基于蓝噪声理论的遥感图像森林植被纹理测量

遥感图像分割中森林植被是重要的一类目标,有效确定森林植被的纹理尺度是纹理分割的重要问题。提出一种用蓝噪声理论描述遥感图像森林植被纹理特征的方法,是一种新的植被纹理刻画和纹理尺度计算方法。研究尺度与植被纹理形态的对应关系,对于选定的探测区域,迭代寻找蓝噪声特征。迭代过程包含通过几何变换缩小区域的尺寸,用快速傅里叶变换获取区域的频谱响应,从频谱响应中提取蓝噪声特征。对于具有蓝噪声特征的区域,计算森林植被纹理的灰度分布,根据当前区域尺寸计算纹理的尺寸。实验表明,森林植被纹理单元的尺度和灰度分布测量结果准确,为进一步纹理分割提供了可靠的基础。     

森林防火监测站选址及可视域分析

火灾是森林的宿敌,危害巨大。建立监测站不仅是一种有效的森林防火措施,还是我国主流的预防对策。文章基于GIS对某林区数字高程模型进行空间分析,通过分区查询统计理论提取其最高点,利用缓冲区技术去除不合理高程点,获取可视域范围较大的监测站点分布图;根据泰森多边形对监测站点监测区域进行可视域分析,获取其可视域分析指标值,同时剔除功能重复的站点,以得到其较为理想的分布。该方法只需单一的数字高程模型数据,选取站点过程考虑综合因素,可操作性强,为森林防火监测站的部署和分析提供了一种科学参考。     

基于MODISL1B数据的川西高原森林火灾监测阈值研究

本文使用2009~2011年1~6月MODISL1B数据,经过云水掩膜,亮温反演,参照四川省护林防火办公室地面森林火灾观测资料,对四川省1、2季度火灾监测阈值进行了研究,提出了针对不同类型火灾监测的阈值范围,并对监测算法进行了适当修改。使用修改后的算法对2012年1~2月火灾进行了监测,精度达到87%,监测结果比MODIS14的火灾产品好。研究将监测火点与风场、土地利用数据叠加,并结合MODIS的7、2、1波段组合,提高了火点位置的准确度。     

广东四会古森林地下生态系统14 C地层年代学研究*

运用AMS-¹⁴ C定年技术,研究了被埋藏水松古木的发育和死亡时间以及土壤剖面中总有机碳的¹⁴ C表观年龄和细根的¹⁴ C年龄。结果表明:该地区的水松古木开始发育和死亡的时间大致为4~3kaB.P. 。根据土壤有机碳¹⁴ C的表观年龄,该土壤剖面的¹⁴ C年代地层可以分为3层,分别为:1)表层,2634±32~3305±29aB.P. ; 2)腐殖层,3305±29~3813±31aB.P. ; 3)基底,3813±31~4544±33aB.P. 。基底、腐殖土层和表层的沉积速率分别为0.55mm/a, 4.33mm/a和0.26mm/a。 细根的¹⁴ C年龄变化范围为2290±29~3542±28aB.P. ,较同层位的土壤有机碳的年龄年轻。腐殖层土壤中有机碳含量高达33 ％ ~46 ％ ,大多数有机碳仍处于未分解状态。该地区自4~3kaB.P.以来,环境演化可能经历了由陆到沼泽再到被水淹没最后又变成陆地的过程,植被从以水松为优势种的森林群落演化成当前以常绿阔叶林为主的森林生态群落,气候和海平面变化、地质构造运动和人类活动是这种环境演化的主要驱动因子。     

基于CatBoost的植被总初级生产力遥感模拟方法及在福建省的应用

植被总初级生产力(GPP)作为衡量陆地生态系统健康的重要指标,可直接反映区域环境状况和改善情况,因此准确估算植被GPP变化对区域可持续发展具有重要意义。本文利用中国及日本涡度通量观测数据,构建了基于CatBoost算法融合地形特征的GPP估算模型;并将模型应用于具有复杂地形特征的福建省,实现了该省GPP长时序模拟。研究结果表明：(1)地形特征是GPP机器学习估算的重要参数,融合地形特征建模的GPP模拟结果精度明显提高,均方根误差(RMSE)下降16%。(2) CatBoost GPP估算模型有效降低了传统GPP估算模型和常用机器学习(随机森林和支持向量机)GPP估算模型中存在的高估和低估现象,模型拥有更高的精度和更强的鲁棒性。本文GPP模拟精度：决定系数(R²)为0.888,RMSE为1.164 gC·m^-2·day^-1,平均绝对误差(MAE)为0.773 gC·m^-2·day^-1。(3)基于CatBoost GPP估算模型模拟的福建省多年GPP变化与GOSIF GPP估算结果...     

