高分辨率遥感林业应用技术与服务平台设计与应用

高分辨率遥感林业应用技术与服务平台采用基于云构架的资源协同管理和林业专题产品生产流程定制技术,集成了高分辨率遥感在森林资源调查、湿地资源监测、荒漠化监测、林业生态工程监测和森林灾害监测等林业调查和监测应用中算法模块,开发了高分森林资源调查、湿地资源监测、荒漠化监测、林业生态工程监测和森林灾害监测5大应用系统,研制了21种林业专题产品生产线,实现了高分林业应用专题产品的定制化生产,形成了满足我国林业调查与监测业务需求的高分辨率遥感林业应用技术体系,实现了高分遥感数据并行处理和远程多客户端的同步操作运行,以及专题产品的网络发布与共享。

大岗山植物群落物种多样性与群落结构研究

物种多样性是生物多样性的基本层次,不仅体现生物种类的丰富程度,也表现物种演化的空间范围及对特定环境的生态适应性。群落结构是研究植物历史动态的基础,在认识明确物种间生长竞争关系的同时,反映着群落演替的趋势。本研究以江西省大岗山为研究区,基于62个样地,共计3.72 hm2面积调查结果,对大岗山植物群落的物种多样性和群落结构进行分析。结果表明:群落内共有植物486种,隶属于120科286属,其中单种属占总数的66.43%,杉木在群落中处于优势地位;大岗山处于亚热带地区,具有过渡带性质,种子植物属包括13个分布类型,其中包含9个中国特有属;香农-威纳(Shannon-Wiener)多样性指数、辛普森(Simpson)多样性指数、皮诺(Pielou)均匀度指数在各生长层的分布趋势基本一致,灌木层优势明显,草本层略高于乔木层。群落整体物种多样性指数较高,物种较丰富;按样带划分,2号样带物种最丰富,1号样带略低于其他样带。但1、2号样带群落相似性最高,3、4号样带物种多样性指数相差较小,但群落差异最大。

基于融合MaxEnt和HSI模型的驼鹿生境适宜性评价

驼鹿是国家一级保护野生动物,研究驼鹿生境适宜性是保护驼鹿种群的关键内容。以黑龙江南瓮河国家级自然保护区为对象,结合最大熵(MaxEnt)模型和生境适宜性指数(HSI)模型对驼鹿生境适宜性进行评价,利用无人机样带调查得到驼鹿分布点数据,采用MaxEnt模型得到各环境因子贡献度情况和单一环境变量响应曲线,结合保护区自然地理情况,再构建不同环境因子对驼鹿影响程度的评价模型,定量评价保护区驼鹿生境适宜性。结果表明,该区域影响驼鹿生境分布的主要环境因子是海拔(20.3%)、坡度(11.4%)、距河流距离(11.3%),而坡向、坡位、植被覆盖度对于驼鹿生境影响较小;驼鹿偏好在低海拔、坡度缓和、阳坡、靠近河流、远离人为干扰、覆盖度高的森林区域活动。在保护区内,驼鹿高适宜生境区域面积为424.6 km^(2),占保护区总面积的18.5%;低适宜生境区域面积为1422.9 km^(2),占保护区总面积的62.0%;不适宜生境区域面积为447.5 km^(2),占保护区总面积的19.5%。

基于无人机遥感的黑龙江南瓮河国家级自然保护区驼鹿种群数量及空间分布调查

2022年3月下旬,利用固定翼无人机对南瓮河国家级自然保护区内驼鹿(Alces alces)进行航拍调查,估算及分析保护区内驼鹿的种群数量、分布密度和生境因子之间的关系。结果表明:获取无人机影像17818张,无人机样带拼接面积为206.9 km2。结合目视解译方式识别驼鹿并据此建立驼鹿无人机影像解译标志库。根据无人机样带解译结果,得到驼鹿的种群密度为(0.174±0.038)只/km2,估算出保护区驼鹿的种群数量为310~484只。驼鹿的分布及生境选择中生态因子的分析结果表明,驼鹿主要分布于海拔400~500 m的温带落叶阔叶林中,偏好选择坡度为0°~6°的平缓区域,以及距水源1~3 km和远离公路5 km外的区域。提出一种基于无人机遥感调查大面积区域内大型野生动物种群数量和分布规律的方法,该方法利用无人机平台获取野生动物影像并估算得到野生动物的种群数量,将遥感、地理信息系统与野生动物调查相结合,为野生动物动态监测及保护提供了有效的可视化数据,可为准确获取野生动物的活动区域和栖息地环境参数提供参考。

