遥感、地面三相抽样及其在森林资源年度监测面积估计中的应用

讨论如何利用遥感数据、不同时间调查的地面样地数据之间的关系,构造三相抽样估计方法,提高年度监测的面积估计精度。提出将遥感判读样地作为一相样本,全部地面样地的前期数据作为二相样本,年度监测地面样地作为三相样本,构成三相抽样框架的方法。三相样本是一、二相样本的子集,二相样本是一相样本的子集。用一、二相样本进行前期面积的二相抽样估计,再将结果用于二、三相样本的二相估计,完成年度监测面积的三相抽样估计。在第一个年度监测年,二相样本就是周期监测年调查的全部地面样地,从第二个年度监测年开始,二相样本的调查年份可以不在同一年。给出年度监测面积成数的三相抽样估计公式及相应的方差估计极限分布公式。用浙江省实际数据计算的结果表明:三相抽样精度明显比其他估计方法高。

浙江省毛竹直径与年龄的二元Weibull分布模型

利用2004年复查的浙江省森林资源连续清查体系4250个固定样地中的245个毛竹纯林样地数据,用具有严格概率模型性质的二元Weibull分布模型描述浙江省毛竹直径与年龄的二维结构,并讨论二元Weibull分布模型的生成函数,给出几个不同形式的表达式,指出模型良好的概率模型性质。一元Weibull分布模型的直径、年龄模型分别是二元模型的边际分布,而且用边际分布求得的参数与用联合分布求得的参数也很接近。本研究是省级地域的毛竹宏观模型,该模型也可尝试应用到林分水平,以及其他类型森林。

应用于森林资源连续清查的生长模型系统

该模型系统根据森林生长发展的内在规律设计,并用现代回归统计方法估计参数,由年龄隐含的单木生长模型、与直径相关的保留率模型(即采伐枯损模型)、以样地平均年龄及样地数为自变量的进界模型和面积模型组成。它适用于一个较大区域(如一个省)的森林资源更新和预测。它用复测的固定样地数据和复测的样木数据建模。文章给出了用江西省的连续清查数据进行建模和预测的误差分析结果。

Ripley′s指数的一个新变形--G(d)

在对Ripley′s指数的物理背景进行分析的基础上提出了一个新的变形——G(d)指数。原始Ripley′s指数K(d)是一个半径为d(d为尺度)的圆的面积估计量,是有量纲的,且K(d)随着d的增大迅速增大,应用起来不太方便。Ripley′s指数的变形L(d)将K(d)换算成d的估计量,再减去d,使得L(d)在随机分布的假定下有数学期望0,这使得L(d)的应用比K(d)要方便。但L(d)还是一个具有长度单位的量,其上下包迹线呈明显的喇叭形状,对于应用还不是十分方便。提出的G(d)指数是一个比值,无量纲,数学期望也是0。文章给出了4个例子,这些例子说明,它保持了L(d)指数区分分布类型的能力,同时具有稳定这个良好特性,到了一定尺度以后,上下包迹线趋向常数。进一步分析得知,这些常数与单位面积的个体密度相关,呈对数关系,其相关系数r2达到0.9左右。这样在实际应用中,包迹线只要模拟到稳定点即可,余下部分可通过回归公式计算,从而节省计算工作量。

基于爬峰法聚类的TM图像专题信息人机交互提取

介绍一种基于爬峰法(或称寻谷法)聚类的专题信息交互提取方法。爬峰法是一种基于高维直方图的图论方法,是一种完全的非参数聚类方法,具有适应性好、计算速度快的优点。

我国经济林林地稳定性研究

利用我国16个省市的最近两期森林资源连清固定样地数据,计算和比较经济林 和非经济林的保存率、平均年龄、期望寿命等,对我国经济林的林地稳定性,通过定量研 究,最后得出我国经济林林地稳定性明显不如非经济林林地稳定性的结论。

森林面积不同抽样估计方法的无偏性及有效性分析与证明

森林资源连续清查是我国获取宏观森林面积的主要手段,采用的是系统抽样方法。用理论分析的方法对样地森林面积计量3种不同确定方法的偏性与有效性进行论证。结果表明:1)连续变量法是无偏的,且效率最高;2)点定法也是无偏的,但效率较连续变量法低;3)优势地类法在某些情况下是有偏的,当总体单元的森林面积比例均接近于0或1时,结果接近无偏;4)本文结论表明,在遥感大样地调查中选择连续变量法是最合理的。

