排序方式： 共有6条查询结果，搜索用时 15 毫秒
1
1.
汶川地震灾后农田和森林植被恢复遥感监测 总被引：1，自引：1，他引：1
2008年汶川8.0级特大地震对当地的生态系统造成了极大的破坏,为了评估5年来灾区农田和森林植被的恢复情况,利用逐年机载高分辨率遥感影像,结合星载遥感数据和地面调查数据,开展了灾区农林植被恢复状况监测。在农田恢复监测方面,结合2008年地震发生后以及2013年5月中旬的机载高分辨率遥感数据,采用目视解译的方式对汶川地震中受损农田的恢复状况进行监测与评估,同时利用GVG(GPS、Video和GIS)农情采样系统的作物种植成数调查结果,分析了灾后作物种植结构的变化。结果表明,灾区1592 ha受损农田,5年后仅有约17.5%得到了恢复和耕种使用。就耕地利用强度而言,重灾区耕地利用率较高,作物种植结构没有发生重大变化。在森林恢复状况监测方面,对典型区(岷江干旱河谷区和盆周山地区的3个重点区域)采用目视解译方式识别出森林变化,并结合大区域尺度规一化植被指数(NDVI)时间序列变化分析,对整个灾区的森林损毁和恢复情况做出评价。监测结果显示,汶川县、什邡市和绵竹市的森林植被恢复情况总体较好,但是一些坡度较大的损毁区、次生灾害频发区的森林尚未恢复,大区域尺度的统计结果显示,地震重灾区的46381 ha重度损毁森林植被和177025 ha中度损毁森林植被区域,完全恢复的区域占13.52%和25.84%,部分恢复的区域都占到50%。在自然恢复较为困难的区域,如汶川县中部和东北部、都江堰市北部、彭州市北部、什邡市北部、绵竹市北部、安县北部及北川县南部等,需要加强人工干预。遥感监测方法既适用于震后的农田和森林恢复状况动态监测,也适用于其他自然灾害发生时对灾区农田和森林植被破坏状况进行应急监测,具有实际应用价值和良好的发展前景。 相似文献
2.
基于边缘检测算法的LiDAR数据建筑物提取 总被引：4，自引：0，他引：4
LiDAR技术可以快速获取地形表面高精度3维信息。基于LiDAR数据提取建筑物目标是这一技术的重要应用之一。探讨了一种基于LiDAR点云数据生成不同比例尺的DSM深度影像,然后利用边缘检测算子提取建筑物边缘的方法。实验证明,该方法不需要其他辅助数据,可以从LiDAR点云数据中提取建筑物边缘,并滤除了许多干扰信息。这种方法为基于LiDAR数据提取建筑物目标提供了新的思路。 相似文献
3.
小叶锦鸡儿是内蒙古灌丛化草原中最具代表性的景观植物，准确估算小叶锦鸡儿灌丛的地上生物量对研究灌丛化草原生态系统、监测草原灌丛化程度具有重要意义。地基激光雷达TLS(Terrestrial Laser Scanning)可通过获取高密度点云数据准确估算灌木体积，被广泛应用于反演灌木生物量，但在灌丛化草原中尚未得到有效应用。本研究首先在中国科学院灌丛化草地植被恢复试验区获取了5个样方(10 m×10 m)共42株灌丛的TLS点云数据及实测生物量信息；然后分别使用整体凸包法、切片凸包法、切片分割法、体积表面差分法、体素法5种方法计算灌丛体积并与实测生物量进行回归分析；最后，通过留一交叉验证对5种方法建立的生物量估算模型精度进行对比分析。结果表明：TLS可在不破坏植被的情况下实现快速、准确地小叶锦鸡儿灌丛生物量反演，是传统野外调查方法的可靠替代技术。研究中采用的5种方法均能较好地估算灌丛生物量，其中：（1）相比于整体凸包法（R 2=0.87, p<0.001, RMSE=30.50 g），切片凸包法（R 2=0.89, p<0.001, RMSE=28.01 g）与切片分割法（R 2=0.88, p<0.001, RMSE=29.03 g）可有效减弱离群点造成的体积高估，生物量估算精度有所提升；（2）格网大小为3 cm、高度统计变量选取标准差时，体积表面差分法计算的体积与实测生物量拟合度最好(R 2=0.89, p<0.001, RMSE=28.89 g)，表明高度标准差是估算小叶锦鸡儿灌丛生物量的强预测因子；（3）体素法解释了生物量估计值90%的变化(R 2=0.90, p<0.001, RMSE=26.28 g)，是适合小叶锦鸡儿灌丛生物量反演的最优模型。 相似文献
4.
