面向对象的沙化土地信息提取

以沙化土地典型分布区——甘肃省民勤县为研究对象,以高空间分辨率影像SPOT5与30 m DEM为主要数据源,采用面向对象的影像分析方法,对影像进行多尺度、多层次的分割、合并,在此基础上,通过构建多重规则集,对影像进行基于知识的模糊分类,可较为准确地实现沙化土地信息的识别与提取.本文为解决基于高空间分辨率影像进行沙化土地信息准确提取提供一个有效途径,为防沙治沙决策提供科学依据.     

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。     

CASA模型的改进及在干旱区生态系统NPP估算中的应用

CASA模型是针对北美地区植被而建立的净第一性生产力(NPP)模型,当前,该模型已被广泛应用于陆地生态系统NPP的估算。由于模型是针对北美地区植被而建立,因此,模型在不同于北美地区应用时,其参数需要进行修正。现在已有一些关于CASA模型修正的研究,但修正均未体现干旱区特点。文中以甘肃省为例,在充分考虑干旱区特点基础上,从土地利用/覆盖类型的划分、最大光能利用率的取值、高精度气象数据的选择以及遥感影像数据的选择等方面,对利用CASA模型进行干旱区生态系统NPP估算过程进行改进,使该模型更适用于干旱区。利用改进后的CASA模型模拟了甘肃省各土地利用/覆盖类型的NPP,获得了较高的精度,研究利于探索干旱区生态系统碳计量方法。