非成像高光谱数据的特点为树种的精细识别提供了可能。非成像高光谱数据的多波段特性,使得利用数据间的微小差异来进行树种的识别分类研究成为可能。该文利用光谱相关匹配(Spectralcorrelation m atch ing,SCM)方法来对树种进行识别分类...
详细信息
非成像高光谱数据的特点为树种的精细识别提供了可能。非成像高光谱数据的多波段特性,使得利用数据间的微小差异来进行树种的识别分类研究成为可能。该文利用光谱相关匹配(Spectralcorrelation m atch ing,SCM)方法来对树种进行识别分类,分别采用均值平滑法、中值平滑法、小波包变换对高光谱数据进行预处理及识别分类研究。结果表明,经过数据平滑预处理,可以有效地去除噪声,提高叶片高光谱数据的树种分类的精度。小波分析能有效的去除光谱中的噪声信息,保留光谱中的有效信息。在小波包变换的基础上,经过中值滤波数据预处理之后的分类精度高于均值滤波数据预处理后的分类精度。
精准计量城市绿地乔木碳汇量是提高绿地碳汇能力的前提。以平湖为例,采用单木调查结合绿地类型方法计量城区乔木碳汇,聚类分析树种碳汇能力,空间自相关与热力图分析碳密度、碳汇速率空间分布特征,以辅助城市绿地合理布局。结果表明:(1)平湖的附属绿地碳密度与碳汇速率最大,城市乔木绿地平均乔木碳密度(22.72 t C/hm^(2))为中上水平,平均乔木碳汇速率(8.99 t CO_(2)e a^(-1)hm^(-2))高于非城市森林;(2)硬阔Ⅱ((31.13±15.11)kg CO_(2)e/a)与硬阔Ⅰ((30.43±17.56)kg CO_(2)e/a)树种碳汇能力强于松类、软阔、杉类、柏类;(3)城市乔木绿地乔木碳密度和碳汇密度具有空间聚集性,高值常沿道路呈条带状或沿水域呈团块状分布。研究方法和结论对于厘清城市绿地乔木的碳家底,管理和提升城市自然碳汇功能,促进城市碳中和具有重要的理论和实践意义。
暂无评论