杉木人工林空间分布格局时空变化分析

杉木Cunninghamia lanceolata是中国南方主要用材树种,研究其空间分布变化规律对杉木生产经营具有重要意义.在福建顺昌县选择3块立地条件基本一致的杉木人工纯林的(国家森林资源连续清查)固定样地(分别位于低、中、高海拔),将杉木生长分为2个阶段:幼树(5 cm≤胸径＜10 cm)和成年树(胸径≥10 cm),于2003年和2008年调查了样地内杉木(胸径≥5 cm)的胸径并记录其坐标.采用Ripley's K(r)函数改进的L(r)函数,双相关函数g(r)和角尺度Wi分析杉木空间分布格局的时空变化.3块样地角尺度分析W分别为0.494 - 0.578,0.465～0.477,0.426～0.601.研究表明:海拔对杉木林的空间分布格局无影响.从L(r)和g(r)函数曲线可看出,成年树普遍低于幼树,也即更趋于随机或均匀分布,因此,不论初始分布如何,随着时间的推移都有聚集分布向随机分布转变、随机分布向均匀分布转变的趋势.     

山地丘陵区遥感影像阴影检测与去除方法

阴影是山地丘陵区遥感影像最为普遍的干扰因素,去除阴影有助于提高影像解译和地物识别的准确性和有效性。构建了阴影植被指数（SVI）,并提出应用波段回归模型法实现HJ-1多光谱影像阴影的去除。将该方法应用于试验区HJ-1数据,结果表明：SVI可增大山地丘陵区水体、阴影区及明亮区之间的差异,利用阈值法可以实现影像阴影的有效检测;相关分析显示,各波段拟合模型R2均在080以上;比较阴影去除前、后影像的统计指标说明,在植被最为敏感,即受阴影影响最为严重的近红外波段,随着阴影的去除,波段平均值有了较大幅度的增大;去阴影后影像的标准差均比原影像要小,尤其是在近红外波段。试验结果表明,SVI对山地丘陵区HJ-1影像阴影的检测效果较好,而波段回归模型法可以较为有效地实现阴影的去除。     

利用普通数码相机估测松林叶面积指数与标准误

叶面积指数(LAI)与叶面积指数标准误(SEL)是植被的重要结构变量, 可为森林经营管理、开展病虫害防治检疫工作提供数据参考。针对条件复杂区域LAI与SEL测定仪法应用的限制性, 提出利用数码相机拍摄松林林冠图像, 经特征指数2G B计算图像叶覆盖度(用Cover表示)与叶覆盖度标准差(用Cover SD表示)两个指标, 构建LAI-Cover、SEL-Cover SD关系模型, 实现松林LAI与SEL的估测。利用福建省13个县(市)65组数据对该方法进行试验, 结果表明: Cover与LAI、Cover SD与SEL均呈极显著正相关关系, 可以用 LAI 3.095 5Cover=0.192 6e^3.0955cover 准确估测松林 LAI, 用 SEL = 1.105 9Cover SD ? 0.067 4 估测 SEL,, 两模型的R²分别为0.613 5、0.493 5, 估测精度达0.894 6、0.798 5。由此可见, 利用普通数码相机估测松林LAI与SEL具有较高的可行性与准确性, 可将该方法推广应用。     

基于面向对象与替换法的遥感影像云检测与去除技术

裁剪20090716和20090730两景HJ-l CCD多光谱影像的部分作为试验区,基于面向对象法实现了厚云、薄云及云影的检测,进而利用替换法去除云和云影.对原影像、去云后影像的像元灰度均值、最大值、标准差、熵等指标进行了比较,结果表明,还原后的影像符合地面实际,面向对象与替换法可作为HJ-1 CCD多光谱数据的云检测与去除的重要方法.     

马尾松毛虫害等级的Fisher判别分析

马尾松毛虫是我国森林最具危害性的害虫之一,开展该虫害的遥感预测研究有助于全面、及时地发现可能发生虫害的区域,为有效采取森防检疫措施,降低虫害造成的直接、间接损失提供技术支持。以福建省为研究区,于2012年2—5月份依次开展了三明市、将乐县、沙县、南平市、华安县、云霄县、南安市、安溪县、莆田市、长汀县、建阳市、宁德市及福清市等13个监测站的马尾松毛虫越冬代调查,调查指标包括GPS坐标、松林冠层光谱、气候、地形、林分、虫源、人文环境等。对上述因子进行分析与提取,经相关分析得到13个可有效预测马尾松毛虫害等级的子因子;利用Fisher判别分析,建立无危害、轻度危害、中度危害、重度危害等4个虫害等级的判别函数,建模组样本自检结果显示4个等级的判别精度分别为71.0%、84.9%、87.2%、100%,总判别精度为80.8%,验证组样本检验结果显示判别精度为73.00%,预测准确率为75.99%,表明利用Fisher判别分析预测马尾松毛虫害等级具有较好的可行性。