新一代1:50万中国植被图绘制方法探讨

植被图是表示多种植被或植物群落的空间分布规律及其生态环境的地图,它是生物多样性保护、生态研究、自然资源管理和生态恢复的重要依据.目前,中国植被专题资源信息的本底数据《中华人民共和国植被图(1:1000000)》从开始绘制至今已将近40年,中国的植被分布格局已经发生了极大的变化,《中华人民共和国植被图(1:1000000)》已存在植被斑块的类别和边界与现实不符等问题,中国的植被分布本底数据亟待更新.如今卫星遥感技术的发展为实现大面积区域的植被制图提供了一种实用且经济的手段.本文综述了国家尺度植被图的制图方法和卫星遥感技术在植被分类制图上的进展,并以此为基础,探讨中国新一代1:50万植被图的遥感制图方法.新一代1:50万中国植被图的绘制通过众源采集结合专家鉴定的方式获取海量植被类型样本,基于多源遥感数据,以植被斑块为对象,采用深度学习的方式实现遥感植被分类,并基于自主构建的植被在线平台,借助于全国各地的植被生态学家的专业知识实现对制图结果的校订和更新.     

RS和GIS技术在中尺度景观类型划分与制图中的应用:以成都市龙泉驿区为例

以成都市龙泉驿区为研究区,利用Landsat-8 OLI影像、ASTER GDEM等数据,应用RS、GIS技术对景观类型划分与制图进行研究。结果表明:ISODATA遥感影像非监督分类法可以实现研究区地貌类型的自动划分,不但降低了传统分类中主观因素对分类结果的影响,而且把沟谷浅丘等小尺度地貌类型划分出来,确保了地表形态的连续性和渐变性;QUEST、C5.0、MLC分类结果图的总体分类精度、Kappa系数、平均用户精度、平均制图精度大小依次均为QUESTC5.0MLC,平均错分误差、平均漏分误差大小依次均为QUESTC5.0MLC,说明QUEST决策树分类法是进行研究区遥感影像土地利用/覆被类型分类的最佳方法;把Arc GIS空间分析、地图编制技术与Python编程相结合进行景观类型划分与制图,能够克服GIS平台常规功能局限,提高制图效率,具有较强实用性;研究区共划分为18种景观类型,其景观类型分布特点与区域景观格局实际相符,说明集成应用QUEST遥感影像决策树分类、GIS空间分析和地图编制、Python编程技术方法能综合利用多类景观生态分类指标实现研究区景观类型划分与制图,充分说明RS、GIS技术在中尺度景观类型划分与制图中具有较强推广价值和应用前景。     

粤港澳大湾区生态系统服务识别、分类及制图

海岸带生态系统服务识别、分类与制图是合理利用海岸带自然资源,协调海岸带开发与保护矛盾的重要基础。现有生态系统服务分类方法在海岸带应用存在一定的局限性。在前人研究的基础上,以我国城市化和工业化水平较高的粤港澳大湾区为研究区,对该区域海岸带生态系统服务进行识别、分类,并在此基础上使用地图大数据与遥感解译的土地利用数据对海岸带生态系统服务进行了制图。共识别出35种海岸带生态系统服务,并对其中的31种服务进行制图。结果表明,建立的这套方法能较为系统地展示粤港澳大湾区生态系统服务的类型及空间分布特征。具体而言,该区域供给服务和文化服务在城市中心区较为集中,而调节服务多分布于城市周边。对识别的生态系统服务进行综合叠加分析,可将研究区分为文化服务主体区、供给服务主体区、调节服务主体区。建立的海岸带生态系统服务识别、分类体系和制图方法可操作性强,能为我国海岸带生态系统的保育、修复和重建提供科学基础。     

基于遥感技术的植被识别方法研究进展

植被具有明显的年际变化特征,其演替对气候调节以及水土保持具有重要作用。遥感技术是研究区域乃至全球尺度地表植被分布状况以及覆盖度变化的有效手段,可对地表进行长期、连续的观测,具有宏观性、广阔性、多样性以及适应性强等优势。综述和归纳了国内外基于遥感监测技术的植被物候以及植被覆盖度时空动态变化的研究现状、不同卫星遥感数据在植被分类中的应用、遥感植被识别的分类方法,剖析了遥感植被识别分类中决策树等方法及其优缺点,提出今后遥感植被识别分类仍需进一步研究的若干问题。     

