测绘地理信息智能化监测在森林防灭火工作中的应用

针对目前森林防灭火事前、事中和事后的监测需求,本文综合利用测绘地理信息技术,构建了测绘地理信息服务森林防灭火的综合性智能化监测技术体系。通过获取多源地理信息数据,构建森林防灭火数据库,面向日常防灭火能力评估、灾前常态化监测、灾中动态监测、灾后评估及灾后长期植被恢复监测,提供了一系列的智能化监测服务。通过在小珠山森林火灾中的实践检验了该体系的实用性,结果显示该监测体系可以为森林防灭火工作提供可靠、精准的智能化地理信息解决方案。     

基于多样性特征协同技术的飓风前后森林破坏遥感监测

对被飓风破坏的森林进行变化监测与灾害评估是遥感技术的一个重要应用,遥感影像的特征信息提取对森林遥感监测的效果至关重要。多样性特征结合可以有效提高对森林变化的监测精度。然而,当前的空间信息如纹理特征的获取算法依旧保留着传统的固定式计算模式,一直面临着特征数量和邻域参考范围之间难以均衡的问题。为了解决以上问题,本文提出了基于多样性特征协同技术的飓风前后森林破坏遥感监测方法,首先计算出森林遥感影像变化前后的归一化植被指数差值和增强植被指数差值,并提出了基于复合窗口技术的来提取纹理特征,然后建立了多样性特性结合模型;其次提出了一种基于特征分离的旋转森林改进算法,最终,实现了内泽尔森林在暴风前后的高精度变化监测;另外,还测试了新模型在不同训练样本数量下的分类性能。实验结果表明,相对传统的基于光谱特征和单纯的纹理特征的变化监测方法,本文所提出的方法的整体精度、对变化区域和未变化区域的检测精度至多分别提高了3.68%、6.53%和3.46%。本文的研究方法可以有效提高森林变化监测的性能,为森林灾害评估与森林资源保护提供参考依据。     

机载光学全谱段遥感林火监测

森林火灾是一种危害极大的自然灾害,是森林扰动的主要类型之一,直接影响森林生态系统结构、碳循环甚至全球气候的变化。近年来,航空平台和传感器的技术进步有效地提升了机载遥感系统探测和监测森林火灾的能力,推动了机载遥感在森林可燃物调查及载量评估、火险测报预测、火场态势及火情监测、灾害损失评估以及火烧迹地生态修复治理等方面的应用。本文首先介绍了中国林业科学研究院机载光学全谱段遥感系统CAF-LiTCHy（Chinese Academy of Forestry’s LiDAR,Thermal,CCD and Hyperspectral airborne observation system）,描述了激光雷达扫描仪、热红外相机、CCD相机和高光谱传感器等传感器的参数;然后,阐明了集成方案和观测数据的处理方法;最后,以四川省西昌市“3.30森林火灾”作为该系统火后灾情遥感调查和灾情评估应用示例,综合多传感器数据特征,进行森林火烧程度评价,分析该系统采集的正射影像、冠层高度模型、高光谱影像、热红外影像在森林火灾监测评价中的潜力。研究结果表明CAF-LiTCHy机载遥感观测系统能有效获取森林火灾的灾情信息、火场及火环境参数,可为预防、预报预警、扑救指挥、灾害评估和生态修复提供支持。     

应用TM图像监测及评估林火、虫灾和洪涝灾害的理论与实践

本文报导了在大兴安岭特大森林火灾实时监测与灾情分析、皖东孤山林场松毛虫害探测及江淮地区特大洪涝灾害灾情评估等工作中应用TM图像的成功实践,分析了TM图像用于监测及评估这些自然灾害的理论依据、关链技术及其优越性与局限性。     

基于NewMap Server的森林防火应急指挥系统设计与实现

综合运用3S技术,以NewMap Server为地理信息系统开发平台,建立森林防火应急指挥系统,具体介绍了系统设计思想,系统结构和系统开发。并结合济源市森林防火应急指挥系统实例,介绍了预报监测、辅助决策、、扑救指挥和灾后评估等系统功能。     

