“计算机陆地卫星数据森林资源分类”的科研成果通过鉴定

“计算机陆地卫星数据森林资源分类”的研究任务是受林业部调查规划院的委托,由我校无线电电子学学系与林业部调查规划院合作完成的。由于我国南方森林分布零散,人为砍伐较多,因而对其资源的调查的难度较大。该研究课题旨在探索卫星遥感在我国南方森林调查中的前景,以改变我国森林长期以来状况不明的局面。该任务以南京茅山林区为试验点。     

中国三大林区森林破碎化及干扰模式变动分析

为了评价现存的森林经营方法及国家执行的多个林业生态工程的有效性,利用两期直接可比的全球土地覆盖数据(Globcover 2005和2009),采用破碎化分析模型与景观指数相结合的方法,分析了中国三大林区的森林破碎化、干扰模式及森林与其他土地利用类型空间交互特征的变化.结果表明:东北林区破碎化程度明显降低,而南方和西南林区森林破碎化加剧.三大林区的人为干扰程度下降,南方和西南林区的自然干扰明显增强.南方和西南林区森林与农业土地利用具备较高的空间关联度,但与城市类型关联不大.这些可观察到的森林破碎化及干扰模式变化紧密依赖于我国的林地所有权、地形差异、经济发展水平及人口转移方向.     

南方生物防火林带营造技术探讨

我国南北气候和植被状况差异显著。南方气候温暖湿润,雨量充沛,雨热同期,土壤肥沃,植被资源包括阔叶树种相当丰富。但长期以来,南方各林区     

基于森林资源清查数据的林地利用效率变化研究

【目的】定量分析我国重要林区林地利用效率变化差异及对其生态经济的影响,为制定森林资源管理措施提供参考。【方法】从森林资源变动角度,结合森林面积、蓄积量、生物量和碳储量等4个属性,利用1989—2018年森林资源清查数据,从林区和省级两个尺度上量化分析我国南方林区和西南林区的林地利用效率变化。【结果】研究期间,南方林区碳储量增加1.17 Pg,森林面积、蓄积密度、生物量转换比和碳储量的年变化率分别为1.91%、2.07%、0.40%和4.38%;西南林区碳储量增加0.95 Pg,森林面积、蓄积密度、生物量转换比和碳储量的年变化率分别为1.79%、0.07%、-0.05%和1.81%。各省(市、区)森林蓄积量均增加,其中上海、江苏、贵州和西藏林区面积相对贡献最高,而福建和海南林区面积及蓄积密度(即单位面积蓄积)增长速度不均衡将影响后期发展,云南和西藏蓄积密度下降导致蓄积量增长缓慢。各省森林均发挥碳汇作用,南方林区固碳能力优势突出,上海和江苏最为显著,西南林区三省(自治区)林区碳汇均处于缓慢发展水平。【结论】为提高林地利用效率,西南林区应继续提升退耕还林力度,提高补偿标准和年限;对于林龄结构不合理的天然林,应进行可持续经营管理,人为促进更新过熟林以提高其更新能力。南方林区应积极发展造林再造林项目和重点地区速生林工程,发挥人工林生长迅速、在较长时间内维持碳汇能力稳定上升的优势。     

南方丘陵山区遥感影像特征选择与自动分类方法

选取南方丘陵山区--广西钦州湾 TM影像作为试验区,在地物光谱分析基础上,利用知识型光谱合成、主成分变换对 TM卫星图像进行增强处理,并采用非监督分类与监督分类相结合的方法,对 TM图像及特征图像进行自动分类试验,以寻求适用于南方丘陵山区的土地利用 /土地覆盖的遥感自动分类方法.     

小陇山林区森林分类经营的理论与技术探讨

实施分类经营,是我国力图协调森林的可再生性和经济利用的可持续性,满足人们对森林的多功能利用进行的积极探索。通过对小陇山林区森林资源现状及特点分析,提出适宜本林区森林分类经营的技术路径。     

基于光谱测量的南方典型树种反射光谱特征分析

利用ISI921VF野外地物光谱辐射计测量得到的南方典型树种光谱数据,分析南方典型树种的冠层反射光谱特征,并探讨光谱对于遥感影像树种分类的可分性．以茶、杉木、阔叶林、马尾松这四种作为代表,结果表明这四种地物的反射光谱曲线及它们的一阶微分反射比波谱曲线在近红外波段差异显著;且转化为北京一号（BJ-1）和TM等效反射波谱曲线后,BJ-1影像和TM影像的地物间差异仍较明显,因此常用的多光谱遥感影像对纯林分树种具有一定的可分性．     

南方集体林区森林可持续经营认证现状

森林认证是促进森林可持续经营的一种创新性市场机制和经济手段,已在全世界多个国家和地区得到认可并实施,中国亦接受并积极推进森林认证工作进程.结合我国南方集体林区森林认证现状,对南方集体林区开展森林认证的必要性、有利条件及障碍进行了全面分析,并在此基础上提出了南方集体林区开展森林可持续经营认证的建议.     