基于景观及微地形特征的丘陵区土壤属性预测

为探讨小流域尺度丘陵区的高分辨率数字土壤制图方法,通过对景观相分类的探索,配合应用不同尺度的Geomorphons(GM)微地形特征数据构成分类变量组参与高分辨率土壤pH、黏粒含量和阳离子交换量的预测制图,并与传统数字高程模型衍生变量和遥感变量进行组合与比较分析。此外,采用支持向量机、偏最小二乘回归和随机森林3种机器学习模型择优与残差回归克里金复合参与预测模型的构建与评价。结果表明: 景观及多尺度微地形分类变量组的应用分别提高小流域尺度丘陵地貌区pH、黏粒含量和阳离子交换量预测精度的18.8%、8.2%和8.7%。包含植被信息的景观相分类图相比土地利用数据有更高的模型贡献度;5 m分辨率的GM微地形分类图相比低分辨率的分类图更适宜高精度的预测制图。黏粒含量使用随机森林复合模型有最高的预测精度,而pH和阳离子交换量则不适宜在随机森林模型的基础上加入残差回归克里金模型。景观-多尺度微地形分类变量、数字高程模型衍生变量和遥感变量三者结合的模型预测表现最佳,表明多元变量在起伏地形区域相比单一数据源能够包含更多的土壤有效信息。由GM数据和地表景观数据组成的景观分类变量组作为主要变量能够解释小流域丘陵区部分土壤属性约40%的空间变异。在同类型土壤预测制图研究中,多分辨率GM及景观分类数据有潜力作为环境变量参与预测模型的构建。     

基于面向对象的QuickBird遥感影像林隙分割与分类

传统的实地调查和人工解译方法已经不能满足区域尺度的林隙获取,高空间分辨率遥感影像的出现为区域尺度的林隙获取提供了可能.本研究采用QuickBird高空间分辨率光学遥感影像,结合面向对象分类技术对福建省三明市将乐县将乐国有林场进行林隙分割与分类.在面向对象分类过程中,采用10种尺度(10~100,步长为10)对QuickBird遥感影像进行分割,应用参考对象相交面积(RA_or)和分割对象相交面积(RA_os)进行分割结果评价.对每个尺度分割结果应用16个光谱特征,采用向量机分类器(SVM)进行林隙、非林隙和其他类型分类.结果表明:通过RA_or和RA_os等值法获得最优分割尺度参数为40.不同尺度参数之间的分类总精度最高相差22%.在最优尺度下,应用SVM分类器对林隙、非林隙和其他类型分类的总精度高达88%(Kappa=0.82).采用高空间分辨率遥感数据并结合面向对象的方法,可以代替传统的实地调查和人工解译对区域尺度的林隙进行识别分类.     

基于阈值分割的京津唐城市群生态用地多源遥感识别

当前中国快速城市化进程中的生态环境问题日益突出,在国家生态文明建设理念及新型城镇化战略指引下,有必要通过区域生态用地的快速遥感识别为城市群生态环境问题的有效解决提供基础数据支撑。鉴于不同类型遥感数据在表征特定地物类型的精度上各有优劣,综合多源信息的区域生态用地遥感反演是当前研究的趋势所在。本研究以京津唐城市群为例,综合考虑DMSP/OLS夜间灯光数据和SPOT/VGT数据在建设用地、植被覆盖度识别方面的优点,探讨基于阈值分割法的大尺度区域生态用地多源遥感快速识别方法。研究采用SPOT/VGT数据定量识别林地、草地与耕地,进而基于DMSP/OLS夜间灯光数据区分水体与建设用地。结果表明:京津唐城市群土地覆被整体识别精度达到85.64%,Kappa系数0.771;各类生态用地识别精度均较高,其中林地识别精度最高(90.87%)、水体次之(78.33%)、草地最低(70.97%)。该方法较好地解决了单一遥感数据难以快速区分所有生态用地类型的不足,是基于全球开源数据进行大尺度生态用地快速识别的有效手段。     

