草地类型梯度分析

紫泥泉地区位于天山北坡低山带，具有代表性的冬春秋放牧场。本文应用数量分类（ＴＷＩＮＳＰＡＮ）、排序（ＤＣＡ）和回归分析方法研究了草地类型的分类及其分布的梯度规律。研究结果表明：该地区的草地类型按传统分类划分出１８个型，ＴＷＩＮＳＰＡＮ分类结合ＤＣＡ排序归纳出８个型，其中６个型为地带性草地类型，２个型为非地带性草池类型；地带性草地类型沿水热梯度分布，非地带性草地类型沿质地梯度分布。     

遥感信息在土地资源等级划分与质量评价中的应用——以内蒙古乌拉盖开发区为例

本文利用 RS、GIS的高新科技手段 ,对乌拉盖综合开发区土地资源质量等级划分与评价进行了认真研究 ,编制出乌拉盖综合开发区土地资源质量等级分布图 ,对各不同土地资源质量等级进行了评价 ,为该地区确定最佳土地利用方向、提高土地资源的生产效益、经济效益和生态效益提供科学依据     

通辽市湿地资源遥感调查

通辽市主要有五大水系,湿地面积广阔。近年来由于人口的增加和社会经济的发 展,对湿地破坏严重,使得湿地面积锐减,湿地功能下降,湿地生态环境恶化。文章运用了遥 感、GIS技术对通辽市湿地进行分析研究,简略提出其保护措施。     

理化复合参数和神经网络结合的冬小麦长势遥感监测

准确、及时地监测区域作物长势状况对农业规划和政策的制定与调整具有重要的意义。遥感技术作为一种收集大面积作物长势信息的有效手段,正日益受到关注。为提高冬小麦长势遥感监测的准确性和全面性,该研究基于田间实测的冬小麦拔节期地上鲜生物量（aboveground fresh biomass,AFB）、叶面积指数（leaf area index,LAI）、叶片叶绿素相对含量（soil and plant analyzer development,SPAD）和叶片氮含量（leaf nitrogen content,LNC）4种生长相关理化参数,利用熵值法获取各参数权重构建冬小麦理化复合参数（physico-chemical composite parameter,PCCP）。利用显著性检验和籽粒产量数据分析复合参数在量化冬小麦长势方面的性能。然后,以Sentinel-2A作为数据源,分析不同遥感指数与LAI、SPAD、AFB、LNC和PCCP的相关性。选取相关性较高的遥感指数作为反向传播（back propagation,BP）人工神经网络（artificial neural networks,ANN）的输入,建立冬小麦长势遥感监测模型,对PCCP进行估计。评价模型精度并用于监测研究区冬小麦长势分布特征。赋权结果表明,作物物理参数的权重大于生化参数,其中LAI的权重最大,为0.387,AFB和SPAD次之,LNC的权重最小,为0.105;PCCP性能评估结果表明,与单一理化参数相比,PCCP值能更好地揭示作物长势状况的差异,其与最终籽粒产量的相关性更好, 决定系数提高0.035～0.468,均方根误差减少46.2～520.0 kg/hm²;在遥感监测过程中,PCCP比单一理化参数有更好的应用潜力,BP-ANN长势遥感监测模型模拟PCCP精度较高,在测试集中决定系数为0.830,均方根误差为0.080;研究区冬小麦总体长势稳定且分布集中,呈现"中部差,南北好"的空间分布特征。因此,构建作物理化复合参数用于量化作物长势是提高长势监测可靠性和准确性的一种有效方式,可为冬小麦田间管理提供科学依据,服务于发展智慧农业和建设农业强国的战略需求。     

卫星遥感图像应用处理新模式的研究

卫星遥感图像增强与处理的研究旨在通过卫星遥感图像的处理,增强图像的显示质量,提高森林资源判读效果。通过应用ERDAS、ENYI遥感软件对TM、SPOT卫星数据的研究,实现资源调查卫片自主生产,降低了成本,提高了工作效率。     

SPOT5卫星遥感信息在森林资源调查中的应用现状与解决思路

介绍利用SPOT5卫星遥感在云南省森林资源调查中的应用情况,总结所取得的成果经验。分析存在的包括对遥感的内涵认识不足、特殊地类不易分辨、树种组成难判读、蓄积量不能直接判读、龄组和郁闭度判读因子粗放等问题,提出了解决问题的思路和建议。     

森林生态旅游环境解译服务游客态度调查--以金殿国家森林公园为例

通过实地考察、调查问卷等方法,以金殿国家森林公园为研究案例,进行游客对解译服务内心期望重要程度和实际体验满意程度调查,了解游客对解译媒体、媒体设计、解译内容等的选择倾向,分析不同性别、不同年龄、不同文化层次游客的偏好差异,并提出完善解译媒体、系统培训人员、建立教育基地等的构建对策。     

矿区生态监测的地理加权遥感生态指数构建及评价

矿区生态是陆地生态系统的重要组成部分,准确监测矿区生态对保护生态环境、维持生态平衡具有重要意义。遥感技术为矿区生态监测提供了有效手段,针对遥感生态指数（remote sensing ecological index,RSEI）在矿区生态监测中存在监测精度低、针对性弱和指标权重空间上均一化问题,该研究对RSEI进行了改进。首先,考虑矿区特殊的生态成因,在绿度、热度、湿度、干度的基础上加入煤尘污染因子构成矿区遥感生态指数;然后,利用地理加权主成分分析法确定各指标的空间权重,构建了地理加权遥感生态指数（geographically weighted-remote sensing ecological index,GW-RSEI）;最后,以山西省大同煤田为例,基于多期遥感影像对GW-RSEI在矿区生态监测中的有效性、适用性进行了验证。结果表明：GW-RSEI能准确捕捉矿区大气中的煤尘污染,从整体和局部尺度实现了矿区生态的精准监测,有效提高了矿区生态监测的精度;地理加权主成分分析法能够明确表征矿区生态的空间异质性和生态环境变化的空间连续性;2000—2020年大同煤田的GW-RSEI均值分别为0.51、0.48、0.46、0.59、0.56,整体生态环境经历了先恶化后改善的过程,其东南部生态环境变化趋势与整体一致,而西北部生态环境呈现先改善后恶化的变化趋势。研究成果为准确监测矿区生态提供了一种更加科学、有效的方法。     

高光谱遥感森林叶面积指数估测研究现状

文中简要概述了叶面积指数和高光谱遥感的概念, 分析比较了高光谱遥感与传统的宽波段遥感估测森林叶面积指数的优势, 以及利用高光谱遥感数据估测森林叶面积指数的常用方法, 并对目前高光谱遥感估测森林叶面积指数存在的问题行了讨论。