汶川地震灾后农田和森林植被恢复遥感监测

2008年汶川8.0级特大地震对当地的生态系统造成了极大的破坏,为了评估5年来灾区农田和森林植被的恢复情况,利用逐年机载高分辨率遥感影像,结合星载遥感数据和地面调查数据,开展了灾区农林植被恢复状况监测。在农田恢复监测方面,结合2008年地震发生后以及2013年5月中旬的机载高分辨率遥感数据,采用目视解译的方式对汶川地震中受损农田的恢复状况进行监测与评估,同时利用GVG(GPS、Video和GIS)农情采样系统的作物种植成数调查结果,分析了灾后作物种植结构的变化。结果表明,灾区1592 ha受损农田,5年后仅有约17.5%得到了恢复和耕种使用。就耕地利用强度而言,重灾区耕地利用率较高,作物种植结构没有发生重大变化。在森林恢复状况监测方面,对典型区(岷江干旱河谷区和盆周山地区的3个重点区域)采用目视解译方式识别出森林变化,并结合大区域尺度规一化植被指数(NDVI)时间序列变化分析,对整个灾区的森林损毁和恢复情况做出评价。监测结果显示,汶川县、什邡市和绵竹市的森林植被恢复情况总体较好,但是一些坡度较大的损毁区、次生灾害频发区的森林尚未恢复,大区域尺度的统计结果显示,地震重灾区的46381 ha重度损毁森林植被和177025 ha中度损毁森林植被区域,完全恢复的区域占13.52%和25.84%,部分恢复的区域都占到50%。在自然恢复较为困难的区域,如汶川县中部和东北部、都江堰市北部、彭州市北部、什邡市北部、绵竹市北部、安县北部及北川县南部等,需要加强人工干预。遥感监测方法既适用于震后的农田和森林恢复状况动态监测,也适用于其他自然灾害发生时对灾区农田和森林植被破坏状况进行应急监测,具有实际应用价值和良好的发展前景。     

森林扰动遥感监测研究进展

作为陆地生态系统的主体,森林的碳循环与碳蓄积对研究陆地生态系统起着重要作用,但目前森林扰动资料的缺乏在很大程度上影响着区域森林碳通量的估算精度。在对森林扰动监测方法和监测指数进行总结的基础上,对几种森林扰动监测指数进行了比较研究。鉴于当前基于长时间序列的森林扰动研究主要集中在北美国家,国内鲜有系统报道,因此,针对我国森林变化特点,结合长时间序列扰动分析方法和适宜的扰动监测指数,研究适用于我国森林的扰动监测模型具有重要的理论意义和应用价值。     

遥感大数据 为智慧城市装上“天眼”

<正>遥感技术能够远距离、非接触精准探测目标物,具有空间覆盖广阔、快速、信息丰富等特点,是空间信息的动态采集与监测的重要技术。因而在土地利用、城市化及荒漠化监测,农作物、森林等可再生资源的监测和评估,灾害监测和环境监测等领域都得到了广泛的应用。利用卫星遥感监测城市,就如同给城市安装了"天眼",全天候、无死角、动态实时采集城市遥感影像,在服     

中国林火卫星遥感预警监测技术研究进展

中国目前已形成了地面巡护、近地面监测、航空巡护和卫星监测等4级立体林火监测层次,但森林火灾仍是造成中国森林资源损失、森林生态环境安全和人身伤害的主要林业灾害。为对林火预警监测技术研究提供技术借鉴参考,本文从可燃物参数估测、烟区识别、着火点检测、森林大火燃烧动态监测、森林火烧迹地制图、森林火灾受害程度评价、森林燃烧生物量估算和火后植被恢复监测等8个方面,对中国近二十多年来开展的林火卫星遥感预警监测应用技术的研究进展、存在的技术问题和发展趋势进行了分析,并对构建服务于生态文明建设的天—空—地一体化的林火预警监测技术体系建设进行了展望。     