遥感用于森林生物多样性监测的进展

随着物种和栖息地的丧失,全球范围的生物多样性保护已经成为迫切的需要。航空航天技术的迅猛发展使遥感成为能提供跨越不同时空尺度监测陆地生态系统生物多样性的重要工具,这方面的研究在欧美等国已经有了小范围的开展,在国内刚刚起步。国外关于生物多样性遥感探测的方法基本有3种:1.利用遥感数据直接对物种或生境制图,进而估算生物多样性;2 .建立遥感数据的光谱反射率与地面观测物种多样性的关系模型;3.与野外调查数据结合直接在遥感数据上进行生物多样性指数制图。研究表明,物种直接制图法只能应用于较小的范围;生境制图的方法,应用广泛,技术相对成熟,研究范围局限于几百公里的范畴,但不能获取生境内部的多样性信息。光谱模型技术目前正处于探索阶段,对于植被复杂、生物多样性高的地域,具有较大的应用潜力。在遥感数据上直接进行生物多样性制图在加拿大已经得到了应用。     

基于多源遥感数据的植物物种分类与识别: 研究进展与展望

物种分类与识别是生物多样性监测的基础, 明确物种的类别及其分布是解决几乎所有生态学问题的前提。为深入了解基于多源遥感数据的植物物种分类与识别相关研究的发展现状和存在的问题, 本文对2000年以来该领域的研究进行了总结分析, 发现: 当前大多数研究集中在欧洲和北美地区的温带或北方森林以及南非的热带稀树草原; 使用最多的遥感数据是机载高光谱数据, 而激光雷达作为补充数据, 通过单木分割及提供单木的三维垂直结构信息, 显著提高了分类精度; 支持向量机和随机森林作为应用最广的非参数分类算法, 平均分类精度达80%; 随着计算机技术及机器学习领域的不断成熟, 人工神经网络在物种识别领域得以迅速发展。基于此, 本文对目前基于遥感数据的植物物种分类与识别中在分类对象复杂性、多源遥感数据整合、植物物候与纹理特征整合和分类算法技术等方面面临的挑战进行了总结, 并建议通过整合多时相监测数据、高光谱和激光雷达数据、短波红外等特定波谱信息、采用深度学习等方法来提高分类精度。     

遥感在生物多样性研究中的应用进展

随着人口的持续增长, 人类经济活动对自然资源的利用强度不断升级以及全球气候变暖, 全球物种正以前所未有的速度丧失, 生物多样性成为了全球关注的热点问题。传统生物多样性研究以地面调查方法为主, 重点关注物种或样地水平, 但无法满足景观尺度、区域尺度以及全球尺度的生物多样性保护和评估需求。遥感作为获取生物多样性信息的另一种手段, 近年来在生物多样性领域发展迅速, 其覆盖广、序列性以及可重复性等特点使之在大尺度生物多样性监测和制图以及评估方面具有极大优势。本文主要通过文献收集整理, 从观测手段、研究尺度、观测对象和生物多样性关注点等方面综述了遥感在生物多样性研究中的应用现状, 重点分析不同遥感平台的技术优势和局限性, 并探讨了未来遥感在生物多样性研究的应用趋势。遥感平台按观测高度可分为近地面遥感、航空遥感和卫星遥感, 能够获取样地-景观-区域-洲际-全球尺度的生物多样性信息。星载平台在生物多样性研究中应用最多, 航空遥感的应用研究偏少主要受飞行成本限制。近地面遥感作为一个新兴平台, 能够直接观测到物种的个体, 获取生物多样性关注的物种和种群信息, 是未来遥感在生物多样性应用中的发展方向。虽然遥感技术在生物多样性研究中的应用存在一定的局限性, 未来随着传感器发展和多源数据融合技术的完善, 遥感能更好地从多个尺度、全方位地服务于生物多样性保护和评估。     

