结合光学与雷达影像多特征的热带典型人工林树种精细识别

【目的】结合Sentinel-2光谱特征、纹理特征和Sentinel-1雷达后向散射特征,开展光学与雷达影像协同人工林树种分类研究,评价不同数据源和不同特征在树种分类中的作用,获取最优分类策略,为热带典型人工林树种精细识别提供新的技术途径。【方法】获取Sentinel-2光学影像43个光谱特征,将优选的Sentinel-2光谱特征与Sentinel-2纹理特征、Sentinel-1雷达后向散射特征组合,采用随机森林分类算法对研究区橡胶林、油棕林和桉树林进行精细提取,并评价不同特征对人工林树种识别的贡献。【结果】1)选择重要性排名前17的Sentinel-2光谱特征参与分类时,OOB score达最高值0.947 2,其中Sentinel-2的蓝波段、红边和近红外波段及其相应的植被指数在树种识别中重要性较高; 2) Sentinel-2纹理特征和Sentinel-1雷达后向散射特征对于不同树种均具有一定差异性,可作为树种分类的有效特征; 3)仅利用Sentinel-2光谱特征对橡胶林、油棕林和桉树林的区分度有限,生产者精度和用户精度的调和平均值(F1)分别为0.70、0.74和0.61;结合光谱特征、纹理特征和后向散射特征,3种人工林的分类精度达到最高,F1均大于0.80,同时其他地物的分类精度也有较大提高,总体分类精度为0.85,Kappa系数为0.83。【结论】Sentinel-2光学影像的光谱特征是树种识别的重要基础,Sentinel-2光学影像派生的纹理特征及由Sentinel-1雷达影像提取的后向散射特征可为不同人工林树种识别提供有益补充。考虑到Sentinel-2和Sentinel-1较高的时间分辨率和空间分辨率,同时结合其光谱特征、纹理特征和后向散射特征对热带典型人工林树种进行精细识别具有极大潜力。     

乌市米东区加强北部荒漠林区鼠害防治

人冬以来，乌鲁木齐市米东区森防站深人北部荒漠公益林区开展鼠害调查，发现公益林区梭梭、红柳等植被受到严重威胁。鼠害为大沙鼠和埂田鼠，尤以大沙鼠危害猖獗。大沙鼠大面积啃噬梭梭、红柳枝干，20厘米左右高的梭梭、红柳枝干叶子所剩无几，沙漠梭梭、红柳被危害程度达30％左右。     

辽西地区油松毛虫遥感监测的研究

以辽宁省西部地区油松林为例,根据当地物候特征和油松毛虫的生物学特性,选取了不同时相的三期TM影像,进行了松毛虫灾害前后油松林受害程度的调查。结合G IS专题信息图,比较分析了油松毛虫灾害前后油松林的生长特征和光谱特征,计算出7种植被指数和TM4在松毛虫害发生后油松的光谱值,得出TM4、TM4/TM3、TM(4-3)/TM(4+3)是监测松毛虫害的特征指数。根据雷莉萍等(1995)构建的遥感监测模式,建立了油松毛虫遥感监测模型,经现地检验,平均精度达到85.67%。     

梭梭荒漠林的经营保护——谈实施《森林法》中的一些问题

《森林法》是国家大法,具有极大的权威性,各行各业都应重视执行。梭梭荒漠林管护如何实施?现仅从有效地保护和发展梭梭荒漠林角度浅淡己见,望批评指正！ 一、梭梭荒漠林是干旱荒漠区的特种用途林。 梭梭荒漠在我国天然分布于西北地区,据统计其分布面积为11,667,200公倾,准噶尔盆地为7,956,800公倾,占我国分布面积的68.2％。显然梭梭荒漠林在我国主要分布在准噶尔盆地。     

艾比湖流域典型荒漠植被光谱特征分析

艾比湖流域是有代表性的荒漠区,不仅是中亚植物区系和蒙古植物区系的交错区域,而且是指征准噶尔盆地荒漠环境变化的关键地区。研究选取该流域为试验区,采用Ava Field-3便携式高光谱地物波谱仪分别对柽柳、白刺、锦鸡儿、梭梭等典型荒漠植被反射光谱测定。对测定结果进行原始光谱分析、一阶导数红边分析,包络线去除分析,发现荒漠植物红边位置靠近长波方向趋势明显并且在800~1 000nm反射率低于一般植被;另外荒漠植物反射率大小在490~510nm,540~560nm,670~690nm,680~750nm,1 100~1 140nm差别显著,可作为识别各种荒漠植物特征波段。     

