遥感与模糊评判在森林火灾后生态监测评价中的应用

以遥感资料为信息源，针对森林生态的复杂性与模糊性，采用模糊数学中“多层次模糊综合评判”的方法，对森林火灾后生态景观进行评价及动态监测，以期探索森林火灾后生态监测评价的新途径，为森林生态系统的恢复和重建提供科学依据和决策支持。     

Ⅱ类水体悬移质泥沙含量遥感反演综述

悬移质泥沙是水环境的重要参数之一,其含量的变化对流域生态环境有着多方面的影响。传统研究方法能够实现悬移质泥含量的精确分析,但存在布点有限、时效不足等问题,而遥感技术可弥补传统研究方法的不足,实现大面积水域的同步观测。基于悬移质泥沙含量遥感反演的4类模型:物理模型、半分析模型、经验模型、人工智能算法模型,总结了Ⅱ类水体悬移质泥沙含量遥感反演的研究进展,探讨了反演研究中存在的离水辐亮度提取难度大、混合像元不易分解等问题,并针对我国内陆山区河流,提出山区Ⅱ类水体悬移质泥沙含量遥感反演发展面临的关键问题。     

基于地表粗糙度地学意义的地表真实面积计算

地表真实面积很难直接测量和计算,一般利用投影面积代替地表面积。在地形起伏较小的平原地区,地表真实面积和投影面积相差不大,但在地形起伏复杂的山区,两者差异较为明显,为计算地形起伏复杂的横断山区地表面积,选取西藏自治区昌都县作为研究区,推导了地表粗糙度的地学意义,基于地表粗糙度地学意义计算地表真实面积并定量分析了地表真实面积与垂直投影面积之间的差异。实验结果表明:相同土地覆被下,DEM分辨率越高,地表真实面积与垂直面积差异越大;草地、灌木林地、有林地、疏林地和难利用地的地表真实面积与其垂直投影面积差异较大,分别占垂直投影面积的11.275%、13.447%、16.586%、13.644%和17.282%,对于地形起伏复杂的山区而言,地表真实面积与垂直投影面积之间的差异不容忽视;坡度越大,地表真实面积与垂直投影面积之间的差异越明显,当坡度>75°时,差异迅速增大。基于地表粗糙度地学意义可快速获取地表真实面积,若建立典型地区地表粗糙度数据库,可为该地区土地利用变化、森林资源调查和作物面积估产等提供更加科学有效的数据。     

地震诱发崩塌滑坡敏感性评价 ——以北川县为例

以汶川地震重灾区四川省北川县为例,对研究区进行崩塌滑坡敏感性评价,并探究地震诱发的崩塌滑坡的分布规律。研究建立研究区崩塌滑坡空间数据库,选取距断裂带距离、坡度、坡型、高差、地层岩性等5个因素作为评价指标,采用层次分析法(Analytic Hierarchy Process,AHP)对指标的权重定量,使用因子加权相加模型对北川县的由地震引发的崩塌滑坡敏感性进行评价。研究发现,距断裂带距离和坡度对崩塌滑坡影响较强。研究结果将北川县划分为崩塌滑坡极度敏感区、高度敏感区、中度敏感区、轻度敏感区和不敏感区五个区域。其中,极度敏感区主要分布在北川县东部的龙门山断裂带上,并沿断裂带延伸,在西部河流两岸也有少量分布,高度敏感和中度敏感区在极敏感区外围辐射分布,轻度敏感区和不敏感区主要分布在研究区的西部地区。     

基于MODIS NDVI时间序列数据的藏北草地类型识别

选取西藏自治区申扎县北部部分区域作为藏北草原的典型代表区进行研究。对区域内2009年全年23期MODIS NDVI数据收集处理,得到23个波段的时间序列数据。通过Savitzky-Golay滤波算法优化时间序列数据并对不同类型的时间序列曲线做对比分析,提取分类的特征波段。最后采用非监督分类法把研究区分为沼泽草甸、高寒草甸、中盖度草原、低盖度草原、裸地和水体6种类型,并结合地形数据分析了其中4种草地类型的空间分布特征。一系列的处理结果及分析内容证明了MODIS NDVI时间序列数据在藏北草地类型识别方面的可行性和适用性。     