遥感反演植被理化参数的光谱和空间尺度效应

植被理化参数是生态系统中碳和养分等物质循环与能量交换的重要指标,利用遥感技术反演是获取区域及全球植被理化参数的重要手段,但光谱和空间尺度效应的存在,限制了源自不同遥感传感器植被理化参数产品的统一应用。阐述了遥感反演植被理化参数光谱尺度效应的概念及其产生原因,主要从光谱波段位置和波段宽度两方面对国内外相关研究进行了介绍和评述。同时,从遥感反演植被理化参数的空间尺度效应产生原因、空间异质性描述方法和空间尺度转换方法等方面对其国内外研究现状进行了归纳和评述。最后,总结了遥感反演植被理化参数光谱和空间尺度效应研究的不足之处和发展趋势,并指出光谱和空间耦合效应的研究将是一大趋势,而在生态学等领域形成的尺度效应研究的理论和方法也值得借鉴参考。     

基于多光谱影像的森林树种识别及其空间尺度响应

当前,不同空间分辨率卫星影像对森林类型识别结果中普遍存在的尺度效应,而且纹理参量对不同尺度下树种识别精度的影响仍缺乏广泛认知.本研究以中国东北旺业甸林场为研究区,采用观测时相同步、地理坐标匹配的GF-1 PMS、GF-2 PMS、GF-1 WFV,以及Landsat-8 OLI卫星传感器数据组成空间尺度观测序列(1、2、4、8、16、30 m),并结合支持向量机(SVM)模型,探讨了区域内5种优势树种遥感识别结果的尺度变化规律及其纹理特征参数的影响,同时检验了基于尺度上推转换影像的树种识别结果差异.结果表明: 影像空间分辨率对区域树种识别结果具有显著影响,其中,研究区森林树种识别的最佳影像分辨率为4 m,当分辨率降低至30 m时,树种识别结果最差.在1～8 m影像分辨率范围内,增加纹理信息能够显著提高不同优势树种的识别精度,使总分类精度提升了2.0%～3.6%,但纹理信息对16～30 m影像的识别结果没有显著影响.与真实尺度卫星影像相比,基于升尺度转换影像的树种识别结果及其尺度响应特征存在显著差异,表明在面向多个空间尺度的遥感观测和应用研究中,需要采用真实分辨率影像以确保结果的准确性.     

基于多源遥感数据的面向对象林分类型识别

林分类型的识别是森林资源监测的核心问题之一.为研究多源遥感数据协同的面向对象林分类型分类识别,采用Radarsat-2数据和QuickBird遥感影像协同进行面向对象分类.在面向对象分类过程中,采用3种分割方案:单独使用QuickBird遥感影像分割;单独使用Radarsat-2数据分割;Radarsat-2&QuickBird协同分割.3种分割方案均采用10种分割尺度(25～250,步长25),应用修正的欧式距离3指标评价不同分割方案的分割结果,确定最优分割方案及最优分割尺度.在最优分割结果的基础上,基于地形、高度、光谱及共同特征的不同特征组合,应用带有径向基(RBF)核函数的支持向量机(SVM)分类器进行杉木林、马尾松林、阔叶林3种林分类型识别.结果表明:与单独使用一种数据相比,Radarsat-2数据和QuickBird遥感影像协同方案在面向对象林分类型分类方面具有优势.Radarsat-2&QuickBird协同分割方案,以最优尺度参数100进行分割时,分割结果最好.在最优分割结果的基础上,应用两种数据源提取的全部特征进行面向对象林分类型识别的精度最高(总精度为86%,Kappa值为0.86).本研究结果不仅可为多源遥感数据结合进行林分类型识别提供参考和借鉴,而且对于森林资源调查和监测有现实意义.     