基于无人机影像VDVI指数的植被覆盖度估算--以陕西神木防护林工程研究区为例

为快速准确获取防护林工程区植被覆盖度特征,掌握植被生长和生态环境评价重要指标,利用无人机高时间频率获取、高空间分辨率的特点,在陕西神木的三北工程樟子松防护林研究区进行实验,构建无人机可见光RGB波段差异性植被指数(VDVI)和HSV变换植被指数(HSVVI),并与同区域GF-1卫星NDVI指数进行相关性分析,建立无人机研究区的植被覆盖度估算模型,快速计算出植被覆盖度结果。研究表明,VDVI指数与NDVI指数具有更高的相关性,非常适用于像元二分模型的植被覆盖度估算模型建立,通过地面调查的植被覆盖度实测值与模型估算值精度验证,决定系数R 2为0.8556,植被覆盖度估算精度达到81.35%,在研究区域得到较为理想的估算结果。由此也证明采用无人机影像可见光数据构建VDVI指数像元二分模型进行植被覆盖度估算是有效和准确的,可以为快速获取植被覆盖度特征服务。

基于植被指数特征和空间分析的石漠化信息提取

通过对多光谱数据谱间特征与多种植被指数差异分析,采用改进的EVI指数提取石漠化信息,并使用ND-WI指数修正水体信息,结合空间坡度分析进行决策树分析,提高信息提取精度。以贵州省务川仡佬族苗族自治县CBERS-02B星CCD数据为例,研究最新的中巴资源一号02B星在采用植被指数特征和空间决策树分析对石漠化信息快速的准确性。研究表明这一方法可以克服只靠单一指数提取出现信息混淆问题,共抽查203个图斑,其中石漠化图斑179个,误判图斑19个,漏判的石漠化图斑5个,其总精度判率88.2%,是一种快速有效提取石漠化信息的方法。

基于地面成像光谱数据特征的湿地典型植被类型识别研究——以东洞庭湖核心区湿地为例

利用SOC710VP成像光谱仪在湖南省东洞庭湖区域湿地保护核心区获取了典型挺水植物芦苇、湿生植物苔草、泥蒿和栽培植物青菜的成像光谱数据,采用光谱微分技术的一阶导数分析方法和包络线去除方法分析了几种植被类型成像光谱曲线波段特性,提取成像光谱数据"双边"参数和吸收特征,并利用Fisher线性判别函数进行湿地植被类型识别,总分类精度达到87.39%,Kappa系数达到0.831 6。苔草分类后的精度最高,达到92.55%,青菜地的识别精度为92.31%,芦苇居中,识别精度达到86.11%,泥蒿的识别精度为80.65%。结果表明,地面采集的成像光谱数据进行分析得到的植被光谱特征变量具有较好的普适性和可靠性,可以为湿地植被类型的识别提供良好的科学依据。

基于CA-MARKOV模型的北京湿地资源变化预测研究

为了掌握北京湿地资源近20年的变化情况和未来的变化趋势,采用CA-MARKOV模型对北京湿地资源时空格局变化进行模拟预测,以北京市1992年、2002年和2007年3期湿地类型遥感解译结果为数据基础,通过确定CA-Markov模型的空间研究对象、约束条件、模型参数、转换规则(包括研究区降水、温度、湿度及地形信息),利用2002和2007年2期数据计算步长为5年的转换规则,1992年和2007年2期数据计算步长为15年的转换规则,预测2012年和2022年北京湿地的时空变化情况。结果表明,预测2012年北京湿地面积总量为48402.8hm2,相对2007年湿地面积减少了7.38%,年均减少率为1.47%,2022年北京湿地面积继续减少。预测结果得出了北京市湿地资源合理、科学的动态变化趋势。

基于Worldview-2八波段影像改进指数的湿地类型分类研究

采用Worldview-2八波段影像作为数据源,选取东洞庭湖湿地核心区域作为研究区,进行了Worldview-2八波段特征分析、构建改进遥感指数、采用改进遥感指数阈值分层分类的策略对湿地区域进行信息提取。研究结果表明,基于Worldview-2八波段影像改进指数的湿地类型分类总精度达到了92.24%,Kappa系数为0.902,比原始遥感指数的分类精度提高了8.18%,特别是对草滩地和泥滩地的区分有了较大的提高,是有效、准确提取湿地类型的技术方法。

