检索结果-内蒙古大学图书馆

森林与环境学报 2021年第6期41卷 620-628页

作者：龙依蒋馥根孙华邱湘龙顾兴贵中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 南方森林资源经营与监测国家林业与草原局重点实验室湖南长沙410004 中南林业科技大学芦头实验林场湖南岳阳414000

通过对比陆地卫星8号(Landsat 8)与协同陆地卫星和哨兵2号(HLS)数据在波段信息及森林蓄积量建模效果的差异,探索HLS数据源在森林蓄积量反演中的应用潜力。以内蒙古自治区旺业甸林场为研究区,以Landsat 8和HLS为数据源提取遥感变量,结合... 详细信息

通过对比陆地卫星8号(Landsat 8)与协同陆地卫星和哨兵2号(HLS)数据在波段信息及森林蓄积量建模效果的差异,探索HLS数据源在森林蓄积量反演中的应用潜力。以内蒙古自治区旺业甸林场为研究区,以Landsat 8和HLS为数据源提取遥感变量,结合森林蓄积量样地实测数据,利用线性逐步回归(LSR)和逐步随机森林(SRF)进行特征变量筛选,分别构建线性和非线性模型开展森林蓄积量反演,并进行精度验证及对比分析。结果表明:HLS影像中的7个波段与Landsat 8影像各对应波段均表现为极显著相关,相关系数绝对值均大于0.7(P<0.01),在波段信息上具有较好的一致性;基于Landsat 8及HLS影像数据构建多元线性回归和随机森林模型,其最优模型决定系数(R^(2))分别为0.55和0.54,均方根误差(RMSE)分别为65.66和68.15 m^(3)·hm^(-2),结果无显著性差异(P>0.05)。利用HLS影像进行森林蓄积量估测,可得到与Landsat 8相似的效果,且HLS数据无需进行繁琐的预处理,能显著提高森林蓄积量估测效率,为大尺度森林蓄积量遥感反演和森林资源监测提供参考。

关键词：森林蓄积量遥感反演协同陆地卫星和哨兵2号随机森林

来源：评论

学校读者我要写书评

暂无评论

基于高景一号遥感影像的林地信息提取

引用

中南林业科技大学学报 2020年第7期40卷 32-40页

作者：曾文林辉李新宇肖越鲁宏旺中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 中南林业科技大学林学院湖南长沙410004 林业遥感大数据与生态安全湖南省重点实验室湖南长沙410004 南方森林资源经营与监测国家林业和草原局重点实验室湖南长沙410004

【目的】及时、准确地掌握林地信息是森林经营管理的前提,高分辨率遥感影像为林地信息精细识别提供了可能。【方法】以当阳市玉泉乡为研究区,以国产卫星高景一号(SV-1)遥感影像为数据源,提取各波段光谱信息和植被指数作为分类特征,采用... 详细信息

【目的】及时、准确地掌握林地信息是森林经营管理的前提,高分辨率遥感影像为林地信息精细识别提供了可能。【方法】以当阳市玉泉乡为研究区,以国产卫星高景一号(SV-1)遥感影像为数据源,提取各波段光谱信息和植被指数作为分类特征,采用特征可分性、重要性及特征间冗余度分别构建了4种特征评价准则,基于支持向量机(SVM)分类器对研究区进行林地信息提取,结合森林资源二类调查结果进行精度验证。【结果】1、评价准则中,特征重要性优于可分性,特征可分性受高度相关的特征组合(如OSAVI和NDVI等)的影响会造成分类精度的下降。2、在特征重要性和可分性的基础上结合特征间冗余度能进一步提高分类精度并有效降低特征维数,特征维数由11维降至8维,特征可分性方法和特征重要性的分类精度分别提高了4.65%和4.58%;3、根据特征重要性结合冗余度选择RGVI、EVI、B1、B3、B2、DVI、RVI、Brightness 8个特征,建立SVM线性核分类模型可以达到最优分类效果,总体分类精度高达92.49%,Kappa系数为0.9084。【结论】SV-1遥感影像由于其高空间分辨率在林地信息精细提取中具有可行性,本研究通过建立特征评价准则筛选分类特征能进一步挖掘分类器的泛化能力,为及时、准确地获取林地信息提供技术支撑,同时也为同等高分辨率遥感卫星数据处理提供了参考。

关键词：林地信息提取特征评价准则支持向量机分类高景一号

来源：评论

学校读者我要写书评

暂无评论

基于TanDEM-X数据的林分平均高反演方法研究

引用

西南林业大学学报（自然科学） 2019年第5期39卷 110-117页

作者：蔡耀通林辉孙华张猛龙江平中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 林业遥感大数据与生态安全湖南省重点实验室湖南长沙410004 南方森林资源经营与监测国家林业局重点实验室湖南长沙410004

