激光雷达技术及其在林业上的应用

激光雷达是近年来国际上发展十分迅速的主动遥感技术,在森林参数的定量测量和反演上取得了成功的应用。激光雷达具有与被动光学遥感不同的成像机理,对植被空间结构和地形的探测能力很强,特别是对森林高度的探测能力,具有其他遥感数据无法比拟的优势。介绍激光雷达遥感的基本原理、大光斑和小光斑激光雷达系统的特点,对它们在林业上的应用现状进行评述,重点分析激光雷达反演森林参数的方法,对激光雷达的林业应用前景进行分析和展望。     

不同密度林分冠幅的遥感定量估计

以高空间分辨率遥感影像QuickBird的全色波段为数据源,应用空间统计学半方差理论,对山西大同薛家庄林场不同林分密度的小黑杨人工纯林冠幅尺寸进行估计.结果表明:应用空间统计学半方差函数来分析高空间分辨率影像,可以较为准确地实现对密度相对较高纯林林分冠幅尺寸的估计,随着林分密度的降低,估计误差相应地增大.     

机载激光雷达和航空数码影像单木树高提取

用激光雷达(LiDAR)数据和航空数码影像相结合进行单木水平树高反演.对研究区的LiDAR点云数据进行滤波和分类,根据地形特点、地表植被状况以及其他地类的分布,采用Tin Filter滤波算法提取地面回波点和植被回波点.用面向对象的方法对高空间分辨率(25 cm)的航空数码影像进行单株木检测.通过多尺度、树冠模式的分割创建影像对象和类层次,用最邻近距离和成员函数法进行影像对象的分类,并基于分类结果进行再分割.对分割后的树冠多边形进行边缘优化,以准确识别单株木.将植被回波点和影像分割后得到的树冠多边形进行叠加,计算多边形内的LiDAR数据最大高程差值,与实测树高进行相关分析,建立单木树高估测回归方程,平均估测精度为74.89%.     

点云密度对机载激光雷达林分高度反演的影响

以山东省泰安市徂徕山林场和重庆铁山坪林场为试验区,分别于2005年5月和2006年9月获取了低密度和高密度的LiDAR点云数据,分别进行了林分平均高的反演试验.通过两个试验区的对比,分析了不同点云密度对机载LiDAR数据反演林分参数的影响.结果表明:对于两种密度的点云数据,使用分位数法都可以很好地进行林分平均高的估计,高密度点云的反演结果略好一些,但二者结果差异不大;高密度的点云可以进行更小尺度的林分高估计和单木树高的估计,从而可以减少甚至避免对实地树高测量的依赖.     

林火预警及实现方法

为建立适用于我国宏观区域的林火预警系统,以我国2000-2008年间发生的重大森林火灾为研究对象,利用MODIS数据估算森林可燃物的长势及含水量,与地理信息系统技术和数据库技术相结合,以火险指数作为预报林火发生等级的定量因子,研究并建立了林火预警模型;在商业遥感和GIS软件提供的二次开发平台下,利用Microsoft Visual Studio 2005语言,开发了林火预警系统。同时,利用选取的实验区及数据对预报方法和系统进行测试。结果表明:利用建立的林火预警系统所得的森林火险等级值,与实际发生的林火趋势基本一致;另外,火险指数可用作林火发生预警的定量分级因子。     

基于SPOT-5遥感影像的小班区划探讨

森林资源调查小班区划主要是在现地进行对坡勾绘,这种方法存在人为主观性,不够科学客观等问题,因此,常产生误判。而地球遥感卫星SPOT-5遥感数据具有高空间分辨率和多光谱分辨率,可提供丰富、可靠、高精度的基础数据,且能节约成本,提高效率。提出了适用于森林资源区划的SPOT-5遥感数据处理和目视解译方法,即建立SPOT-5影像解译标识、野外核实与补测等。最后对计算机自动解译SPOT-5影像进行森林区划进行了讨论,研究可为森林区划提供指导与借鉴。图3参16     

