遥感技术在林业方面的应用范文

遥感技术在林业方面的应用篇1

【关键词】无人机遥感技术；森林资源；调查；运用价值

森林资源的调查是林业活动开展的重要基础，随着社会经济的发展与科技的进步，我国的森林资源调查技术逐渐的完善，尤其是近几年，遥感技术的发展逐渐加快，无人机遥感在森林资源调查中的应用也越来越重要。

一、无人机遥感概述

无人机遥感技术简单的说就是将无人机技术与遥感技术进行有效的结合，其主要的技术内容有无人驾驶飞行技术、遥测遥控技术、遥感传感器技术、通讯技术、遥感应用技术以及GPS差分定位技术，这是一种相对较为综合的技术，起可以快速的对我国森林资源进行调查，并对相应的信息与数据进行掌握，以此来进行对森林资源的调查。这一技术在使用的过程中具有成本低、消耗低、风险小、可以进行重复使用的特点，无人机遥感技术最开始是在侦查方面进行使用，主要用于军事领域，逐渐扩展到气象环境的观测、资源的勘探以及突发事件的处理。无人机遥感以其高效率、高分辨率的优势得到广泛的推广，这也是传统遥感技术难以进行比拟的，这也就逐渐受到研究人员的关注，在一定程度上扩大了无人机遥感的使用。

随着社会经济的发展逐渐加快，科技水平有着显著的提高，无人机遥感技术也有着一定程度的发展，也是由于无人机遥感设备的功能逐渐完善，其在更多的领域得到有效的应用。尤其是在森林资源的调查过程中，无人机以其自身的优势得到相关工作人员的重视，并对我国的森林资源进行了有效的调查，不仅可以有效的预防自然灾害，也可以对出现的自然灾害进行及时、有效的监测，从根本上提高自然灾害的处理效果，降低灾害造成的损失。

二、无人机遥感在森林调查中的运用价值

（一）森林资源调查

森林资源的变化受到广泛的关注，所以对森林资源调查对我国的林业发展有着至关重要的影响，对森林蓄积量的调查与森林资源清查是现阶段遥感技术应用研究的重要内容，这一系列应用在一定程度上彰显了无人机遥感的作用，其不仅可以对森林资源的动态变化进行检测，也可以提高对信息获取的时效性与真实性，同时，图像也可以对现阶段森林的状态与立体覆盖等状况进行真实的反应。此外，无人机遥感的成像速度相对较快，这也就提高的森林资源调查信息的时效性，加强了不同植被所分布的规律，通过不同的遥感资料，来保障森林资源调查的效率与质量。

在对森林资源进行清查的过程总，传统的清查注重对森林资源的面积、树种等方面进行识别，这种调查难以充分的对森林资源中的内容进行充分的管理。而通过无人机遥感技术对森林资源进行监察则可以对森林内部的详细信息进行及时的掌握，也可以全面、准确、客观的对森林的分布状况进行有效的掌握，这也是无人机遥感在森林资源调查中运用的价值。

森林资源进行监测的另一方面内容就是森林的蓄积量监测，遥感影像光谱信息与森林生物之间存在着一定的联系，据相关的研究表明，森林自身的蓄积量与波谱比值之间有着一定的关系，所以无人机遥感在对森林的蓄积量进行调查的过程中有着一定的优势与特点，其不仅可以通过对遥感数字影像来对相应的数据状况进行分析，也可以精确的掌握植被的分布状况，这也是对森林资源进行调查与分析的重要途径。

（二）森林生态环境研究

森林生态环境的研究是全球生态系统的重要组成部分，随着社会经济的发展逐渐的加快，生态环境的平衡受到一定的影响，环境也逐渐开始恶化，这也就在一定程度上影响到了我国国民经济的发展与进步，难以对可持续发展的战略要求进行贯彻落实。无人机遥感技术的应用，可以准确、适时的对森林资源进行调查，及时掌握森林资源的动态发展，这也就为生态的发展奠定了基础。

（三）森林火灾检测与灾情评估

森林防火是现阶段进行森林资源管理中的重要内容，通过传感器来将光波与热红外对森林进行检测，以此来对灾区的位置进行明确，并对火灾的发展方向掌握，这也就为救援提供了相应的依据与基础。无人机遥感以其自身的优势来对火灾的相关信息进行调查，以此为依据制定相应的解决措施，可以在一定程度上减少火灾造成的损失。此外，在我国的林火监测应用技术系统中，无人机遥感技术有着重要的作用，也可以加强森林防火的效果。

（四）森林水文

森林的水文状况也是进行森林调查中的重要内容，其不仅可以保障生态的平衡发展，也可以在一定程度上加强防洪、防旱等方面的效果。无人机遥感技术在森林的水文中有着重要的应用，其对森林水文现象的发生以及其发展的动态规律进行掌握，这也是保障森林发展的重要途径。现阶段水土流失的现象相对较为严重，这也就影响到了森林的发展，而无人机遥感技术在这一方面起到至关重要的作用。

结语

随着社会经济发展与科技的进步，无人机遥感在森林资源调查中的应用也在不断的完善。现阶段的森林调查中对数据的要求逐渐向着多元化的方向发展，对数据的精度、实效以及质量等方面的要求也逐渐严格，这就要求明确无人机遥感在森林资源调查中的价值，并对其中存在的问题进行不断的完善，从根本上保障我国社会的稳定发展。

参考文献

[1]张园，梁世祥等.无人机遥感在森林资源调查中的应用[J].西南林业大学学报，2011（06）

[2]谢涛，刘锐等.基于无人机遥感技术的环境监测研究进展[J].环境科技，2013（08）

作者简介

遥感技术在林业方面的应用篇2

【关键词】森林资源调查；决策树；潍坊安丘市

森林是陆地主要的生态系统，不仅是经济和社会发展的物质基础，还是维持生态平衡和改善生态环境的重要保障，在应对全球气候变化中发挥不可替代的作用[1]。近几年，我国在地区森林资源发展趋势[2]、森林可持续发展的管理方法[3]、森林资源调查方法[4-7]、发展对策[8-10]以及森林资源保护措施[11-12]等方面进行了大量的研究，而遥感技术是森林资源调查中首要手段，其应用及发展具有广阔的前景[12-15]。2008年以来，近红外光谱技术在林业中的应用以及高光谱遥感技术在林业信息提取中的应用都充分说明遥感技术在森林资源调查中越来越重要。可以说掌握森林资源现状的研究手段，对合理分析森林资源以其生态功能、合理经营与科学管理森林资源，实现林业的可持续发展具有重要意义[16-17]。本文在山东省潍坊安丘市凌河镇森林资源调查的基础上，利用山东省森林资源动态监测调查软件、ENVI决策树分类技术对凌河镇森林资源进行林种分类，并提出两种技术手段相结合存在的问题与建议，以期为森林资源可持续发展的科学管理提供参考依据。

1 研究技术与方法

1.1 森林资源动态监测调查系统

1.1.1 操作平台

山东省森林资源动态监测调查系统，是综合运用数据库技术、MIS技术、GIS技术开发的系统，该系统是基于森林资源调查数据的基础上完成相关工作。调查的内容包括调查各类林地面积、蓄积和分布、各类农田林网、农林间作、地堰绿化面积、蓄积和分布以及调查区树木的株数和蓄积[18]。

该系统综合功能强、操作简单。桌面版软件主要是完成小班的内业区划、数据拆分、数据合并、数据下发、数据接收、后期数据处理、数据检查和生成报表等工作（操作界面如图1所示）。移动版软件主要用于外业调查，主要对调查区域进行实地调查、录入小班属性因子和实地拍摄照片等（操作界面如图2所示）。