高分辨率影像支持的群落尺度沼泽湿地分类制图

湿地作为众多野生动物和植物的栖息地,具有稳定环境及物种基因保护等重要功能.但是,湿地复杂的水陆交界生境特征及难以进入等客观条件限制给湿地研究造成了很大的困难.因此,遥感技术作为地表生态环境过程参量获取的重要工具,在当今湿地科学领域发挥着重要作用,特别是,当前高空间分辨率影像的性能与应用水平不断得到提高.以自然状态下的黑龙江三江平原洪河国家级自然保护区为研究对象,应用飞艇搭载的空间高分辨率摄像系统获取影像地面分辨率为0.13m的影像数据,主要结合面向对象分类方法,开展了基于湿地植物群落尺度的分类制图研究.结果表明:①因飞艇影像对植物形态、纹理等细致特征的刻画非常充分,沼泽植被型、草甸植被型和各种乔木、灌木植被型,都可以在合适的遥感分类方法下提取出来,总体分类精度能达到91.77％;②通过采用针对高分辨率影像面向对象的分类方法与传统的最大似然比遥感分类方法对比,前者达到很高的精度,而后者效果不理想,说明遥感分类方法的选择对于群落尺度湿地植物分类制图结果非常重要;③遥感分类制图的结果显示出研究区湿地植物群落分布格局受到水分环境梯度和微地貌的共同控制,呈现交替环带状分布规律.     

遥感技术在鸟类生态学研究中的应用

获取鸟类活动及生境信息是鸟类生态学研究的基础, 而遥感技术弥补了传统野外调查方法的缺陷, 提供了获取多种信息的新途径。应用遥感技术的鸟类生态学研究热点从最初的种群行为观察, 到栖息地选择, 再到生境适宜性、破碎化及人为干扰探究等, 随着技术的不断发展也在扩展和变化。不同波段或组合下的遥感技术各有所长。光学遥感应用广泛, 尤其是信息量较大的红外波段图像和作为野外鸟巢及物种活动监测常用工具的红外相机; 多光谱图像常用于栖息地制图以及地物识别, 高空间分辨率的数据甚至可对鸟类种群进行直接计数; 高光谱数据则可对光谱特征相似的地物进行更为精确的区分和反演; 激光雷达遥感主要用于栖息地植被结构的三维探测, 为了解鸟类栖息地选择提供更好的依据。微波遥感在飞鸟探测上应用颇多, 近年来多极化数据在复杂栖息地精确制图上也具有优势, 但成本较高、解译复杂且推广度较低。在实际应用中, 遥感数据时空尺度的选择会影响研究结果, 部分遥感反演参数也缺乏生态学意义。多源遥感数据的结合应用能够提升制图分类的精度, 实现数据的时空分辨率互补, 优化鸟类生态研究所需参数。未来的遥感技术在鸟类生态学中的应用应致力于提供更加明确的光谱信息、相对简便的解译方法, 以及更为合理的多源数据组合方式等。     

基于遥感和GIS的土地利用分类方法及其在土地退化程度分析中的应用——以陕西横山雷龙湾地区为例

基于陕西省横山县雷龙湾地区的遥感ETM＋影像,分别采用最大似然法和光谱角制图分类（SAM）方法进行了该区的土地利用类型分类。其中,光谱角制图分类利用最小噪声分离（MNF）及像元纯净指数（PPI）方法提取研究区的地类终端端元,在此基础上绘制土地利用类型图。最大似然法对水体及耕地的分类精度较高,而其它地类精度稍差,沙地有较大漏分;而基于像元纯净指数的光谱角制图法分类对沙地、水体分类效果较好,对建筑用地和非建筑用地区分度较高,但林地和草地有一定混分。根据研究区反照率影像、NDVI以及湿度图像构造了一个土地退化程度指数模型,并选择一定的系数对研究区的土地退化程度进行了分类,利用GIS软件成图输出。利用光谱角制图分类的纯净像元样本进行比较分析,发现土地退化程度指数与土地利用的相关性较强,表明该方法可以较好地反映当地的土地退化程度情况。     

