基于小班对象的森林蓄积量遥感估测模型合理性诊断

以四川省遂宁市安居区为研究区域,研究了基于小班对象的森林蓄积量遥感估测模型的构建与合理性诊断。首先论述了建立森林蓄积量模型所需的各种数据,包括定性、定量数据以及遥感影像的派生数据。其次采用最大膨胀因子法及残差平方和法对选取的60个小班样地数据进行最优变量的选择,最终TM2、TM5、TM7、TM4×37、有林地、郁闭度等6个变量成为估测模型的主要因子。再次选取24个样地数据并采用残差分析方法对构建的模型进行合理性诊断,诊断结果显示模型基本合理。最后选用岭迹法对其余36个样地进行模型构建。构建的模型所测蓄积量的相对误差达8.0%,可应用到生产实践当中。     

森林蓄积量遥感定量估测研究综述

论述森林蓄积量的概念和发展历史,介绍森林蓄积量定量估测的常规方法,以及近年出现的新蓄积量定量估测方法,如遥感方法、基于遥感技术的神经网络模型方法,并阐述了森林蓄积量遥感定量估测方法的发展趋势。     

运用Sentinel-2遥感影像数据估测森林蓄积量

针对传统森林资源调查工作量大、时效性低的问题,开发具有较好普适性的森林蓄积量估测模型,以期为森林资源管理决策提供科学依据.以淳安县、临海市为研究区,运用2017年研究区Sentinel-2遥感数据、森林资源二类调查数据和数字高程模型数据,采用最小绝对收缩和选择算子(Lasso)特征选择方法,构建K最近邻算法(K-NN)、梯度提升迭代决策树(GBDT)、极端梯度提升(XGBoost)、梯度增强集成分类器(CatBoost)4种模型和基于单模型的堆叠法(Stacking)融合模型,通过10折交叉验证法检验模型精度,分析特征变量对于模型性能指标的影响.结果 表明:(1)在淳安、临海两地的森林蓄积量估测中,CatBoost模型在4种单模型中综合表现最优,具有较好的普适性;(2)特征变量的加入极大提升了模型的决定系数(R2),且均方误差、平均绝对误差和平均百分比误差等性能指标也显著优化;(3)融合模型的平均百分比误差最低为20.24％,较单模型有所提升.Lasso特征选择方法结合Stacking融合模型可以准确地估测森林蓄积量,具有较强实用性.     

中小比例尺航片森林蓄积量的遥感判读研究

研究了中小比例尺航片在森林蓄积量判读上的应用,结果表明：可以根据航片上影像灰度的平均值来进行树种的判别;利用灰度标准偏差进行林分蓄积量的估测,其拟合误差不足5%,满足林业生产实践的精度要求。填补了中小比例尺森林蓄积量判读的空白,是建立森林蓄积量判读的不同比例尺、不同遥感来源立体判读体系的重要补充,具有十分重要的现实意义。     

基于纹理信息的森林蓄积量估计

以河北省秦皇岛市山海关公益林为研究对象,结合Landsat TM数据和森林资源二类调查数据,运用灰度共生矩阵分析法提取纹理信息,采用逐步回归法建立多元线性回归模型,进行森林蓄积量的估算。结果表明:选取纹理因子参与建模,建立的线性回归方程的拟合效果较好,估测模型的R~2值达0.766,估计值的标准误差最小,标准误差最小值为28.036,说明纹理因子对提高森林蓄积量的估测精度有重要影响。     

遥感影像提取森林火灾可燃物蓄积量模型的建立1）

森林火灾可燃物蓄积量的提取为森林火灾蔓延模型提供了定量的森林火灾可燃物信息。利用遥感影像对森林火灾可燃物的分类结果,采用多元回归法、参数优化的神经网络法和支持向量机法建立森林火灾可燃物蓄积量模型。研究了遥感影像的数据处理、建模方法对森林火灾可燃物蓄积量模型精度的影响。利用最优的森林火灾可燃物蓄积量模型,进行整个研究区域的森林火灾可燃物蓄积量反演。结果表明,数据处理后的遥感影像,采用支持向量机法建立的模型精度较高。     

