森林资源管理的遥感技术应用研究

本文论述了森林资源管理的遥感技术应用方法和手段。通过对不同时期的ＴＭ卫星影像进行数字解译处理，结合地面调查数据，计算各种图像指数，并辅以地理信息系统的分析，在ＥＲＤＡＳＩＭＡＧＩＮＥ和ＡＲＣ／ＩＮＦＯ系统的支持下，实现对森林资源动态变化情况进行监测的系列化程序，建立适用于福建省森林资源管理的遥感应用解析模型。     

遥感影像在三北防护林监测管理中的应用研究

通过选取甘肃省景泰县两个时段的卫星影像并经过加工处理,分析比较两个时期该区域的植被变化情况和土地利用变化情况,并计算出两个时段的具体数据,从该县近年各项林业工程建设任务的角度分析土地利用变化和森林消长的原因,首次尝试应用美国TM遥感卫星影像和法国SPOT卫星影像结合调查三北防护林的监测管理。通过该例研究和分析,为在三北工程建设区大面积推广应用遥感数据进行工程监测和管理提供有益的探索和实践。     

一例宠物犬椎体压缩性骨折的病例诊治与分析

犬椎体压缩性骨折是由于外力作用,致使犬脊柱过度屈曲所引起的一种疾病.本病虽然不是犬常见的骨质损伤性疾病,但随着宠物犬养殖量的迅速增加,临床上因椎体损伤以致造成后躯瘫痪的病犬也在日趋增加,现对临床的一典型病例进行分析,以期从影像角度,结合临床,提高对本病的认识.     

国土信息的数据组织

本文主要阐述了国土信息的基本特点和数据组织的主要方法—矢量数据库和遥感影像数据库组织的主要方法，并以吉林省国土信息数据的组织为例进行论述。     

TM影像在甘肃省森林资源连续清查中正判率的探讨

针对制约正判率的因素，采用直拉解译法、逻辑推理法和对比分析法进行室内判读，判读结束后抽取具有普遍代表性的判读点和和解译时有绺的判读点进行野外验证和校对，再进行室内修正和补充，对白龙江林业管理局迭部、舟曲、洮河3个林业局TM影像判读与实地调查结果相比较，正判率为96.0%，完全满足了精度要求。     

TM影像中大棚菜地信息提取技术研究

大棚菜地在我国北方呈不断发展之势,快速、准确地获取其面积及分布状况,是蔬菜业健康发展和科学管理的客观需求。为探索快速准确的大棚菜地信息提取技术方法,以山东省青州市为例,采用TM数字图像,深入分析各主要地物光谱特征的基础上,构建了能够突出反映大棚菜地信息的大棚菜地指数模型,同时通过对图像的分区、掩膜处理,以及研究区背景数据及专家知识的应用,准确提取了大棚菜地信息。结果显示:青州市2002年4月14日的大棚菜地面积为21375.4hm2,集中分布于青州东北部平原区的谭坊、郑母、黄楼等乡镇。本研究技术方法对于大棚菜地信息的遥感提取有积极参考价值,为研究区及山东蔬菜业的合理发展提供重要技术支撑。     

高光谱数据降维技术研究

高光谱数据对地物具有更高的光谱分辨率,但是由于高光谱数据巨大的数据量以及相邻波段之间的强相关性,导致了对这种数据的许多分类方法达不到应有的效果,从而在某种程度上制约了其广泛的应用。研究表明,特征提取的理论与方法对高光谱信息的优化处理是十分有效的。实验结果表明,在一定的分类精度范围内,减低维数而不丢失信息,可以提高分类器的效能,实现高维遥感数据的优化处理和高效利用。     

九房山滑坡成因分析、影像判读及防治对策

九房山滑坡位于甘肃省陇南市武都区外纳乡稻畦子村。复杂的地质构造,软硬相间的易滑地层,异常活动的新构造运动(地震)是九房山滑坡形成的直接原因,加之人类异常活动,是引起九房山老滑坡再次复活的主要原因。在TM多光谱与全色融合影像的基础上,参照地形图,可以准确进行滑坡判读和分析。通过成因分析、TM影像判读,提出预防机制和防治对策。     

黑河流域ASTER与MODIS融合生成高分辨率地表温度的验证

融合多源遥感数据生成高时空分辨率数据具有重要的应用价值。为了解决高空间分辨率数据重访周期长及云雨天气带来的数据短缺问题,该文基于增强自适应的遥感图像时空融合方法(enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM),使用多时相MODIS数据提供地物时间变化信息,结合ASTER影像提供的空间细节信息,选择多波段数据(可见光近红外数据和地表温度数据)共同作为输入变量融合生成高时空地表温度。融合结果分别与地表红外辐射计观测温度和ASTER温度产品进行了验证。验证结果表明:基于ESTARFM方法降尺度地表温度影像清晰,融合结果与地表红外辐射计观测温度呈显著的线性正相关关系,相关系数均高于为0.71,预测得到的地表温度与真实测得的数据的平均绝对偏差均低于2.00 K,均方根误差均低于2.60 K。与ASTER地表温度产品的验证中,整体验证结果的R2均在0.95以上。此外,ESTARFM方法在各个地类中的融合效果较好,均表现出非植被区域的相关性高于植被和水体,尤其在2012年8月27日非植被的R2达到0.91。     

基于回归与随机模拟的区域森林碳分布估计方法比较

以临安市为例,利用2004年森林资源清查样地数据和同年度Landsat TM影像数据,采用一元二次非线性回归和序列高斯协同模拟方法分别模拟森林地上部分碳密度及其分布,并对模拟结果进行比较分析。结果表明:一元二次非线性回归估计得研究区森林碳储量为2365404.37t,碳密度平均值为9.0000t·hm-2,最大值为73.7144t·hm-2,最小值为0.7156t·hm-2;序列高斯协同模拟得研究区森林碳储量为3291659.83t,碳密度平均值为12.5233t·hm-2,最大值为78.9133t·hm-2,最小值为0.0833t·hm-2;根据2004年森林资源清查样地数据,按随机抽样方法估计研究区森林碳储量为2708897.90t,样地碳密度平均值为10.3065t·hm-2,其最大值为96.9625t·hm-2,最小值为0;序列高斯协同模拟结果更接近地面样地估计结果,而且碳密度分布范围更合理;一元二次非线性回归估计结果与地面样地估计结果之差的累积平方和为9857.4619,而序列高斯协同模拟结果与实测结果之差的累积平方和为8018.4625;序列高斯协同模拟较一元二次非线性回归在估计区域森林碳空间分布...