基于植被指数和神经网络的热带人工林地上蓄积量遥感估测

热带森林作为陆地生态系统的组成成分之一,研究其蓄积量估测对我们了解其在全球碳循环中的地位和作用有很重要的意义.但遥感估测森林生态参数的精度如何,还是个不确定的问题.利用LANDSAT-TM数据,基于森林清查数据和遥感技术,以尾叶桉和加勒比松为例,对中国南方地区人工林蓄积量估测进行了尝试研究.首先,通过测量样方胸径、树高,建立森林蓄积量估算模型.其次,通过对比分析不同植被指数与森林蓄积量之间的关系,选择合适植被指数组合,建立多元回归和神经网络模型.结果表明:单波段TM数据和大多数植被指数与蓄积量相关性并不好.神经网络比回归分析模拟效果好.而多元回归和神经网络模型大大提高预测精度.本研究方法对大面积的森林蓄积量估测具有一定的参考价值.     

基于小光斑激光雷达数据的稀疏林地冠层高程重建

探讨在稀疏林地的条件下,利用小光斑激光雷达获取的多次回波点云数据估算冠层高度,研究不同的高度重建方法包括反距离权重、样条插值以及普通克里格等方法的冠层和地面高度重建的精度。研究发现,在地面和林冠层,不同的重建方法的表现是不一样的,其中样条方法在冠层重建中的精度较高,误差绝对值的平均值为0.95m,并且整体偏差也较小,方差为3.42。而在地面高程重建则是普通克里格方法具有较小的误差,误差绝对值的平均值为0.35m,而样条方法的整体偏差要优于其他两种方法,方差为0.48。经过综合考虑,利用样条方法重建的冠层高程和普通克里格方法重建的地面高程实现了实验区冠层高度的提取。     

1998～2003年卫星反演的中国陆架海叶绿素a浓度变化分析

利用1998~2003年SeaWiFS反演计算出的叶绿素a浓度数据,对中国陆架海叶绿素a浓度分布的规律和机理进行了分析探讨。结果表明,不同海区叶绿素a的浓度在各年间基本呈周期变化,每年随季节不同而变化。SeaWiFS反演的叶绿素a浓度分布情况与前人现场调查的结果较为一致,更为直观地揭示了中国陆架海的水文物理特征。遥感方法作为海洋科学研究的重要手段,更具应用前景。     

热带人工林生物物理参数及生物量对RADARSAT SAR信号响应研究

合成孔径侧视雷达穿透冠层而获得树干信息的特点使得其具有在南方NDVI易饱和地区的生物量估测方面优于光学遥感。文章利用地面实测调查数据,首次系统地研究了热带人工林生物物理参数及生物量对RADARSAT-SAR信号响应。结果表明:RADARSAT-SAR后向散射系数与森林生物量、树高、胸径可以用对数模型模拟。对于本实验区人工速生林来说,在森林生物量小于40 t.hm-2时RADARSAT-SAR后向散射系数与森林生物量具有较强相关性。桉树树高与后向散射系数的相关系数大于桉树胸径与后向散射系数关系。松树胸径与后向散射系数相关系数高于树高与后向散射系数的相关系数。研究结果为SAR在热带森林研究中的应用提供了一定的理论基础。     

基于环境一号卫星的太湖叶绿素a浓度提取

综合环境一号小卫星的CCD数据和同步地面水质监测数据,发现可见光红波段与近红外波段的波段组合与叶绿素a实测浓度存在较高相关性,并以此为基础建立了3个提取水体表层叶绿素a浓度的遥感信息模型.经验证分析,基于近红外波段与红波段比值的模型用于叶绿素a浓度反演提取的精度良好,RMSE达到了6.04mg/m3.将该模型应用于环境一号卫星CCD数据,生成了2009年5～12月共8幅太湖水体叶绿素a浓度分布图,并对其进行了时空分析,结果符合实际,并与以往的研究结果相一致.但模型不适用于水生植被覆盖较多区域叶绿素a浓度估算.     

基于遥感的青海省植被覆盖时空变化定量分析

使用1km分辨率MODIS NDVI时间序列数据,采用决策树分类、监督分类和非监督分类相结合的综合分类方法,将青海省土地覆盖类型划分为14个类别.这种分类方法重点突出了植被,特别是稀疏植被(包括稀疏草地和稀疏灌丛)的空间分布.在将青海省分为5个高程带的基础上,使用GIS软件的空间分析功能,对青海省2001～2006年的地表植被覆盖在各级高程带上的空间分布和时间序列变化进行了定量分析.结果表明,近5a青海省的植被覆盖有所改善,植被覆盖面积从2001年的370047km2增加到2006年的374576km2,植被覆盖率增加了0.63%.青海省5级高程带中高山地带的植被覆盖率最高,达到67.92%.在青海省各级高程带上,高山地带上中覆盖度草地的分布面积最大,为94003km2.高山地带高覆盖度草地的面积增加最多,为1280km2.5a间植被覆盖变化最大的是高山地带上稀疏草地向中覆盖度草地的转变,转变面积达到15931km2.