检索结果-南通市图书馆

锡林郭勒盟草地地上生物量时空变化遥感诊断研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

生态与农村环境学报 2025年

作者：高晓彤徐敏田海静王少华李京博曹春香中国科学院空天信息创新研究院遥感与数字地球重点实验室(中国科学院) 中国科学院大学国家林业和草原局林草调查规划院

地上生物量是反映草地生态系统功能和质量的重要指标之一，对于草地生态系统的经营管理至关重要。本研究结合长时序遥感影像和地面调查数据，筛选表征地上生物量的重要指标，采用随机森林算法构建了锡林郭勒盟草地地上生物量遥感反演模... 详细信息

地上生物量是反映草地生态系统功能和质量的重要指标之一，对于草地生态系统的经营管理至关重要。本研究结合长时序遥感影像和地面调查数据，筛选表征地上生物量的重要指标，采用随机森林算法构建了锡林郭勒盟草地地上生物量遥感反演模型，并应用于锡林郭勒盟2000-2023年逐年草地地上生物量估算，运用Mann-Kendall趋势检验和Sen斜率估计方法对近24年来锡林郭勒盟草地地上生物量时空变化趋势进行遥感诊断。结果表明：（1）利用随机森林算法构建的地上生物量反演模型具有较高的精度，最优模型的决定系数R2达0.75；（2）锡林郭勒盟的地上生物量呈现空间异质性，自西向东逐渐增加，与草地类型的分布相对应；（3）近24年来，锡林郭勒盟草地地上生物量波动较小，草地生态系统保持相对稳定。本研究可为林草管理部门进行大尺度区域草地地上生物量调查提供科学支撑。

关键词：遥感诊断草地地上生物量反演模型随机森林时空变化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国东部沙地温带稀树草原的分布与制图

中国科学:地球科学 2025年第1期 126-140页

作者：李晓雅王锋段涛杨凯捷杨斌王春梅田昕卢琦中国林业科学研究院生态保护与修复研究所中国林业科学研究院荒漠化研究所三北工程研究院生态环境部卫星环境应用中心中国科学院微电子研究所中国科学院空天信息创新研究院中国林业科学研究院资源信息研究所

稀树草原广泛分布于全球各个区域,对调节陆地净初级生产力和陆地碳循环至关重要.由于稀树草原树草混合分布使其具有较高的空间异质性,当前的全球土地覆盖分类图多将其划分为森林或草原.中国温带稀树草原覆盖面积广泛,但缺乏对其空间格... 详细信息

稀树草原广泛分布于全球各个区域,对调节陆地净初级生产力和陆地碳循环至关重要.由于稀树草原树草混合分布使其具有较高的空间异质性,当前的全球土地覆盖分类图多将其划分为森林或草原.中国温带稀树草原覆盖面积广泛,但缺乏对其空间格局和面积的认识.本研究基于中国温带稀树草原植被结构特征,参考联合国粮食及农业组织对稀树草原的定义,发展了一套融合无人机和卫星两种数据源的温带稀树草原的遥感制图新方法.利用覆盖主要稀树草原类型总面积1818ha的无人机高分辨率图像构建训练和验证数据集,集成分类和回归树算法与随机森林算法,估算了稀树草原上木本和草本植物的覆盖度,绘制了最小识别面积为0.5ha的中国东部科尔沁和浑善达克沙地温带稀树草原分布图.结果表明,新方法对稀树草原上木本和草本植物覆盖度估算均方根误差分别为10.69%和11.67%,决定系数分别为0.66和0.63.中国东部沙地温带稀树草原分布图精度评估Kappa系数为0.70,总体精度为0.88,平均精度为0.85,表明分布图具有较高的识别精度.中国东部沙地温带稀树草原集中分布于科尔沁沙地北部、浑善达克沙地中东部和大兴安岭南麓山地向平原过渡的区域,总面积为3.27×106ha.区域稀树草原类型主要为榆树稀树草原、栎树/槭树稀树草原和灌丛稀树草原.榆树稀树草原广泛分布于浑善达克沙地、科尔沁沙地东部和北部,呈条带状与流动沙丘相间分布;槭树/栎树稀树草原主要分布于科尔沁沙地北部,生长于低山丘陵;面积最大的温带稀树草原类型为灌丛稀树草原,主要分布于浑善达克沙地西部、科尔沁沙地中部和西部.本研究绘制了中国东部科尔沁、浑善达克沙地温带稀树草原空间分布图,提供了两大沙地温带稀树草原地理分布和面积的精确信息.数据成果可支撑中国温带稀树草原生态系统保护和利用、东部沙地荒漠化防治和生态系统恢复等相关科学研究和保护政策制定.研究方法为全球尺度稀树草原精细分类制图及稀树草原动态变化分析提供了新思路.