年龄隐含的生长模型在森林资源连续清查中的应用

根据森林资源监测体系的特点，将年龄隐含的生长模型应用于森林资源连续清查。这种模型不需要年龄，其误差与预测年限ΔＡ有关，当ΔＡ＝Ｏ时，误差为零。用Ｊｏｈｎｓｏｎ－Ｓｃｈｕｍａｃｈｅｒ模型作为以年龄为自变量的模型，以此模型为基础模型导出的年龄隐含模型为例进行了试验，数据为浙江省的一类连续清查数据中的１９８９～１９９４年的马尾松复位样木数据。计算例子表明，５ａ定期生长量的总和估计精度在９５％的概率保证下可达８０％以上。文章给出了模型的推导，模型的性质分析，误差及精度估计方法等。这种模型用复位样木建模，应用方便。可以以省为建模单元，一个树种（组）建一个模型，而不区分人工林、天然林，异龄林、同龄林，优势树种、组成树种，林木或散生木。

马尾松针叶光谱特征与其叶绿素含量间关系研究

以马尾松针叶野外高光谱数据为基础,分析了马尾松光谱变化,构建或借助不同光谱特征参数,在理论和实践分析的基础上,建立了马尾松针叶叶绿素含量与光谱反射率及9个特征参数之间的关系。研究结果表明:(1)马尾松叶绿素含量在527,703,1364及1640nm四个波长附近,与其反射率具有较好的线性关系,为马尾松遥感监测在波段选择上提供了依据;(2)红边位置、红边平均反射率、红边位置附近平均反射率、红边斜率、红边面积、红谷吸收深度、绿峰反射高度、红边归一化植被指数、红边植被胁迫指数等9个马尾松反射光谱特征参数均与叶绿素含量间存在指数函数关系,相关系数绝对值在0.5～0.7之间;(3)采用9个光谱特征参数建立了马尾松针叶叶绿素含量预测模型,且所建立的基于高斯核函数变换的偏最小二乘回归模型对叶绿素含量的预测精度远远大于传统线性回归模型,模型的均方误差为0.0088,平均绝对百分误差为0.7617%。

分形理论在马尾松松材线虫病发病早期高光谱探测中的应用

采用便携式ASD野外光谱仪,对3个样地未知病害马尾松进行反射光谱连续测量,在对随机抽取的样木反射光谱数据红边位置、绿峰反射高度和红谷吸收深度分析的基础上,进一步利用分形理论,计算450～780nm之间的反射光谱曲线的分形维数,并分析曲线构形变化机理与分形维数之间的关系。结合后期补充调查,结果表明:(1)分形维数在调查期间特别是后期,呈下降趋势,这基本与3个光谱参数的变化吻合,但相对红边位置、绿峰反射高度和红谷吸收深度,分形维数变化趋势较稳定,说明分形维数作为马尾松健康状况预测的指标具有一定潜力;(2)分形维数与绿峰反射高度和红谷吸收深度存在正相关关系,且与绿峰反射高度的相关关系高于红谷吸收深度;(3)补充调查死亡样木分形维数与绿峰反射高度的关系模型,进一步说明分形维数对马尾松健康状况的分析是可行的。

面向对象多尺度分割的SPOT5影像毛竹林专题信息提取

以SPOT5卫星遥感影像为基础,采用面向对象的多尺度分割方法,建立类层次结构,提取毛竹林遥感专题信息。结果表明:1)对毛竹林而言,在SPOT5红、绿、蓝3个波段上的最佳纹理窗口大小分别为9×9,7×7,9×9,比较接近;2)面向对象的多尺度分割方法能较为精确地提取毛竹林专题信息,用户精度达到90%以上,高于最大似然法提取毛竹林的信息精度(88.57%);3)增加纹理信息的多尺度分割方案既保证了毛竹林专题信息的提取精度(92.16%),又兼顾了其他森林类型,分类总精度、Kappa分别为92%和88.14%,为本研究的最高精度。