基于中巴资源卫星数据的森林蓄积量估测研究

用中巴资源卫星遥感数据,经过图像处理（包括图像的校正、图像的增强和图像的分类等）,获取所需要的数据,结合少量地面实测样地资料,通过多元线性回归来建立森林蓄积量的数学模型,并用数学方法进行检验,使估测的精度达到要求,为林业生产和建设提供依据。     

贵州省平坝县森林蓄积量动态变化

依据平坝县1985年、1995年、2005年的森林资源二类调查数据以及2013年平坝县林地变更调查数据,对平坝县森林蓄积量动态变化进行分析。结果表明:平坝县森林蓄积量28年来稳步增长,但森林蓄积量增长过程也存在一些问题,对此提出加强森林经营管理、改善林分质量、增加森林蓄积量、加强森林资源多样性保护、充分利用乡土树种和良种等经营建议。     

运用机载激光雷达数据和立地质量分级对亚热带森林蓄积量遥感反演

为了探讨不同的立地条件下,应用机载激光雷达(Lidar)数据建立的林分蓄积量模型的反演精度。以高峰林场2016年森林资源二类调查小班数据为研究对象,运用随机森林对Lidar分位数高度、水平结构参数等变量重要性排序,构建蓄积量估测基础模型(不考虑立地质量分级)和优化模型(考虑立地质量分级)。结果表明:105块样地中有23块低立地生产力样地(LSP),有82块高立地生产力样地(HSP);在不同立地质量分级样地中,对树高和胸径进行logistic最小二乘回归曲线,胸径-树高之间存在着显著差异;基础模型和优化-A_B模型估测的蓄积量在总体样地和HSP上没有显著差异(P>0.05),但在LSP上差异极显著(P<0.001);优化模型估测的蓄积量和实测蓄积量在两种立地质量的样地中差异不显著(P>0.05);基础模型估测的蓄积量和实测蓄积量在HSP没有显著差异(P>0.05),但在LSP差异极显著(P<0.001)。由分位高度(P_H90)和实测蓄积量生成(含HSP和LSP)的两个伪模型曲线表明,在HPS中,实测蓄积量与P     

基于资源三号卫星遥感影像的森林蓄积量估测

以宁波市北仑区新路林场作为研究区域,选用主成分回归法、偏最小二乘法和逐步回归法3种不同方法,基于资源三号卫星影像建立蓄积量反演模型,并对比不同估测模型的精度得出逐步回归模型为最优模型,相对精度为95.2%,满足林业调查的需要。     

基于遥感和GIS的森林生产力空间格局与分异

借助遥感和地理信息系统及其集成技术,以通过克里格插值获得的闽江流域林地多年平均温度、多年平均降水量栅格图层及主要土壤质量因子栅格图层为基础,建立森林气候生产力、森林生产力和林木产量栅格图层。运用ERDAS建模功能及动态聚类方法生成闽江流域林地森林气候生产力、森林生产力及林木产量分布图。通过对各生产力空间格局和分异分析,全流域各生产力类型以高、中生产力面积占绝对优势,总体空间分布上大致呈从东南向西北略有递增的趋势,中部和西北部较高,东南和西部相对较低的状态。研究结果为闽江流域林地资源合理利用提供决策和技术支持。     

基于时序Sentinel-2数据的马铃薯遥感识别研究

【目的 】文章以黑龙江省北大荒农垦集团克山农场为研究区域,以当地马铃薯全生育期为研究时段,以早熟马铃薯、晚熟马铃薯及其他主要农作物大豆、玉米、水稻为研究对象,开展基于时序Sentinel-2数据的识别差异性研究。【方法 】基于早熟马铃薯、晚熟马铃薯及大豆、玉米、水稻各时期各波段光谱反射值,利用光谱差异性指数,创建了光谱振幅指数,结合各种作物生育期数据,评价不同波段、不同时间序列对早熟马铃薯、晚熟马铃薯识别的差异性;筛选出可以较好区分早熟马铃薯、晚熟马铃薯、大豆、玉米、水稻的波段和时间序列组合。【结果 】在该文的时序内,能够同时区分早熟马铃薯、晚熟马铃薯与大豆、玉米、水稻的Sentinel-2数据时段为2022年8月9日和8月31日,波段为Band 5、Band7和Band 11。利用计算机自动分类,结合人工目视解译方式获得2022年克山农场种植结构,马铃薯、大豆、玉米、水稻、其他作物比例为13∶57∶27∶0∶2 （其中的水稻比例不足0.30%）。【结论 】综合Sentinel-2数据各波段反射值、光谱差异性指数,结合生育期资料,使用单一时相识别马铃薯时,最佳时段为晚熟马铃薯的成熟期后...     

