基于遥感影像的丹霞山国家级自然保护区森林景观格局分析

森林景观格局分析是景观格局优化、森林资源的可持续性经营与保护的重要基础。以无人机遥感影像和DEM为基础数据,利用ArcGIS和Fragstats软件对所选取的不同景观指数进行计算,分析了丹霞山森林景观的类型、格局特征及其地形分异规律。结果表明:1)从类型水平指数来看,丹霞山森林景观类型以天然林为主,占总面积的78.42%,表现出较高的集中连片性;2)从景观水平指数来看,丹霞山景观多样性和均匀度指数均较低,而蔓延度指数和连通度指数则较高,分别为77.85和99.97,表明景观以少数大面积的斑块为主,斑块间连接密切,自然连通度高; 3)从功能分区景观格局和地形分异规律来看,与人类活动密切相关的农田、人工林、裸地、居民地、人工水体和自然水体六类森林景观主要集中分布于海拔较低(60—150 m)、坡度平缓(0—5°)、无坡向的实验区内;灌木、草地、天然林和裸岩四类森林景观则较均衡的分布于海拔60—350m的各级坡度和坡向的核心区和缓冲区内。综上所述,丹霞山森林景观保持完好,破碎化程度较低,人为活动干扰较少,斑块之间物质、能量和物种交换的潜力较大。应建立无人机遥感监测系统,长期、准确的跟踪森林景...     

北部湾茅尾海无瓣海桑红树林地上生物量反演——基于XGBoost机器学习算法

无瓣海桑是广西从自治区外引进的外来红树林树种,采用定量化算法精确估算无瓣海桑地上生物量对红树林生态修复以及海洋蓝碳监测提供经验和方法。论文以广西茅尾海自然保护区无瓣海桑红树林为研究对象,以野外实测无瓣海桑红树林地上生物量数据和Sentinel-1/2卫星提取的后向散射数据、波段数据、植被指数数据和纹理指数数据为数据源,通过分析各遥感因子与实测红树林地上生物量之间的重要性关系,采用极端梯度提升(XGBoost)机器学习算法对比了不同的变量组合对模型精度的影响,最后基于优选的变量组合反演了无瓣海桑红树林的地上生物量。结果表明：(1)研究区无瓣海桑红树林实测树高范围为1.55—13.58m,平均值为8.37m,胸径范围为0.7—41cm,平均值为15.62cm;(2)通过XGBoost算法优选的21个特征变量组合模型拟合效果较好,其模型在测试阶段R²=0.7237,RMSE=21.70Mg/hm²。XGBoost算法反演研究区无瓣海桑地上生物量介于19.14—138.46Mg/hm²之间,平均值为51.92Mg/hm^...     

基于RS与水动力模型的鄱阳湖草洲产卵型鱼类潜在产卵场识别

鱼类产卵场的研究与保护对维持鱼类生物多样性具有重要意义,研究结合遥感数据与水动力模型,旨在识别2000—2020年鄱阳湖草洲产卵型鱼类潜在产卵场,并分析其时空变化特征,探究现有保护区对产卵场的保护效率。结果表明,近20年来鄱阳湖鱼类潜在产卵场面积呈增加趋势,空间上呈现从湖岸向中心扩张趋势。2005年前后潜在产卵场平均面积分别为519.97和694.42 km²,产卵场面积与空间分布均发生显著变化。2005年前潜在产卵场主要分布于鄱阳湖西部的永修、新建,以及东部的鄱阳和南部的余干等地近岸区域。2005年之后产卵场向湖中心扩张,都昌水域出现大片连续的潜在产卵场。鄱阳湖鲤鲫产卵场省级自然保护区内平均包含了17.75%的潜在产卵场,鄱阳湖的蝶形湖平均分布有34.73%的潜在产卵场。潜在产卵场分布可以进一步指导鄱阳湖保护区的优化和鱼类产卵场调查,研究使用的方法也适用于其他区域草洲产卵型鱼类潜在产卵场的识别研究。     

泥炭藓群落的光谱特征及遥感识别研究

以中位泥炭藓（Sphagnum magellanicum Brid.）为研究对象,分别从实测冠层光谱和遥感传感器模拟光谱层面分析其群落的光谱特征。研究结果显示,中位泥炭藓与北方针叶林光谱差异明显,最佳光谱识别区间为740~1140 nm和1230~1412 nm。在可见光波段上,中位泥炭藓与云杉（Picea engelmannii Parry ex Engelmann）和黑松（Pinus contorta Douglas ex Loudon）的绿峰位置有所差异。水竹（Phyllostachys heteroclada Oliver）和中位泥炭藓的光谱识别特征波段集中在可见光-近红外波段,分别为400~550、560~696、1025~1143 nm。中位泥炭藓与北方针叶林以及水竹的特征光谱区间存在细微差异,且与水竹在可见光波段有较好的可分性,因此不同纬度带上中位泥炭藓群落的特征谱宽有所差异。红外波段是中位泥炭藓识别的最佳光谱区间。在多光谱遥感水平上,中位泥炭藓识别效果较好,传感器的识别能力依次为：MSI > ALI > OLI > ASTER。在2个中位泥炭藓群落的光谱特征分析中,导数、对数、包络线去除法的光谱降维能力有所差异,其中包络线去除法效果最好。     