关键词：温带稀树草原无人机高分卫星木本植物覆盖度草本植物覆盖度机器学习

同方期刊数据库

基于卡尔曼“估计-校正”循环网络的暴雨临近预测

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2025年

作者：刘杰张彤王培晓韩士元冷亮肖艳姣济南大学信息科学与工程学院武汉大学测绘遥感信息工程国家重点实验室中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室山东女子学院人工智能学院中国气象局武汉暴雨研究所中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室

【目的】精确的暴雨临近预测在防灾减灾、工农业生产和交通运输等多方面起着重要作用，对于保障社会经济发展与人民财产安全具有十分重要的意义。然而现有暴雨智能预测方法没有充分考虑暴雨过程、观测以及建模等环节的不确定性问题，阻... 详细信息

【目的】精确的暴雨临近预测在防灾减灾、工农业生产和交通运输等多方面起着重要作用，对于保障社会经济发展与人民财产安全具有十分重要的意义。然而现有暴雨智能预测方法没有充分考虑暴雨过程、观测以及建模等环节的不确定性问题，阻碍了预测准确性和稳定性的提升。【方法】本文提出基于卡尔曼“估计-校正”循环网络的暴雨临近预测方法，在个别变化理论约束下估计气象状态，并在卡尔曼滤波的指导下依据估计误差进行气象状态校正，以实现准确和可靠的暴雨预测。所提“估计-校正”网络包括个别变化约束的深度状态估计和估计误差指导的气象状态校正2个核心单元；前者根据历史气象状态估计下一时间步的气象状态及误差；后者根据估计误差和观测误差进行气象状态的校正；二者共同提升暴雨预测精度和稳定性。【结果】在ERA5和NCEP数据集上的实验证明，所提方法的暴雨预测准确性指标CSI比所对比的基线方法提升了5%，并以稳定性指标SPREAD≈0.5的成绩取得了良好稳定性。【结论】验证了在深度学习中融合滤波理论缓解不确定性问题的可行性。

关键词：暴雨预测卡尔曼滤波“ 估计-校正”循环网络个别变化物理信息神经网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

GF-4 PMI影像着火点自适应阈值分割

遥感学报 2020年第3期24卷 215-225页

作者：刘树超李晓彤覃先林孙桂芬刘倩中国林业科学研究院资源信息研究所国家林业局林业遥感与信息技术实验室北京100091

为探究具有单中波红外通道的高分四号卫星(GF-4)PMI数据在林火监测中的应用方法,通过对覆盖近年发生森林火灾的多景GF-4 PMI影像分析,采用"劈窗法"构建GF-4 PMI数据的着火点自适应阈值检测算法;在云南省玉龙纳西族自治县、俄罗斯阿穆尔... 详细信息

为探究具有单中波红外通道的高分四号卫星(GF-4)PMI数据在林火监测中的应用方法,通过对覆盖近年发生森林火灾的多景GF-4 PMI影像分析,采用"劈窗法"构建GF-4 PMI数据的着火点自适应阈值检测算法;在云南省玉龙纳西族自治县、俄罗斯阿穆尔州和俄罗斯外贝加尔边疆区等3个实验区进行了着火点检测应用,并以目视解译的着火点结果为参照资料,对该算法的着火点检测精度进行了评价。结果表明,该算法在这3个实验区的着火点检测准确率均高于80.0%,基于着火点检测精度验证设定的综合评价指标高于0.780,可应用于GF-4PMI影像着火点的检测。