宜良县云南松林生物量遥感估测方法研究

利用landsat5影像和通过蓄积量-生物量转换方法获得的样地生物量数据,从宜良县云南松林遥感特征、地形特征、郁闭度等方面选取自变量,采用随机森林回归和偏最小二乘法进行生物量遥感估测建模。结果表明:随机森林回归估测模型调整决定系数R2为0.881,模型估测精度为82.3%;偏最小二乘模型的调整决定系数R2为0.753,模型估测精度为78.43%。随机森林回归在模型拟合效果和检验精度上均优于偏最小二乘模型。     

基于无人机遥感的果园冠层氮素估算及空间分析

为快速准确地获取植株冠层氮素含量及空间分布特征，对大尺度的果园进行精准动态的管理，以宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式3种栽培模式的120棵柑橘树为研究对象，通过测定冠层氮素含量并提取无人机遥感影像多光谱数据中的纹理指数和植被指数，运用随机森林算法（RF）建立基于植被指数、纹理指数以及融合植被指数和纹理指数的柑橘冠层氮素反演模型，并比较融合植被指数和纹理指数的支持向量机（SVM）、BP神经网络算法（BP）和RF的模型反演精度。结果显示：在随机森林算法中，融合植被指数和纹理指数比单独的植被指数或纹理指数更能准确预测柑橘冠层氮素含量；植被指数训练集R²为0.710，测试集R²为0.430；纹理指数训练集R²为0.761，测试集R²为0.349；融合植被指数和纹理指数训练集R²为0.775，测试集R²为0.533。融合植被指数和纹理指数在SVM算法训练集R²为0.511，测试集R²为0.371；BP神经网络训练集R²为0.651，测试集R²为0.204。用融合植被指数和纹理指数的RF模型对3种栽培模式的柑橘园进行氮素反演，得到宽行窄株小冠模式的柑橘冠层平均氮素含量最高，其次为宽行窄株篱壁模式，传统栽培模式最低，氮素含量均值分别为31.33、30.20和27.82 mg/g。结合无人机遥感与融合植被指数和纹理指数的随机森林算法能够有效预测柑橘冠层氮素含量，可为大尺度柑橘果园定量施肥提供参考。     

基于遥感信息模型的香格里拉森林生物量估算

森林生物量是陆地生态系统碳循环过程中最主要的参数,森林生物量准确估算是进行森林碳循环和碳储量及变化分析的基础。以香格里拉这一特殊区域为研究区,以野外调查样方数据为基础,利用植被指数、降水、积温、太阳总辐射量、海拔等多个因子,组合成遥感综合因子层、地理综合因子层与水、光、热一同构成变量,建立了研究区丽江云杉Picea likiangensis-长苞冷杉Abies georgei林,川滇高山栎Quercus aquifolioides林,云南松Pinus yunnanensis林,高山松Pinus densata林等4个建群种森林生物量遥感估算模型,并进行了检验。据此模型开展其生物量估算研究,结果表明:研究区4种森林总生物量为1.14亿 t,其中云冷杉林、栎类林、云南松林、高山松林4种森林的生物量分别是0.715亿t,0.14亿t,0.09亿t和0.20亿t;4种森林总的生物量分布在海拔、坡度上都具有明显的规律,在坡向上无明显分布规律。图1表7参10     

基于遥感和GIS技术的农田信息管理系统

应用遥感技术和GIS技术开发农田信息管理系统,系统以3层B/S模式结构设计。通过对遥感影像处理方法的研究,得到研究区域分类数据,使用反距离加权插值和样条插值2种空间内插方法拓展农田无线传感器网络采集的监测点数据,得到整个目标区域连续的农田数据分布专题图,为农田信息管理系统提供宏观的数据。系统能够实现地理信息系统的基本操作功能、农田信息的查询与管理以及农业各种专题图的直观展现。以江苏省洪泽湖农场为案例区,系统能够有效地管理农场数据,为农业生产管理提供指导依据。     

