基于SWAT模型的森林分布不连续流域水源涵养量多时间尺度分析

为解决森林分布不连续流域森林水源涵养功能及其多时间尺度特征的定量评价问题,根据分布式水文模型（SWAT）的特点,提出了反映森林斑块空间分布的水文响应单元划分方法,以及基于水量平衡法的森林不连续分布流域森林水源涵养量计算公式。以东南沿海的晋江流域为例,构建了2006年土地利用条件下的日时间步长SWAT模型,统计分析了2002—2010年降水条件下森林水源涵养量的时空变化规律。结果表明：① 构建的晋江流域SWAT模型精度较高,面积阈值为零生成的水文响应单元比较准确地反映流域森林斑块分布,提出的森林水源涵养量计算公式适用于森林空间分布不连续流域森林水源涵养量的多时间尺度分析,为流域森林水源涵养功能评价提供了一个新的方法。② 晋江流域森林水源年涵养量271.41~565.25 mm;月涵养量-29.15~154.59 mm;日尺度的极端降水期皆为正值,极端枯水期都为负值。表明年际之间不存在森林水源涵养的蓄丰补枯调节作用,但在年内的部分月份得到体现,而日尺度的森林蓄丰补枯功能充分发挥。从而揭示了不同时间尺度森林水源涵养量及其蓄丰补枯功能的差异。     

融合多源时空数据的城市火灾危险性评估

城市层面的火灾风险评估主要包括火灾危险性、危害性及救援能力等方面。本文选取火灾危险性评估进行针对性研究,在大数据思维的指导下,以相关关系代替因果关系,采用多源数据对评估指标权重、分值进行率定,得出福州市城区火灾危险性时空分布图。首先利用高德地图API对消防历史出警记录进行地址解析,将近万条火灾出警地址空间落点,获得福州市历史火灾空间分布;然后综合城市用地性质现状、用地开发性质、人口分布热力图等多源异构数据,探索其与历史火灾空间分布的相关性;最后以福州城区为例,初步实现具有充分数理支撑的火灾危险性评估方法,形成火灾危险性动态评估成果,为城市消防规划等提供支撑和依据。     

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。     

随机森林模型在遥感水深反演中的应用

随着我国浅海测绘需求的日益增长,文中利用四波段的WorldView-2高分辨率遥感影像,选取我国南海西沙群岛中的甘泉岛和台湾南湾地区作为典型试验区,开展水深反演研究。引入随机森林算法构建了随机森林水深反演模型,并同常用的3种水深反演模型进行精度对比。结果表明,在甘泉岛和南湾地区随机森林模型反演的水深值和真实水深值的RMSE分别为0.85 m和1.59 m,MRE分别为8%和12%,均优于其他3种模型。     

基于随机森林特征选择的城市绿化乔木树种分类

城市绿化在改善空气、水和土壤质量,吸收和减少二氧化碳及各种污染物,缓解城市热岛和减少雨水径流等方面发挥着重要作用。及时准确地获取树种信息是城市规划与绿化管理的先决条件,对进一步改善城市生态环境也具有重要意义。基于遥感技术,使用高空间分辨率的WorldView-2卫星影像,采用光谱、纹理、指数以及几何等多种特征相结合的面向对象方法,并通过随机森林进行特征选择,对福州大学旗山校区北部的榕树、杧果、香樟、重阳木、羊蹄甲、垂叶榕以及木棉7种主要绿化乔木进行树种分类。实地验证结果表明：通过特征选择可以减少或规避数据冗余以及休斯效应的产生,该方法可以提高现有同类型树种分类的精度,当淘汰全部特征的20%,利用34个特征（包括15个光谱特征、6个纹理特征、8个指数特征和5个几何特征）进行分类时,总精度最高,可达74.95%,Kappa系数为0.67。其中,光谱平均值的特征重要性最高,而各波段的标准差的重要性较低。WorldView-2卫星影像的4个新增波段,特别是黄光和红边波段及其构建的指数特征重要性较高,也说明这些波段在植被遥感,特别是树种分类中极具应用前景。     