基于联合结构化稀疏表示的高光谱图像分类

为了实现精确的高光谱图像分类,结合稀疏表示及光谱信息提出基于联合结构化稀疏表示的高光谱分类算法,该算法能够同时利用像元的空间语义信息和字典集内部样本结构性.建立了联合结构化稀疏表示模型,并利用交替方向迭代算法设计求解方案.在此基础上,设计了基于联合结构化稀疏表示的高光谱分类框架,其中利用类特定残留来判定被测试像元的类别.实验结果表明所提算法相比其他经典或前沿算法具有更高的分类精度.     

基于多特征融合的反向传播神经网络高分影像分类与变化检测

为了降低基于高分影像的土地利用分类后的错分和漏分的可能性,提高分类以及变化检测精度,本文以广西桂林市临桂区为研究区,采用WorldView-2号以及高景一号高分影像,基于多层前馈(back propagation, BP)神经网络方法融合遥感影像的纹理、光谱、植被指数以及水体指数特征,制定出4种特征数据集融合方案,实现对植被覆盖率较大地区的地物识别与分类;然后选取最优分类结果,进行桂林市临桂区2017与2020年土地利用变化检测。不同方案的对比结果表明,融合纹理、光谱、植被指数以及水体指数特征的第四种方案可以得到较为有效的分类以及变化检测结果,分类的总体精度为92.92%,Kappa系数为0.9028,保持了较高正确率。     

基于随机森林算法的城区土地覆盖分类研究

随机森林算法是一种高度灵活且易于使用的机器学习算法,目前在遥感影像分类中应用广泛。为了验证其在城市土地覆盖分类中的效果,本文对河南省洛阳市局部城区进行了土地覆盖分类实验,将Landsat 8(OLI)遥感影像的光谱波段、光谱指数和纹理特征相结合,构成多种特征组合进行随机森林算法分类比较,选择分类效果最佳方案,并与支持向量机方法进行比较。后利用随机森林算法对该组合特征变量高维数据进行降维处理,得到优化特征方案。实验结果表明:采用多源特征组合的随机森林算法的土地利用分类效果最佳,总体精度为90.54%,Kappa系数为0.890,比支持向量机方法的分类精度提高了3.1%;降维处理后的特征方案与随机森林结合在保证分类结果拥有高准确度的同时,减少了运算时间,实现了土地覆被类型信息的高效获取。表明随机森林算法在城区土地覆盖分类上有很好的适用性与稳定性。     

集体林权制度改革对林农增收的意义

我省黔东南州是南方重点林区之一,属典型的集体林区,也是一个少数民族聚居的偏远山区。改革开放以来,于1996年在全省率先实现了基本绿化黔东南的目标。1998年后,在国家林业政策“由以木材     

杉木团状造林调查分析

一、概况1.杉木基地发展概况杉木是我国南方集体林区用材林基地造林主要树种之一,它具有速生丰产、适应性广、材质优良的特性,是深受广大林农和消费者青睐的优良树种。遂昌县是我国南方集体重点林区县之一,全县有林业用地面积332万亩,有林地面积299.44万亩,森林蓄积量729.62万立方米,其中,杉木人工造林面积111.67万亩,348.21万立方米,占全县人工林总面积180.78万亩的61.77%。     

采用双通道时间稠密网络的高光谱影像分类方法

针对多数高光谱影像分类方法提取信息不够充分导致分类准确率不够高的问题,提出了一种双通道时间稠密网络的高光谱影像分类方法。该方法利用时间卷积网络模型提取高光谱数据的光谱特征信息,利用稠密网络模型提取高光谱影像数据的空间信息特征,然后将两个网络各自提取到的特征进行融合,最后将融合后的特征送入Softmax分类器进行分类。在Pavia大学经典数据集上进行了仿真实验,将该方法分别同传统高光谱影像分类方法、单空间信息高光谱影像分类方法、单光谱信息分类方法进行了对比。实验结果表明,与多种经典分类方法相比,所提出的方法可以有效地从空间结构和光谱通道提取目标的特征信息,在常用的经典数据集上分类精度可达到99%分,较其他方法高出2%～3%。     