基于多源遥感数据的森林火灾应急监测

针对目前森林火灾应急救援工作中火情监测手段单一、实时性、全面性不够的问题。本文总结了一种基于多源遥感监测数据的复杂地形森林火灾应急监测工作方法,解决了宏观尺度下森林火灾应急监测不够实时和全面的问题。研究结果表明：(1)空天地联合监测的火情信息获取方法具有全面、机动性和实时性等优势,可有效辅助于森林火灾现场指挥救援工作;(2)以吉林一号和高分一号为主的国产卫星载荷下的光学监测和夜光遥感监测可对火灾区域进行宏观尺度的持续观测;(3)无人机载荷的热红外探测和激光测距传感器可以实时获取夜间和小范围区域内的火点信息,助力火灾打早打小。本文研究成果可为森林火灾应急指挥部在火场地形地貌分析、救援力量部署、火灾实时追踪监测和灾后复燃隐患防控等工作提供科学决策支撑。     

Landsat8影像分类多分类器对比分析

以去除卷云波段的洛阳市Landsat8的9个波段影像为数据源,通过分析影像可分的类别并采集样本,对比随机森林、支持向量机(SVM)、最大似然3种分类器在不同训练样本分类中的表现.结果 表明,对于以光谱波段为信息源的Landsat8影像分类,随机森林、SVM并不能体现其优越的分类性能,总体精度均低于最大似然,最大似然分类...     

GEE环境下联合Sentinel主被动遥感数据的国家公园土地覆盖分类

国家公园的土地覆盖分类对于掌握自然资源现状、查明存在的生态安全威胁并快速应对具有基础性数据支撑作用。基于谷歌地球引擎（Google Earth Engine,GEE）平台,结合哨兵（Sentinel）主被动遥感数据及其导出的光谱指数、纹理特征和地形特征,分别采用基于像元的随机森林（random forest,RF）算法和面向对象的简单非迭代聚类（simple noniterative clustering,SNIC）+RF算法实现了钱江源国家公园异质性景观的土地覆盖（耕地、森林、草地、水体、人造地表和裸地）分类。地面实验表明,在多种输入数据组合中,基于像元和面向对象方法分类获得的最高总体精度分别为92.37%和93.98%。合成孔径雷达（synthetic aperture radar,SAR）数据的纳入能够提高基于像元方法的分类精度,但在面向对象方法中未能体现精度提升效果。通过SNIC+RF算法生成的土地覆盖分类图完整性更好,所需特征数量较少,并且算法能够在GEE环境下快速执行,适用于国家公园管理实践。     

基于PSO-XGB混合优化技术的浅层地下温度预测——以长春市为例

准确预测浅层地下温度对于降低投资风险和推动浅层地热能开发利用具有重要意义。本研究基于粒子群优化(PSO)和极限梯度提升(XGB)的混合模型(PSO-XGB),并将其与K近邻(KNN)、支持向量回归(SVR)、随机森林(RF)和极限梯度提升(XGB)等单一模型进行了比较。首先收集了54组钻孔数据,使用克里金插值法对数据集进行扩充,经过相关性分析最终选择经纬度坐标、年平均降雨量、年平均气温和与断裂距离等因素用作预测100 m地下温度的输入特征。然后利用测试集对预测模型进行验证,使用均方根误差(E_RMS)、平均绝对误差(E_MA)、决定系数(R²)和均方误差(E_MS)等指标评估了模型的性能。结果表明,PSO-XGB混合模型在测试集表现最好,E_RMS为0.070 6,E_MA值为0.054 9,R²值为0.962 0,E_MS值为0.005 0,在精度和拟合程度上明显高于其他模型,可知PSO-XGB混合模型在预测性能方面优于单...     

建成环境对公共交通与小汽车出行方式选择的非线性影响——基于出行链视角

针对城市公共交通竞争力有待提升的现实背景,以及对车外环境和替代出行方式关注不足等问题,文章通过出行链视角,结合武汉市主城区居民出行调查和街景数据,利用百度地图模拟出行路径,使用随机森林模型全面分析了出发地、目的地和车外路段建成环境对公共交通与小汽车出行选择的影响。结果表明：1）细化出行阶段并考虑替代小汽车的公交出行方式,可增强分析深度和模型精度;2）建成环境是影响2种交通方式选择倾向的关键因素,其中车外环境与出发地、目的地的建成环境同等重要;建成环境因素与交通方式选择倾向之间存在非线性关系,且部分因素在出发地和目的地的影响有所差异;3）建成环境对出行方式选择的影响机理可分为弹性调整、有限支撑和直接驱动3种类型。