基于激光雷达卫星(GEDI)的广东省森林冠层高度和生物量估算

森林冠层高度和生物量估算对估算森林碳收支方面起到重要作用。本文以广东省森林为研究对象,以全球生态系统动态调查(GEDI)激光雷达卫星为数据源,分别采用回归树和克里金插值算法,对广东省的森林冠层高度和生物量进行反演。研究结果表明,广东省的树木高度普遍在10~20 m,占比超过50%。树高高值出现在粤北的韶关、肇庆等市,树高普遍在15~20 m;而湛江市的平均树高最低,普遍不足10 m。广东省森林生物量最大值为335.85 t/hm^(2),最小值为5.25 t/hm^(2),平均值为98.27 t/hm^(2)。森林生物量高值区域主要分布在粤东山区和粤西山区,而广东省平原和城市化地区森林生物量则较低。本文结果为估算广东省森林生态系统碳吸收提供科学依据。

基于Google Earth Engine的鄱阳湖面积时空变化及驱动因素分析

长时间序列的湖泊动态监测对湖泊资源合理利用及生态环境保护有重要意义。以Google Earth Engine云平台为技术支持,选用1989~2019年鄱阳湖Landsat影像,在归一化差分水体指数(NDWI)、改进归一化差分水体指数(MNDWI)和自动水提取指数(AWEI)中选用最适水体指数提取鄱阳湖水体;通过分析鄱阳湖面积的时空变化,研究鄱阳湖面积与降水、长江和鄱阳湖水量交换以及土地利用的关系。结果表明:(1)鄱阳湖面积呈现下降趋势,其中西部和西南部是鄱阳湖主要的缩减区,湖泊面积变化季节性明显,夏季湖泊面积较大,冬季湖泊水面缩减分散。(2)降水、长江与鄱阳湖的水量交换是影响鄱阳湖面积的重要因素,三峡水库运营使江湖水量交换发生变化。(3)围湖造田等人类活动侵占湖泊同样使湖泊减少。

基于多源遥感影像的农作物分类提取

合成孔径雷达数据因其较强的纹理特征近年来被广泛应用于农作物分类的研究中。针对多光谱影像无法实现农作物的精确分类问题,本文选取鲁西南济宁市为研究区,融合了2020年4-9月的Sentinel-1 SAR数据和Sentinel-2多光谱数据作为数据源,提取光谱特征、纹理特征、双极化后向散射系数共52个特征变量,通过独立主成分分析算法进行特征选择,选出占方差95%的前6个分量。对提取的特征进行多尺度分割,使用随机森林分类器进行分类,较好地证明了多源遥感数据融合在农作物分类提取中的优势地位。研究结果表明,面向对象分类精度为89.62%,相比于面向像元分类精度提升7.7%;且在同等条件下,SAR数据的加入可以将农作物分类精度提升17%,本研究成果能为后续多源遥感数据融合后农作物分类提取提供理论支撑。

基于特征优选和时空融合算法的黄河三角洲湿地类别制图方法研究

滨海湿地的遥感分类研究对于滨海湿地的保护和规划具有重要意义。为此,以黄河三角洲作为研究区,采用2019年3—10月获取的8景Landsat8 OIL作为数据源,使用GEE(Google Earth Engine)云平台,根据影像的不同特征构建了7种不同的分类方案;然后,使用随机森林分类器对不同特征集合进行分类,并选择其中分类效果最好的用于绘制黄河三角洲地区的湿地类别图。其中8,9月份数据由于受到云的污染导致质量差,使用增强型自适应反射率时空融合模型(enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM)算法对有云区域进行填补处理。结果表明:①ESTARFM时空融合模型生成的预测影像与真实影像波段表现出较好的相关性,其R值均能达到0.73以上,说明重构的影像可以用于本研究;②使用随机森林算法对研究区地物类型进行分类,其中方案7通过特征优选,分类结果总体精度达92.28%,Kappa系数达0.91,分类结果与湿地实况相吻合,比常规方案分类精度更高。研究结果有助于了解和掌握该区域湿地不同类型的空间分布特征,可为区域生态环境的保护和规划提供科学依据。