关键词：高分四号(GF-4) 劈窗法自适应方法着火点阈值检测

高分六号宽幅数据识别火烧迹地的光谱及指数分析

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2021年第8期41卷 2536-2542页

作者：刘倩覃先林胡心雨李增元中国林业科学研究院资源信息研究所国家林业和草原局林业遥感与信息技术重点实验室北京100091

为探究利用高分六号卫星宽幅(GF-6 WFV)数据识别火烧迹地的适宜光谱波段和指数,选取2019年发生在我国内蒙古大兴安岭林区的三处雷击火形成的火烧迹地作为研究区,结合GF-6 WFV波段组成,选取归一化植被指数(normalized difference vegetat... 详细信息

为探究利用高分六号卫星宽幅(GF-6 WFV)数据识别火烧迹地的适宜光谱波段和指数,选取2019年发生在我国内蒙古大兴安岭林区的三处雷击火形成的火烧迹地作为研究区,结合GF-6 WFV波段组成,选取归一化植被指数(normalized difference vegetation index,NDVI)、全球环境监测指数(global environment monitoring index,GEMI)、增强植被指数(enhanced vegetation index,EVI)、燃烧面积指数(burned area index,BAI)、土壤调节植被指数(soil-adjusted vegetation index,SAVI)、改进型土壤调节植被指数(modified soil-adjusted vegetation index,MSAVI)和归一化差异水体指数(normalized difference water index,NDWI)等7个光谱指数及地面叶绿素指数(MERIS terrestrial chlorophyll index,MTCI)、归一化差值红边指数(normalized difference red edge index 1,NDRE1)、改进的叶绿素吸收指数(modified chlorophyll absorption ratio index 2,MCARI2)和改进的归一化土壤指数(modified normalized difference soil index,MNDSI)等4个改进指数,基于同期影像和前后两期影像进行火烧迹地和其他典型类别的区分度计算,并利用上述11个指数及指数差值进行火烧迹地的识别,定量评价了GF-6 WFV各波段、所选光谱指数及改进指数识别火烧迹地的能力。结果表明:(1)GF-6 WFV的近红外波段和新增的两个红边波段区分度较高,反映火烧迹地特征的能力较强。(2)在区分火烧迹地和火烧前正常植被上,NDVI,GEMI,EVI,BAI,SAVI,MSAVI和NDWI 7个光谱指数等的区分能力较强,4个改进指数中,NDRE1和MCARI2的区分能力较好,MNDSI和MTCI的区分效果较差。(3)在区分同期影像火烧迹地和其余典型类别上,BAI,NDVI,MCARI2和NDWI区分效果较优,其次为NDRE1,GEMI,EVI,SAVI和MSAVI,而MNDSI,MTCI的区分能力较差。(4)在利用所选指数和指数差值识别火烧迹地中,GEMI,EVI,BAI,SAVI和MSAVI的识别精度均较优,其次是MCARI2,NDVI和NDWI,做差后提取精度显著上升,Kappa系数均提升到0.80以上,MTCI,MNDSI和NDRE1提取效果较差。综合比较,BAI和GEMI识别效果最好,NDVI,EVI,SAVI,MSAVI,NDWI和MCARI2的识别能力中等,而MNDSI,NDRE1和MTCI等3个改进指数识别火烧迹地的能力较差。

关键词：高分六号宽幅数据光谱指数改进指数区分度M 火烧迹地

在线全文

学校读者我要写书评

暂无评论

利用形变时序分形特征识别高山冰川区滑坡

地球信息科学学报 2025年

作者：房颖晖李郎平杨文涛兰恒星田静高佳鑫北京林业大学水土保持学院中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室中国科学院大学长安大学地质工程与测绘学院