基于HJ-1A高光谱数据的藏北高原草地分类方法对比

环境减灾星星座A星(HJ-1A)携带的超光谱仪填补了我国星载高光谱影像采集领域的空白,但目前国内关于该高光谱数据的应用较少.本文基于HJ-1A高光谱(HSI)数据预处理技术,以申扎县北部为研究区,采用SPCA-MLC和HSI-SAM分类方法,结合野外实测样本,将研究区分为沼泽草甸、高寒草甸、高寒草原、荒漠化草原和裸地5种类型,并结合分类精度和分类图对2种分类方法进行了对比分析,可得基于HJ-1A高光谱数据的藏北高原草地分类方法中SPCA-MLC法优于HSI-SAM法.2种方法的分类精度皆大于80％,证明了HJ-1A的HSI数据在实现藏北草地高精度分类方面的巨大潜力.     

多云雾地区高时空分辨率植被覆盖度构建方法研究

针对多云雾地区高时空分辨率数据缺乏现状,提出了一套区域尺度高时空分辨率植被覆盖度数据构建方法.首先,通过时空适应反射率融合模型(STARFM)有效地将TM 的较高空间分辨率与MODIS的高时间分辨率融合在一起,构建了研究区植被生长峰值阶段的NDVI数据;然后,以植被生长峰值阶段的NDVI为输入,基于地表覆被类型,综合应用等密度和非密度亚像元模型对研究区的植被覆盖度进行估算.结果表明:①即使数据源存在大量的云雾,且存在一定的时相差异,研究区植被覆盖度的估算结果过渡自然,不存在明显的不接边效应;②以植被生长峰值阶段的NDVI数据为输入进行植被覆盖度估算,有效拉开了同一地表覆被类型不同覆盖度像元的NDVI梯度,提高了亚像元估算模型对输入数据的抗扰动性;③基于地表覆被类型,应用亚像元混合模型,能够提高植被覆盖度的估算精度.经野外实测数据验证,总体约８５％的估算精度表明,针对高时空分辨率遥感数据缺乏的多云雾区域,本研究提出的方法能够实现区域尺度植被覆盖度数据的构建.     

长江上游生态系统土壤保持重要性评价及分区

长江上游是我国西部重要的生态屏障,开展该区的生态系统土壤保持重要性评价级及分区将为长江上游生态系统功能保护区规划的制定提供科学依据。在长江上游土壤侵蚀敏感性评价的基础上,结合土壤侵蚀现状,滑坡泥石流的危害,以及土壤侵蚀对河流、水库等洪水调控能力的影响程度,确定土壤保持重要区域,并根据河流泥沙输移能力分布情况以及土壤保持重要性相同等级成片集中分布且地貌类型一致原则,将长江上游生态系统分为土壤保持极重要区、重要区、较重要区、中等重要区、一般重要区总共5个类型区,对科学地开发利用长江上游土地资源有重要的指导意义。     

基于时空数据融合模型的TM影像云去除方法研究

针对已提出的各类云去除方法在实际应用中存在的局限性,将时空数据融合模型引入到云去除方法中。首先基于MODIS数据提供的时间维变化信息和辅助时相TM数据提供的空间信息,应用增强时空适应反射率融合模型(ESTARFM)得到了目标时相似TM合成数据;然后用TM合成数据替换掉目标时相TM影像中被云及其阴影覆盖区域的数据。在修复后的影像中替换区域与非云区域色调基本一致。通过非云区TM合成数据间接对替换云及其阴影区数据的精度进行定量评价。结果表明:相对于真实TM影像,非云区域合成数据各波段均值差异都在1%以内;各波段的相对误差分别为16.29%、12.92%、13.47%、12.87%、9.71%和11.84%,且各波段的相关系数均大于0.7;非云及其阴影区融合影像数据间接表明填补云及阴影区数据各波段的总体精度优于83%。因此,所提出的方法能够修复TM影像中被云及其阴影覆盖区域的数据,提高MODIS与TM数据的利用率。     

遥感与模糊评判在森林火灾后生态监测评价中的应用

以遥感资料为信息源,针对森林生态的复杂性与模糊性,采用模糊数学中“多层次模糊综合评判”的方法，对森林火灾后生态景观进行评价及动态监测，以期探索森林火灾后生态监测评价的新途径，为森林生态未统的恢复和重建提供科学依据和决策支持。