遥感在生态环境质量监测与评价中的应用现状研究

遥感具有快速、实时、监测范围广等特点,在生态环境质量监测与评估方面发挥了重要作用。对国内外1993—2020年间该领域相关文献进行研究。结果表明:在指数方面,能表征植被状况的植被指数(如NDVI等)、能表征城市化状况的建筑指数(如NDBSI等),以及能表征区域人类活动的地表温度(LST)被广泛应用于生态环境质量监测与评价;在模型方面,更能综合反映生态环境质量的综合指数模型(如RSEI等)是当前生态环境质量监测与评价中常用的模型;在评价方法方面,以主成分分析法为代表的客观赋权法是当前生态环境质量评价的主流方法。结合多源遥感数据和综合指数模型多视角定量评估区域生态环境质量和利用长时间序列数据动态监测生态环境质量变化是当前研究的热点。

滇东北地区云南松地表可燃物载量及火强度研究

在滇东北地区云南松纯林中设置样地、 样方,并将地表凋落物划分为枯枝、 地表凋落物上层和地表凋落物下层3个层级,按照比例分别选取各层部分凋落物经实验室烘干测定可燃物载量,其余部分均置于实验室燃烧床燃烧测定其火行为参数.在实验室燃烧床上分别以下坡点火、 中间点火和上坡点火的方式,模拟实际森林样地坡度的上坡火、 随机点火以及下坡火的燃烧状况,再分别测定其不同点火方式的火行为参数.结果表明,在云南松林地表凋落物中,枯枝、 地表凋落物上层和地表凋落物下层可燃物载量分别为0.09kg/m2、0.50kg/m2、0.59kg/m2,上坡火、 中间点火和下坡火的火强度分别为97.21kW/m、80.76kW/m和49.99kW/m,上坡火、 中间点火和下坡火的热辐射分别为7.22±1.51kW/m2、6.88±1.66kW/m2和6.47±1.37kW/m2,燃除率分别为52.71%、64.5%、40.09%.可见,滇东北地区地表凋落物中枯枝的载量小,且上层和下层可燃物载量差异不大;与滇中地区的云南松计划烧除实验结果比较,可燃物载量及火强度均偏低.

滇东北地区华山松与云南松的地表凋落物载量及火强度对比研究

通过调研、布设样地样方、取样方可燃物等过程,将滇东北地区的优势树种华山松、云南松的地表凋落物划分为枯枝、凋落物上层和凋落物下层3个层级,分别收集后在实验室燃烧床上分别以下坡点火和上坡点火的方式,模拟实际森林样地坡度的上坡火和下坡火的燃烧状况,测定其不同点火方式的火行为参数。结果表明:云南松的地表凋落物烧除率远远高于华山松地表凋落物的烧除率,二者可燃物载量除凋落物下层外基本保持一致,热辐射值也基本一致,但二者均低于弱强度火界定值500 kW/m。因此,当前滇东北地区难以形成树冠火。

林火监测中遥感应用的研究现状

林火是陆地生态系统中的一种主要干扰因子,森林火灾会对森林生态系统造成严重破坏。遥感卫星能够实时对地表信息进行记录与监测,尤其适用于对林火这种地表异变现象强烈的事件进行监测。本研究回顾了航空遥感、航天遥感在林火监测中的应用历史;分别从风险预测、实时监测和灾后评估三个方面论述了遥感在火险等级评测、火点提取、过火面积估测、林火实时监测及灾后植被恢复评价中的应用研究现状,总结了当前的研究重点及不足,并指出了未来的研究方向和趋势。以期为遥感在林火预测预报、林火实时监测及灾后损失评估等方面的研究提供参考。

遥感在茶园监测中的应用研究进展

科学有效的茶园遥感监测技术是茶园管理、土地利用管理及产业政策制定的基础。了解国内外遥感技术在茶园监测中的应用研究进展,对大尺度茶园提取、茶园灾害预警、地表覆被变化等研究具有重要意义。本文梳理了遥感技术在茶园监测中的应用历史,总结了1999年以前、2000-2010年、2011-2020年3个时期遥感技术在茶园监测中的应用情况。此外,归纳总结了茶园监测中的遥感数据源、分类算法及遥感信息(光谱指数、纹理特征等),分析了遥感技术在茶园监测应用方面的研究重点以及不足之处。最后,对未来遥感茶园监测相关研究提出了建议与展望。随着传感器数量不断增加,遥感影像时间分辨率、空间分辨率及光谱分辨率不断提高,分类算法的不断涌现,光谱指数的广泛应用。基于多源遥感和时间序列数据,集成智能算法对茶园进行大尺度遥感监测将成为必然的发展趋势。