基于多角度高光谱CHRIS影像的隆宝滩湿地遥感分类方法研究

采用青海省隆宝滩地区的多角度高光谱CHRIS遥感数据,通过研究+36°、0°和-36°三个角度影像的组合变换,提出影像变换+不同角度波段组合的方法,用以获取地物的分类信息。该方法首先对0°影像进行穗帽变换,选择其湿度图像,再与+36°和-36°影像的第4波段(0.461 μm)进行RGB组合,生成新的彩色合成影像,然后再进行支持向量机(SVM)的监督分类。结果显示,利用该方法对隆宝滩湿地分类的精度可达到90.02％;而利用传统的监督分类对0°影像直接进行分类,其精度为75.46%。由此可见,利用不同角度信息进行波段组合的方法,大大提高了高光谱影像进行湿地信息提取的精度,为湿地信息提取提供了一个有效的方法。     

空间统计分析在林业中的应用

空间统计分析在不到 5 0年的研究和实践中 ,已发展成为研究自然界具有随机性和规律性变量的普遍性的科学方法 ,在国内外诸多领域都有成功应用的实例 ;然而 ,空间统计分析在国内林业中应用才刚刚起步 ,绝大多数林业工作者或科研人员对空间统计缺乏基本的了解。本文首先简要介绍空间统计分析的有关概念、基本原理及其特点 ,同时对地统计学与地理信息系统以及与经典统计学的异同进行分析。结合林业领域特点 ,从森林土壤、物种空间分布、森林干扰、林分因子、种子资源等几个主要方面 ,综述国内外林业领域应用空间统计分析的现状。最后指出在林业领域中应用空间统计分析存在的困难与问题 ,并展望了在林业领域中应用空间统计分析的前景.     

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。     

综合应用多源遥感数据的面向对象土地覆盖分类方法

【目的】针对国家森林资源宏观监测业务对区域森林资源空间分布信息的迫切需求,发展一种基于国家森林资源连续清查固定样地数据,可充分发挥GF-1宽幅多光谱数据、MODIS遥感数据相应空间和时间分辨率优势的面向对象土地覆盖分类方法,以提高林地和森林资源的监测精度和自动化程度。【方法】以黑龙江省小兴安岭某林区为研究区,主要数据源包括GF-1宽幅多光谱数据、MODIS NDVI(250 m,8天合成)时间序列遥感数据、国家森林资源连续清查固定样地数据以及少量外业实地调查数据等。首先,基于GF-1宽幅多光谱数据进行多尺度影像分割,将研究区划分为许多区域性的分割对象;然后,以分割对象为分析单元,分别提取GF-1宽幅多光谱遥感影像的光谱特征、纹理特征、形状特征等以及MODIS NDVI时间序列遥感数据的时序特征,并采用随机森林算法进行特征选择;最后,利用训练样本建立基于分类回归树分类器完成面向对象的土地覆盖分类方法研究,分别比较单一GF-1 16 m宽幅多光谱数据、单一MODIS NDVI时间序列遥感数据以及综合多源数据的分类结果,并基于混淆矩阵对分类结果进行分析。【结果】精度检验和分析结果表明,面向对象的综合多源遥感数据分类方法总体分类精度达89.46%,Kappa系数为0.874,明显优于仅基于GF-1宽幅多光谱数据、MODIS NDVI时间序列遥感数据的分类方法。【结论】综合应用多源遥感数据的面向对象土地覆盖分类方法适用于综合GF-1与GF-4数据的土地覆盖类型分别制图,可有效提高主要土地覆盖类型的分类精度。针对国家森林资源连续清查的业务需求和特点,本文所发展的方法在分类对象生成、特征提取、特征选择、分类器训练和精度检验等关键环节均进行了优化设计,有利于提高森林资源连续清查业务中主要林地类型遥感分类制图的自动化、标准化程度。