以TanDEM-X/TerraSAR-X HH单极化干涉对和GF-2遥感数据为基础,提出结合极化干涉与混合像元分解技术的改进差分法来反演林分平均高,并利用外业数据进行精度验证。结果表明:以植被丰度校正冠层高度模型,林分平均高的估测精度和R^2值得到... 详细信息

以TanDEM-X/TerraSAR-X HH单极化干涉对和GF-2遥感数据为基础,提出结合极化干涉与混合像元分解技术的改进差分法来反演林分平均高,并利用外业数据进行精度验证。结果表明:以植被丰度校正冠层高度模型,林分平均高的估测精度和R^2值得到大幅提高,均方根误差也随之降低。因此,本研究提出的方法能有效降低林分低郁闭度产生的混合像元作用对林分平均高反演的影响,提高林分平均高的反演精度。

关键词： TanDEM-X 冠层高度模型 DSM-DEM差分法混合像元分解林分平均高

来源：评论

学校读者我要写书评

暂无评论

海南热带天然林木本植物多样性对地上生物量的影响及其尺度效应

引用

北京林业大学学报 2024年第12期46卷 1-10页

作者：姚杰丁易周超凡田立新臧润国中国林业科学研究院森林生态环境与自然保护研究所国家林业和草原局森林生态环境重点实验室北京100091 海南霸王岭森林生态系统国家定位观测研究站海南昌江272722 南京林业大学南方林业创新中心江苏南京210037 中国林业科学研究院资源信息研究所林木资源高效生产全国重点实验室国家林业和草原局森林经营与生长模拟实验室北京100091 江西省林业资源监测中心江西南昌330000

【目的】阐明海南热带天然林木本植物α-多样性和β-多样性对地上生物量的影响及其相对重要性,以及相应的尺度效应,旨在丰富生物多样性与生态系统功能关系研究的理论框架。【方法】基于海南热带天然林内建立的30个1 hm^(2)动态监测样地... 详细信息

【目的】阐明海南热带天然林木本植物α-多样性和β-多样性对地上生物量的影响及其相对重要性,以及相应的尺度效应,旨在丰富生物多样性与生态系统功能关系研究的理论框架。【方法】基于海南热带天然林内建立的30个1 hm^(2)动态监测样地,利用植被调查、树木空间分布和环境因子等数据,采用空间多尺度设计和多元线性回归模型,探讨热带天然林中木本植物多样性、环境异质性与地上生物量之间的关系及其随不同空间尺度的变化规律。【结果】(1)30个1 hm^(2)样地中,α-多样性和β-多样性均值分别为(10.85±3.63)和(0.30±0.16)。α-多样性在不同空间尺度上未表现出显著变化;β-多样性表现出随空间尺度增大而增加的趋势。(2)α-多样性和β-多样性对地上生物量的影响均为显著的正效应且多样性的影响强度随空间尺度表现出较为一致的变化趋势。(3)木本植物多样性对地上生物量的影响随空间尺度的增加表现为先增加(较小尺度400~3600 m^(2)),然后趋于平缓(中尺度3600~6400 m^(2)),最后下降(较大尺度6400~10000 m^(2))。(4)α-多样性对地上生物量的正效应显著强于β-多样性。(5)环境因子对地上生物量的影响均为正效应,且影响强度随空间尺度的增加而增强。【结论】本研究证实了生物多样性与生态系统功能(BEF)关系存在明显的尺度依赖性,表明影响BEF关系的主要机制可能会因不同空间尺度而发生变化。单一空间尺度或局域小尺度的研究不足以充分、全面地理解BEF关系的影响机制。尽管在解释地上生物量变异方面,β-多样性的作用低于α-多样性,但本研究通过实证分析,揭示了β-多样性在促进生态系统功能中的重要作用。这为进一步探索跨空间尺度的BEF关系提供了新的思路和分析视角。未来的研究应充分考虑β-多样性与多种生态系统功能(生态系统多功能性)之间的关系,以及β-多样性在不同空间尺度(如局域、区域和景观尺度)上对生态系统多功能性的影响机制。

关键词：生物多样性与生态系统功能 β-多样性尺度依赖性木本植物多样性生物量热带天然林

来源：评论

学校读者我要写书评

暂无评论

地面激光雷达扫描参数与点云简化对林木参数提取的影响

引用

中南林业科技大学学报 2024年第5期44卷 35-45页

作者：向兴龙孙华唐杰潘政尚周榕宋柯馨中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室湖南长沙410004 中南林业科技大学南方森林资源经营与监测国家林业和草原局重点实验室湖南长沙410004

