基于时间序列统计特性的森林变化监测

森林动态变化分析对揭示生态系统环境变化及植被恢复和布局重建等具有重要意义,时间序列的遥感数据为森林监测提供了基础数据。本文根据森林植被的统计学特性,在暗目标法的基础上,利用归一化植被指数NDVI实现森林样本自动选择;并融合NDVI构建了新的综合森林特征指数(Integrated Forest Z-Score,IFZ);以时间序列的IFZ分析森林动态信息,实现森林变化动态监测。以三峡大坝及周边区域森林为研究区,利用2001年至2012年每年生长季节(5月—10月)的Landsat TM影像检验本文算法。基于2002年、2006年和2010年三期7月—9月的Quick Bird影像的精度分析结果发现:研究区森林变化检测的总体精度可达96.53%,Kappa系数为0.9512。在添加NDVI指数后构建的IFZ提高了总体监测精度。其中,毁林类别的检测精度提高显著,漏检率和误检率分别为2.74%和3.64%;干扰后重建的森林类别的检测精度有一定提高,其漏检率和误检率分别为10.79%和10.51%。研究结果表明,改进暗目标法能提高森林样本的选样效率,添加NDVI的IFZ能提高森林动态变化的识别度。此外,本算法不仅能定性识别森林变化,而且能定量提供森林干扰发生时间和干扰强度。     

耦合GF-2遥感影像与街景影像的广州市城中村识别

及时准确地获取城中村的空间分布及其环境质量信息对于优化城市空间、改善人居环境具有重要意义。本文以广州市越秀区为例,提出了耦合GF-2高分遥感影像和百度街景影像的城中村识别方法。首先,从街景影像中提取越秀区的街道空间品质特征;其次,在对高分遥感影像预处理并进行多尺度分割的基础上计算光谱、形状、纹理、场景特征和建筑结构5类共计23个特征;最后,融合两种影像的特征用于构建随机森林分类器进行城中村识别。结果表明,基于高分影像和基于街景影像的城中村识别整体精度分别为94.5%和85.7%,Kappa系数分别为0.58和0.31,而两者融合后的分类精度和Kappa系数为96.1%和0.67;其中基于街景影像获取的度量街道空间品质的5个指标贡献了31.6%的特征重要性。鸟瞰视野高分影像和人本视角街景影像提供的信息综合互补,构建了更有区分度的特征空间,减少了城中村的错分现象。本文证实了高分影像和街景影像在特征尺度的融合提升了城中村识别精度。街景影像中的信息可以融入到高分遥感影像等数据源中,辅助进行城中村等非正规居住空间的识别。     

基于遥感数据的多年平均物候不确定性研究

多年平均物候能够反映植被生长发育节律的均衡状态,是植被物候模拟与预测的关键参数之一。遥感已广泛用于地表物候监测,是空间多年平均物候信息的重要来源。然而,基于遥感的多年平均物候存在不同计算方法,如先确定每年时序曲线的物候点再求平均值（平均法）,以及先求多年平均时序曲线再确定物候点（参考曲线法）。上述方法的结果可能存在差异,但目前尚缺乏对这一不确定性及其影响的认识。针对该问题,本研究利用2001年—2016年遥感植被指数数据,分别在平均法和参考曲线法下提取中国森林生长季起始时间的多年平均值（■）,比较■的差异（■）及其空间异质性;进一步选取物候研究中常用指标,即以■为基础的温度“季前时长PD (Preseason Duration)”,分析■不同计算方法对物候—气候关系的潜在影响。结果表明,（1）不同方法下的■差异显著,总体上平均法小于参考曲线法（-2.6±2.2 d,占88%）,其中存在8.0%和6.0%的有效像元其动态平均法和固定平均法小于参考曲线法超过7 d,主要分布在东南丘陵地区。（2）■具有显著的空间异质性,主要表现为随年均温的升高而减小（Slope=0.07 d/℃,P<...     