兰州地区梭梭引种初获成功

一、引种概况梭梭[Haloxylon ammodendron(Mey)Bunge)是藜科的灌木或小乔木,枝杆坚实,易燃烧、火力强、是优良的薪炭用材,嫩枝条骆驼喜食,为育肥上骠的好饲草。梭梭抗旱性极强,能在沙漠地区形成蔬林,是我国西北荒漠地区固沙造林的重要树种。兰州地区荒山造林树种单一,适生树种不多。因此我们于1980年在兰州开始引进梭梭,1983年以来在兰州东岗大转洼山进行较大面积栽植,同时又将梭梭引到永登等地、据观察、     

基于AISA Eagle II机载高光谱数据的普洱市山区森林分类

山区森林的精细分类一直是遥感研究的一个难点,而利用高光谱技术识别地物和树种具有巨大潜力。山区的AISA Eagle II机载高光谱数据需经过大气校正和地形辐射校正后才能获得准确的树种光谱信息。采用Support Vector Machine(SVM)方法对山区森林按照森林类型以及树种进行分类,分类结果与实测样地数据和CCD高分辨率影像验证表明:利用AISA Eagle II机载高光谱数据对试验区的森林类型区分具有较好的分类结果,总体精度为97.74%;在树种分类方面也同样具有不错的分类潜力,总体精度为92.11%,但在阔叶树种间存在错分、漏分的现象。     

准葛尔盆地南缘沙荒地梭梭造林技术

梭梭 [Ｈａｉｏｘｙｌｏｎａｍｍｏｄｅｎｄｒｏｎ(ｍｅｙ .)Ｂｕｎｇｅ]又名梭梭柴 ,广泛分布于我国西北和内蒙古干旱地区 ,该树种适应性强、根系发达 ,极耐干旱 ,抗寒耐热 ,是防风固沙的重要树种。自 1992年起 ,新疆兵团农六师在准噶尔南缘所属的农场开展梭梭荒漠造林技术的试验研究 ,考虑到直播造林成活率低 ,风险大 ,因此将工作重点放在植苗造林工作上来 ,最终摸索出一套适合该地区营造梭梭荒漠林的成功经验 ,目前全垦区累计梭梭植苗造林 0 .8万ｈｍ2 ,保存率 75%以上 ,垦区生态环境明显改善 ,农业经济效益逐年提高 ,现将该项技术要点介…     

基于高光谱和激光雷达数据的林分类型识别

【目的】探讨随机森林、支持向量机分类器下机载高光谱影像和激光雷达点云数据源对林分类型识别的影响,并检验叶绿素在林分类型识别中的作用,为提高林分类型分类精度提供科学依据,为森林资源管理和监测提供技术支持。【方法】以东北林业大学帽儿山实验林场老山施业区为研究区,以机载高光谱影像和激光雷达点云为数据源,在多尺度影像分割基础上,从高光谱影像中提取光谱、纹理和叶绿素指数等特征,从Li DAR点云中提取高度、强度等特征。通过随机森林的特征选择,选取重要性较高的特征变量,在随机森林和支持向量机分类器下,以影像分割数据为试验样本,设置6种分类方案(随机森林分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据,支持向量机分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据),对阔叶混交林、樟子松林、落叶松林、红松林和蒙古栎林5种林分类型进行识别,比较不同分类器下不同数据源的分类效果。【结果】高光谱影像数据共提取34个特征变量,激光雷达点云数据共提取72个特征变量,经特征选择后,高光谱影像数据和激光雷达点云数据各选取11个重要性较高的特征(共22个),其中高光谱影像数据提取的归一化植被指数(NDVI)重要性最大。6种分类方案中,随机森林分类器下高光谱影像与激光雷达点云数据结合的分类精度最高(88.02%),支持向量机分类器下激光雷达点云数据的分类精度最低(76.19%)。多源数据协同的平均分类精度(86.22%)高于单源数据(79.98%),随机森林分类器的平均分类精度(82.92%)高于支持向量机分类器(81.19%)。叶绿素指数参与分类后,分类精度提高约3.32%。5种林分类型中,阔叶混交林分类效果最好,平均分类精度为92.62%,红松林分类效果最差,平均分类精度为49.67%。【结论】多数据源较单源数据可更好地提高分类精度,即2种数据协同可以提高林分类型识别精度;单一数据源相比,高光谱影像数据源的分类效果更好,光谱特征是林分类型识别的重要影响因子;林分类型识别时,不同机器学习模型相比,随机森林分类器较支持向量机分类器分类效果更优;叶绿素作为生物化学参数对林分类型识别有积极影响。     