【目的】林木参数是森林蓄积量、森林生物量估算的基础指标,传统的人工调查方式费时费力,已难以适应新形势下数字化森林资源监测技术的要求。地面激光雷达扫描技术能够获取小尺度高分辨率的林分内部结构信息,为林分环境条件下林木胸径... 详细信息

【目的】林木参数是森林蓄积量、森林生物量估算的基础指标,传统的人工调查方式费时费力,已难以适应新形势下数字化森林资源监测技术的要求。地面激光雷达扫描技术能够获取小尺度高分辨率的林分内部结构信息,为林分环境条件下林木胸径、树高提取提供一种新的思路。【方法】以芦头实验林场杉木林样地为研究对象,针对FARO Focus 3D X330三维激光扫描仪设计了7种不同的扫描组合方式对样地进行扫描,提出象限角点云简化思路进行参数提取和精度评价,探究不同扫描组合方式对林木胸径、树高参数提取精度与效率的影响。【结果】1)当扫描分辨率为1/2、质量为4X时,胸径参数提取精度最高;当扫描分辨率为1/4、质量为4X时,树高参数提取精度最高。2)在林木参数提取结果没有显著性差异的前提下,扫描分辨率为1/4、质量为4X的扫描参数工作效率最高。3)选取同时兼顾精度和效率的1/4扫描分辨率、质量4X的扫描结果,进行象限角点云简化,简化的点云能够准确地提取出林木胸径参数。【结论】研究结果对于具有相同或相似地理条件和树种的林地选择扫描参数和点云简化方式具有重要参考价值,可以提高内业工作效率,同时也为地面激光雷达野外样地调查提供方法和技术参考。

关键词：地面激光雷达林木参数点云数据扫描分辨率象限角点云简化

来源：评论

学校读者我要写书评

暂无评论

基于Sentinel-2与机载激光雷达数据的误差变量联立方程组森林蓄积量反演研究

引用

中南林业科技大学学报 2020年第12期40卷 44-53页

作者：陈松孙华吴童蒋馥根中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室湖南长沙410004 中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室湖南长沙410004

【目的】研究通过提取Sentinel-2中的特征变量与机载激光雷达(Light detection and ranging,LiDAR)中的冠层高度模型(Canopy height model,CHM),探索使用误差变量联立方程组反演森林蓄积量制图的新方法。【方法】以广西壮族自治区国有... 详细信息

【目的】研究通过提取Sentinel-2中的特征变量与机载激光雷达(Light detection and ranging,LiDAR)中的冠层高度模型(Canopy height model,CHM),探索使用误差变量联立方程组反演森林蓄积量制图的新方法。【方法】以广西壮族自治区国有高峰林场的界牌与东升分场为研究区,机载LiDAR和Sentinel-2影像为数据源,利用皮尔森相关系数与方差膨胀因子(Variance inflation factor,VIF)结合线性逐步回归进行遥感特征变量筛选。通过VIF判断和线性逐步回归保留后的遥感特征变量与LiDAR提取的CHM,分别选用普通回归模型(多元线性逐步回归与Logistic模型)、误差变量联立方程组、随机森林(Random forest,RF)、kNN(k-Nearest Neighbor,kNN)4种反演方法开展森林蓄积量反演,并利用地面实测数据对反演结果进行验证。【结果】1)在普通回归模型中,Logistic模型的反演精度(RRMSE=30.41%)优于MLR模型的反演精度(RRMSE=30.53%);2)在误差变量联立方程组反演方法中,MLR-Logistic联立模型精度(RRMSE=29.29%)优于Logistic-Logistic、MLR-MLR与Logistic-MLR联立模型(RRMSE分别为29.40%、29.60%与29.66%);3)在4种反演方法中,误差变量联立方程组反演结果精度最高(R2=0.60),显著优于普通回归模型方法、随机森林与kNN反演方法(R2分别为0.56、0.39与0.28)。【结论】误差变量联立方程组反演方法更适用于森林蓄积量遥感估测,其反演精度最高,且获得的蓄积量空间连续分布结果与实际接近,制图效果最好,表明误差变量联立方程组反演森林蓄积量制图方法是可行的。

关键词：蓄积量遥感反演联立方程组机载激光雷达 Sentinel-2影像

来源：评论

学校读者我要写书评

暂无评论

神木市植被NDVI动态变化及时空格局分析

引用

中南林业科技大学学报 2023年第7期43卷 109-119,140页

作者：邓目丽蒋馥根龙依王天宏孙华中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室湖南长沙410004 中南林业科技大学南方森林资源经营与监测国家林业和草原局重点实验室湖南长沙410004

