忽略的，文中给出了应用人工神经元网络B-P模型得到的对意大利沿海松林污染灾害级别划分的结果和应用FINDKAPP程序得到的精度评价结果。     

Classifying coastal resources by integrating optical and radar imagery and color infrared photography

A progressive classification of a marsh and forest system using Landsat Thematic Mapper (TM), color infrared (CIR) photograph, and ERS-1 synthetic aperture radar (SAR) data improved classification accuracy when compared to classification using solely TM reflective band data. The classification resulted in a detailed identification of differences within a nearly monotypic black needlerush marsh. Accuracy percentages of these classes were surprisingly high given the complexities of classification. The detailed classification resulted in a more accurate portrayal of the marsh transgressive sequence than was obtainable with TM data alone. Individual sensor contribution to the improved classification was compared to that using only the six reflective TM bands. Individually, the green reflective CIR and SAR data identified broad categories of water, marsh, and forest. In combination with TM, SAR and the green CIR band each improved overall accuracy by about 3% and 15% respectively. The SAR data improved the TM classification accuracy mostly in the marsh classes. The green CIR data also improved the marsh classification accuracy and accuracies in some water classes. The final combination of all sensor data improved almost all class accuracies from 2% to 70% with an overall improvement of about 20% over TM data alone. Not only was the identification of vegetation types improved, but the spatial detail of the classification approached 10 m in some areas.     

森林地上生物量合成孔径雷达技术反演研究综述

森林地上生物量是森林获取能量的重要体现,准确掌握其动态变化对了解森林生长过程、实现生态系统的有效修复具有重要意义。合成孔径雷达技术（SAR）具有全天时、全天候的特点,在森林地上生物量（AGB）反演中极具潜力。星载SAR技术的发展,使得SAR数据源日益丰富,利用极化SAR技术、干涉SAR技术、极化干涉SAR技术、层析SAR技术、多频SAR技术可以实现对森林不同维度的观测,从而提供森林不同维度的信息,进而提高采用SAR技术进行森林AGB反演的能力。文中介绍星载SAR传感器及可获取SAR数据的现状,在此基础上重点阐述基于后向散射信息、极化信息、干涉信息、极化干涉信息、层析信息、多频SAR信息在森林AGB反演中的现状及存在问题,展望了SAR技术在森林AGB反演中的发展趋势。     

多极化星载SAR森林覆盖变化检测方法

【目的】利用多极化星载SAR数据,分析后向散射强度比值影像的概率密度分布特征,融合后向散射强度信息和影像空间上下文信息,提出一种具有较高检测正确率及较低虚警率和漏警率的森林覆盖变化检测方法,为多极化SAR卫星数据的业务化应用提供技术支撑。【方法】将"2期分别分类森林覆盖变化检测法"(CBFC)与"贝叶斯最大期望-马尔科夫随机场(EM-MRF)变化检测法"相结合,首先采用阈值分割法分别对2期多极化SAR影像进行森林-非森林分类得到初始森林覆盖变化图,然后以初始森林覆盖变化图作为训练数据对多极化比值影像进行Fisher特征变换和EM-MRF分类处理,2个时相的HH、HV极化比值影像经Fisher特征变换转化为一个综合差异影像,输入EM-MRF进行迭代分类得到森林覆盖变化检测结果。以黑龙江省逊克县为试验区,以2期ALOSPALSAR双极化数据为SAR遥感数据,以对2期Landsat-5影像、高空间分辨率遥感影像进行目视解译得到的森林覆盖变化图为参考,对本研究提出方法的有效性与CBFC方法及直接用CBFC提取的森林覆盖变化检测图掩膜EM-MRF地表覆盖变化检测图方法(CBFC-EM-MRF)进行比较评价。【结果】通过Fisher特征变换得到的差异影像可有效增强森林覆盖变化、未变化类别的对比度;CBFC通过阈值分割法进行森林-非森林分类,提取的森林覆盖变化图中出现很多面积很小的虚警检测,漏警率也很高,而本研究提出方法通过MRF加入影像空间上下文信息,提高了检测结果的空间连贯性,森林覆盖变化检测虚警率为1.58%,漏警率为11.87%,正确率为98.36%,检测效果和精度明显优于CBFC和CBFC-EM-MRF。【结论】多极化星载SAR森林覆盖变化检测方法具有收敛性好、检测结果可信度高、需要用户交互较少等特点,对我国高分三号及未来其他多极化SAR卫星的森林资源监测业务应用具有重要参考价值。     

基于GIS的老挝-中国边境土地适用性评估

对老挝-中国边境林地使用变更进行了评估,并提出了茶叶的土地适用性。建立一个综合的基于GIS的分析系统（IGAS）,该系统支持老挝-中国边境的林地使用和土地适用性的评估研究。采用多标准分析和系统动态技术评估林地使用和土地适用性,同时预测了潜在的茶叶用地。收集到的土地数据和数据分析表明,整体研究区域为10325.07 km2,当前的森林覆被由1992年的6337.33 km2（占61.38%）减少到2002年的5106.28 km2（占49.46%）。当前的森林主要被转为潜在林地和专门的永久农业用地,甚至国家生物多样性保护区域被转为橡胶种植区。林地使用转变的主要原因是贫穷。为了解决这个问题,根据多标准方法,我们对研究区域中适用茶叶种植土地提出了2种分类方案。     