基于植被指数比较的湿地区域LAI遥感估算研究

以Worldview-2遥感影像作为数据源,对东洞庭湖湿地核心区域进行了LAI估算研究。首先对典型的植被指数与叶面积指数(VI-LAI)的相关性进行了分析;然后选择了7个与LAI之间存在显著相关性的植被指数(NDVI、RVI、DVI、SAVI、MSAVI、EVI、RDVI)作为VI-LAI的模型因子,采用多回归模型与LAI实测数据进行拟合分析,筛选出这回归模型的最优因子;然后利用实测数据作为检验样本,最终确立了以NDVI为模型变量的指数模型是用于LAI估测的最优模型,精度达到了74.34%。结果表明:本研究采用的多植被指数比较建立的湿地植被VI-LAI反演模型,是可以比较准确获取湿地区域叶面积指数特征的方法。

基于Worldview-2数据的东洞庭湖湿地区域植被覆盖度估算研究

利用Worldview-2卫星数据八波段多光谱数据特点,分析与近红外波段重叠并具有更高信息量的近红外2新波段特征构建植被指数(VI)的关系。以湖南东洞庭湖湿地区域为研究区,建立近红外2新波段参与的归一化植被指数(NDVI)植被覆盖度估算模型。通过与实测样点结果比较发现:近红外2波段参与改良后的NDVI法的估算结果与实测值验证结果更加匹配,精度达到87.8%;原始近红外波段参与的NDVI法的估算结果精度最低。研究表明运用Worldview-2数据,并采用改良后的NDVI法可以大区域、准确、快速的进行植被覆盖度估算。

湿地资源遥感动态监测和管理应用综述

结合近期湿地遥感技术和湿地资源管理系统发展动态,从湿地资源监测、变化、演替、管理应用等方面国内外研究现状进行了湿地资源遥感动态监测和管理应用的全面论述和总结,并指出目前存在一些不足和未来发展趋势中的5个重点研究内容。

高分辨率遥感图像与DEM结合的三维地形可视化

利用遥感和地理信息系统软件AcrGIS、ViewGIS、ERDAS实现了实验区高分辨率遥感图和DEM相结合的三维地形可视化.在技术运用方面,综合了目前对三维可视化研究的主要技术路线,完成了实验区范围内的地形、地貌等的表达、模拟和呈现.

一种基于GeoEye-1立体像对数据的快速提取平均树高方法

探讨了可见光立体像对遥感数据在森林平均树高估算研究方向的可行性,为解决大区域快速提取森林平均树高参数的科学问题提供技术支撑。利用GeoEye-1卫星立体像对中提供的有理多项式系数(RPC)参数和数字表面模型(DSM)与数字高程模型(DEM)的理论原理,建立了基于DSM和DEM空间相差模型建立林分冠层高度估算方法流程。结果表明:基于湖南攸县黄丰桥国有林场GeoEye-1立体像对影像数据,按照估算流程,最终得到试验区小班尺度的样地平均树高遥感提取结果。结合样地地面实测控制点和地面小班数据调查数据,该方法提取的研究区平均树高总体误差率在83.1%,其中最大误差为3.773 m,最小误差为0.025 m。因此,本研究是一种可以快速获得研究区大范围森林平均树高参数的创新、可行的方法。

应用RS技术对南昆山森林生态旅游资源分类与评价的研究

利用遥感技术,结合SPOT-5遥感影像特征,对广东省惠州市龙门县西部的南昆山生态旅游区进行森林旅游资源遥感调查。在对研究区内地质、地形、经济、文化等相关信息进行调查收集的基础上,通过处理遥感影像,建立了调查解译标志,并结合实地调查核实和纠正,对该区域的森林旅游资源进行解译和提取。将旅游资源划分为3主类、8亚类、26种基本类型,分别对各类资源进行了分析与评价。通过研究,证明了利用遥感技术进行森林旅游资源调查是一种直观快速的有效调查方法,具有较好的应用前景。