【目的】归一化植被指数(normalized difference vegetation index,NDVI)可以指示植被生长和覆盖状况,探究其长时间序列时空动态变化特征规律,对明确区域植被生态变化情况具有重要意义。【方法】利用谷歌地球引擎(google earth engine,G... 详细信息

【目的】归一化植被指数(normalized difference vegetation index,NDVI)可以指示植被生长和覆盖状况,探究其长时间序列时空动态变化特征规律,对明确区域植被生态变化情况具有重要意义。【方法】利用谷歌地球引擎(google earth engine,GEE)云平台获取植被生长季(7—9月)长时间序列Landsat影像并构建NDVI指数。通过变异系数、Sen+Mann-Kendall趋势分析、未来趋势变化分析和空间自相关性计算,分析2000—2020年神木市NDVI时空变化特征及空间格局,并提取NDVI不同聚集区面积结合植被生长季累计降水量和平均气温进行分析。【结果】2000—2020年神木市NDVI显著增加,增速为1.25%·a^(-1);NDVI增加区域、稳定不变区域和退化区域分别占总面积的97.8%、0.4%和1.8%,退化区域主要分布在矿区和城市聚集区;NDVI变异系数主要集中在0.3~0.5之间,整体波动比较剧烈,变异程度呈现“东南高、西北较低”的空间格局;全区NDVI平均Hurst指数0.69,持续显著增加面积占比93.7%,未来植被变化趋势良好。全局Moran’I指数波动下降,NDVI全局空间自相关性逐渐减弱;NDVI低-低型聚集区的面积波动减少,与植被生长季累计降水量表现为显著负相关(P<0.05),低-高型聚集区面积与植被生长季平均气温表现为显著负相关,高-高型聚集区的面积波动增加,与植被生长季累计降水量表现为显著正相关(P<0.05)。【结论】近21年神木市NDVI整体变化较为剧烈,呈现增加趋势,其空间分布趋于破碎化,降水和升温对植被恢复有一定促进作用,且降水对于植被恢复的影响更大,未来植被覆盖状况变化表现为持续性显著增加。

关键词： NDVI google earth engine 变异系数 Sen+Mann-Kendall 空间格局神木市

来源：评论

学校读者我要写书评

暂无评论

基于多源遥感数据的CNN水稻提取研究

引用

国土资源遥感 2020年第4期32卷 97-104页

作者：蔡耀通刘书彤林辉张猛中南林业科技大学林业遥感信息工程研究中心长沙410004 林业遥感大数据与生态安全湖南省重点实验室长沙410004 南方森林资源经营与监测国家林业局重点实验室长沙410004 中南林业科技大学林学院长沙410004

水稻是中国种植面积最广泛的粮食作物之一,适时、准确的水稻识别与监测对于国家粮食安全和农用地空间格局演变具有重要意义。基于水稻物候关键期的多时相Sentinel-2A光谱数据、植被指数、植被丰度以及基于Landsat8反演得到的地表温度(la... 详细信息

水稻是中国种植面积最广泛的粮食作物之一,适时、准确的水稻识别与监测对于国家粮食安全和农用地空间格局演变具有重要意义。基于水稻物候关键期的多时相Sentinel-2A光谱数据、植被指数、植被丰度以及基于Landsat8反演得到的地表温度(land surface temperature,LST),采用卷积神经网络(convolutional neural network,CNN)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)算法对高异质化的长株潭核心区的水稻进行了提取,并得到了对应的水稻填图。研究结果显示,利用多时相多源遥感数据通过CNN算法能够有效提取高异质化程度区域的水稻信息,水稻分类总体精度(overall accuracy,OA)和Kappa系数分别达到了92%与0.90以上。该文提出的基于CNN的水稻信息识别方法,能够为改善与提高异质化程度较高区域水稻信息提取的精度提供行之有效的技术与途径。

关键词：水稻 Sentinel-2A Landsat8 CNN 长株潭地区

来源：评论

学校读者我要写书评

暂无评论

基于Landsat时序数据的长株潭城市群核心区森林扰动监测

引用

中南林业科技大学学报 2024年第8期44卷 94-103页

作者：谢天飞蒋馥根王霞龙依孙华中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室湖南长沙410004 中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室湖南长沙410004 河北省林业和草原调查规划设计院河北石家庄050011