【目的】探究利用时序形变分形特征识别高山冰川区滑坡的方法并分析其适用性。【方法】基于查莫利滑坡及其相邻冰川的形变时间序列描述其斜率（平均形变速率）及分形特征差异，利用聚类分析区分滑坡区域与冰川并进行影响因素分析。【结... 详细信息

【目的】探究利用时序形变分形特征识别高山冰川区滑坡的方法并分析其适用性。【方法】基于查莫利滑坡及其相邻冰川的形变时间序列描述其斜率（平均形变速率）及分形特征差异，利用聚类分析区分滑坡区域与冰川并进行影响因素分析。【结果】与冰川相比，滑坡的形变时序具有较高的分形维数和较低的分形拟合优度。虽然滑坡与冰川在形变时序的斜率（平均形变速率）上也存在较大差异，但仅使用形变速率难以对滑坡进行聚类识别，准确率仅为61.70%；而使用形变时序的分形指标（包括分形维数和分形拟合优度）可将聚类分析的准确率显著提升至近84.00%。基于形变时序分形特征进行高山冰川区滑坡识别的适用性，根本原因在于滑坡和冰川在物质组成、影响因素和发展演化等方面存在差异。相较冰川，滑坡物质组成更复杂、更易受多种因素影响、形变时序的波动性更强。【结论】利用形变时序分形特征能够成功识别高山冰川区滑坡，在全球变暖背景下，该方法预期可为高山冰川区的滑坡识别、进而为高山冰川区的防灾减灾提供一定的支撑。

关键词：高山冰川区滑坡识别形变时间序列分形维数分形拟合优度平均形变速率

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多源数据的全国可燃物类型划分方法

遥感学报 2022年第3期26卷 480-492页

作者：李晓彤刘倩覃先林刘树超王崇阳中国林业科学研究院资源信息研究所北京100091 国家林业局林业遥感与信息技术实验室北京100091

为满足全国可燃物类型制图的需要,在国内外前人的研究工作基础上,建立了全国尺度的可燃物分类体系,并基于MODIS数据产品和全国植被区划数据,结合地理信息空间分析技术,对全国森林、灌木和草本等3类可燃物进行精细划分和成图。利用实地... 详细信息

为满足全国可燃物类型制图的需要,在国内外前人的研究工作基础上,建立了全国尺度的可燃物分类体系,并基于MODIS数据产品和全国植被区划数据,结合地理信息空间分析技术,对全国森林、灌木和草本等3类可燃物进行精细划分和成图。利用实地调查数据和其他数据产品,采用直接验证和交叉验证相结合方式对可燃物类型分类结果进行精度评价。评价结果表明,一级可燃物类型总精度为90.89%,Kappa系数为0.81;二级可燃物类型总精度84.14%,Kappa系数为0.74;三级可燃物类型总精度为68.16%,Kappa系数0.6。利用多源数据和地理信息空间分析技术相结合,有效地实现了在全国尺度上的森林、灌木和草本等3类可燃物类型的精细划分,为森林草原火灾的预防管理提供技术支持。

关键词：遥感可燃物类型遥感分类空间分析技术 MCD12Q1产品 MOD44B产品

冬奥会崇礼生态核心区植被覆盖时空变化遥感监测

在线全文

学校读者我要写书评

暂无评论

林业科学 2022年第4期58卷 141-151页

作者：谭炳香沈明潭郄光发戚瞾贺晨瑞中国林业科学研究院资源信息研究所国家林业和草原局林业遥感与信息技术重点实验室北京100091 中国林业科学研究院北京100091

【目的】基于植被覆盖度遥感定量估测结果,统计分析植被覆盖度的时空变化特征和地形分异效应,探讨植被覆盖变化的驱动因素,为研究区生态规划和生态环境保护、森林防火提供参考依据。【方法】以北京冬奥会崇礼生态核心区为研究区,以GF-1 ... 详细信息