地面成像和非成像地物光谱仪在不同水分环境下湿地植被光谱特征对比研究——以东洞庭湖湿地区域苔草植被光谱特征为例

利用SOC710VP成像光谱仪和ASD Field Spec 3地物光谱仪在湿地区域获取了典型湿地植被苔草光谱反射数据信息,比较了在不同水分环境下两个仪器在400—1 000 nm波长范围的光谱特征,对两种仪器的光谱结果进行了9种典型植被指数运算和比较。结果表明,在不同的水分环境下(土壤含水率51%、32%、14%三个区域比较分析)SOC710VP的反射率曲线和地物光谱仪ASD Field Spec 3的趋势相近,二者有很好的一致性,表现在550 nm和730 nm的反射峰,690 nm和970 nm的吸收谷,以及连续的近红外反射平台。二者也有非常明显的区别:1)SOC710VP在3个土壤水分环境下的苔草叶片光谱值都大于ASD Field Spec 3所采集到的苔草叶片光谱反射值;2)SOC710VP反射率曲线没有ASD Field Spec 3测出的原始光谱曲线平滑,波动幅度变化更大,在近红外波段较明显,变化更清晰,利于后续的光谱端元聚类分析。综上证明:成像光谱仪获取的数据具有图谱合一、光谱曲线特征可靠的特征,在湿地近地高光谱遥感研究中具有很大潜力,拓展了湿地资源遥感监测的技术手段。

三种回归分析方法在Hyperion影像LAI反演中的比较

借助GPS进行地面精确定位,利用LAI-2000冠层分析仪在攸县黄丰桥林场开展130个样地(60m×60m)的叶面积指数(Leaf Area Index,LAI)测量。采用FLAASH模块对Hyperion数据进行大气校正并与地面同步冠层观测数据进行拟合,通过研究地面实测LAI与Hyperion影像波段及其衍生的系列植被指数(NDVI、RVI等)的相关性,筛选出估算叶面积指数的植被指数因子。应用曲线估计、逐步回归及偏最小二乘三种回归分析技术分别建立叶面积指数的最优估算模型。结果表明:参与建模的因子中,比值植被指数(RVI)与LAI的相关性最大,敏感性最高,其次是SARVI0.1,NDVI705,NDVI,SARVI0.1,SARVI0.25;曲线估计、逐步回归分析和偏最小二乘回归三种分析方法所建的6个回归模型中,偏最小二乘回归的拟合效果最好,预测值与实测值的决定系数R2为0.84、曲线估计的拟合效果最低,预测值与实测值的决定系数R2为0.64;建模精度分析表明,选用5—6个自变量因子进行LAI建模是可靠的,以6个植被因子建立的偏最小二乘回归模型预测精度最高。

基于森林资源二类调查数据的森林碳储量和固碳潜力评估——以西藏自治区扎囊县为例

基于森林资源二类调查数据,运用生物量转换因子法和单位面积平均生物量法,估算西藏自治区扎囊县森林生物量,再乘以含碳系数估算森林碳储量。根据生物群落演替的顶级理论和空间代替时间法,以成熟林碳储量作为森林生物量碳容量参照,应用森林生物量碳容量与当前(或某一年)森林碳储量的差值估算森林固碳潜力。结果表明,扎囊县森林植被碳储量为768751.91 t。灌木林是青藏高原的原生植被,碳储量占森林碳储量的84%,发挥着重要的固碳作用。扎囊县森林资源以发挥生态防护功能为主要目的,有利于森林自然生长积累碳储量,防护林面积和碳储量占森林面积和碳储量比例均高达99%。乔木林碳储量按起源以人工林为主,占91%;按树种以柳树和杨树为主,占90%;在龄组方面,中龄林、近熟林和成熟林碳储量较大,占88%。随着龄组增大,从幼龄林、中龄林、近熟林、成熟林到过熟林,碳密度依次增大,从1.17 t/hm2到55.67 t/hm2。乔木幼龄林、中龄林和近熟林在乔木林面积中占88%,但是碳密度远低于乔木成熟林的平均碳密度40.28 t/hm2。随着乔木林从幼龄林逐步成长为成熟林,碳储量将显著增大。乔木林固碳潜力为251782.90 t,是乔木林碳储量的2.21倍。宜林地、无立木林地、未成林造林地和苗圃地固碳潜力与面积大小正相关,固碳潜力为365947.81 t。相应的措施可以进一步提高森林碳汇:封山(沙)育林等措施促进灌木林资源发展,稳定并提高灌木林面积和覆盖度;全面提升森林经营管理水平,提高森林资源质量;继续推进重点林业工程建设,因地制宜开展人工造林和封山育林,提升森林资源培育水平,确保人工造林成效。