基于Stacked ConvLSTM的时间序列森林火烧迹地检测

确定森林火烧迹地的准确时间点以及空间范围对于森林的受损评价、管理、碳核算以及森林恢复的管理有重要意义。由于森林火烧迹地在空间分布上具有一定的连续性,现有的森林火烧迹地提取方法大都采用先分类再后处理的两步处理策略来抑制虚警像素的影响。本文提出将时空检测方法 Stacked ConvLSTM用于时间序列森林火烧迹地的检测,在保持结果具有较好空间连续性的基础上避免了具有主观性的后处理操作,实现端到端提取森林火烧迹地信息,提升了森林火烧迹地的提取精度。采用MODIS时间序列数据,基于2001年—2008年以及2001年—2016年的黑龙江沾河林业局伊南河林场和内蒙古自治区毕拉河林业局北大河林场两个区域的历史时间序列,分别对这两个区域2009年以及2017年发生的特大火灾区域进行火烧迹地检测,利用Stacked ConvLSTM、Stacked LSTM以及bfast算法在两个区域的MODIS时间序列中提取森林火烧迹地,并将火烧迹地检测结果与ESA发布的Fire＿CCI 5.1火烧迹地产品进行对比分析。结果表明：首先,从目视效果来看,在研究区域Ⅰ,Stacked ConvLSTM检测的结果比St...     

3S技术在地理国情监测中的应用

介绍了利用航空航天遥感、地理信息系统、卫星定位等现代测绘技术,在抚顺市林业资源进行动态化、空间化的持续监测中的应用,并初步建立适用的标准体系框架,为地理国情监测工作在全国的推广起到示范和带头作用。     

多种定位终端与通信相结合的森林防火应急指挥调度系统的设计与实现

结合位置服务技术与通信技术,针对林区移动信号覆盖不全的特点,以GPS车载定位终端、GPS手机、GPS无线对讲机、北斗定位终端为定位与通信介质,建立基于多终端定位与通信的森林防火应急调度系统,解决林区因信号覆盖不全而引起通信与信息传输受阻的问题,为森林防火应急指挥调度提供解决方案。     

A bottom-up approach to segment individual deciduous trees using leaf-off lidar point cloud data

Light Detection and Ranging (Lidar) can generate three-dimensional (3D) point cloud which can be used to characterize horizontal and vertical forest structure, so it has become a popular tool for forest research. Recently, various methods based on top-down scheme have been developed to segment individual tree from lidar data. Some of these methods, such as the one developed by Li et al. (2012), can obtain the accuracy up to 90% when applied in coniferous forests. However, the accuracy will decrease when they are applied in deciduous forest because the interlacing tree branches can increase the difficulty to determine the tree top. In order to solve challenges of the tree segmentation in deciduous forests, we develop a new bottom-up method based on the intensity and 3D structure of leaf-off lidar point cloud data in this study. We applied our algorithm to segment trees in a forest at the Shavers Creek Watershed in Pennsylvania. Three indices were used to assess the accuracy of our method: recall, precision and F-score. The results show that the algorithm can detect 84% of the tree (recall), 97% of the segmented trees are correct (precision) and the overall F-score is 90%. The result implies that our method has good potential for segmenting individual trees in deciduous broadleaf forest.     

3S 技术在城市森林建设中的应用--以太原城郊森林公园建设为例

在城市森林建设管理中充分利用3S技术对空间信息的快速获取、存储、分析优势,可以大大提高城市森林的建设质量与效率。本论文分析了城市森林建设各阶段对3S技术的应用需求,并以太原城郊森林公园的建设管理为例,阐述相关技术路线与应用形式。     

Auto-identification of forest fire-points in NOAA images based on neural network

Identification of forest fire-points in NOAA images in the basis of monitoring forest fire using NOAA satellite data. Traditional visual interpretation is difficult to settle for auto identification with computer. The artificial neural network technique provides a new means for solving this problem. In this paper, the principles and method of using neural network technique to automatically identify fire-points in NOAA images are discussed and the test in the range of Hubei province is presented. The result of the test shows that the disciplined neural network has collected the character of fire-points and has ability to identify fire-points in NOAA images. Comparing neural network with visual interpretation, the conclusion is drawn that by using neural network the purpose of auto-identification of forest fire-points in NOAA images can be realized with the almost same precision.     

Surface description for urban climate studies: A gis based methodology

In order to understand the nature of the urban climate, predict the effects of urbanization, or attempt to ameliorate some of the negative hydroclimatic effects of urbanization, it is necessary to have a good understanding of the role and significance of the urban surface. This paper presents a methodology which uses GIS to represent the characteristics and morphology of the urban surface, which can be used to describe a site objectively, model fluxes, or ensure spatial consistency between measured and modelled data, all of which can vary through time. The methodology is illustrated with respect to Chicago, Illinois. Surface data collected at three spatial scales were used to construct a georeferenced database which was linked to an objective, dynamic accessing system. Spatial variability of surface cover, derived hydroclimatic attributes, and modelled fluxes associated with changes in the urban environment are used to illustrate potential applications of the approach.