广西森林转型与森林扰动遥感监测研究

近20年来由于封山育林政策的实施和人工乔木林的大面积种植,广西森林面积大幅增加,正在经历深刻的森林转型,森林转型过程中农林交错带和森林内部的结构重组都给生态系统带来了不容忽视的扰动。本文基于2000—2016年MODIS-EVI影像数据、1∶100万地貌图和4期土地利用数据,采用变化矢量法和Sen+Mann-Kendall对广西进行森林转型背景下的森林转型路径和森林内部扰动特征分析。研究表明:自2000年以来广西森林的EVI变化强度以无变化和低变化类型为主,总体EVI上升趋势略大于下降趋势,EVI显著下降主要分布于十万大山、大瑶山、海洋山和越城岭等山地区域和桂西北的百色水利枢纽和龙滩水利枢纽周围,显著上升部分主要集中于桂中南的左江-邕江-郁江流域平原丘陵区、桂西南喀斯特区和桂东北山地区地势低平的河谷地带。广西森林面积增加的土地来源于耕地和草地,森林转型路径表现为"经济增长型"和"森林短缺型"两种路径并存,或者存在更为复杂的复合型路径。广西森林内部扰动的减少型和扰动型分布于桂西北喀斯特和桂东北山地起伏度较大的陡坡区域,增加型分布于桂中南的平原丘陵地区。由于山地陡坡区域和喀斯特地区的生态敏感性,应更多关注扰动型和减少型在桂西北和桂东北地区的集中分布问题。     

How forest gaps shaped plant diversity along an elevational gradient in Wolong National Nature Reserve?

Journal of Geographical Sciences - Understanding the underlying ecological processes that control plant diversity within (α-diversity) and among (β-diversity) forest gaps is important for...     

How changes of groundwater level affect the desert riparian forest ecosystem in the Ejina Oasis,Northwest China

Groundwater is a key factor controlling the growth of vegetation in desert riparian systems. It is important to recognise how groundwater changes affect the riparian forest ecosystem. This information will not only help us to understand the ecological and hydrological process of the riparian forest but also provide support for ecological recovery of riparian forests and water-resources management of arid inland river basins. This study aims to estimate the suitability of the Water Vegetation Energy and Solute Modelling(WAVES) model to simulate the Ejina Desert riparian forest ecosystem changes,China, to assess effects of groundwater-depth change on the canopy leaf area index(LAI) and water budgets, and to ascertain the suitable groundwater depth for preserving the stability and structure of desert riparian forest. Results demonstrated that the WAVES model can simulate changes to ecological and hydrological processes. The annual mean water consumption of a Tamarix chinensis riparian forest was less than that of a Populus euphratica riparian forest, and the canopy LAI of the desert riparian forest should increase as groundwater depth decreases. Groundwater changes could significantly influence water budgets for T. chinensis and P. euphratica riparian forests and show the positive and negative effects on vegetation growth and water budgets of riparian forests. Maintaining the annual mean groundwater depth at around 1.7-2.7 m is critical for healthy riparian forest growth. This study highlights the importance of considering groundwater-change impacts on desert riparian vegetation and water-balance applications in ecological restoration and efficient water-resource management in the Heihe River Basin.     

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。     

利用加权整体最小二乘DSM提取DEM的方法

随着无人机航摄软硬件技术的快速发展,通过倾斜摄影三维建模快速获取DSM的成本越来越低。在小比例尺的地形图测量中,DSM若能通过快速处理得到较为精确的DEM,即可节省大量的人力物力。针对林地范围内DSM数据的特点,采用加权整体最小二乘法对DEM进行提取。     

基于Sentinel-1B SAR数据的洪水提取和监测

洪涝灾害是我国最严重的气象灾害之一,及时准确的洪灾监测是防灾减灾的重要前期工作和基础。本文利用sentinel-1B雷达数据,以黑瞎子岛为研究区,联合使用OSTU阈值分割法和随机森林面向对象分类法针对像素统计单波形、双波形、多波形SAR影像提取洪水要素,实现对洪灾淹没面积的时序监测,为灾情监测提供数据和技术支撑。     

随机森林算法在全球干旱评估中的应用

干旱是发生频率最高,造成社会、经济损失和生态破坏最严重、最广泛的自然灾害之一,因此对干旱进行可靠、有效的评估十分重要.本文以月平均降水、月平均温度、月最高温度、月最低温度、土壤湿度、蒸散发、NDVI、叶绿素荧光等作为解释变量,以基于SPI的干旱等级作为目标变量,采用随机森林算法,以2007-2012年的数据作为训练数据...     

基于FY-4A卫星和随机森林算法的西藏山南市雷电短临预报方法

针对青藏高原地区雷电短临预报缺乏雷达资料的问题,采用FY-4A卫星多通道数据、欧洲中心第5代再分析资料(ERA5)中的对流指数、闪电定位仪资料等多源监测数据,根据雷电的发生、发展机理,提出了18个关键预报因子,利用随机森林算法建立了适用于西藏山南地区的雷电短临预报模型。统计分析各预报因子在有无雷电天气样本中的概率密度分布与随机森林模型得到的特征重要度指标,结果表明提出的预报因子物理意义明确,建立的模型可信度较高。利用随机森林算法分别对未来10 min、20 min、30 min建立雷电预报模型,并与光流外推预报方法进行对比检验,结果表明：随机森林模型预报效果命中率(POD)、临界成功指数(CSI)均高于光流法,空报率(FAR)也相对较低;未来20 min的随机森林预报模型CSI评分最高,整体预报效果最佳。