卫星遥感影像目视解译在森林资源调查中的应用分析

遥感影像目视解译的目的是从遥感影像中获取所需的地学专题信息,判读其分布,并对其数量特征给予粗略的估计。森林资源分布,蓄积量,林地生产力,资源管理等都能在遥感影像上有所体现,正确地目视解译能够提高森林资源调查的准确性和可靠性。对今后林业的发展和规划具有重要应用价值和社会效益。并针对其存在的问题,提出了解决对策。     

卫星影像目视解译森林资源调查数据中存在的问题及对策

采用１９９７年２月的Ｌａｎｄｓａｔ－５ＴＭ数据作为遥感信息源，进行普洱县森林资源遥感调查，其小班因子判对率为９２．８％，地类判对率为９２．１．％。工作中存在的问题有：１）卫星影像反映的信息特征不突出：２）判读人员对影像特征掌握不完全；３）建立的解译标志在某些方面不足，造成某些判读的随意性；４）补充调查的详细程度不够；（５）非遥感资料的利用不充分；（６）专家智能的发挥不够，针对以上问题，提出了解决的     

卫星影像目视解译森林资源调查数据中存在的问题及对策

采用1997年2月的Landsat-5 TM数据作为遥感信息源,进行普洱县森林资源遥感调查,其小班因子判对率为92.8%,地类判对率为92.1%.工作中存在的问题有①卫星影像反映的信息特征不突出;②判读人员对影像特征掌握不完全;③建立的解译标志在某些方面不足,造成某些判读因子的随意性;④补充调查的详细程度不够;⑤非遥感资料的利用不充分;⑥专家智能的发挥不够.针对以上问题,提出了解决的办法.     

初探3S技术与遥感解译的综合应用

利用3S技术进行资源调查过程中,采用人工目视判读来提取相对准确的森林资源信息。通过适当的前期图像处理,结合外业调查工作,建立解释标志,采取综合判读的方式来获取有用的信息。     

基于ZY-1-02C卫星遥感图像的森林采伐情况分析

以广西南部某县部分区域为研究区,采用ZY-1-02C卫星遥感图像为数据源,通过目视解译、屏幕矢量化方法,提取2012年实际采伐的伐区空间分布信息,在AreGIS平台支持下,与2012年伐区调查图进行空间叠置分析,对2012年实际采伐情况分析.结果表明：2012年实际采伐伐区共396个,总面积为4 557.8 hm2,其中有证采伐伐区267个,占总伐区数的68.4％,面积3 823.4 hm2,占总面积的83.9％;无证采伐伐区129个,占总伐区数的31.6％,面积734.4 hm2,占总面积的16.1％.在有证采伐伐区中,面积总误差为2.7％,总体重叠率为82.0％,其中超界采伐712.2 hm2,少采607.2 hm2.说明该研究区森林采伐中,无证采伐情况较为严重,即使是有证采伐,也存在部分伐区未严格按设计要求进行采伐的情况.     

遥感影像判读方法在大兴安岭东部林区二类调查中的应用

遥感技术具有宏观、综合、可重复及低成本的特点,广泛应用于各行各业。国家林业局《森林资源规划设计调查主要技术规定》指出,当卫片的空间分辨率达到3m时,可以采用遥感影像判读方法。国家林业局大兴安岭林业调查规划设计院(以下简称我院)从2006年新林林业局二类调查项目开始,尝试使用了2.5m分辨率的SPOT5遥感数据进行判读调查,取得了良好效果。文章试就遥感影像判读方法在大兴安岭东部林区二类调查中的应用作浅显探讨。     

遥感目视判读(TM)影象在森林资源调查中应用的探讨

针对我省森林资源分布的特点,结合地面调查和遥感技术的有利手段,及时的掌握地面资源信息量和技术资料,为制定林业政策,林业规划提供可靠的数据保证.     

基于遥感影像和二类调查数据的林地类型分类方法对比研究——以广西凭祥市为例

基于Landsat 8 OLI遥感影像和森林资源二类调查数据,对有林地、灌木林地、未成林地和非林地等林地类型,分别采用最大似然、神经网络、支持向量机和决策树分类方法进行分类,验证分类精度,并对分类效果进行对比评价。结果表明:支持向量机分类方法表现最好,分类精度为78.7%,Kappa系数为0.76;其次为神经网络和决策树分类方法,分类精度分别为76.8%和72.5%,Kappa系数分别为0.72和0.68;最大似然法表现最差,分类精度为44.9%,Kappa系数为0.39。研究结果可为森林资源信息的快速提取提供理论依据。     

遥感植被指数在重点国有林区“三总量”伐区检查中的应用研究——以对鹤立林业局的研究为例

以鹤立林业局为研究区域,以2007年"三总量"检查的TM遥感判读区划结果和抽样现地检查结果为基础资料,分析了同期遥感数据之间、不同年份遥感数据之间采伐地块的植被指数变化,以及不同采伐方式和不同采伐强度与植被指数变化的关系,为利用遥感数据进行"三总量"检查进行了有益的探索和实践。     

遥感目视判读(TM)影象在森林资源调查中应用的探讨

针对辽宁省森林资源分布的特点,结合地面调查和遥感技术的有利手段,及时的掌握地面资源信息量和技术资料,为制定林业政策,林业规划提供可靠的数据保证。     

高光谱遥感获取伐区调查数据的应用综述

首先论述了高光谱遥感在获取森林调查数据方面的优势;随后总结了国内外关于高光谱技术在树种识别、龄级分类、郁闭度调查及森林健康监测等方面的应用,并同时列举出高光谱遥感应用于林业上的主要处理技术;最后对高光谱遥感在我国林业上的应用现状进行了分析与展望。     