用高光谱曲线分形维数分析植被健康状况

植被叶片高光谱反射曲线包含植被生长状况的众多信息,该文在分析光谱特征参数如红边位置、绿峰反射高度、红谷吸收深度以及红边面积的基础上,提出利用分形理论对450～780nm之间的反射光谱曲线进行分形测量,并用分形维数定量反映其健康状况的新思路。研究表明,(1)植被反射光谱曲线具有分形特征,对于相同植被,其不同健康状况的叶片在可见光到近红外(450～780nm)间的反射光谱曲线分形维数呈逐渐下降趋势;(2)分别针叶和阔叶,分形维数均与绿峰反射高度、红谷吸收深度以及红边面积3个光谱参数之间存在较好的正相关关系;(3)分形维数与绿峰反射高度、红谷吸收深度以及红边面积也存在较好的多元线性关系,其相关指数分别为0.8928和0.6987。因此,分形维数是对曲线整体的一个综合分析和定量描述,能够作为一个新的综合参数来客观反映植被叶片所处的健康状况。

基于森林资源清查、卫星影像数据与随机协同模拟尺度转换方法的森林碳制图

当前,全球变暖对地球生态系统的影响正引起世界的广泛关注。为减缓其影响进程,让决策者获得准确的碳源/碳汇空间分布信息与动态至关重要。目前面临的重大挑战是如何准确估计森林碳的空间分布和分析估计结果的不确定性。本研究基于森林资源连续清查样地数据和遥感影像数据发展了一个森林碳制图的一般方法。基于序列高斯协同模拟算法,结合样地数据与卫星影像数据进行模拟,将森林碳汇分布图的尺度从30m×30m转换到900m×900m(区域、国家和全球森林碳制图单位大小)。以临安市为例,利用全市2004年森林资源清查样地数据和同年度LandsatTM影像数据,进行研究区森林碳(地上部分)模拟和尺度转换。结果显示,方法准确重现了森林碳空间分布和变异规律,在分布上模拟结果与地面样地属性具有较好的一致性,在数量上模拟结果的总体平均值较地面样地的总体平均值低约24.9%;模拟还提供了其估计结果的不确定性,包括估计值的方差和估计值大于一定阈值的概率,这些可用于不确定性传播模型的模拟分析,进而实现对森林碳估计结果的评价。

基于地统计学和CFI样地的浙江省森林碳空间分布研究

基于浙江省2009年CFI固定样地数据、森林资源规划设计调查林相图,利用地统计学方法对浙江省森林碳空间分布进行了模拟分析。结果表明,CFI固定样地数据用于省域范围的森林碳汇空间特征研究是合适的。数据显示,浙江森林植被平均碳密度为22.07Mg/hm2;与四川、福建、海南等地相比,平均碳密度较低。受人类活动、自然环境等因素影响,浙江省森林碳分布主要表现为:总体上森林碳密度空间变化趋势自西向东逐渐降低,与自然空间(海拔、地势等)趋势一致。基于地统计学和CFI固定样地,对省域范围的森林资源空间分布的研究,可以为省域森林碳汇管理提供依据,为我国特别是亚热带南方集体林区利用国家CFI数据进行大区域同类研究提供借鉴。

无人机遥感发展与应用概况

在阐述无人机发展历程基础上,论述了无人机在遥感领域的应用理论发展以及在气象监测、资源调查、航拍测量和应对突发事件等方面的应用,归纳了目前无人机遥感研究存在的问题,展望了今后无人机遥感研究的热点和重点。

基于Mann-Whitney非参数检验和SVM的竹类高光谱识别

以毛竹、雷竹和孝顺竹野外高光谱数据为基础,在非参数统计理论和模式识别的基础上,提出了利用Mann-Whitney非参数检验筛选竹类间最佳特征区分波段及利用支持向量机识别竹类的问题。研究结果表明:(1)毛竹与雷竹之间的最佳区分波段为503～655,689～732,757～1 000,1 038～1 084,1 238～1 311,1 404～1 591,1 682～1 800,1 856～1 904和1 923～2 500nm,毛竹与孝顺竹之间的最佳区分波段为350～386,731～1 430,1 584～1 687,1 796～1 873nm,雷竹与孝顺竹之间的最佳区分波段为355～356,498～662,689～745和1 344～2 500nm;利用Mann-Whitney非参数检验方法可以分别消除30.0%,57.7%和35.8%的无效区分波段。(2)在最佳区分波段内,利用支持向量机的SMO算法进行高光谱竹类识别,模型精度分别为98.4%,93.5%和95.1%,模型泛化精度分别为93.3%,90.0%和86.7%,表明此方法可有效区分和识别竹亚科中的不同竹类。