1.1.2 使用过程

1）桌面端使用过程

桌面版软件使用，以高分辨率的遥感影像数据为工作底图，然后叠加小班数据，也可以添加矢量数据来增加边界的识别程度，填充方式改为透明显示。根据外业工作组的调查对数据进行拆分，但拆分前应该确定软件系统设置中数据字典的完整性，数据字典又分为政区字典和资源字典。

利用软件自带面分割，线分割，合并、分解等处理工具对拆分好的数据库进行图斑编辑，除去实地调查需要实地录入的属性因子，系统会对小班号进行自动赋值和面积自动平差。在相同背景及距离较近的图像小班的属性经常会存在许多因子一样的情况，为了避免重复录入相同的属性信息，减少工作量可以使用属性复制工具。把选中小班的属性信息复制到目标小班。同理利用属性复制工具还可以对多个目标小班进行属性复制。

最后对汇总合并后的调查数据进行数据质检，包括属性检查和空间检查，根据错误提示修改结果，然后输出质检报告和最后的森林资源调查结果。

2）移动端使用过程

将桌面版软件中的工程数据和影像文件进行拆分并拷贝到平板电脑移动版软件中，然后进行软件GPS定位设置，使GPS参数符合外业调查。

实地调查中验证小班边界和小班实际范围是否吻合，采用修边工具对不一致的边界进行调整。对不同的小班（林网小班、间作小班、地堰绿化小班）进行调查时，选中调查地，然后根据实地林种类型进行调查，点击调查表，录入属性因子。调查中根据实地情况的不同还需要填的调查表有未成林、灌木林、幼林标准地调查表，经济林、竹林标准地调查表，苗圃地调查表，散生木调查表等。实地调查还包括村镇树（乡镇范围和城建区范围）信息录入，村镇树实地调查时采用抽样调查的方法。最后将调查结果导入桌面端软件数据库中。

1.2 ENVI决策树分类

1.2.1 分类过程

利用ENVI软件加载高空间分辨率遥感影像数据。进行决策树分类前首先应该获取多源数据。对遥感影像数据进行监督分类获得监督分类结果图、NDVI（归一化植被指数）、DEM（数字高程模型）、Slope（坡度信息提取）、Aspect（坡向信息提取）等定义分类规则，按照二叉树描述方式对数据进行分层。例如，在第一层中以NDVI来区分植被和非植被信息，根据NDVI和实际影像信息来选取合适的阈值划分第一层，然后对第二层中的植被信息根据坡度、高程、光谱信息等数据对植被种类进行划分，以此类推。然后利用ENVI分类菜单下的决策树分类工具进行输入已经定义好了的分类规则，输入规则应严格按照ENVI软件的语言要求输入。最后执行决策树分类，在输出窗口上选择投影参数、重采样方法等信息，然后输出分类结果图[19-22]。

1.2.2 精度分析

分类结果精度评价是分类结果是否可用的一种度量。用混淆矩阵来评价是目前使用较多的一种方法，它是由相同个数的行和列组成的矩阵，行和列的个数代表分类的个数。Kappa系数为非参数统计方法，其值在0-1之间，Kappa系数即考虑了混淆矩阵对角线上被正确分类的像素，又考虑了不在对角线上的各种漏分和错分错误[23-24]。

2 应用案例

2.1 研究区选取

以潍坊安丘市凌河镇赵家沟村附近1km2的地区为应用案例，利用3S技术进行林种划分。赵家沟村位于安丘凌河镇西南的留山北侧山脚，该村大体符合安丘市的地形格局，山区、丘陵与平原大体各占三分之一，且树木种类大体符合安丘凌河镇的现状，凌河镇的植被主要以黑杨为主，还有大面积的桃树、杏树、苹果树等果林，还分布少量的侧柏，观赏和经济植物幼苗为主的苗圃，灌木林及其草地。

2.2 研究方法

首先对高空间分辨率的遥感影像进行裁剪，由于遥感数据为有关部门下发的处理妥善的2012年分辨率为0.5m的航拍数据，所以不需对影像进行预处理，在这里只需要对数据进行裁剪选取自己需要的区域就可以了。利用ENVI软件的裁剪功能选取包括安丘市凌河镇赵家沟村附近的大约1km2（约40000000个像元）的地区进行裁剪。然后在地理空间数据云平台上下载对应地区分辨率为30m的DEM数据，并运用ENVI软件的裁剪功能，以裁剪好的航拍数据为依据裁剪DEM数据。

以凌河镇调查中的实地植被种类为先验知识，对经过裁剪的研究区域用遥感分类方法进行林种监督分类。首先利用目视解译的方法对研究区高分辨率影像进行大体树种划分（主要划分为五种类型：非林地、黑杨、侧柏、灌木林和苗圃林，其中非林地中包含耕地，灌木林中包含草地），然后选取合适的训练样本进行监督分类。运用ENVI遥感软件对影像进行多源信息提取。利用高分辨率和DEM影像提取植被指数（NDVI）和坡度坡向信息，最后利用决策树的分类方法对研究区树种进行分类，并且计算赵家沟村附近区域的森林覆盖率。

利用GIS开发的《山东省森林资源动态监测调查系统》软件移动版加载经过几何校正后的航拍影像来作为外业调查所用的参考底图，选择外业调查线路，携带平板等实地调查仪器去实地进行外业调查，利用平板自带的GPS定位系统开展小班的定位调查，调查记录不同林种的样点，调查录入相关的调查因子，拍摄实地树种样地的照片，保存到平板移动版软件的相关文件夹下。室内将调查结果汇总合并到桌面版软件数据库中。

然后依据《山东省森林资源动态监测调查系统》软件的凌河镇调查结果，选取赵家沟村附近的实际调查数据为依据，利用混淆矩阵中的地表真实感兴趣区对ENVI分类结果进行精度验证。输出Kappa系数和总体精度报告。

2.3 结果与分析

经过此次森林资源调查，潍坊安丘市凌河镇的小班数量一共有1023个，其中非林地小班312个，乔木林小班572个，苗圃地小班95个，未成林造林地小班41个，宜林荒山荒地小班3个。隶属赵家沟村的小班有9个小班，非林地小班有2个，乔木林小班有7个。

图3为研究区域的植被分类图，表1为植被分类结果精度与实地面积表。结果赵家沟村区域可划分为林地与非林地（包含耕地）两大类，林地划分为黑杨、侧柏、灌木林（含草地）和苗圃地。由分类结果表1可知，此次研究总体分类精度为76.7554%，其中非林地占36.36%；有林地占40.4%；还有23.24%的错分像元（图上1像元代表实际面积0.25m2）。错分像元存在的原因主要是由高分辨率航拍影像存在异物同谱和同谱异物现象造成的。影像的空间分辨率越高其所对应的光谱分辨率就会越低，使得地物波谱曲线存在异物同谱和同谱异物的现象。

对有林地的分类结果分析可以发现，黑杨主要集中在赵家沟村周围和道路两侧，其面积为239509.8m2，约占总区域面积的23.95%；灌木林（含草地）主要分布在赵家沟村西北和东南的低山丘陵地带，其面积为157361m2，约占总区域面积的15.74%；侧柏零星分布在村子和东南山丘顶部，其面积为92402.25m2，约占总区域的9.24%；还有苗圃地零星分布在村落的四周，占地面积为68893m2，约占从区域面积的6.89%。最后根据有林地面积与国家特别规定灌木林面积之和比上土地总面积求算得赵家沟附近区域的森林覆盖率约为55.82%。