基于全极化SAR影像土地覆盖分类研究

基于云南石林地区2009年4月23日的ALOS PALSAR的L波段全极化散射矩阵单视复数据,利用欧空局PolSARPro软件强大的极化处理功能,首先对数据进行极化分解,然后利用H/α/A—Wishart分类方法对该地区进行分类研究,利用2007年的森林资源二类调查数据作为真实样本数据进行精度检验。结果表明,全极化SAR数据可有效识别出建筑用地、林地、耕地、裸地和水域5种地物覆盖类型,总体分类精度达80.87%。     

中国热带林遥感探索:分类方法与调查方案

在分析了世界热带林研究现状、我国热带林特点及研究进展后，从中国的热带林研究出发，重点探讨了分类方法和调查方案。提出了研究区域性、乃至全球热带林的遥感方法。并指出宏观监测时遥感方法是不可代替的。在分类方面，建议在水热条件和高程预分类后，用遥感数据确定林分郁闭度，从而完成分类的方法。在调查方案中，提出了宏观和局部评估其面积和蓄积的方法，并用数据证明了可行性，同时与亚热带和温带的试验结果进行了比较。     

多基线干涉层析SAR提取森林树高方法研究

应用瑞典Raminstorp研究区Bio SAR 2007 P-波段多基线In SAR数据,研究了基于多基线干涉SAR数据的层析方法,成功提取了可代表森林垂直结构信息的雷达后向散射功率垂直分布信息,并基于该信息提取了树高。应用地面实测样地对树高提取精度进行了检验,结果表明:HH极化树高提取精度最高(R2为0.65,RMSE为2.35 m,相关系数为0.80),HV其次,VV最差。     

高光谱数据森林类型统计模式识别方法比较评价

在我国东北地区获取EO-1 Hyperion高光谱数据,以高空间分辨率的全色SPOT-5数据及其影像分割结果为辅助,通过外业测量获取真实可靠的森林类型空间分布数据.以这些数据为地面实状数据,对现代先进的统计模式识别方法用于森林类型识别的效果进行比较评价,总结可以有效解决有限样本条件下高光谱分类问题的基于统计模式识别的森林类型分类技术方案.评价结果表明:对高光谱数据进行降维处理,并采用更加有效的二阶统计量估计方法,进而应用将空间上下文信息和光谱信息相结合的分类算法,如ECHO,可以有效提高高光谱数据森林类型的识别精度.     

ERS－1SAR影像森林应用研究初探*

本研究利用１９９２年成像的覆盖山东省烟台地区的ＥＲＳ－１ＳＡＲ和ＴＭ资料开展工作。研究中首先将这两种遥感资料进行了几何精纠正和与地形图的配准，尔后，用典型相关分析法对遥感资料（ＥＲＳ－１ＳＡＲ、ＴＭ３、ＴＭ４和ＴＭ７）与森林参数（包括平均树高、胸径、枝下高、冠层厚度和郁闭度）间进行了相关分析研究，结果表明，Ｃ波段的ＥＲＳ－１ＳＡＲ资料与森林冠层厚度和平均树高相关程度较高；森林参数综合因子对ＥＲＳ－１ＳＡＲ影像的影响大于对所用ＴＭ波段的影响，说明ＥＲＳ－１ＳＡＲ资料在森林应用中，对森林参数乃至于森林蓄积量的估测是有潜力的。     

合成孔径雷达森林生物量估测研究进展

随着合成孔径雷达（SAR）遥感技术的发展,微波遥感独特的成像机理及其全天候全天时成像能力,使其在区域和全球森林生物量估测方面具有其它光学遥感数据不可替代的作用,这愈来愈受到科学家们的重视。首先就SAR对森林生物量的敏感性进行了论述,分别P、L和C3个波段及其不同极化方式总结了SAR对森林生物量的敏感性和饱和点等反应特性;然后就SAR对森林生物量的后向散射机理和影响森林后散射的其它因素进行了分析;最后总结了利用SAR进行森林生物量估测的技术路线。     

合成孔径雷达技术在林业中的应用综述

近年来合成孔径雷达(SAR)技术得到快速发展,它通过飞行平台的向前运动来实现合成孔径。它的穿透特性使它获取的影像基本不受云、雾的影响,而且能够透过地表和植被获取地表以下信息。最初用于军事上探测空中和地面的运动目标,后来逐渐应用到农业、林业、地质、环境、水文、灾害、测绘等领域。文中主要介绍合成孔径雷达技术的特点及其在森林资源调查、森林分类、自然灾害监测、森林蓄积量和生物量估测、土地利用分类、土壤水份估测等林业中的应用现状,对合成孔径雷达技术在林业中的应用前景进行了展望。     