遥感定量监测地震灾区生态环境变化——以安县千佛山国家森林公园为例

2008年汶川里氏8.0级特大地震对地震灾区的生态系统造成了极大的破坏。为评估灾区森林植被的恢复情况,利用2005年、2008年及2014年三期高分辨率遥感影像,采用目视解译方式,对安县千佛山国家森林公园地表覆盖进行监测,并结合森林生态系统自然保护区生境质量指数的时间变化分析,对该区域的森林损毁和恢复情况做出了评价。监测结果显示:地震使得区域内植被覆盖率从97.7%下降到66.8%;震后经过6年的恢复,植被覆盖率恢复到95.6%,基本达到震前水平;从生境质量指数看,监测时段内生态环境状况发生巨变。地震使生境质量指数下降30.58%;灾后的重建恢复使生境质量指数恢复到震前的90.38%。     

基于Landsat TM6的林区温度反演研究

主要研究利用Landsat TM6热红外波段遥感数据定量反演林地温度的方法与可行性。首先计算了研究区的比值植被指数（RVI）,然后利用单窗算法开展林地温度反演,建立起了林地温度与比值植被指数之间的相关关系。研究结果表明：利用单窗算法反演的林地温度精度较高;林地温度与比值植被指数（RVI）25间存在着密切的负相关关系,林地温度与林冠变化之间关系十分密切。     

Characterization of defoliation conditions within a boreal Montane forest ecosystem

Landsat Thematic Mapper (TM) digital data acquired in the fall of 1988 and digital elevation model (DEM) data were evaluated for use in characterizing the spatial distribution of defoliation conditions within the boreal montane spruce‐fir ecosystem in the Black Mountains (Mtns.) of North Carolina. Correlation coefficients between the TM waveband data and field estimates of defoliation taken from 22 one hectare field plots were low (0.10 to ‐0.54). TM band four (near infrared) was the only waveband found to be significantly correlated with needle loss. Defoliation was also shown to be significantly correlated with digital elevation and aspect data. A multivariate linear regression model predicting percent defoliation was developed from the TM, elevation, and aspect data for the 21 field plots. In addition to having a high R2(0.85) the model was shown to reliably predict defoliation conditions throughout the ecosystem. A color‐coded classified image depicting the spatial distribution of defoliation conditions within the study site was generated by applying the model to the TM and DEM data.     

江苏近海岸水深遥感研究

以江苏近海辐射沙脊群海域为典型研究区,通过实测水深数据和水体光谱测量与分析,发现对应TM3和TM4波段的水体光谱反射率对水深信息敏感,线性相关系数分别达到-0.561和-0.694。结合多光谱遥感信息传输方程所推导出的水深信息对数反演模式,针对本研究区TM4和TM3波段数据所建立的水深预测模式的复相关系数R2为0.4793,对0-15m水深,预测水深和实测水深之间拟合较好。利用TM5波段反射率、出露沙洲反射率以及海水反射率的差异,通过建立掩膜图像,可较有效地对TM遥感图像进行水陆分离,提取TM图像中海水部分,进一步可通过常用的图像处理软件绘制每隔5m的TM水深遥感制图、等深线图。随着高空间、高光谱、高辐射分辨率遥感技术的发展,对浅海水域的水深和水下地形进行遥感探测的技术方法和应用将会不断地深入开展。     

TM影像的居民地信息提取方法研究

从对居民地的遥感信息机理分析入手,分析了居民地在Ｌａｎｄｓａｔ ＴＭ２、ＴＭ３、ＴＭ４、ＴＭ５、ＴＭ７等各个波段上与其它地类的可分性。并探讨了增强居民地与其它地类的方法。同时进一步对各地物的谱间结构特征进行了分析,通过分析发现,以水泥顶和瓦项房屋为主的居民地,其ＴＭ２、ＴＭ４、ＴＭ７的光谱值比较接近,而其它地物除新修道路外,都不具备这一特征。这一特征可以用如下表达式来表达,ＴＭ２－ＴＭ４〈Ｔ１;Ｔ     