3 结论

（1）决策树分类是基于遥感影像数据及其他空间数据，通过知识经验总结、简单的数学统计和归纳方法等，获得分类规则并进行分类。相比较单纯利用《山东省森林资源动态监测调查系统》软件为工具所进行的实际林业资源调查而言，以ENVI决策树分类技术、GPS定位技术和GIS调查软件相结合的3S技术可以打破传统森林资源调查的局限，减少地形复杂区域的森林资源调查的困难程度，减少人力和物力资源的浪费，能加快森林资源调查的进程和速度。

（2）遥感影像的光谱分辨率与空间分辨率相互制约，遥感影像的空间分辨率高就意味着遥感影像的光谱分辨率低。使用高空间分辨率遥感影像来进行森林资源调查相比传统的调查方法而言，加快了森林资源调查工作的速度和精准程度。但在本文中高空间分辨率影像的分类研究表明，由于高分辨率遥感影像存在很多因地形、阴影、拍摄时间、拍摄角度、植被生长情况等所造成的异物同谱和同谱异物问题，会造成遥感分类结果中光谱信息相似的地物种类存在错误分类的现象。高空间分辨率影像的低光谱信息量特征是造成树种错误分类结果的主要原因。伴随着高空间、高光谱、微波遥感等遥感技术的发展，高空间、时间分辨率的影像在林业资源调查中的使用将加强森林资源调查的精准度，加快森林资源更新调查的速度，且遥感影像在林业中的应用必然会有广阔的前景。

（3）在此次林业资源调查过程中，3S技术的运用虽然起到了一定的积极效果，但3S技术集成应用的实际功能还未完全的开发出来，结合本文的应用案例分析，造成实际功能不能完全体现的原因主要是由于遥感分类技术达不到林业资源调查的要求；另外在地形复杂的山地和丘陵地区，移动端平板自带的GPS的定位功能会受到地形和树木遮挡的影响，造成定位精度达不到森林资源调查的要求的现象。应该加强各级相关部门的财政投入，更新调查工具和手段，使森林资源调查工作能高效率的展开。但伴随着3S技术的发展，利用3S技术对山地和丘陵地区森林资源的状况进行动态监测会提高森林资源调查的准确性，加快森林资源调查的速度。

致谢

感谢山东省第四地质矿产勘查院元伟涛师兄在数据提供与论文写作上给予的大力帮助。

【参考文献】

[1]国家林业局森林资源管理司.第七次全国森林资源清查及森林资源状况[J].林业资源管理，2010，01：1-8.

[2]陈雪峰.中国森林资源可持续发展问题的探讨[J].自然资源学报，1996，04：318-325.

[3]杨明，王朝琴，彭彰俊.黔南州长顺县林业资源调查与分析[J].森林工程，2013，06：44-46.

[4]邓坤枚.青藏高原林业资源的可持续发展探讨[J].自然资源学报，2000，04：340-347.

[5]代占山.黑龙江省宝清县林业局国有森林资源现状及今后经营利用分析[J].林业勘察设计，2010，01：1-6.

[6]郭生祥，汪有奎，张建奇，等.基于“3S”技术的祁连山自然保护区森林资源调查分析[J].林业实用技术，2011，03：47-49.

[7]张杰.试析我国东北地区林业资源现状及保护措施[J].黑龙江科技信息，2012，（12）：225.

[8]狄文彬，杜鹏志.对北京市森林资源现状及未来发展趋势的探讨[J].山东林业科技，2012，03：128-130+105.

[9]杜志，甘世书，胡觉.西南高山林区森林资源特点及保护利用对策探讨[J].林业资源管理，2014（z1）：27-31.

[10]贺鹏，甘世书，胡觉，等.我国热带林区森林资源动态变化特点及发展保护对策探析[J].林业资源管理，2014（z1）：22-26，36.

[11]龙超，鲁德，龙跃，等.中亚五国林业发展及国际合作展望[J].世界林业研究，2015，01：80-84.

[12]戴前石，谭宽祥，郑红.卫星遥感技术在林地变化监测中的应用[J].林业资源管理，2000，02：57-59.

[13]许国民.森林资源调查技术与方法[J].中国农业信息，2015，11：82.

[14]张鹏程.分析遥感技术在林业中的运用[J].黑龙江科技信息，2015，12：284.

[15]肖永有，刘小强，何伟民.卫星遥感影像在森林资源调查小班区划中的应用[J].南方林业科学，2015，05：40-42.

[16]龚玉梅，张炜.近红外光谱检测技术及其在林业中的应用[J].光谱学与光谱分析，2008，07：1544-1548.

[17]吴见，彭道黎.高光谱遥感林业信息提取技术研究进展[J].光谱学与光谱分析，2011，09：2305-2312.

[18]山东省林业监测规划院.山东省森林资源动态监测系统建设森林资源调查操作细则[M].2014.

[19]陈利，林辉，孙华，等.基于决策树分类的森林信息提取研究[J].中南林业科技大学学报，2013，01：46-51.

[20]罗朝沁，林辉，孙华，等.基于MODIS影像大尺度森林资源信息提取方法研究[J].中南林业科技大学学报，2015，11：21-26+42.

[21]孙静雯，王红旗，张欣，等.基于决策树分类的根河市土地利用变化及驱动力分析[J].中国人口.资源与环境，2014，S1：449-452.

[22]韩婷婷，习晓环，王成，等.基于决策树方法的云南省森林分类研究[J].遥感技术与应用，2014，05：744-751.

[23]刘旭拢，何春阳，潘耀忠，等.遥感图像分类精度的点、群样本检验与评估[J].遥感学报，2006，03：366-372.

遥感技术在林业方面的应用篇3

关键字：土地利用、动态变化、遥感技术、动态监测

中图分类号：P285.2 文献标识码： A

0 前言

土地资源是重要的生产资料，是人们赖以生存和发展的基础。近年来，随着全球人口的不断增加,经济的不断发展，土地资源超量开发，人类生存环境受到了严重的威胁，土地利用/土地覆盖变化已经成为影响全球环境变化的一个重要原因。1993年“国际地圈与生物圈计划”(IGBP)和“全球变化人类影响和响应计划”(HDP)共同将土地利用/土地覆盖变化(LUCC)列为全球变化研究的核心计划[1]。土地利用/土地覆盖现状既反映了过去土地利用历史，又强有力地影响着未来的土地利用方向，因此及时掌握土地利用变化信息已显得非常重要。遥感技术以其快速、准确、准时、周期性短等优点在土地利用/覆盖变化的动态监测中显示出明显的优势，在国内外得到了广泛应用。综合国内外学者的研究成果，现将遥感技术在土地利用类型调查中的研究方向从以下方向进行阐述。