安徽:森林防火宣传月活动成效显著

10月份,安徽省各地认真贯彻全国全省森林防火电视电话会议精神,积极行动,深入开展森林防火宣传月活动。活动开展以来,广大林区干部群众森林防火意识得到进一步增强,全省的森林防火形势总体平稳,成效显著。活动期间,全省各地的宣传活动形式多样、有声有色。合肥市明确重点宣传区域和对象,联合教育部门开展了森林防火教育“进校园”、森林防火知识“进林区”“进社区”的“三进”活动,确保重点林区、高火险区的居民点和旅游景区、林区村庄和水电、矿产开发企业等重点区域宣传到位,确保重点人群宣传到位。     

基于随机森林的光子计数激光雷达点云滤波

新一代星载激光雷达卫星ICESat-2首次采用了微脉冲光子计数激光雷达技术,由于单光子探测的灵敏性导致数据在大气和地表下层产生了大量噪声,因此对光子计数激光雷达点云数据实现信号和噪声的分离是开展进一步应用研究的前提和基础。本文选择美国俄勒冈州和弗吉尼亚州2个研究区,采用MATLAS数据,根据光子点云数据的特点构造了12个光子点云特征,对所构造的特征利用随机森林进行变量筛选,用机器学习方法对光子点云进行分类,并将建立好的模型推广到整个研究区。研究结果表明,本文构建的分类器分类总精度达到了96.79%,Kappa系数为0.94,平均生产者精度和用户精度分别为97.1%和96.8%。在相对弱噪声、平坦地形区域和强噪声、复杂地形区域都取得较好的分类结果。本文结果显示了基于少量样本通过机器学习的方法构建模型,可以推广到较大范围区域的光子点云分类应用中。     

基于深度学习的钨钼找矿靶区预测方法研究

随着矿产勘查工作由浅部矿向深部隐伏矿、由易识别矿向难识别矿发展,找矿难度日益增大,地质专家越来越重视新理论、新方法、新技术的应用。深度学习作为人工智能的前沿领域/技术,对于实现矿产资源预测“智能化预测评价”具有得天独厚的优势。本文以陕西省镇安县西部钨钼矿集区单元素化探异常原始数据为基础,提出了基于深度学习的钨钼矿产评价方法。该方法以归一化地球化学数据作为模型训练数据,通过深度学习中深度自编码网络方法实现异常值提取进而识别重点成矿有利地段,实现矿产资源找矿远景区定性预测。研究结果表明,在对957条单元素化探异常原始数据分类且做好模型标签后,整个过程在计算机的“黑盒子”中自动完成学习和预测,相较于传统预测研究方法,本文方法具有自动化程度高和客观性强的特征。此外,本文利用已知矿点构建训练数据集,采用随机森林方法对预测区进行矿产资源找矿靶区预测圈定,为进一步缩小找矿靶区范围提供科学依据。     

南方亚热带季风区将乐县森林植被动态变化及其对气候变化的响应

在全球气候变化背景下,植被动态变化以及植被对气候变化的响应方式已经成为生态学和地理学领域的热点。本文对比分析了南方亚热带季风区将乐县不同类型森林植被对不同时间尺度的干旱响应的差别。基于2000-2017年MODIS-EVI数据及气象站点数据,用最大值合成法、趋势分析法以及相关分析法,分析了森林植被及气象因子的动态变化特征,并对比不同森林植被对气候变化响应的差别。研究表明：① 2000-2017年,研究区植被覆盖度、EVI和降水均显著增加,区域内湿度增加,森林长势渐趋良好;② EVI在生长季初期和末期与同期的降水、温度均显著正相关（P<0.1）,初期森林受降水因子的影响更大,末期受温度因子的影响大;③ 1-3月和周年的气候变化对森林的生长至关重要,长时间尺度的湿度增加对森林生长具有显著的促进作用,SPEI的时间尺度越长与EVI的相关性也越大;④ 针阔混交林与同期温度、降水的相关系数最高,并且与不同时间尺度的SPEI相关性均比较高,属于气候敏感型林型,在生产经营中要谨慎预防气候变化对该林型带来的伤害;⑤ 森林覆盖度变化与降水和SPEI_24的相关性极显著,长时间尺度的降水变化是影响森林植被覆盖率变化的重要因素之一。     

关于对小兴安岭山区地质灾害防治的基本构想

伊春,作为小兴安岭地区的政治经济文化中心,行政区有33万平方公里,林业施业区近4万平方公里,森林覆盖率达83％以上,这在全国乃至世界都是不多见的。正是因为这里具有了森林植被生长茂盛这样一个得天独厚的自然条件,所以自1948年开发建设以来的几十年间,地质灾害在小兴安岭山区,几乎是不存在的。