3S技术在绿洲土地覆盖变化研究中的应用研究--以新疆于田绿洲为例

土地利用／覆盖变化（LUCC）是全球变化研究的重要核心问题之一,基于区域和地方尺度的绿洲土地覆盖变化信息的定量提取在干旱区生态环境演变研究中具有重要的价值,也是对全球变化研究的重要补充。选择干旱区典型绿洲新疆于田地区为研究靶区,利用2期不同时相的TM卫星影像,结合多年实地调查所获得的大量数据,根据当地实际情况,选择适宜的分类指标体系,利用遥感、全球定位系统以及地理信息系统技术（3S技术）对图像进行了综合技术处理,获得了较高精度的该区域绿洲LUCC不同类型分类精度统计以及土地利用／覆盖转换矩阵。在此基础上,对跨度近10年的于田绿洲LUCC时空变化格局进行了分析,提出了相应的生态环境改良措施,其方法和结论对塔里木盆地南缘绿洲地区生态环境改良及其可持续发展研究具有一定参考价值。     

利用GIS对吉林针阔混交林TM遥感图像分类方法的初探

为提高林区TM遥感图像自动分类识别精度,在GIS技术辅助下,以吉林省汪清林业局针阔混交林TM遥感图像为例,对研究区DEM、坡向等地理因子和土壤类型等环境因子与森林植被分布之间的内在规律进行了定量分析,并结合对遥感图像预分类的定性分析,形成分类知识库,建立了适用于针阔混交林的自动分类识别专家系统.分类试验证明,该系统能比较明显地削弱混合像元和地形阴影的影响,分类精度较无监督分类法提高了14.22%,Kappa指数为0.7556,达到区别森林类型的分类目的.将GIS数据引入专家系统,应用先验知识建立推理机制,可以解决遥感图像中云区和云阴影区由于不能接收到正确的光谱值而无法进行分类的问题.     

遥感GPP模型在中国地区多站点的应用与比较

在区域和全球尺度上估算植被总初级生产力(GPP)对理解陆地生态系统的碳循环具有重要意义。由于地表异质性的存在,局限在站点尺度上的观测数据无法直接扩展到更大空间尺度的区域上。通过与地面观测数据相结合,遥感成为实现植被GPP空间扩展的主要工具。但是现有模型对气象数据依赖较多,且在不同气象数据集的驱动下,模拟结果间会有差异,进而产生不确定性。建立以遥感数据为主的GPP模型(简称遥感GPP模型),使其易于在区域和全球尺度上应用,是解决上述问题的一个可行方案。该研究使用TG(temperature and greenness model)和VI(vegetation index model)两个遥感GPP模型,结合中国通量观测研究联盟(China FLUX)的台站数据,对中国典型植被类型的GPP进行了模拟、比较与评估,旨在进一步提高遥感GPP模型在中国区域的适用性。结果表明:(1)TG和VI模型选用的遥感参数均与GPP观测值有较高的相关性,都可以得到可信的光合转换系数m和a。基于与夜间地表温度平均值的相关关系,m和a在空间尺度上得到了扩展,这使得TG和VI都可以应用到区域尺度上。(2)TG和VI模型的模拟值与实测值间的相关性大多较高,决定系数(R~2)多在0.67以上。但不同台站间的误差变动较大,TG模型的均方根误差为0.29–6.40 g·m~(–2)·d~(–1),VI模型的均方根误差为0.31–7.09 g·m~(–2)·d~(–1)。(3)总体而言,TG模型的表现优于VI,尤其在海拔或纬度较高、以温度限制为主的台站,TG模型的模拟效果较好。上述结果初步揭示遥感GPP模型具备了在区域尺度上应用的潜力。     

近地遥感在森林冠层物候动态监测中的应用

近地遥感技术是原位观测森林冠层物候的重要手段,具有高时间分辨率的优点,而且空间尺度适中,是实现物候尺度推绎的有力工具.本研究首先评述了利用3种光学传感器(辐射表、光谱仪和数码相机)监测森林物候的近地遥感方法;结合帽儿山通量观测站的实测数据分析识别物候期的不确定性来源,发现最重要的误差来自物候提取方法;剖析近地遥感与其他物候观测方法的衔接以及该技术自身存在的问题.最后提出该领域的重点研究方向: 加强冠层光学(或冠层结构)物候与功能(生理、生态过程)物候的联系;整合各区域冠层物候观测网络,实现冠层尺度的全球物候联网观测与数据共享;充分发挥近地遥感的优势,整合多源多尺度物候数据;发展近地遥感物候模型,改进动态全球植被模型中物候模拟.