应用GF-5高光谱遥感影像提取山区茶园

为探究高光谱影像丰富的光谱信息对山区茶园的提取效果,促进国产卫星高光谱影像在茶园分布制图与资源监测中的应用,以普洱市南部山区茶园典型分布区为研究区,以高分五号AHSI(GF-5 AHSI)影像以及数字高程模型(DEM)为主要数据源,结合实地调查数据,构建基于随机森林(RF)分类器的亚热带山区茶园提取算法。首先,将去除噪声影响后剩余的250个波段作为光谱特征(SF);在分析研究区主要地物(茶园、森林、农田)光谱的基础上,分别构建植被指数特征(VIF)45个,地形特征(TRF)3个。然后,利用RF进行特征重要性排序,按照特征重要性从大到小依次将特征输入RF分类器进行茶园提取,随着特征的不断输入,茶园提取的F1-Score达到饱和不再明显增加时的特征维度即为最优选择特征。依据3种特征因子(SF,VIF和TRF)构建12种分类方案。最后,比较12种方案的茶园提取精度,最终确定最优方案。结果显示,不同特征组合茶园提取F1-Score排序为SF+VIF+TRE+FS>TRF+VIF+FS>SF+TRF+FS>TRF+VIF>VIF+FS>SF+VIF+FS>SF+VIF+TRF>SF+FS>SF+TRF>VIF>SF+VIF>SF。FS后6种分类方案中,SF参与分类的4种方案中被选中2次的波段为b4、b5、b6、b27、b133、b150和b281;在VIF参与分类的4种方案中被选中4次的指数分别为REP、VOG2、SR2、SR3、WBI、TIP3和TIP9;TRF参与分类的4种方案中坡度、坡向、高程均被选中。此外,SF+TRF+VIF特征进行FS后结合RF算法能够对亚热带茶园分布进行有效识别,具有较好的识别精度和可信度,GF-5 AHSI卫星数据在茶园分布制图和资源监测等领域有着较好的应用潜力和前景。

基于Landsat-8和Sentinel-2时间序列合成影像的山区甘蔗种植区提取

山区耕地破碎化现象严重,种植结构复杂,加之山区多云雨天气使得遥感影像质量难以保证,给基于遥感的山区甘蔗种植区提取带来困难。为探究适用于山区甘蔗种植区提取的方法,本研究以典型山区甘蔗种植区云南省玉溪市新平县为研究区,以2019年10月1日至2021年7月1日过境新平县的Landsat-8和Sentinel-2光学影像为数据源,结合DEM数据和野外调查数据,基于谷歌地球引擎(google earth engine,GEE)云计算平台构建高空间、高时间分辨率的时间序列合成影像,借助甘蔗与常绿植被、水体、不透水层、其他农作物在光谱指数特征、物候特征、地形特征上的差异,采用上升时间、下降时间、上积分、下积分4个物候参数以及海拔、坡度因子确定提取甘蔗的最佳阈值,对研究区2020年甘蔗种植区进行提取并绘制2020年新平县甘蔗种植区分布图,最后对提取结果进行精度验证与甘蔗空间分布规律分析。结果表明:基于Landsat-8和Sentinel-2合成的时间序列影像可以增加研究区内像元的良好观测次数并提高影像的空间分辨率,克服了山区遥感影像质量不高的问题,可更好地监测植被物候特征与季节变化;本研究甘蔗种植区提取总体精度为97.07%,Kappa系数为0.83,其中甘蔗的用户精度为88.85%,制图精度为80.57%;新平县2020年甘蔗种植区面积为7705 hm^(2),甘蔗种植区的空间分布随新平县西北高东南低的地势呈现出东南多于西北的现象,且乡镇间甘蔗种植区面积差异显著,甘蔗种植面积最大的乡镇为漠沙镇(2786 hm^(2)),面积最小的乡镇为古城街道(0.87 hm^(2)),与实际调研情况一致。通过对物候参数进行敏感性分析发现,同时使用上升时间、下降时间、上积分、下积分4个物候参数进行甘蔗提取,可提高用户精度,减少错分误差。该研究提出的甘蔗种植区提取算法可为山区复杂地形下甘蔗种植区提取提供参考。

