基于ICESat-GLAS数据和模糊模式识别算法识别森林类型

【目的】利用冰、云和陆地高程卫星-地球科学激光测高系统(ICESat-GLAS)回波波形数据,通过模糊模式识别算法,提出波形特征参数组合,对森林类型进行识别研究,以期提高森林类型分类精度。【方法】利用不同森林类型冠层在GLAS回波波形上表现出的差异性,提取波形特征参数 R_{\mathrm{fi}{\mathrm{t}}_1} 、K₁'和 \overline{K_1} ;将本研究提取的波形特征参数与其他波形特征参数相结合,建立波形特征参数组合;对样本数据波形特征参数进行指标归一化和奇异点检测处理,剔除样本数据中的奇异点样本;结合模糊模式识别算法,计算不同森林类型分类精度。【结果】针叶林和阔叶林森林类型分类总精度为96.30%,其中,针叶林和阔叶林森林类型分类精度分别为92.86%和97.50%;针叶林、阔叶林和混交林森林类型分类总精度为84.51%,其中,针叶林、阔叶林和混交林森林类型分类精度分别为85.71%、97.50%和52.94%。【结论】模糊模式识别算法在森林类型分类方面具有一定优势,尤其在针叶林和阔叶林森林类型识别方面,识别精度较高。     

基于RS和GIS水土流失敏感性研究与分析——以哈尔滨市宾县为例

选取宾县陆地卫星遥感影像为操作对象,以遥感技术和地理信息系统技术为主要手段,根据水土流失敏感性,将土地按敏感等级从高到低依次分为A,B,C,D四类(A为最敏感区,D为不敏感区),按敏感与否将地区分为ⅰ类ⅱ类(ⅰ类为敏感区ⅱ类为不敏感区).A类地区面积是550.85 km2,B类地区面积为780.23 km2,C类面积为1923.46 km2,D类总面积达585.02 km2,ⅰ类面积占总面积的23.9%,ⅱ类面积占总面积的76.1%.根据运算得出敏感性规律,敏感程度由北向南逐渐增加.