ALOS、TM影像在土地利用中的最佳波段组合分析

利用凉城县2009年7月20日获取的ALOS多光谱数据和2009年7月9日获取的Landsat 5 TM数据,进行影像预处理(大气校正、几何校正、直方图匹配、图像裁剪等),对凉城县ALOS、TM两幅影像土地利用分类中的最佳波段组合进行实验分析.结果显示:ALOS影像的最佳组合波段为432,TM影像的最佳波段组合为145、345、245、147、347与247波段组合,并结合实际应用进一步确定最佳组合波段.     

甘肃民勤县荒漠化区未利用地的遥感分类研究

以荒漠化土地典型分布区甘肃省民勤县为研究对象,以30 m的Landsat TM5与TM7遥感影像为主要数据源,在分析不同典型地物光谱特征的基础上,建立基于专家知识的决策树分类模型,利用该模型对荒漠化区的戈壁、沙地、沙漠、风蚀劣地等未利用土地进行细分,总体分类精度达到87.06%。决策树分类法总体效果较好,为荒漠化区土地管理以及再利用提供了技术支撑。     

基于Landsat长时间序列的森林扰动参数提取与树高估算

【目的】研究基于遥感影像的森林扰动信息定量提取及其对树高估算的影响,为遥感反演森林参数(树高、生物量)提供参考和借鉴。【方法】选取黑龙江省凉水国家级自然保护区为研究区,以1984—2006年33期Landsat TM/ETM+多光谱遥感影像为数据源,对其进行缨帽变换提取缨帽角(TCA)和缨帽距离(TCD)2个扰动监测指数,采用时间轨迹分析方法(LandTrendr)对TCA与TCD指数进行时间序列重构,分别提取扰动发生的前一年(DBYEA)、扰动发生前的光谱值(DBVAL)、扰动持续时间(DDUR)、扰动量级(DMAG)、扰动后开始修复的时间(RBYEAR)、扰动后开始修复的光谱值(RBVAL)、修复量级(RMAG)和修复持续时间(RDUR)8个时间序列扰动参数。基于单时相Landsat影像光谱信息与单时相Landsat影像光谱信息+森林扰动参数2组变量分别采用随机森林(RF)算法估算树高。【结果】采用单时相Landsat影像光谱信息结合基于TCA和TCD提取的16个时间序列扰动参数建立的树高反演模型预估精度比采用单时相Landsat影像光谱信息建立的树高反演模型预估精度提高6.34%,均方根误差(RMSE)降低0.50 m。树高反演模型中基于TCA提取的时间序列扰动参数变量重要性高于基于TCD提取的时间序列扰动参数变量重要性。【结论】基于LandTrendr提取的森林时间序列扰动参数能够增强反射率与树高之间的相关性,提高遥感树高模型的反演精度,基于TCA提取的森林时间序列扰动参数对树高的解释能力高于基于TCD提取的森林时间序列扰动参数。     

基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,提出一种基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别方法.该方法首先在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,取特征权重前8个特征进行病树识别,发现选择差值植被指数DVI(diffe...     

基于CART决策树方法的遥感影像分类

以云南省香格里拉县为研究区域,构建一种基于CART遥感影像的决策树分类方法.对遥感影像采用主成分提取、植被信息提取、纹理信息提取等方法,并结合试验区主要地物类型训练样本,采用Landsat 5 TM影像数据、DEM数据以及遥感处理软件ENVI为平台进行影像分类,并将结果与最大似然分类结果作比较.结果表明,基于CART遥感影像决策树分类精度优于最大似然分类,有较好的分类效果.     