1遥感图像的选择

1.1最佳时相的选择

正确选择遥感图像能大大提高解译的速度和精度。其中时相是反映遥感图像特征的重要因素之一。以植被景观为例进行研究，关于植被景观遥感最佳时相的选择，张银辉等指出不同时相遥感图像的选择对分类精度具有很大的影响，因植物物种、长势及生长阶段等不同而在遥感图像上有不同的光谱表现形式[2~3]。邹尚辉[4]根据植物光谱的种间变化及物候变化和太阳高度角对植物光谱的影响，研究了湖北省及北亚热带植被分类的最佳时相选择问题，指出最佳时期主要集中在4月下旬至5月中旬和10月下旬至次年3月下旬。程弘等[5]通过对TM影像在甘肃省白龙江林区(总面积56.8’万ha)森林资源调查中的应用实践，将遥感图像识别的最佳时期定为秋季和春季。姜晓华等[6]探讨了应用两期遥感数据目视解译调查新伐区的方法，以及所用数据的最佳时相，指出调查新伐区最理想的时相是8、9月份。林辉[7]以山东、河南、江苏、安徽的平原地区为例，结合生产实践对TM图像在森林资源清查中应用的处理问题作了探讨.并指出其时相选择最好在10月中下旬及11月上旬，而山区的选择，较为理想的则是4月、5月、10月、11月。一般时相的选择应在林木生长较为旺盛的时期，但这只是一个总的原则，还要根据不同地区、不同清查需求而定。杨朝俊等[8]概述了植被调查中利用遥感技术的最佳时相的选择，分析了四川森林植被的特点及其遥感干扰信息的物候特点。根据影响遥感时相选择的平台、太阳高度角和代表光谱等因素，针对四川不同地区森林植被遥感识别的特点，按照5个区域提出了四川森林植被遥感识别的最佳时期，主要集中在10月下旬至3月下旬。以上学者分别对不同研究地点的最佳时相进行了研究，最佳时相的选择除受遥感平台、太阳高度角和代表光谱等因素影响外，受地理位置和植被的特性影响也较大。因此，最佳时相的选择具有一定的地域性和特定性。同时，也有学者将最佳时相的选择，用于对农作物的分类，也得出了相同的结论[9~10]。

1.2图像类型和比例尺的选择

目前对图像类型的选择和比例尺的研究还不太成熟，没有统一的定论。张银辉等以对土地利用与土地覆盖的研究为例，指出大区域范围研究一般采用低分辨率的大尺度图像(如:NOAA/ AVHRR 1km数据)，局部区域的土地利用调查一般采用高精度高分辨率的MSS图像、TM图像、SPOT图像或它们之间的结合等。姜晓华等除确定遥感判读的最佳时相以外，又将采伐区目视判读用图的最佳比例尺定为l:2.5万。

2解译范围在遥感图像上的定位

准确界定研究区的范围是遥感在土地利用类型提取中的首要工作。林桂兰等[11]以厦门市饮用水源中的北溪引水渠(管道)和坂头水库为例，根据饮用水源保护区划分原则，研究了基于数字化的地形图建立数字高程模型并自动生成汇水区盆地和流域范围的GIS技术、获取相关自然环境专题信息的遥感技术、以及综合利用社会和自然等多种数据源进行保护区范围界定的方法。利用GIS技术对区域界定确属一种精度较高的方法，但遥感图像的数据量一般都很大，少则几百兆，GIS软件很难处理如此大的图像数据。再者，利用GIS软件进行影像区域界定后，能被遥感判读软件如 Erdas Imagine分析的文件类型十分有限，导致图像的精度明显降低，甚至不能满足需要。

王小龙等[12]采用相似三角形原理，结合海岛多年的潮汐分析，在高分辨率遥感数据的支持下，可以比较准确地确定海岛潮间带范围，特别是对于分辨率为lm左右的IKONOS和 Quick Bird图像，提取结果保持了较高的一致性。使用该种几何方法对研究区域进行界定，虽然取得了较好的效果，但是此方法对图像资料的要求比较高、成本也较高，故也具有很大的局限性。

陆海英等[13]在ArcGIS和 Erdas Imagine软件的支持下，综合考虑建筑物的物理特性和光谱特征，以及城市扩展的规律，将遥感数据、城市建成区边界以及行政边界图叠置起来进行提取，该方法使用方便，操作简单，判读精度也比较高，是对生态旅游地范围精确界定问题的发展和完善。但特别注意的是必须使遥感影像与地形数据、行政区等矢量图层具有一致的坐标系统。

3几种土地利用类型的遥感采集技术

3.1常见的遥感解译方法

刘玉萍[14]以遥感的功能为基础，阐述了遥感目视判读在土地利用类型划分及森林生态变化监测评价研究中的应用和方法，应以常规法和遥感相结合。为森林生态系统恢复提供依据和决策支持。张飞等[15]主要是对遥感影像进行非监督分类，分类后采用合并类、上下文分析、聚类处理等，如果发现精度较低则再次进行解译，再评价，直至获得一个符合精度要求的非监督分类影像。田静毅等[16]采取监督分类和目视解译相结合的方法判读遥感影像，提取土地利用类型预解译图。在室内完成的图件往往存在错误或者难以确定的类型，需要进行野外实地调查与验证。全斌等[17]采用人机交互式解译并结合自动分类对2001年 Landsat TM影像进行解译。张玉进等[18]根据2001年野外实地考察的经验，采用最大似然分类法对上述3个时期的遥感影像进行监督分类，实际操作在软件PCI下进行，最终分类精度均在85%以上，符合研究所要求的精度.吴泉源等[19]利用多期遥感数据，采用目视解译和人机交互计算机分类技术提取 1984至2004年间龙口市海岸带土地利用信息，从土地利用总量变化、土地利用变化速度、土地利用类型之间的相互转化、土地利用类型变化的海岸区位效应等方面分析龙口市海岸带动态变化特点。梁伟等[20]据 1975年的Landsat MSS、1986年和 1997年的1月 Landsat TM影像资料，运用遥感影像计算机自动分类方法获取土地利用信息，用GIS空间分析方法以及数理统计方法全面分析了黄河中游多沙粗沙区1975~1986年和1986~1997年两个时期内各土地利用类型的变化幅度、变化速度、数量变化的区域差异、变化方向以及变化方向的区域差异等。

3.2 高分辨率图像的遥感解译方法

田建林等[21~22]利用Quick Bird影像数据进行土地利用类型调查过程中采用计算机图像预处理与人工目视判读的方法获取相对准确的土地利用类型信息。也利用高分辨率卫星遥感影像代替航空遥感影像进行土地利用现状调查。主要采用目视判读和外业调查的方法来完成遥感图像的判读。目视判读的难点是对易混淆地类和森林类型的判读，包括草地与农田、灌木丛与果园地、经济林与用材林、陡坡地与常年早地等。通过适当的前期图像处理，以建立解译标志为基础，采用综合的判读方法可将上述类型大部分判读出来。

3.3 遥感解译与其他知识相结合的方法

刘云等[23]借助TM遥感影像采用两种方法来解译北京昌平沙河区景观土地利用：其一是利用TM影像的4、5、3波段的假彩色合成来该地区的土地利用解译；其二是借助TM影像3和4波段计算的NDVI来判定土地利用，并与土地统计数据对比，结果表明第一种方法解译城郊景观的土地利用类型效果较好，而第二种方法对有植被覆盖的土地利用类型解译较好。李爱农等[24]针对我国西南地区地貌类型复杂、土地利用多元化的特征，着重研究了在大面积的土地利用调查中应用遥感图像自动分类方法来获取土地利用信息的一整套技术路线和方法；将非监督分类、监督分类以及野外调查、专家知识和特殊地区的分区分类有机地结合起来，大大提高了可操作性和分类精度。李春华等[25]以福州市琅歧岛土地覆盖/土地利用类型为例，以遥感影像解译知识为基础，使用TM、Aster的融合影像和NDVI生成的植被覆盖度影像，并结合DEM、土地利用等地理辅助数据，将DEM和NDVI因子作为待分类影像的波段加入其中，构成新的待分类影像，运用Bayes分类方法，通过循环迭代的方法消除先验概率对分类精度的影响，实例证明比运用单一的分类方法精度明显提高。张春桂等[26]应用新一代对地观测卫星EOS的MODIS数据，在地理信息系统的支持下，对2001~2005年福州地区不同地表类型的归一化植被指数年际动态变化进行计算分析，在此基础上开展福州地区土地利用/覆盖变化的监测研究，并初步分析了土地变化的驱动力。结果表明：基于MODIS的归一化植被指数对区域土地利用/覆盖的年际变化反映是敏感的，应用MODIS数据可以监测区域土地利用/覆盖变化的空间分布和面积大小。

参考文献：

[1]焉莉.基于3S技术的西部石羊河流域土地利用/土地覆盖变化研究[J].地质与资源,2003,12(3):188-192.