中国三北防护林工程第二阶段生态效益综合评价

【目的】三北防护林工程第二阶段(2001—2020年)实施以来取得了巨大的生态效益,但局部地区仍然存在问题,甚至出现生态退化。以生态系统结构、质量、服务为核心,综合定量评价工程实施前后生态系统变化,厘清第四期(2001—2010年)和第五期(2011—2020年)工程对生态系统恢复的影响,为后续三北工程的滚动实施提供科学和有针对性的理论依据。【方法】基于“历史动态本底—恢复现状—恢复指数”的生态工程生态效益综合评估方法,以遥感解译反演和模型估算结果为基础,构建生态系统宏观结构变化指数(EMSCI)、质量变化指数(EQCI)、服务功能变化指数(ESCI)和生态系统恢复指数(ERI),全面评估三北防护林工程区生态系统类型结构、质量和关键服务功能的时空格局变化。利用空间叠加分析功能,厘清工程实施期间的生态系统变化过程,定量评价生态系统恢复程度。【结果】1)在三北防护林工程第二阶段,生态系统类型显著变动,整体动态度为12.22%,森林覆盖率持续增加,森林面积占比10.18%,且第四期增量(1.60万km^(2))大于第五期增量(0.69万km^(2))。2)生态系统质量显著改善,平均植被覆盖度和平均植被净初级生产力分别增加了3.77%和82.33 gC·m^(-2) a^(-1),增长率为24.50%和34.96%。生态系统质量持续转好面积占比20.15%。3)与本底期相比,生态系统服务功能全面提升,单位面积水源涵养量增长1.25万m^(3)·km^(-2),单位面积植被固碳量增长134.19 gC·m^(-2) a^(-1),单位面积土壤保持量增长6.76 t·hm^(-2) a^(-1),单位面积防风固沙量增长9.81 t·hm^(-2) a^(-1),分别提升了45.89%、34.96%、74.29%和24.96%。单位面积水蚀模数增加23.88%(因为近年来年均降水量比前期增加,造成侵蚀量和保持量均有所增加),风蚀模数下降25.58 t·hm^(-2) a^(-1),风沙侵蚀危害程度降低46.49%。生态系统服务功能持续转好面积占比15.83%。4)生态系统恢复状况良好,持续转好和保持稳定区域面积占比为21.95%和20.29%。【结论】三北防护林工程区经第二阶段多期连续实施重点生态工程,已取得显著成效。东北华北平原农区、内蒙古高原中部风沙区和黄土高原丘陵沟壑区的生态系统恢复良好,森林覆盖率提高,平均植被覆盖度增加,平均植被净初级生产力提高,单位面积水源涵养量、植被固碳量、土壤保持量和防风固沙量等生态系统服务功能明显转好。但西北荒漠区生态系统仍较脆弱,整体生态系统状况并未得到有效改善。在天山附近、准葛尔盆地、柴达木盆地、南疆盆地固沙农牧区、坝上高原、内蒙古西部荒漠半荒漠草原等生态系统脆弱区域,森林面积增长放缓,草地面积减少,荒漠面积增加,防治草地沙漠化仍为未来工程实施的重点。

基于NDVI分割与面向对象的东洞庭湖湿地植被信息提取技术

针对东洞庭湖湿地植被的分布现状,为提高湿地植被信息提取的精度和效率,应用高分辨率的SPOT-5影像数据,在完成图像预处理的基础上,将NDVI应用到多尺度分割中,结合基于隶属度函数和阈值的面向对象的分类方法对东洞庭湖湿地植被信息进行提取;与此同时,以相同分类方法对未辅以NDVI分割的图像进行植被提取,并与最大似然监督分类法提取的结果进行对比。结果显示,辅以NDVI分割的面向对象信息提取的总分类精度达到了87.69%,Kappa系数达到0.86;未辅以NDVI的总分类精度为82.69%,Kappa系数为0.80;最大似然监督分类总分类精度71.92%,Kappa系数0.67;其总分类精度分别提高了5.00%、15.77%,Kappa系数分别提高了0.06、0.19。可见,该方法可以有效提高湿地植被的提取精度,为湿地植被资源进一步的监测和保护奠定了基础。