Estimating aboveground biomass of the mangrove forests on northeast Hainan Island in China using an upscaling method from field plots,UAV-LiDAR data and Sentinel-2 imagery     

《International Journal of Applied Earth Observation and Geoinformation》2020

The mangrove forests of northeast Hainan Island are the most species diverse forests in China and consist of the Dongzhai National Nature Reserve and the Qinglan Provincial Nature Reserve. The former reserve is the first Chinese national nature reserve for mangroves and the latter has the most abundant mangrove species in China. However, to date the aboveground ground biomass (AGB) of this mangrove region has not been quantified due to the high species diversity and the difficulty of extensive field sampling in mangrove habitat. Although three-dimensional point clouds can capture the forest vertical structure, their application to large areas is hindered by the logistics, costs and data volumes involved. To fill the gap and address this issue, this study proposed a novel upscaling method for mangrove AGB estimation using field plots, UAV-LiDAR strip data and Sentinel-2 imagery (named G∼LiDAR∼S2 model) based on a point-line-polygon framework. In this model, the partial-coverage UAV-LiDAR data were used as a linear bridge to link ground measurements to the wall-to-wall coverage Sentinel-2 data. The results showed that northeast Hainan Island has a total mangrove AGB of 312,806.29 Mg with a mean AGB of 119.26 Mg ha⁻¹. The results also indicated that at the regional scale, the proposed UAV-LiDAR linear bridge method (i.e., G∼LiDAR∼S2 model) performed better than the traditional approach, which directly relates field plots to Sentinel-2 data (named the G∼S2 model) (R² = 0.62 > 0.52, RMSE = 50.36 Mg ha⁻¹<56.63 Mg ha⁻¹). Through a trend extrapolation method, this study inferred that the G∼LiDAR∼S2 model could decrease the number of field samples required by approximately 37% in comparison with those required by the G∼S2 model in the study area. Regarding the UAV-LiDAR sampling intensity, compared with the original number of LiDAR plots, 20% of original linear bridges could produce an acceptable accuracy (R² = 0.62, RMSE = 51.03 Mg ha⁻¹). Consequently, this study presents the first investigation of AGB for the mangrove forests on northeast Hainan Island in China and verifies the feasibility of using this mangrove AGB upscaling method for diverse mangrove forests.  相似文献   

In-season crop classification using elements of the Kennaugh matrix derived from polarimetric RADARSAT-2 SAR data     

《International Journal of Applied Earth Observation and Geoinformation》2020

Accurate spatio-temporal classification of crops is of prime importance for in-season crop monitoring. Synthetic Aperture Radar (SAR) data provides diverse physical information about crop morphology. In the present work, we propose a day-wise and a time-series approach for crop classification using full-polarimetric SAR data. In this context, the 4 × 4 real Kennaugh matrix representation of a full-polarimetric SAR data is utilized, which can provide valuable information about various morphological and dielectric attributes of a scatterer. The elements of the Kennaugh matrix are used as the parameters for the classification of crop types using the random forest and the extreme gradient boosting classifiers.The time-series approach uses data patterns throughout the whole growth period, while the day-wise approach analyzes the PolSAR data from each acquisition into a single data stack for training and validation. The main advantage of this approach is the possibility of generating an intermediate crop map, whenever a SAR acquisition is available for any particular day. Besides, the day-wise approach has the least climatic influence as compared to the time series approach. However, as time-series data retains the crop growth signature in the entire growth cycle, the classification accuracy is usually higher than the day-wise data.Within the Joint Experiment for Crop Assessment and Monitoring (JECAM) initiative, in situ measurements collected over the Canadian and Indian test sites and C-band full-polarimetric RADARSAT-2 data are used for the training and validation of the classifiers. Besides, the sensitivity of the Kennaugh matrix elements to crop morphology is apparent in this study. The overall classification accuracies of 87.75% and 80.41% are achieved for the time-series data over the Indian and Canadian test sites, respectively. However, for the day-wise data, a ∼6% decrease in the overall accuracy is observed for both the classifiers.  相似文献   