[2] Gralldell J.Subpixel land use classification and retrieval of forest stem volume in the boreal forest zone by employing SSMP/I data [J]. Remote sensing of Environment.1998,63:140~154.

[3]张银辉,赵庚星.土地利用/土地搜盖遥感分类方法的研究综述[J].中国农业资源与区划,2002,23(3):21~25.

[4]邹尚辉.植被资源调查中最佳时相遥感图象的选择研究[J].植物学报,1985,27(5):25~31.

[5]程弘,李福林.航天遥感技术在森林资源调查中的应用研究[J].甘肃林业科技,1995,(2):l~6.

[6]姜晓华,韩爱惠,党永峰.应用两期遥感数据目视解译的方法翻查采伐区―以大兴安岭松岭林业局为实验区[J].林业资源管理,2001,(4):60~63.

[7]林辉.林业遥感图像处理点滴[J].云南林业调查规划设计,2001,26(l):40~41.

[8] 杨朝俊,胡庭兴,梁玉喜.四川森林植被遥感识别最佳时相的选择[J].四川林业科技,2005,26(5):68~71.

[9] 李国靖,台社红.北京地区农业卫星遥感数据时相选择[J].中国农业资源与区划,2004(4):40~44.

[10]汪逢熙.棉花遥感识别的最佳时相及地面模式[A].环境监测与作物估产的遥感研究论文集[C].北京:北京大学出版社,1991:86~91.

[11]林桂兰,庄翠蓉,孙飒梅,等.水源保护区划界的遥感与GIS技术研究[J].遥感技术与应用,2002,17(2):99~103.

[12]王小龙,张杰,初佳兰.基于光学遥感的海岛潮间带和湿地信息提取―以东沙岛(礁)为例[J].海洋科学进展,2005,23(4):477~481.

[13]陆海英,杨山,张婷,等.基于遥感的城乡结合部地域范围界定研究―以无锡市为例[J].南京师大学报(自然科学版),2004,27(2):98~102.

[14]刘玉萍.RS技术在编制土地利用类型专题图件中的应用[J].内蒙古林业调查设计,2002,25(4):38~39.

[15]张飞,塔西甫拉提.特依拜,孔祥德等.干早区绿洲土地利用景观空间格局动态变化研究[J].资源科学,2006,28(6):167~174.

[16]田静毅,林年丰,王立新,等.秦皇岛市水土流失遥感调查与监测闭.安徽农业科学,2006,34(16):41~43.

[17]全斌,朱鹤健,陈松林,等.遥感技术在区域土地利用/锁被变化中的应用[J].中国土地科学,2006,20(2):39~43.

[18]张玉进,肖继东,袁春琼,等.基于卫星遥感的区域土地利用/覆盖变化研究[J].新弧气象,2004,27(3):16~19.

[19]吴泉源,侯志华,于竹洲,等.龙口市海岸带土地利用动态变化分析闭.地理研究,2006, 25(5):921~930.

[20]梁伟,杨勤科.基于Rs的黄河中游多沙粗沙区土地利用变化分析[J].水土保持研究,2006,13(5):臾卜92.

[21]田建林,雷平,石军南.QuickBird影像目视判读在土地利用类型调查中的应用研究[J].四川林刊设计,2006,(l):45~48.

[22]金文.区域土地利用/土地覆盖的遥感调查[J].上海标准化,2004,(6):54~56.

[23]刘云,赵群,寇明军,等.基于TM影像的城郊景观土地利用初步研究[J].遥感技术与应用,2005,20(6):563~568.

[24]李爱农,江小波,马泽忠,等.遥感自动分类在西南地区土地利用调查中的应用研究[J].遥感技术与应用,2003,18(5):282~286.

[25]李春华,沙晋明,基于知识的遥感影像的BAYES分类方法研究[J].水土保持研究,2006,13(6):126~ 129.

遥感技术在林业方面的应用篇4

[关键词]遥感技术；红树林湿地；运用

中图分类号：TP79 文献标识码：A 文章编号：1009-914X（2016）02-0293-01

红树林是宝贵的世界海岸湿地资源，在《湿地公约》以记入在册。其主要位于南回归线及北回归线之间，由于在热带和亚热带海岸潮间，故受局部地区暖流因素，可延伸至北纬32°及南纬44°之间的红树林湿地是木本植物群落，其具有海滩淤泥质的植被。其对平衡海陆边缘生态系统至关重要，当前对其主要研究在海岸线变迁方面较为突出。

因红树林湿地在海陆过渡地带，属于海滩淤泥质，同时每天潮长潮落加大淤泥性，人工对其进行研究有定难度。故此过去人工式的调查方式对红树林湿无法做到全面分析。并且将增加人工成本及经济损耗。工作效率不高等问题，因此利用遥感技术是必然趋势。遥感技术可对红树林湿地整体进行详细的生态环境监控和数据分析。其遥感技术对比过去人工优势明显，工作效率高，信息更新及时并且准确等。故此遥感技术对红树林湿地研究尤为重要。

1 红树林湿地的遥感技术概括

1.1 红树林湿地遥感数据源的分析

当前，红树林湿地的遥感技术的遥感影像源是由可见光以及近红外火雷达卫星影像完成。对红树林湿地遥感数据采用不同影像源组合分类。红树林湿地遥常用感图像技术为TM影像。如遇红树林湿地群落结构则使用高光谱遥感。也可借助QuickBird数据源完成更高要求的精度分类及成图。因红树林湿地几何形态，同时生物量皆因.波长的变动，所以红树林湿地的遥感雷达散射系数相对发生改变。

1.2红树林湿地遥感分类方法分析

目前，红树林湿地遥感监测为分类后比较法、神经网络、波段组合、与多时相线性变换等等。这些方式都有者明显优劣势，为保障红树林湿地遥感监测准确性，对树林湿地动态监控经过图1对比分析，可知分类后比较法与主成分分析法较适宜树林湿地

2 红树林湿地遥感技术的运用

2.1遥感技术对红树林湿地动态监测运用

遥感技术对红树林湿地动态监测是对相同位置的不同年份的图像之间的光谱特征加以分析。借助遥感技术的不同时期的数据资料加以高精度分类，最终对定量初级的生产力面积和历史空间数据实际情况研究分析。获得红树林湿地地表生态分布数据。借助遥感技术研究分析红树林湿地在自然因素下产生的变化。为树林湿地的保护和修缮实现技术支持。借助多时相的遥感技术可高效率完成树林湿地分布情况的成果是有目共睹。

2.2遥感技术在红树林湿地景观动态运用

遥感技术在红树林湿地景观动态方面运用，主要表现在对红树林湿地景观历史的发展过程和发展趋势。对红树林湿地景观的控制要素及控制方式，塑造红树林湿地景观动态模型。对动红树林湿地景观后期发展趋势进行预测。完善红树林湿地景观管控数据扶持。将红树林湿地景观发展趋势和影响原因系统分析，为保障红树林湿地的资源数据化和修护技术帮助。