结合纹理和空间特征的多光谱影像面向对象茶园提取

云南茶园主要分布于山区,往往与其他地物混合,破碎化程度高,给基于遥感的高精度茶园提取带来困难。破碎化山地茶园的遥感识别能力有待进一步提高。以西双版纳北部及普洱市南部山区为研究区,以高分一号(GF-1)遥感影像为数据源,基于易康(eCognition9.0)软件,采用多尺度分割(MRS)方法对影像进行分割,并通过ED3_(Modified))评估影像的最优分割尺度。首先构造了包括14个光谱特征、6个纹理特征和3个空间特征的23维初始特征,通过计算样本的分离度对分类特征空间进行优化,确定了16维最优特征空间。然后应用面向对象的监督分类方法[贝叶斯(Bayes)、决策树5.0(DT5.0)及随机森林(RF)]对研究区茶园进行提取。采用实地调查样点和随机点结合的方法对提取结果进行精度验证,并比较了不同分类方法的茶园提取精度。面向对象的监督分类[多分类(茶园、森林、农田、不透水层、水体)]结果的总体精度(OA)和Kappa系数分别为(Bayes:87.73%,0.70),(DT:88.52%,0.72),(RF:91.23%,0.78)。三种分类方法对茶园提取的生产者精度(PA)和使用者精度(UA)分别为(Bayes:67.23%,75.33%),(DT:68.84%,83.83%),(RF:70.54%,87.13%);相比于面向对象的RF多分类,面向对象RF二分类(茶园、其他地物)OA和Kappa系数分别提高了3.24%和0.07,茶园提取的PA与UA分别提高了5.99%和5.61%;相较于仅利用光谱特征的基于像元的RF多分类,面向对象的RF二分类OA与Kappa系数分别提高了23.32%和0.27,茶园提取PA与UA分别提高了21.10%和29.03%。结果表明:采用面向对象的监督分类方法在对茶园提取方面有应用潜力,尤其面向对象的RF分类精度更高,二分类相较于多分类对于茶园提取更为精细和准确。该方法对于复杂、破碎山地茶园提取精度较高,能够满足基于高空间分辨率多光谱影像的茶园精细化识别应用需求。

融合可见光无人机与哨兵2A影像的森林火灾迹地精细化提取

以2020年4月昆明市宜良县马街镇兴隆村森林火灾为研究对象,基于无人机的R、G、B3个波段与哨兵2A多光谱影像,分别采用格莱姆-施密特与主成分光谱锐化融合方法进行影像融合,应用6种定量评价指标分别对融合结果进行评估。基于融合影像采用随机森林算法实现对火场边界内的森林火灾迹地的提取,并与Sentinel-2A影像提取森林火灾迹地的精度进行比较;将2种影像提取的过火面积与鉴定人员通过实地调研、GPS坐标打点,并结合UAV影像手动矢量化森林火灾迹地面积进行对比分析。结果表明:UAV与Sentinel-2A融合影像与仅利用Sentinel-2A多光谱影像对森林火灾迹地提取的生产者精度分别为96.14%、95.18%,使用者精度分别为97.79%、96.57%,Kappa系数分别为0.83、0.76;融合影像与Sentinel-2A影像提取过火面积与统计面积相对误差分别为-3.5%、-6.2%。因此,利用可见光UAV与Sentinel-2A影像采用GS融合方法,基于RF算法可高精度、精细化提取森林火灾迹地,且边界细节效果刻画更加明显。本研究方法可大大提高林火司法鉴定效率,减少外业工作量及降低成本,使得矢量化更加精准,增加司法鉴定结果的科学性和客观性。

助力脱贫攻坚茶产业发展存在问题及对策思考——以盘州市民主镇石阶路村为例

本文尝试分析导致民主镇石阶路村茶产业发展滞缓的原因并提出相应的对策措施,以期分析结果及对策有助于石阶路茶产业的发展,进一步助力石阶路村脱贫攻坚。通过实地调研及走访当地农户发现石阶路茶产业发展面临以下问题:茶园配套基础设施不完善;合作社管理经验不足;部分村民意识守旧,不敢轻易尝试茶叶种植;茶产业融资难、融资成本高,资金投入少。以上原因造成石阶路村虽自2017年起种植茶叶,但到目前为止成效甚微。本文结合石阶路村实际以及当地农户意愿提出相应的对策措施助力石阶路村茶产业发展。

滇中地区典型火烧迹地恢复率动态变化及其影响因子

定量评估林火燃烧程度、坡度、植被类型等对火烧后植被动态恢复的影响,对及时掌握火烧迹地的变化及更新演替规律和提升森林资源可持续经营管理水平具有重要价值。本文以2006年云南省安宁市3·29和2012年云南省易门县3·18森林火烧迹地为研究对象,利用Landsat-5/TM、Landsat-7/ETM+和Landsat-8/OLI时间序列影像,基于Google Earth Engine云计算平台实现影像收集与指数计算。首先,利用归一化燃烧率和差分归一化燃烧率提取火烧迹地,并进行燃烧程度分级。其次,利用燃烧恢复率,探究火烧迹地的恢复率动态变化规律,并利用因子探测法分析燃烧程度、坡度和植被类型对燃烧恢复率的独立解释力。结果表明:①对安宁3·29和易门3·18火烧迹地,从燃烧恢复率指标看,燃烧程度为低和中低的火烧迹地,在火灾发生6~7年后火烧迹地恢复率达100%以上,而中高和高燃烧程度的火烧迹地恢复率达100%以上则需要7~9年。②在燃烧恢复率的独立解释因子中,灾后植被类型的独立解释力最高,也即灾后植被类型对火烧迹地的恢复率影响最大,燃烧程度次之,坡度最低。本文结果将为火烧迹地恢复状况评估提供参考,也有助于了解滇中乃至中国西南地区复杂地形下森林火灾发生后的植被动态恢复过程。