基于遥感影像的土地利用类型动态变化监测——以达拉特旗研究区为例

文章利用RS和GIS的空间分析技术,以TM遥感影像为主要信息源,通过目视解译的方法提取研究区土地利用动态变化数据,结合现地调查进行区域土地利用动态变化分析。研究结果表明:研究区不同土地利用类型之间转换明显,其中,以耕地、草地面积减少,林地、灌木林地、居民地和工矿用地增加为主。土地利用类型变化主要受经济因素影响,国家投入增加和地方经济的发展是土地利用变换的主要原因。     

基于Landsat TM遥感数据的山核桃产量预测——以浙江临安市为例

以浙江省临安市的山核桃为研究对象,基于2008—2011年连续4年的样地实测产量为基础,利用每年4个生长时期的Landsat TM遥感数据,系统地分析比较每个生长时期的植被指数与产量的关系。研究结果表明:NDVI在各个生长期均与产量的相关性最高;SAVI与产量的相关性居中,DVI最低。以每个时期的NDVI为因子,建立不同时期山核桃产量的预估模型。各时期模型的预估效果为果实膨大期花芽分化及授粉期采摘至落叶期休眠期。以不同时期的NDVI为因子,利用逐步回归,建立多因子的山核桃产量的预估模型。最优预估模型为y=126.51_(x_2)+26.61_(x_1)+12.56_(x_3)-67.42(R~2=0.642,SEE=12.17),为山核桃产量的预测提供可行,快速,有效的方法。     

基于多源卫星遥感数据的森林过火区面积估算方法

森林火灾作为世界上主要自然灾害之一,严重危害森林资源,威胁人民生命财产安全,破坏自然生态环境。对森林火灾快速、准确的监测是十分重要的。森林过火面积是森林火灾最基本的描述因子,     

基于ALOS数据的巨尾桉蓄积量遥感估测——以广西平南县为例

蓄积量是森林资源监测的一项重要指标,蓄积量遥感估测一直是林业遥感研究的重要内容。本文采用ALOS数据为遥感信息源,以广西自治区平南县优势树种巨尾桉为研究对象,分析选取影响巨尾按蓄积量估测主要的遥感信息和地理信息因子,结合郁闭度实地调查因子,建立了巨尾桉蓄积量估测模型,模型精度达91．18％。     

基于决策树分类方法的城市绿化分析——以兖州地区Hyperion遥感影像为例

以兖州实验区为例,探讨了利用决策树方法进行城市高光谱遥感绿化分析的流程和方法;分析了试验区典型地物的波谱特性;总结了常用反射率反演方法,并根据具体情况选择FLAASH模型进行了实验;试验区研究表明,决策树分类方法在高光谱遥感影像信息提取中具有可行性.这种基于高光谱的精细信息提取方法,可以提高不同植被类型的高光谱图像分类识别精度,为城市绿化分析提供参考依据.     

卫星遥感在贵州喀斯特地域研究中的应用——以兴义万峰林为例

兴义万峰林是国家级风景名胜区马岭河峡谷的重要组成部分,也是中国锥状喀斯特发育最典型、最完整、最集中的地方。应用GIS技术,利用高分二号1 m空间分辨率多光谱遥感影像数据,结合资源三号立体像对提取的栅格分辨率为10 m数字高程模型,分析并评估了万峰林及景区峰头个数。通过ArcGIS山顶点提取算法,运用山顶点高差阈值提取的等高线转换为面状图进行了叠置分析,提取了万峰林峰头个数为8972个,其中景区内峰头个数为3309个,研究结果可为贵州喀斯特地域的研究及生态旅游的发展提供一定的借鉴作用。     

基于遥感的城市绿地信息监测分析——以扬州市为例

以正在高速发展的扬州市城区为例,利用不同时相的CBERS-02的CCD数据和中国资源卫星二号星的全色数据,选用合适的方法对城市主要地物信息进行自动(半自动)提取,对扬州市城区绿地系统的变化进行动态监测及分析.结果显示: 2006年扬州市建成区绿地率为37.0%,绿地分类精度达99.3%.     

3S技术在土地调查中的应用——以赤峰市敖汉旗土地调查为例

文章中阐述了本次调查充分利用航天航空遥感(RS)、地理信息系统(GIS)、全球卫星定位系统(GPS)和数据库及网络通讯等技术,采用内、外业相结合的调查方法,提高了本次土地调查的质量和效率。     

基于多源遥感数据的森林蓄积量估测研究——以北方孟家岗林场为例

以北方孟家岗林场的落叶松人工林为研究对象,引入遥感技术作为一种更高效、适用于大区域的遥感监测方法,利用Sentinel-1和Sentinel-2遥感数据,提取光谱特征、纹理特征、植被指数和后向散射系数等特征指标,基于Pearson相关系数和距离相关系数这两种特征选择方式,结合KNN、SVR和RF等3种机器学习模型,开展了6种人工林蓄积量估测方案的对比。研究表明：遥感数据源对模型的估测精度影响最大;以单一Sentinel-1数据作为来源的模型估测精度最低,而基于Sentinel-1和Sentinel-2综合数据的估测模型精度最高,其中RF回归模型结合DC特征重要性评价方案获得了最佳的蓄积量估测结果,R_RMSE和R²分别为22.94%和0.59。利用特征选择的方式结合多源遥感数据可以有效提升模型精度和泛化能力,得到更优的人工林蓄积量估测结果,为森林资源的保护、管理和可持续利用提供科学依据。