2.2 遥感技术对红树林湿地管理运用

红树林湿地管理主要依靠遥感技术，遥感技术对红树林湿地生物量可加以估测。遥感技术可完成对红树林湿地灾害监管和灾害后的实况分析等。由于遥感技术能够对红树林湿地进行估测，该技术对比过去人工模式更具科学性和合理性。依靠建设红树林湿地生物量的估测模型，完成遥感估测， 分析雷达散射系数数据对比NDVI数据其生物量估测更加精准。完善过去单一借助光学遥感的缺陷，。使红树林湿地的管理拥有重要数据来源及快捷准确的监测模式。能够保证红树林湿地管理研究工作模式提供方案。减少利用光谱特征分析数据，借助回归分析，科学化对实况管理进行估测。从而完善红树林湿地健康管理实时监控以及评估。

3 红树林湿地遥感技术存在的问题

3.1红树林湿地遥感分类精度问题

红树林湿地遥感分类精度问题一直是红树林湿地的主要问题，其影响的主要方面主要来自于光谱分辨情况和空间与时间分辨情况。红树林生长的状态与多方面因素有关，其中适度、温度、地质、水流、自然天气是主要因素。再加之人为的开荒利用和滥伐滥砍，导致红树林的结构分布情况和林地面积受到了很大影响。红树林湿地的异物和同物波谱现象严重，出现了很多杂乱理不清的现象，这也使得精度无法满足人真正的雪球，难以获得最佳的类别划分效果。

3.2红树林湿地遥感监测方式

红树林湿地遥感监测手段重点选用湿地遥感监测的形式比较普遍，而在其他方面的方法使用上较少。目前的状态主要是因为针对红树林的分析研究不够频繁，而且即使有也比较单一，没有再广泛的区域内展开。对综合生态体系没有有效地进行监测和开发，导致不同区域间没有纵向综合比对。而且，单一形式的分析仅仅体现为横向分析，不够具体全面。

4 红树林湿地遥感技术建议

红树林湿地要想实现必要的生态保护离不开对于湿地展开监测和普查，这也是获得科研数据的最新要求。另外伴随着湿地越来越受到人们的重视，国内外专家学者也把红树林湿地当作未来的研究方向和热点内容，在红树林湿地遥感技术的研究建议主要包含以下内容：

4.1重点研究区域

如今红树林湿地受地球气温和其它方面的影响较大，相关地遥感研究与碳循环等内容也成为红树林遥感研究的重要方向，重点在湿地存在的明显退化方面加强了研究。

4.2重点研究方法和措施

红树林湿地研究中，综合采用了遥感定量技术和成果研究，综合了不同的信息量和信息的融聚集合，这也是作为未来发展的一种趋向。红树林湿地研究的动态变化方向主要集中与多源药膏影响的融合过程。

4.3其他表现和方面

现存资料与新的措施和手段的良好结合，可以实现比较精准的定位。有效针对建模分析手段对红树林湿地的作业情况与实验方法结合起来，充分做好红树林湿地模型遥感技术的估量。有效提升遥感数据的分类精准度，提高GPS定位标准，逐步加强红树林湿地的遥感定位使用，强化地理位置的精准分析和定位。有效提升基础数据的完善机制和步伐，逐步形成统一的有效的基准数据库，健全新的数据管理办法。

参考文献

[1]孙永光；赵冬至；郭文永；高阳；苏岫；卫宝泉；红树林生态系统遥感监测研究进展[J]；生态学报；2013年15期

[2]王小军；冯时泽；RS、GIS在海南东寨港红树林保护区地表覆盖研究中的应用[J]；测绘通报；2010年02期

[3]郑德璋，李玫，郑松发，廖宝文，陈玉军；中国红树林恢复和发展研究进展[J]；广东林业科技；2013年01期

[4]戴晓琴；浅谈遥感技术在土地利用中的应用[J]；安徽农学通报；2011年23期

[5]陈会明；浅析遥感技术在我国土地利用调查中的应用[J]；安徽农学通报（上半月刊）；2010年21期

遥感技术在林业方面的应用篇5

关键词：森林资源；调查技术；发展

前言

森林是自然生态环境重要的组成部分，虽然属于可再生资源中的一种，但是由于其生长周期较长，外界因素对其造成的影响也较为显著。所以为了提高森林资源的利用效率，强化森林资源的生长质量，就必须通过人为的监控手段，对现有的森林资源进行不定期或者定期的调查研究，对森林资源的状况进行及时的了解，在第一时间了解其生长过程中的周期变化。

1 森林资源调查

1.1 森林资源简介 森林资源是林地及其所生长的森林有机体的总称。这里以林木资源为主，还包括林中和林下植物、野生动物、土壤微生物及其他自然环境因子等资源。林地包括乔木林地、疏林地、灌木林地、林中空地、采伐迹地、火烧迹地、苗圃地和国家规划宜林地。

1.2 森林资源调查的目的和任务 森林资源调查是为国家、地区及森林经营单位制定林业方针政策，编制林业区划、规划、计划，指导林业生产而提供基础资源数据，为实现森林资源合理经营、科学管理、永续利用、持续发展，充分发挥森林生态效益、经济效益、社会效益服务。森林资源调查的具体任务是用科学方法和先进技术手段，查清森林资源数量、质量及其消长变化状况、变化规律，客观反映森林生长的自然、经济、社会条件，从而进行综合分析和评价，全面准确地提供所需有关森林资源调查成果资料。

2 森林资源调查技术发展概况

20世纪50年代初期，森林资源调查主要采用经纬仪或罗盘仪进行测量，控制调查面积；利用方格法区划林班、小班，设置带状标准地，进行每木检尺以计算森林蓄积。对地形复杂地区采用自然区划和人工区划相结合的方法进行调查。这一阶段基本上是我国森林资源调查队伍和调查技术从无到有的摸索和开创阶段。

20世纪60年代初，随着技术革新的掀起，我国森林资源调查也进行了新技术、新方法的试验研究。

20世纪70年代，考虑到以往森林资源调查方法，都是一次独立性调查，前后期调查结果缺乏连续性、可比性，得不到确切的资源消长变化动态信息。1977年林业部决定在全国建立森林资源连续清查体系。

20世纪从80年代到90年代初，全国各省（区、市）在初建体系的基础上，已先后进行了两次复查，每期复查均获得全国最新森林资源信息，由于各地复查固定样地的复位率较高，增强了前后期调查成果的可比性，从而为准确掌握森林资源消长变化规律奠定了可靠基础，为宏观监测全国森林资源动态起到保证作用。我国在全国范围内建立了25万个固定样地的森林资源连续清查体系，这是对森林资源调查技术的提高和发展，无论在技术上、规模上和组织体系方面均属世界首创。

3 森林资源调查主要技术简介

3.1 遥感 遥感是一种以应用物理手段、数学方法和地理学规律等为基础的综合性探测技术，是一门先进而有效的资源与环境信息获取技术。遥感信息具有宏观、动态、快速、多源等特点，在我国林业别是森林资源监测与管理中起到了重要作用。遥感的分类依据标准的不同而不同，如根据工作平台的不同，可分为地面遥感、航空遥感和航天遥感；根据电磁波的工作波段不同，可分为紫外遥感、可见光遥感、红外遥感、微波遥感。此后，中国先后在东北、西北、西南及南方的主要林区进行过航空调查。

3.2 全球定位系统 全球定位系统是全球卫星定位导航系统的简称，它主要由三大部分组成：即空间星座部分、地面监控部分和用户设备。应用GPS技术进行森林资源调查，有利于提高森林调查质量和水平，提高作业效率和综合效益，减少作业环境的负面影响。目前，GPS技术在我国森林资源调查，特别是二类调查中已经被逐步推广使用，并取得了良好的效益。