一种基于支持向量机和主成分分析的多光谱图像的分类方法

多光谱图像分类方面,由于普通的SVM方法没有考虑多光谱图像具有高维度和冗余的特点,因此难以实现令人满意的分类精度．本文提出了一种基于SVM和主成分分析相结合的多光谱的图像分类方法．并用5幅6波段两类地形的多光谱图像进行实验．实验结果表明,这种分类方法与普通的SVM方法相比提高了多光谱图像的分类精度．     

一种基于支持向量机和主成分分析的多光谱图像的分类方法

多光谱图像分类方面,由于普通的SVM方法没有考虑多光谱图像具有高维度和冗余的特点,因此难以实现令人满意的分类精度.本文提出了一种基于SVM和主成分分析相结合的多光谱的图像分类方法.并用5幅6波段两类地形的多光谱图像进行实验.实验结果表明,这种分类方法与普通的SVM方法相比提高了多光谱图像的分类精度.     

南方林区微量元素在母岩—土壤—森林系统中的分布

调查分析了我国南方亚热带林区不同母岩，不同林分下１４个样地的土壤和林木当年生叶及林地枯落物的微量元素状况，探讨了微量元素的地球化学特性，及其在母岩－土壤－森林系统中的分布规律。结果表明，土壤微量元素全量大小主要取决于母岩类型，风化和土壤形成特点等因子。     

结合多特征的高光谱遥感土地利用信息提取

【目的】为了降低高光谱遥感数据噪声,提高土地利用分类信息提取精度,探索结合纹理和空间信息的分类方法。【方法】以河南镇平县Hyperion高光谱成像光谱仪获取的高光谱影像为材料,借鉴决策树分类思想,采用了一种结合了光谱、纹理和空间信息的高光谱遥感多特征地类提取方法,先通过提取光谱特征初步提取地类,再分别采用提取纹理特征和基于空间信息的植被提取进行详细地类信息的分层提取,最后,用地面实测样点验证各类土地利用类型的分类精度,比较了用不同方法对不同地类的提取效果。【结果】结合多特征的地类分层提取体系中,采用各波段光谱反射率区分大的地类,再用纹理特征进行光谱差异较小的地类划分,而基于空间信息进行植被分类。通过结合纹理和空间信息提取方法的总分类精度达86.7%,较最大似然法分类精度提高13.3%。【结论】高光谱与纹理和空间信息相结合的遥感分类方法能有效减小噪声,提高分类精度,可为土地利用分类提取研究提供一定的参考。     

基于随机森林算法的航空高光谱数据分类方法研究

高光谱数据具有光谱范围广,光谱分辨率高等优势,可以用于不同地物的分类识别,为近年来遥感领域的研究热点。采用随机森林算法对机载高光谱数据进行了地物分类识别研究,首先选取不同种类的地物样本,并对每类样本打上类别标签,每个像素包含的波段数即为样本的特征数,送入随机森林分类器进行训练;然后将训练好的分类器对待分类的高光谱影像数据进行分类,待分类的数据初始化为统一的类别标签;并根据袋外数据自变量的扰动对分类精度的影响,计算不同波段特征对分类效果的重要性系数。实验采用C++语言结合Intel Open CV计算机视觉库,编写了高光谱影像分类识别程序,对机载AISA高光谱传感器获取的甘肃省张掖市农村与城市影像数据进行分类,结果表明本文算法具有较高分类精度和可靠性。     

基于多特征的高光谱遥感土地利用信息提取

【目的】为了降低高光谱遥感数据噪声,提高土地利用分类信息提取精度,探索结合纹理和空间信息的分类方法。【方法】以河南镇平县Hyperion高光谱成像光谱仪获取的高光谱影像为数据源,借鉴决策树分类思想,采用了一种结合光谱、纹理和空间信息的高光谱遥感多特征地类提取方法,先通过提取光谱特征初步提取地类,再分别采用提取纹理特征和基于空间信息的植被提取进行详细地类信息的分层提取,最后,用地面实测样点验证各类土地利用类型的分类精度,比较了用不同方法对不同地类的提取效果。【结果】基于多特征的地类分层提取体系中,采用各波段光谱反射率区分大的地类,再用纹理特征进行光谱差异较小的地类划分,而基于空间信息进行植被的分类。通过结合纹理和空间信息提取方法的总分类精度达86.7%,较最大似然法分类精度提高13.3%。【结论】高光谱与纹理和空间信息相结合的遥感分类方法能有效减小噪声,提高分类精度,可为土地利用分类提取研究提供一定的参考。