融合多源时空数据的城市火灾危险性评估     

赵晓旭 《测绘通报》2020,(5):101-106

城市层面的火灾风险评估主要包括火灾危险性、危害性及救援能力等方面。本文选取火灾危险性评估进行针对性研究,在大数据思维的指导下,以相关关系代替因果关系,采用多源数据对评估指标权重、分值进行率定,得出福州市城区火灾危险性时空分布图。首先利用高德地图API对消防历史出警记录进行地址解析,将近万条火灾出警地址空间落点,获得福州市历史火灾空间分布;然后综合城市用地性质现状、用地开发性质、人口分布热力图等多源异构数据,探索其与历史火灾空间分布的相关性;最后以福州城区为例,初步实现具有充分数理支撑的火灾危险性评估方法,形成火灾危险性动态评估成果,为城市消防规划等提供支撑和依据。  相似文献   

基于森林模型参数先验知识估算高分辨率叶面积指数   总被引：1，自引：0，他引：1  

张静宇  王锦地  石月婵 《遥感学报》2020,24(11):1342-1352

目前,估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型,再用统计模型估算LAI。然而,与农田地面测量实验相比,森林地面测量实验获取的观测数据更加有限,这使得基于统计模型的森林高分辨率LAI的估算精度低,难以满足应用需求。为此,本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先,获取全球20个森林实验区的LAI地面测量数据和NDVI数据,建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后,以一个新的森林站点Concepción作为研究区,将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型,优化模型用于估算森林高分辨率LAI,使用验证数据评价LAI的估算精度。同时,选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度,经验证4个森林站点的均方根误差分别为0.6680,0.4449,0.2863,0.5755。研究结果表明：在仅有少量观测数据时,采用本方法能有效地提高森林高分辨率LAI的估算精度。因此,本方法可为森林高分辨率LAI的遥感估算提供参考。  相似文献   

基于时相变化的晴空条件下Himawari-8 AHI火点检测     

鄢俊洁  瞿建华  冉茂农  张芳芳 《遥感学报》2020,24(5):571-577

Himawari-8静止气象卫星具有高空间分辨率、高观测频次和高时效特点,对于火点检测具有很强优势。对Himawari-8卫星的3.9μm和11.2μm两通道亮温进行了连续时相变化研究,得出两通道的亮温在时间上的变化差值稳定且规律明显。根据两通道的亮温时相特征,考虑白天可见光对3.9μm通道的影响,并结合火点产生时引起的亮温变化特征,提出了适用于晴空条件下改进的火点检测算法。在多处进行了此算法的实验,例如2018-11-27 T 16:40(UTC时)河北张家口市桥东区一化工厂附近发生的严重爆炸起火事件以及2019-02-28澳大利亚西南部发生的火灾事件,均快速有效的检测到了火点。实验表明,改进的火点检测算法能很好的进行火点检测,并能解决晨昏交界、冰雪下垫面、常规火源点、太阳耀光等火点检测的难题。  相似文献   

FY-3D/MERSI-II全球火点监测产品及其应用   总被引：1，自引：0，他引：1  

郑伟  陈洁  闫华  刘诚  唐世浩 《遥感学报》2020,24(5):521-530

FY-3D/MERSI-II全球火点监测产品主要包括全球范围内的火点位置、亚像元火点面积和火点强度等信息,可用于实时监测全球范围的森林草原火灾、秸秆焚烧等生物质燃烧状况。火点判识算法主要根据中红外通道对高温热源的敏感特性,即含有火点的中红外通道像元辐亮度和亮温较远红外通道的辐亮度和亮温偏高,同时较周边非火点的中红外像元偏高,建立合适的阈值可探测含有火点的像元。亚像元火点面积估算主要使用中红外单通道估算,根据亚像元火点面积估算结果对火点强度进行分级,不同的级别表示不同程度的火点辐射强度。基于全球火点自动判识结果,每日生成0.01°分辨率的卫星遥感日全球火点产品,每月生产0.25°×0.25°格点的全球月火点密度图。在利用FY-3D/MERSI-II火点产品开展的全球火点监测应用中,对多起全球重大野火事件进行了监测,为防灾减灾、全球气候变化研究、生态环境保护等方面提供卫星遥感信息支持。  相似文献   