基于包络线法的不同树种叶片高光谱特征分析

高光谱遥感的出现使树种的精细识别成为可能,而高光谱数据具有波段多、数据量大、冗余度大等特点,利用高光谱遥感技术进行树种鉴别时,光谱特征的选择及提取是个非常重要的过程。选择了樟树Cinnamomum camphora,麻栎Quercus acutissima,马尾松Pinus massoniana和毛竹Phyllostachys pubescens4个树种,利用包络线去除法对ASD高光谱仪实测的原始光谱数据处理,比较原始光谱和包络线去除曲线图,选择差异较大的波段用于识别不同树种,用欧氏距离法检验所选择的波段识别不同树种的效果。结果证明,利用波段较窄的高光谱数据能够挖掘出不同树种的光谱差异,实现不同树种的鉴别;包络线去除法能够有效解决高光谱数据冗余的问题,对4个树种叶片的高光谱进行波段选择,能够将有效波段减少到8个,为484～493,670～679,971～980,1162～1171,1435～1444,1773～1782,1918～1927和2455～2464nm,并得到较理想的树种鉴别效果。

生物量统一模型构建及非线性偏最小二乘辩识——以毛竹为例

树种生物量数据是研究许多林业与生态问题的基础,如何准确估算树种的生物量十分重要,建立生物量模型是生物量估测的主要手段。鉴于常用估算生物量模型具有多样性、经验性、在实际应用中有很大限制等特点,提出利用Chebyshev正交多项式系构建生物量估算统一模型的新思路,这种构建模型的方法有完备的理论基础、统一的模型结构,其实质是一种进行变量区间变换,缩小变量定义域的数值插值方法,模型阶数越高,插入的点越多,估算结果越符合实际,这与树木的树干解析与树木生长原理是相一致的;鉴于常用最小二乘具有的一些缺陷,用适应范围更广的偏最小二乘对统一模型进行参数辩识;指出毛竹生物量的研究与其它树种生物量的研究不同,根据毛竹自身的生长特征,把其生物量的研究分成2个阶段;最后估算了毛竹第1阶段的生物量,结果表明拟合精度很高:当提取55个主成分时,SPRESS,h达到最小,其值为31.4390,R2=0.9987,离差平方和为0.2518,比传统方法估计误差5.623提高了一个数量级。

基于均值置信区间带的高光谱特征波段选择与树种识别

以柏木、雷竹和无患子野外高光谱数据为基础,在统计学理论和实践分析的基础上,提出了利用均值置信区间带筛选树种间最佳特征区分波段及利用Manhattan距离和Min-Max区间相似度识别树种的问题。研究结果表明:(1)柏木与雷竹之间的最佳区分波段为358～386,452～1 145和1 314～2 500 nm,柏木与无患子之间的最佳区分波段为350～446,497～527,553～1 330,1 355～2 400和2 436～2 500 nm,雷竹与无患子之间的最佳区分波段为434～555,580～1 903,1 914～2 089,2 172～2 457和2 475～2 500 nm;(2)在最佳区分波段内,同种树种间的Manhattan距离远小于异种树种间的Manhattan距离,同种树种间的Min～Max区间相似度远大于异种树种间的Min～Max区间相似度,Manhattan距离和Min～Max区间相似度可以有效区分和识别不同类型的树种。

基于TM数据提取竹林遥感信息的方法

利用LandSat5-TM对竹林遥感信息提取方法进行了研究:将归一化植被指数NDVI、结构效应指数CVI、综合效应指数MVI以及主成分变换的前3个分量PCA1、PCA2、PCA3与TM数据的6个波段(除第六波段)合成一个具有12波段的新数据;在最佳波段组合的基础上,结合地形图、土地利用图和野外调查数据,采用光谱特征模型、支持向量机、光谱角填图以及最大似然法对竹林信息进行了提取。研究表明:叶冠结构指数、综合指数、主成分变换等新波段对竹林信息提取很有帮助;与支持向量机、光谱角填图和最大似然法3种监督分类方法相比,基于光谱特征模型的竹林遥感信息提取方法具有一定的适应性,在保证竹林分类精度的同时,其他植被类型的分类精度也能得到满意的结果。