结合Landsat 8与PALSAR-2影像的龙南县针叶林蓄积量遥感估测研究

林分蓄积量估测是林业遥感的重要研究领域,由于云雾天气和光谱饱和现象等因素限制了光学遥感影像估测林分蓄积量的精度。合成孔径雷达(SAR)具有穿透性强、受云雾影响小等特点,弥补了光学遥感的不足。以江西省龙南县的针叶林为研究对象,结合Landsat 8与PALSAR-2双极化SAR影像数据,在遥感数据预处理基础上,提取了光谱信息、植被指数、纹理信息和后向散射系数等共245个遥感因子。基于Pearson相关系数法和多元逐步回归法,筛选出65个遥感因子参与林分蓄积量估测。以林分郁闭度作为分层因子,分别采用线性、KNN、支持向量机(SVM)、多重感知机(MLP)和随机森林(RF)5种模型估测林分蓄积量,并对估测结果进行精度检验。实验结果表明:1)相比单独使用Landsat 8的光谱和纹理信息,基于郁闭度分级并融合PALSAR-2的后向散射信息明显提高了蓄积量的反演精度;2)对于低郁闭度林分,线性模型精度最高(rRMSE=21.16%),中郁闭度林分,多重感知机模型估测效果最好(rRMSE=30.61%),高郁闭度林分,多重感知机模型估测效果最好(rRMSE=27.53%)。在结合PALSAR-2的后向散射系数的基础上,郁闭度分层能有效改善中高蓄积量区域的反演精度。     

我国森林健康评价方法综述

文章对森林健康评价对象进行分类,总结了我国森林健康评价的方法以及其适用性.我国学者进行森林健康评价的主要方法包括指示物种法、指标体系法、健康距离法、主成分分析法、层次分析法、模糊综合评价法、人工神经网络法等.文章讨论了森林健康评价分级标准及其应用.在分析森林健康及其相关工作中存在问题的基础上,对未来我国森林健康监测、评价工作进行了展望.     

Detection of Windthrow in Mountainous Regions with Different Remote Sensing Data and Classification Methods

After a disastrous storm event, quick and reliable information on the extent of forest damage is required. This study evaluated different remote sensing data and methods to detect windthrown forests in mountainous regions as an alternative to the manual analysis of aerial images or terrestrial methods. To this end, both optical satellite sensors (Landsat-7, Spot-4 and Ikonos) and synthetic aperture radar (SAR) data at various frequencies (X-, L-, P- and C-band) were evaluated, and classifications of the windthrown forests were performed. This study was designed to state the advantages and disadvantages of the investigated data and methods. Classification results were compared with aerial images which were interpreted manually on a stereoscopic base. The study showed that the manual interpretation of Ikonos data revealed the most accurate results, followed by an automatic classification of Spot-4 data. Except for ERS-1/2 data, which are too inaccurate in mountainous regions, and SAR P-band data, all sensors and methods investigated have different advantages, so the choice of a specific sensor and method will depend on the question being answered.     

中国林木遗传(种质)资源保存与研究现状

系统全面地报道了中国林木遗传(种质)资源保存与研究现状,包括:背景,保存策略和原则的研制,保存地域分层与树种分类计划,种质保存的样本策略、保存模式与相关技术的研究进展,中国林木种质保存与利用的成绩,保存工作中急待解决的问题和阐明的认识等6方面问题.还列述了最新研究成果与大量数据.     

合成孔径雷达数据估测森林生物量研究综述

合成孔径雷达（SAR）技术以其独特的成像机理及其全天候全天时成像能力,在森林生物量估测方面发挥着越来越重要的作用。首先对森林生物量SAR估算机理和方法进行介绍,然后分析主要的影响因素,最后指出今后的发展趋势。     

Vegetation inventory of a temperate biosphere reserve in China by image fusion of landsat TM and SPOT HRV

Vegetation cover types on Changbai Mountain, a natural biosphere reserve (2,000 km²) in northeast China, were derived by using multisensor satellite imagery fused with Landsat TM and SPOT HRV-XS. DEM data were used for improving classification accuracy. Cover types were classified into 20 groups. Bands 4 and 5 of Landsat TM image acquired on July 18, 1997, and band 1 of SPOT HRV-XS image acquired on Oct. 19, 1992, were fused to a false color image, and maximum likelihood supervised classification was performed. Data fusion showed high accuracy of identification, compared to individual images. The overall accuracy of classification of individual images by SPOT HRV-XS reached 56%, and TM 66%, while the fused data set provided accuracy of about 78%, which was raised to 81% after recoding by using DEM. There were five vegetation zones on the mountain, from the base to the peak: hardwood forest zone, mixed forest zone, conifer forest zone, birch forest zone, and tundra zone. Spruce-fir dominated conifer forest was the most prevalent (nearly 50%) vegetation type, followed by Korean pine and mixed forest (17%) and larch forest (5%). HRV image taken in leaf-off season is useful for discriminating forest from non-forest, and evergreen forest from hardwood forest, while the summer image (TM) provides detailed information on the difference in similar vegetation types, like hardwood forest with different compositions.