3.3 地理信息系统 地理信息系统主要是通过利用计算机系统对划定地域的空间状况、时态、等进行检索分析，通过将计算机中的制图能力、数字图像处理技术等融为一体，使综合分析侦测的数据成为了可能。通过地理信息系统能够合理的建立森林资源地理信息系统，对现有的森林资源进行合理、科学的管理，充分的发挥信息数据在森林资源管理中的作用，降低调查人员的工作量、节约调查的成本。

4 森林资源调查技术发展趋势

4.1 先进调查技术将进一步推广应用 在森林的调查中我们通过实际的研究发现，调差的手段以及方式依旧存在着些许的不足。由于森林面积较为广阔，所以在进行调查中就增大了工作量，使实时性、可靠性等也得不到保障。但是，将3S技术应用于森林的调查过程中，将能够充分的解决问题的出现。

4.2 多层次调查被广泛应用 在航空技术与卫星技术不断完善的今天，将二者进行多层次抽样较差结合在一起，将有效的对森林资源的内部状况进行有效的摄取，对森林资源的调查具有显著的帮助。

结语

我国地大物博、幅员辽阔，森林资源在我国的覆盖面积也十分的广阔，但是由于长时间的乱砍滥伐，我国森林资源遭受了巨大的破坏。通过利用森林资源调查技术将有助于提高对森林资源的监控管理，本文就森林资源调查技术的发展进行详细的研究论述。

参考文献

遥感技术在林业方面的应用篇6

关键词:遥感技术;农业;应用

中图分类号:S127 文献标识码:B文章编号:1009-9166(2010)017(C)-0138-02

引言:遥感(Remote Sensing)即遥远的感知,指在一定距离上,应用探测仪器不直接接触目标物体,从远处把目标的电磁波特性记录下来,通过分析,揭示出物体的特征性质及其变化的综合性探测技术。遥感技术是本世纪六十年代蓬勃发展起来的一门新兴的、综合性的探测技术,随着空间技术、信息技术、电子计算机技术和环境科学的发展,从而逐步形成发展的一门新兴交叉学科技术。而农业遥感是随遥感技术的发展而发展的,在农业领域内最早应用的主要是航空照片。当前应用较多的领域是农作物估产、作物生长状态监测、土地调查、农作物生态环境监测与自然灾害及病虫害监测等方面。同时,农业是遥感技术的最大用户。农业遥感的工作十分广泛。我国是农业大国,改变农业管理水平,合理利用资源,粮食生产等十分需要该项技术为政府决策部门提供准确信息。

一、遥感在农业中的实际应用

1、作物估产

遥感估产是建立作物光谱与产量之间联系的一种技术,通过光谱来获取作物的生长信息。在实际工作中,常常用绿度或植被指数作为评价作物生长状况的标准,植被指数中包括了作物长势和面积两方面的信息。农作物遥感估产的主要步骤为:

(1)遥感估产区划:将条件基本相同的地区归类,以便于作物生长状况的监测与估计模型的构建。

(2)布设地面采样点,监测作物实际生长状况和产量,作为遥感信息的补充和检验。

(3)建立背景数据库系统,存储和管理估产区自然环境等方面的信息,如地形地貌、土地类型和肥力、种植制度、农业气候资料、灾情、历年的单产和总产、种植面积以及人口和社会经济情况等。背景数据库一方面为遥感图像信息分类提供背景,使分类精度提高;另一方面在遥感信息难以获取时,数据库可以支持模型分析,从历史资料和实际样点采集的数据库综合分析,取得当年的实际种植面积和产量。

(4)农作物种植面积提取:如利用TM或SPOT图像自动分类、AVHRR资料混合像元分解、GIS支持下作物播种面积提取等。

(5)不同生长期作物长势动态监测:采用遥感影像获取不同期作物的植被指数,根据植被指数的变化与历年资料的对比,就可以及时获得各种作物在不同生长期的长势,由长势情况就能预报出作物的趋势产量。

(6)建立遥感估产模型,实现作物光谱与产量之间的联系,通过光谱来获取作物的生长信息,目前常用的是根据“光谱―植被指数―产量”之间的关系来建立估产模型。

(7)遥感估产精度的分析和确认,尽可能减少误差。

(8)遥感估产系统的建立:该系统通常包括遥感信息获取、建立背景数据库、估产模型生成工具库、空间分析图形系统等问题。

2、作物生长状态监测

作物长势是作物生育状况总体评价的综合参数。农作物长势监测指对作物的苗情、生长状况及其变化的宏观监测。不同作物的发育期不同、长势不同,它们的光谱反率不同,叶面积和生物产量有很好的线性关系。利用这一特性可以测定叶面积指数,从而监测作物长势,进行估产。也可以利用0.6―0.7微米的可见光与0.75―1.00微米的近红外两个波长范围的反射率比值来估算生长量,比值愈大说明作物生长愈好,反之生长不良。再根据比值与干物重建立回归关系,求出回归系数,从而获得单位面积产量的近似公式。同时粮食生产的丰歉将直接影响着国计民生,而且也是世界粮食市场波动的主要原因。客观地、及时地监测我国主要农作物长势种植状况面积、品种结构尽早预测作物产量对于国民经济、粮食政策制定,粮食市场调节及在世界粮食贸易中占主动地位有重要意义。利用卫星遥感技术监测我国广大农业区作物生产状况,做估测作物产量提供的监测与预测结果,逐步成为各级政府领导部门指导和决策农业生产不可缺少的重要信息。将产生显著的社会效益和经济效益。

3、土地调查

因为不同植被和土壤类型呈现不同色调,因此可用遥感数据区分有无绿色植物生长与土地开发与否,并可进一步进行植被和土壤分类。土地资源是包括气候、地形、土壤、表层岩石、植被森林和草原和水文等的自然综合体,它包括了整个农业生产的生态要素。利用遥感技术进行生态要素的监测既经济又科学,尤其是一些交通不便且面积较大的农牧、林业地区,只有卫星遥感技术能采用不同时期的同一幅影像进行影像叠加、又丁比,可准确地看该地区的土地资源变化,可进行土地分类和生产力评价,对一些地区因人为经营不合理,破坏了生态环境,

引起土壤退化,水土侵蚀严重,水、土、肥流失及土壤盐渍化等现象经过监测,可提出预防和治理措施,建立起良性循环的生态环境条件。应用遥感技术比常规的地面实地勘测不仅节省大量的人力、时间、提高精度,且在经济上收到很可观的效益。

4、农作物生态环境监测

利用遥感技术可以对土壤侵蚀、土壤盐碱化面积、主要分布区域与土地盐碱化变化趋势进行监测,也可以对土壤水份和其他作物生态环境进行监测,这些信息有助于田间管理者采取相应措施。日本利用卫星多光谱资料,对国土进行了年变化监测,清楚地识别了东京湾沿岸的侵蚀情况。德国、日本、印度等国应用卫星成像系统,早期辨别农作物病虫害,及时采取对策,有效地减少了病虫害的危害程度,提高了经济效益。

5、自然灾害及病虫害监测

遥感技术能提供大量的关于森林生长状况和灾害等方面的资料,如森林火险、病虫害发生发展规律,空气污染和暴风灾害等,因为这些灾害所造成的森林动态变化祖损失状况,在乡外彩色像片、陆地卫星多光谱扫描图像上都可识别出来,所以在监测森林灾牢方面应用很广泛。