【目的】基于植被覆盖度遥感定量估测结果,统计分析植被覆盖度的时空变化特征和地形分异效应,探讨植被覆盖变化的驱动因素,为研究区生态规划和生态环境保护、森林防火提供参考依据。【方法】以北京冬奥会崇礼生态核心区为研究区,以GF-1 WFV和Sentinel-2多光谱影像为数据源,采用像元二分模型法对研究区2014、2016和2020年3个时期的植被覆盖度进行遥感估测,结合数字高程模型,利用差值指数、马尔科夫模型、植被覆盖动态度和地形分布指数分析植被覆盖度的时空变化特征及其在地形上的分异性。【结果】1)研究区植被覆盖度在空间上呈显著差异性,表现为中部低、四周高的分布格局,与整个研究区的地形地貌特征紧密相关,山区植被覆盖度高,平原区或山谷等人类活动区植被覆盖度相对偏低。2)研究区植被整体以中、中高和高植被覆盖度为主,3个时期3种植被覆盖等级面积占比分别为81.59%、90.00%和86.88%,均大于80%,植被覆盖处于较好水平,生长状况良好。3)海拔梯度上,2014—2016年改善型和明显退化型在海拔1800 m以下区域有分布优势,在海拔1800 m以上区域无分布优势;轻微退化型在海拔1700 m以下和2000 m以上区域有分布优势;2016—2020年改善型和退化型在海拔1700 m以下区域有分布优势,明显退化型表现出极强分布优势;2014—2020年明显改善型在海拔1700 m以下区域有分布优势,在海拔2000 m以上区域分布优势较弱,而明显退化型在海拔1700 m以下区域表现出强优势分布,在海拔1700 m以上区域则无分布优势。4)2014—2016年和2016—2020年植被覆盖退化主要分布在坡度小于8°的平缓区域,8°以上区域无分布优势,其他植被覆盖度变化类型在坡度上趋于稳定。5)坡向上,2014—2016年改善型植被在阳坡和半阳坡有分布优势,明显退化型在阴坡有分布优势,2016—2020年轻微改善型在阳坡和半阳坡有分布优势,明显退化型和轻微退化型在阴坡有分布优势;2014—2016年改善型在阳坡和半阳坡有分布优势,轻微退化型在阴坡和半阴坡有分布优势。【结论】1)植被覆盖度在空间上呈中间低、四周高的分布格局,在时间上表现为2014、2016和2020年不同等级间的植被覆盖度结构平稳,局部植被覆盖度出现降低现象,总体趋势为植被覆盖度增加。2)植被覆盖度在海拔、坡度和坡向不同等级上呈规律性分布,植被覆盖变化类型与地形因子存在显著差异,明显减少型区域聚集在坡度小于8°、海拔1533~1700 m区域,在坡向上没有明显表现出分异性,主要为土地利用方式转换所致;植被覆盖明显改善型聚集在阳坡和半阳坡地区,说明人工造林效果比较明显。3)森林防火重点区域为植被覆盖度高的山区。

关键词：植被覆盖度像元二分模型地形分异特征遥感崇礼区

基于多时相Sentinel-2影像和SNIC分割算法的优势树种识别

在线全文

学校读者我要写书评

暂无评论

林业科学 2022年第9期58卷 60-69页

作者：岳巍李世明李增元刘清旺庞勇斯林中国林业科学研究院资源信息研究所、国家林业和草原局林业遥感与信息技术重点实验室北京100091

【目的】探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别。【方法】以内蒙古旺业甸林场为研究区,在Google Earth Engin... 详细信息

【目的】探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别。【方法】以内蒙古旺业甸林场为研究区,在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征,采用SNIC和支持向量机(SVM)机器学习分类方法,实现面向对象的优势树种识别,并分析不同时相数据组合对优势树种识别精度的影响。【结果】多时相数据组合的分类精度明显高于各季节单时相数据。对比不同多时相数据组合分类结果,春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近,总体精度分别为94.5%、95.0%和95.8%。【结论】基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种,多季节组合数据的分类结果最优,春、秋2个季节时间序列数据也能获得较好分类结果,总体精度与最优结果差距较小。

关键词：多时相简单非迭代聚类超像素分割算法树种识别时间序列