基于决策树的高寒湿地类型遥感分类方法研究

以索加-曲麻河区域为例,探讨了三江源区域高寒湿地遥感分类方法。利用TM 影像数据和DEM及缨帽变换后的亮度、绿度、湿度,以及归一化水体指数(NDWI)等复合识别指标,构建决策树模型,对研究区不同地类进行区分。然后通过与传统的最大似然法监督分类所得到的结果进行对比,结果表明:利用基于指数的决策树分类方法对高寒湿地类型进行分类,较传统的最大似然法监督分类总体精度提高12.05%;总体kappa系数提高0.140 7; 对于河流、湖泊、沼泽、滩地等湿地类型,生产者精度和用户精度分别提高了6.06%, 6.25%; 0.12%, 3.13%; 6.99%, 25.00%;6.12%, 28.13%, 比监督分类均有明显的提高。证明基于指数的决策树分类方法是高寒区域湿地遥感分类的一种有效手段。     

中国珍稀濒危荒漠植物保护等级的定量研究

本文以中国西北荒漠地区５０种荒漠植物作为定理研究的对象，根据次分析法（Analytical Hierarchy Process，简称ＡＨＰ）理论，选取珍稀濒危荒漠植物的分布区、分类学地位、生物学指标及利用价值４个指标，将生物学指标量化为乔木、灌木、多年生草本和１年生草本４个指标变量，将利用价值量化为科研、药用、饲（食）用、薪炭用和其它价值５个指标变量，分别构建判断矩阵，通过计算机数据处理，定量研究各指标在珍稀濒危等级综合评价中的以重及重要程度，研究结果表明：对５０种珍稀濒危荒漠植物的保护等级进行排序，结论基本符合《中国珍稀濒危保护植物名录》和《中国植物红皮书》的分级结果。盐桦（Betula holophila)、矮沙冬青（Ammopiptanthus nanus)、贺兰山丁香（Syringa pinnatifolia var.alashanica)、沙生柽柳（Tamarix taklamakanensis)、四合木（Tetraena mogolica)、新疆丽豆（Colophaca soongoria)、喀什女蒿（Hippolytia kaschgarica)７种荒漠植物被列为１级保护，占总数的１４％，裸果木等２２种荒漠植物被列为２级保护,贴总数的４４％，梭梭等１９种荒漠植物被列为３级保护，占总数的３８％，星毛短舌菊、盐豆木２种荒漠植物被列为等外，占总数的４％。     

松毛虫早期灾害点遥感监测研究初报

松毛虫早期灾害点遥感监测研究初报武红敢，黄建文，乔彦友（中国林业科学研究院资源信息所北京１００００１）严小君，陈林洪（浙江省江山市森林防疫站江山３２４１００）关键词松毛虫害，ＴＭ数据，影像，监测松毛虫为我国最为严重的森林害虫［１］。几十年来，各级政府...     

激光雷达和高光谱遥感技术在树种识别中的应用

快速准确识别树种是研究和保护森林资源的基础,通过遥感技术进行树种识别已成为森林调查重要手段之一。激光雷达数据可以提供森林垂直结构的信息,而高光谱遥感数据可以提供树木详细的光谱信息,因此联合激光雷达和高光谱数据能够提高树种分类精度。文中阐述了激光雷达和高光谱遥感在森林树种识别中的研究现状,总结了单一遥感源进行树种识别的优缺点,介绍了联合激光雷达和高光谱遥感数据的树种识别方法,最后从数据平台、数据提取、数据融合及识别模型等4个方面探讨了当前树种识别研究中面临的问题以及未来的研究方向,旨在为提高树种识别精度提供参考。     

基于多特征的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,利用在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,提取的合适特征为归一化植被指数NDVI(Normalized Vegetation Index)、差值植被指数DVI(Difference Vegetation Index)、OHTA颜色模型作为病树与非病树的光谱特征,对目标影像进行自动筛选,得到疑似病树像元。运用DBscan空间聚类算法对疑似病树像元进行聚类,并以周围一定范围内有一定数量的健康树像元为空间分布参考,对拍摄地点30°1′N/111°43′E附近、分辨率为0.1 m的3幅高分辨率遥感影像筛选病树。自动筛选耗时分别是人工筛选的43.99%、51.08%和46.62%,相对于人工筛选的数量准确度分别为79.37%、77.85%和82.56%。结果表明:采用光谱特征与空间特征相结合的方法在高分辨率遥感影像上识别松材线虫病树识别效率更高。