大气校正模型对阔叶林叶面积指数遥感估算的影响

【目的】为利用遥感技术定量提取区域尺度的阔叶林叶面积指数前的大气校正模型选择提供科学依据.【方法】分别利用6S模型、FLAASH模型和ATCOR2模型对Landsat 8 OLI影像进行了大气校正,分析了3种模型下的阔叶林叶面积指数(LAI)与多种植被指数(VI)相关性,建立了LAI-VI的线性和非线性的回归模型,最后通过验证数据组LAI预测值(Y)与LAI实测值(X)的均方根误差(RMSE)及线性相关性大小对阔叶林LAI遥感估算结果进行了精度对比.【结果和结论】ATCOR2模型不适于阔叶林LAI-VI的回归建模;除比值植被指数(RVI)外,FLAASH模型与6S模型下的阔叶林LAI与增强型植被指数(EVI)、修正土壤调节植被指数(MSAVI)有较好的相关性,其中FLAASH模型下的阔叶林LAI-MSAVI幂函数模型拟合优度最佳;FLAASH模型的阔叶林LAI估算精度优于6S模型;借助遥感技术定量提取植被生理参数时,应慎重选择适宜的大气校正模型.     

遥感区域大小对森林蓄积估测影响规律的研究

该文将 1幅TM遥感图像分别分成 1 4及 1 2幅 ,通过实例分析了 1 4,1 2及整幅TM图像所能达到的几何精校正精度 .然后 ,以样地对应的遥感和GIS信息为影响森林蓄积估测的变量 ,采用最小二乘原理及岭迹分析 ,研究了上述 3种不同面积幅值图像对应林区影响森林蓄积估测的主要变量 .由 3种不同面积遥感区域蓄积估测方程中所含变量的个数、种类及预报精度 ,详细分析了遥感区域大小对蓄积估测的影响规律     

基于遥感与GIS中国陆地景观结构分析

利用遥感和GIS技术,首先根据生态区划计算出描述中国陆地景观结构的十三种景观结构指数,包括斑块密度、最大斑块指数、边界密度、面积加权斑块形状指数、面积加权斑块分维度、平均最近斑块距离、最近斑块距离的标准差、最近斑块距离的相异系数、蔓延度、分布邻接指数、结合度、香农多样性指数、辛普森多样性指数.在相关分析的基础上,使用等级聚合与因子分析方法对最近斑块距离相异系数之外的十二种指数进行分析,最后采用因子分析结果中的前三个公因子分析中国陆地景观结构,三个公因子的方差累积贡献率达88.8%,分别定义为斑块多样性因子、斑块形状复杂性因子、斑块分布均匀性因子结果表明,在人类活动影响强烈的生态区,这三种公因子取值都比较小,表明在人类活动的影响下,斑块类型多样性减少、斑块形状复杂性降低、斑块分布趋于均匀.     

基于遥感与地统计的森林生物量时空变异分析

大兴安岭林区是我国最大的天然林区,估算该区域的森林生物量,并研究该区域的森林生物量的空间格局特征具有重要意义。以20世纪末至21世纪10年代期间(1994—1997、2006—2007、2010—2011)的Landsat5系列TM遥感影像为基础数据,建立遥感信息模型,估算黑龙江省大兴安岭地区3个时期的森林生物量。采用0°、45°、90°、135°方向以及全局Morans I系数和半变异函数块金值、基台值、变程、块金值与基台值比值、拱高与基台值比值5个参数,对20世纪末至21世纪10年代研究区域3个时期的森林生物量进行异质性和空间自相关性分析。结果表明:研究区3个时期的森林生物量的整体性良好,均成连片化分布,没有出现破碎情况。森林生物量的半变异函数模型均为线性模型,3个时期的森林生物量的块金值与基台值比值都接近1。通过遥感反演方法获得森林生物量且估算精度均达到75%以上,为地统计分析提供了可靠的数据源。采用地统计分析方法对森林生物量进行空间异质性和自相关性分析,是对单独使用GIS工具对森林生物量进行空间分析的有益补充。因此,基于遥感与地统计学相结合的方法能够更好地实现森林生物量的时空变异分析。