基于时间序列遥感数据获取的多期土地覆被数据对中国人工表面变化信息进行提取和定量评价,进一步分析中国各省市的人均人工表面面积变化趋势,以及7个主要城市群的人工表面变化情况,结果可知:① 2015年中国人工表面的面积总和为29.07万km 2,其中建设用地25.10万km 2、交通用地3.09万km 2、采矿场0.88万km 2;② 2015年人工表面总面积较2010年年均增长为0.66万km 2,年均增速为2.57%,较2000~2010年年均增长0.55万km 2（年均增速2.70%）增速有所放缓。③ 总体上中国大部分行政区的人均人工表面面积近15 a持续提高。 相似文献
5.
生态系统遥感以生态系统为对象，研究生态系统类型、格局、功能、服务及其过程的遥感解析方法，发展遥感驱动的生态系统服务评估方法，揭示贯穿在生态系统类型、格局、功能、服务中的深层次生态系统过程与隐性表现。新一代卫星和传感器为生态系统遥感提供了全新的数据源。生态系统类型和格局辨识能力还有待提高，从而对智能信息提取提出了更高的要求。生态系统功能监测方面还需要充分挖掘遥感数据的深层隐含特征，发展出一些易于处理且能够反映生态系统功能特征的新指标。生态系统服务评估方面仍需，发展遥感驱动的新的生态系统评估模型。与云平台的结合是生态系统遥感的未来发展方向，为全民参与生态环境保护及监督提供了契机，也可为重大工程的生态效应评估提供更丰富的数据支撑。 相似文献
6.
机载激光雷达及高光谱的森林乔木物种多样性遥感监测 总被引：1，自引：0，他引：1
利用机载LiDAR和高光谱数据并结合37个地面调查样本数据,基于结构差异与光谱变异理论,通过相关分析法分别筛选了3个最优林冠结构参数和6个最优光谱指数,在单木尺度上利用自适应C均值模糊聚类算法,在神农架国家自然保护区开展森林乔木物种多样性监测,实现了森林乔木物种多样性的区域成图。研究结果表明,(1)基于结合形态学冠层控制的分水岭算法可以获得较高精度的单木分割结果(R~2=0.88,RMSE=13.17,P0.001);(2)基于LiDAR数据提取的9个结构参数中,95%百分位高度、冠层盖度和植被穿透率为最优结构参数,与Shannon-Wiener指数的相关性达到R~2=0.39—0.42(P0.01);(3)基于机载高光谱数据筛选的16个常用的植被指数中,CRI、OSAVI、Narrow band NDVI、SR、Vogelmann index1、PRI与Shannon-Wiener指数的相关性最高(R~2=0.37—0.45,P0.01);(4)在研究区,利用以30 m×30 m为窗口的自适应模糊C均值聚类算法可预测的最大森林乔木物种数为20,物种丰富度的预测精度为R~2=0.69,RMSE=3.11,Shannon-Wiener指数的预测精度为R~2=0.70,RMSE=0.32。该研究在亚热带森林开展乔木物种多样性监测,是在区域尺度上进行物种多样性成图的重要实践,可有效补充森林生物多样性本底数据的调查手段,有助于实现生物多样性的长期动态监测及科学分析森林物种多样性的现状和变化趋势。 相似文献
1