新一代遥感技术助力生态系统生态学研究

随着气候变化和人类活动的加剧, 生态系统正处于剧烈变化中, 生态学家需要从更大的时空尺度去理解生态系统过程和变化规律, 应对全球变化带来的威胁和挑战。传统地面调查方法主要获取的是样方尺度、离散的数据, 难以满足大尺度生态系统研究对数据时空连续性的要求。相比于传统地面调查方法, 遥感技术具有实时获取、重复监测以及多时空尺度的特点, 弥补了传统地面调查方法空间观测尺度有限的缺点。遥感通过分析电磁波信息从而识别地物属性和特征, 反演生态系统组成、能量流动和物质循环过程中的关键要素, 已逐渐成为生态学研究中必不可少的数据来源。近年来, 随着激光雷达、日光诱导叶绿素荧光等新型遥感技术以及无人机、背包等近地面遥感平台的发展, 个人化、定制化的近地面遥感观测逐渐成熟, 新一代遥感技术正在推动遥感信息“二维向三维”的转变, 为传统样地观测与卫星遥感之间搭建了尺度推绎桥梁, 这也给生态系统生态学带来了新的机遇, 推动生态系统生态学向多尺度、多过程、多学科、多途径发展。因此, 该文从生态系统生态学角度出发, 重点关注陆地生态系统中生物组分, 并分别从生态系统类型、结构、功能和生物多样性等方面, 结合作者在实际研究工作中的主要成果和该领域国际前沿动态, 阐述遥感技术在生态系统生态学中的研究现状并指出我国生态系统遥感监测领域发展方向及亟待解决的问题。     

基于多尺度标记优化分水岭方法的油茶冠幅提取

针对尺度对地物空间结构的限制以及传统分水岭分割易产生树冠过分割等问题,选择长沙县明月村油茶基地为研究区,提出一种基于多尺度标记优化分水岭分割油茶树冠的方法。首先使用高分辨率无人机影像采集图像,分析影像特征,构建油茶分类体系,提取油茶林分布区域。其次,运用多尺度区域迭代增长方法提取树冠标记,将标记应用于多阈值尺度的分水岭变换,并结合Johnson指数选取树冠标记增长和分水岭阈值的最优尺度,实现油茶单木的准确识别。结果表明:多尺度标记优化分水岭方法在分离油茶单木时,树冠面积提取值与目视解译参考值的相对误差为9.4%;单木总体识别精度为89.4%,相对于传统的分水岭分割方法精度提高了34.8%;通过Johnson指数确定的最优迭代增长尺度为20,分水岭分割阈值尺度为85,对比不同尺度组合下的油茶冠幅提取结果,最优尺度下的油茶冠幅提取精度最高(R²=0.75)。多尺度标记优化分水岭方法能较准确地分离油茶树冠,将该方法应用于无人机影像树冠分割,可有效提高经济林调查的效率。     

中老铁路经济廊带生态质量及其与人类活动的关系

区域生态质量很大程度上受人类活动强度影响,制约着区域经济可持续发展。以中老铁路经济廊带为对象,重点研究区内人类活动强度对区域生态环境的影响。选取1999、2009、2019年遥感影像计算遥感生态指数(RSEI),采用空间自相关及局域G统计量探测研究区生态质量的时空演变规律,并结合同期人口密度构建地理加权回归模型,定量分析区内人类活动强度引起的生态效应。研究表明: 1999—2019年,区内生态质量经历了先升后降的变化,RSEI均值由1999年的0.645升为2009年的0.738,随后又降为2019年的0.721,中部地区生态质量波动较大;基于地理加权回归模型(GWR)拟合人口密度与生态质量的效果明显好于最小二乘法,基于GWR的不同时期R²均高于0.7且拟合效果稳定,2019年拟合度最好(R²为0.785),1999、2009年R²分别为0.726、0.754;中老铁路沿线南部万象一带的生态质量对人类活动较敏感,以中度敏感区为主。对高、中、低度敏感区而言,人口密度每增长10、100、1000倍将相应导致RSEI均值降低0.2、0.4、0.6。经济廊带发展会导致人口密度增加,在规划布局过程中应控制人类活动,防止潜在敏感区及现有敏感区生态质量进一步恶化。     

基于遥感信息的黄土高原主要灌溉农业分布区生态安全特征

生态安全是区域经济社会可持续发展的重要保证。本研究基于2000—2018年间的遥感数据,系统分析了黄土高原4个主要灌溉农业分布区(银川平原、河套平原、汾河谷地和渭河平原)植被覆盖度(FVC)和遥感生态指数(RSEI)的变化特征。结果表明: 2000—2018年间,研究区FVC整体呈下降趋势,但4个不同灌溉农业分布区FVC变化趋势各异。研究区RSEI整体呈下降趋势,其中,银川平原和渭河平原的RSEI下降明显,分别下降0.06和0.07,河套平原的RSEI无明显变化,而汾河谷地的RSEI整体呈上升趋势。4个区域中,银川平原、汾河谷地的生态稳定性较差,河套平原的生态环境较稳定,而渭河平原的生态环境持续退化。研究结果对区域生态环境保护和农业可持续发展具有重要意义。     

基于BP神经网络与ETM+遥感数据的盐城滨海自然湿地覆被分类

高效而精确的湿地遥感分类是大范围湿地资源动态监测与管理的必要保障。本研究使用ETM 遥感数据,借助Matlab神经网络工具箱,构建了基于BP神经网络的滨海湿地覆被分类模型,并将其应用于江苏盐城沿海湿地珍禽国家级自然保护区的核心区的自然湿地覆被分类研究中。本研究选择3、4、7、8波段作为输入层变量,单隐藏层设为10个节点,输出层变量对应待划分的8种覆被类型,构建三层式BP神经网络滨海湿地覆被分类模型。结果显示,BP分类总精度为85.91%,Kappa系数为0.8328,与最小距离法和极大似然法的分类总精度相比,分别提高了7.99%和6.08%,Kappa系数也相比提高。研究结果表明,BP神经网络分类法是一种较为有效的湿地遥感影像分类技术,能够提高分类精度。     

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。