【目的】为了快速准确地监测城市群核心区内的森林扰动,研究利用Landsat时间序列数据在谷歌地球引擎(Google Earth Engine,GEE)平台运用LandTrendr算法进行森林扰动监测研究。【方法】基于2000—2020年植被生长季的Landsat时序数据,分... 详细信息

【目的】为了快速准确地监测城市群核心区内的森林扰动,研究利用Landsat时间序列数据在谷歌地球引擎(Google Earth Engine,GEE)平台运用LandTrendr算法进行森林扰动监测研究。【方法】基于2000—2020年植被生长季的Landsat时序数据,分别在归一化植被指数(Normalized Difference Vegetation Index,NDVI)、归一化燃烧率指数(Normalized Burn Ratio,NBR)、缨帽变换角(Tasseled Cap Arctangent,TCA)三种指数作为阈值限制下,采用LandTrendr算法对时间序列轨迹进行处理,以获取长株潭核心区森林扰动的发生区域及规模大小的信息。运用森林资源连续清查数据和Google Earth历史影像分别对3种不同指数的森林扰动监测结果进行精度评估和验证,并利用研究区内土地利用数据中的森林覆盖数据对扰动信息进行分析。【结果】2000—2020年长株潭核心区森林扰动总面积为264.35 km^(2),平均每年的扰动面积为13.22 km^(2),其中2002年扰动最少,为1.91 km^(2),扰动面积最大的为2011年,为25.52 km^(2)。运用森林资源连续清查数据对三种指数阈值限制下的森林扰动信息结果验证的精度分别为90.91%、81.72%和65.08%;在谷歌地球历史影像中随机布点下精度分别为86.00%、77.88%和78.36%。2009年和2011—2013年间森林扰动较为严重。对全国范围内的土地利用数据进行处理分析可知,森林面积在20年间随时间增长而缓慢减少,所占总面积的百分比由原来的27.10%减少到22.00%。【结论】NBR是最适合长株潭核心区的森林扰动指数,森林扰动检测结果与实地调查和谷歌地球历史影像目视解译的结果一致。森林扰动斑块的分布边界可被完整提取,扰动面积大小变化趋势与全国区域内土地利用数据森林面积变化趋势相同,主要由城市化进程、森林火灾和人工砍伐引起。2000—2020年研究区森林扰动面积呈现波动式缓慢增加的趋势,其中2001年、2011年和2013年存在扰动面积浮动较大。

关键词：森林扰动 LandTrendr 归一化燃烧率指数城市森林长株潭城市群核心区

来源：评论

学校读者我要写书评

暂无评论

基于方差优化k最近邻法的森林蓄积量估测

引用

森林与环境学报 2019年第5期39卷 497-504页

作者：蒋馥根孙华 ZHAO Feng 林辉龙江平中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 林业遥感大数据与生态安全湖南省重点实验室湖南长沙410004 美国大气与海洋局卫星应用研究中心美国马里兰20740 北京师范大学遥感科学国家重点实验室北京100875 南方森林资源经营与监测国家林业与草原局重点实验室湖南长沙410004

森林资源调查是数字森林资源监测的基础,遥感技术可以克服传统方法如抽样调查的局限性,有效地缩短作业时间,提高效率。虽然目前森林蓄积量遥感估测方法很多,但随着样本数量的增加,这些方法无法保证估算的准确性。本研究拟提出一种基于... 详细信息

森林资源调查是数字森林资源监测的基础,遥感技术可以克服传统方法如抽样调查的局限性,有效地缩短作业时间,提高效率。虽然目前森林蓄积量遥感估测方法很多,但随着样本数量的增加,这些方法无法保证估算的准确性。本研究拟提出一种基于方差速率优化的k最近邻法(k NN),以2017年10月Planet Labs影像为数据源,结合赤峰市旺业甸林场蓄积量实测数据建立反演模型,并与地理加权回归(GWR)模型、随机森林(RF)模型、普通k NN模型和距离加权k NN模型进行对比分析。在建立的森林蓄积量反演模型中,方差优化k NN模型得到最优精度[决定系数(R^2)为0.69,均方根误差(RMSE)为67.6 m^3·hm^-2,相对均方根误差(RRMSE)为32.04%],显著优于其他模型。结果表明,方差优化k NN模型相比其他模型更适用于森林蓄积量遥感估测,森林蓄积量遥感反演空间分布符合实际分布情况,可以满足建立反演模型的需求。同时,由于Planet Labs影像的鲜明特征(即具有高时间分辨率),该数据的时间序列数据对于森林季节变化有丰富的记录,在反演森林蓄积量方面有着很大潜力。

关键词：蓄积量遥感反演优化k NN Planet Labs影像

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：