基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型

森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型（UnetR）。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明, UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。     

基于多进制小波变换的遥感影像融合

首先介绍了遥感影像融合的理论和方法 ,然后在讨论多进制小波理论的基础上 ,提出了一种基于特征的多进制小波变换的影像融合算法 ,该算法根据待融合影像分辨率之比确定采用多进制小波 ,从而最大限度的利用了待融合影像的信息 ,防止影像信息的丢失。通过对具体影像的实验 ,证明融合后的影像最大限度地保留了待融合影像的光谱信息 ,同时提高了待融合影像的清晰度和空间分辨率。文中给出了SPOT全色影像与SPOT多光谱波段影像、SPOT全色影像与TM影像的融合结果 ,并与其他方法进行了比较 ,证明了本方法的优越性和自适应能力     

Study on estimating the evapotranspiration cover coefficient for stream flow simulation through remote sensing techniques

This study focuses on using remote sensing techniques to estimate the evapotranspiration cover coefficient (CV) which is an important parameter for stream flow. The objective is to derive more accurate stream flow from the estimated CV. The study area is located in the Dan-Shuei watershed in northern Taiwan. The processes include the land-use classification using hybrid classification and four Landsat-5 TM images; the CV estimations based on remote sensing and traditional approaches; comparison of stream flow simulation according to the above two CV values. The result indicated that the study area was classified into seven land-use types with 88.3% classification accuracy. The simulated stream flow using remote sensing approach could represent more accurate hydrological characteristics than a traditional approach. Obviously integrating remote sensing technique and the SEBAL model is a useful approach to estimate the CV. The CV parameter estimated by remote sensing technique did improve the accuracy of the stream flow simulation. Therefore, the results can be extended to further studies such as forest water management.     

应用遥感信息复合方法的森林分类和动态监测研究

在森林资源清查和动态监测中，一般要求能识别树种、在树种复杂时也要求识别到树种组。成图时要求可直接使用几何精度高、类型边界清晰的中比例尺如１：２．５万的影像图。为了满足生产的需要，我们进行了遥感信息复合、遥感与非遥感信息复合及复合方法等实用技术应用的研究。实验中应用了ＭＳＳ与ＴＭ卫星图像、ＴＭ不同时相的图像、ＴＭ与Ｓｐｏｔ的复合，及复合前后信息特征变化的定量分析等研究。从而为最优波段组合、特征信息提取方法提供了基础。在动态分析中主要进行了采伐迹地、林墙、迹地更新等方面的测定，并对测定精度进行了评估。     

热带森林植被的动态变化遥感监测

本文讨论了以热带森林植被为主体的再生资源的面积动态变化监测。研究中包括两个部分。首先,我们利用多时相遥感图像对大面积的西双版纳州进行地类判读,系统地分析了森林植被的动态变化。其次,利用Landsat MSS和TM数据对自然保护区的动态变化进行了包含无监督分类和归一化差值植被指数分析的数字图像处理,变化分类也相当符合实际。总的实验结果表明,这种监测方法是很有效的,可在再生资源监测中特别是在森林植被监测中加以推广应用。     

阿克苏河-塔里木河水系水质污染遥感监测与评价

采用Landsat TM数据分析了阿克苏河-塔里木河断面水质污染状况,通过波段的DN值和常规监测数据建立能反映水质状况的污染物监测模型.结果发现,将2000年常规监测数据代入模型后,与遥感数据的结果基本吻合;重建阿克苏河-塔里木河的连续水体污染变化曲线,得出污染物浓度随着远离上游而增加.