基于机器学习的海洋环境预报订正方法研究     

许立兵  王安喜  汪纯阳  陈悦  陈昱文  周峥  陈幸荣  邢建勇  刘克威  黄小猛 《海洋通报》2020,39(6):695-704

结合中尺度数值模式 WRF 预报数据和 ERA5 再分析资料,利用机器学习方法对 WRF 预报场的风场、温度、气压进行预报订正。采用 ERA5 作为真值,与原始 WRF 预报相比,利用随机森林模型可以将预报结果整体均方根误差降低 44%以 上,利用深度神经网络模型可以将预报结果整体均方根误差降低 34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度,分析了关键的预报订正因子。  相似文献   

基于GIS的森林资源变化研究   总被引：2，自引：0，他引：2  

郭志佳  沈小乐 《测绘与空间地理信息》2007,30(2):97-99

以黑龙江省汤旺河林业局部分区域森林资源为研究对象,以1968年和2004年森林分布图、小班数据库和其他数据资料为基础,以地理信息系统为技术支持,分析林地资源的数量、种类、空间分布及其森林资源的结构变化,在此基础上,调整恢复合理的森林结构,实现森林资源的永续利用。研究结果表明:有林地和非林地面积增加;针叶林所占比例减少,阔叶林增加;森林资源的结构不太合理,中龄林和近熟林面积占据较大比例。  相似文献   

Changes in air pollutants during the COVID-19 lockdown in Beijing:Insights from a machine-learning technique and implications for future control policy          下载免费PDF全文

Jiabao Hu  Yuepeng Pan  Yuexin He  Xiyuan Chi  Qianqian Zhang  Tao Song  Weishou Shen 《大气和海洋科学快报》2021,14(4):63-69

基于2015-2020年北京35个环境空气站和20个气象站观测资料,应用机器学习方法(随机森林算法)分离了气象条件和源排放对大气污染物浓度的影响.结果发现,为应对疫情采取的隔离措施使北京2020年春节期间大气污染物浓度降低了35.1％-51.8％;其中,背景站氮氧化物和一氧化碳浓度的降幅最大,超过了以往报道较多的交通站...  相似文献   

中国碳强度关键影响因子的机器学习识别及其演进   总被引：3，自引：1，他引：2  

刘卫东  唐志鹏  夏炎  韩梦瑶  姜宛贝 《地理学报》2019,74(12):2592-2603

碳强度影响因子数量众多,通过在众多因子中评估其重要性以识别出关键影响因子进而解析碳强度关键因子的变化规律,是中国2030年碳强度能否实现比2005年下降60%~65%目标的科学基础。传统的回归分析方法对于评估众多因子的重要性存在多重共线性等问题,而机器学习处理海量数据则具有较好的稳健性等优点。本文从能源结构、产业结构、技术进步和居民消费等方面选取了56个中国碳强度影响因子指标,采用随机森林算法基于信息熵评估了1980-2014年逐年各项因子的重要性,通过指标数量与信息熵的对应关系统一筛选出每年重要性最大的前22个指标作为相应年度关键影响因子,最终依据关键影响因子的变化趋势划分了3个阶段作了演进分析。结果发现：1980-1991年,碳强度的关键因子主要以高耗能产业规模及占比、化石能源占比和技术进步为主;1992-2007年,中国经济进入快车道增长时期,服务业占比和化石能源价格对碳强度的影响作用开始显现,居民传统消费的影响作用在增大;2008年全球金融危机后,中国进入经济结构深化调整时期,节能减排力度大大增强,新能源占比和居民新兴消费的影响作用迅速显现。为实现2030年碳强度下降60%~65%目标,优化能源结构和产业结构,促进技术进步,提倡绿色消费,强化政策调控是未来需要采取的主要措施。  相似文献