目前遥感灾害监测已经比较成熟地应用在干旱、洪涝、冻害等农业气象灾害的监测中。气候异常对作物生长有一定影响,利用遥感技术可以监测和定量评估作物受灾害程度,作物受旱灾涝灾影响的面积,对作物损失进行评估,然后针对具体受灾情况,进行补种、浇水、施肥或排水等抗灾措施。根据我国的现阶段的国情,采用NOAA/AVHRR遥感影像作为监测的数据,其时间分辨率高、费用低廉,不失为首选遥感信息源。而在植物病虫害初期,其叶片结构已发生改变,从其近红外光谱反射率可以准确地显示出来。但植物的叶绿素的数量和质量还没有发生改变,其可见光的波段的光谱反射率不会发生明显变化,肉眼也很难观察到。可以利用红外遥感技术及时、准确地进行预测预报。并能分辨植物的受害程度,把病虫害消灭在萌芽状态。如利用0.7―0.9微米的近红外照片可揭示燕麦、小麦的黑锈病。

结束语:遥感技术作为21世纪信息技术的支柱之一在农业发展中发挥着不可估量的作用,遥感在农业发展中的应用范围将不断扩充,也必将进一步推动现代农业的快速、稳定、可持续的发展。随着遥感技术的广泛应用,近年来在农业上的应用向深、宽、广发展。如综合利用遥感、气象和农学信息进行农作物估产,在图像处理中利用K―T变换提取信息,在资源调查中应用多种植被指数进行分析研究等,这表明遥感技术的应用向深度发展。遥感技术和计算机技术相结合,建立各类农业信息管理系统,开辟了农业遥感新的应用领域。相信,应用方法与技术水平随着计算机技术的发展和地理信息系统的建立,遥感技术在农业上应用效果和社会效益日益显著。

作者单位:中国矿业大学环境与测绘学院

参考文献:

[1]梅安新,等.遥感导论[M].北京:高等教育出版社,2001.7.

[2]陈会明.浅谈遥感技术在农业生产中的应用[J].安徽农学通报,2009,15(19).

[3]杜培军.遥感原理与应用[D].徐州:中国矿业大学出版社,2006.7.

[4]章毛连.遥感技术在农业上的应用[J].绵阳经济技术高等专科学校学报,1997年3月第14卷第1期.

遥感技术在林业方面的应用篇7

关键词：遥感监测 NDVI 植被覆盖度 决策分类

中图分类号：Q945 文献标识码：A 文章编号：1674-098X（2014）10（a）-0203-04

遥感是一种非接触、远距离的探测技术。遥感传感器通过对地表物体的电磁波辐射、反射作用的探测，获取被观测地区的遥感数据，并运用一定的科学方法和技术分析地表地物特性，来获取人们所需要的地表信息。遥感技术探测范围大、获取数据量多，能在短时间内对地表进行大面积观测，为人们宏观掌握地面自然状况提供了极为有利的条件，是传统手工作业不可替代的。遥感技术可以动态的反应地面事物的变化，遥感探测可以周期性、重复地对同一地区进行观测，这个特性有助于人们获取相同地点、不同时间的遥感数据，进而观测地表事物的变化[1]。

植被包含森林、草原、作物以及城市绿地等，具有防止沙尘、保持水土、美化环境等多重功效，是生态系统中最为重要的部分之一。城区植被对于城市不仅仅有美化的功效，更在空气污染物的清除、碳的储存与吸收、降温与节能、生物挥发物排放以及水文效益等方面具有要生态效益，目前城市植被的建设已经在城区规划建设中占有了越来越重要的地位。

在遥感领域，植被指数是反映地表植被信息的重要参数，广泛应用于定性和定量评价植被覆盖和生长状况。近年来，国内外利用遥感数据进行地表植被观测的研究越来越多。其中，美国开展了利用高分辨率雷达（AVHRR）监测土地覆盖变化和季节性植被状况研究的项目。新西兰科学家Dymond等使用NDVI植被指数研究新西兰退化草地的植被覆盖度。国不同内也有不少关于植被覆盖度的研究，如陈云浩等利用1983-1992年的AVHRR-NDVI数据对我国不同植被类型的覆盖状况进行了分析等[2]。随着遥感技术的快速发展和遥感数据的不断更新，很大程度上方便了对目标地区的研究，利用遥感数据进行地表植被观测的研究也将越来越多。

植被覆盖度是指在单位面积内植被的垂直投影面积所占总面积的百分比，是衡量地区生态环境优劣的重要标准之一。传统的地表实测手段消耗的人力、物力、财力较大，而且植被覆盖面积的计算精度低、效果差，利用遥感数据提取植被覆盖度已经成为目前最为有效的技术途径。随着遥感技术的发展和更新，极大地方便了对目标地区的研究，该文通过利用遥感软件ENVI对南京城区2000、2003、2006和2009四个年份的植被覆盖度的变化进行提取和分析，试图为南京城区的生态建设和可持续发展提供决策支持[3]。

1 研究区域

南京市作为国家园林城市，积极致力于提高城市绿化覆盖率，提出“城市与自然共存”的原则，实施园林绿地的可持续发展战略。2009年12月，南京提请江苏省政府向国家林业局申报创建“国家森林城市”，并提出2013年建成国家森林城市的奋斗目标，正式启动国家森林城市创建工作。为确保目标实现，南京市委、市政府高度重视国家森林城市创建工作，专门成立了由市长担任组长的“创森”工作领导小组，把创建国家森林城市作为南京建设“绿色都市”、“绿色青奥”和美丽乡村的一项重要任务。2013年9月南京成功获得国家森林城市的称号。

南京市总面积6597 km2，城区园林绿化覆盖总面积达75612 hm2，其中公园绿地6064 hm2，生产绿地2111 hm2，防护绿地1464 hm2，防护绿地8642 hm2，建成区绿地24027 hm2，人均公共绿地17 m2。

本课题所用的数据为Landsat ETM+数据，该数据可以从国际科学数据服务平台下载（http：///），检索信息为：资源卫星Landsat 7 ETM SLC-off，行号120，列号38，云量

2 南京市植被覆盖提取关键技

2.1 研究方案

（1）获取南京地区遥感影像。

（2）利用遥感软件ENVI4.7、Arc Map9.3对遥感数据进行辐射校正、配准（以2000年份图像为基准）、波段整合、剪裁、大气校正等预处理。

（3）提取南京城区植被指数（NDVI）。

（4）计算南京城区植被覆盖度。

（5）分析植被覆盖度变化原因，为日后南京城区的生态建设和可持续发展提供决策支持。

由于Landsat 7ETM+机载扫描行校正器发生的故障而使2003、2006、2009年份的影像存在条带缺损问题，较之2000年份图像需要加做去条带操作，配准时也是以2000年份图像为基准，预处理完成后进行NDVI植被提取进而通过像元二分模型的基础上研究的模型（李苗苗等）做出南京地区植被覆盖度的处理图像，进而进行图像直观比较和计算面积对比[4]。

技术路线如图2。

2.2 植被指数

将Landsat7 ETM+遥感图像经过预处理后，应进行归一化差植被指数NDVI（Normalized Difference Vegetation Index）。NDVI能够反映植被状态，与植被覆盖率紧密相关，因此为目前最广泛运用的植被指数之一。

（1）

遥感技术在林业方面的应用篇8

1.1遥感影像基本定义及介绍

遥感技术自诞生之日起，应用逐步延伸至我们日常生活的每个角落。1943年德国开始利用航空相片制作各种比例尺的影像地图。1945年前后美国开始产生影像地图，我国在20世界70年代开始研制影像地图。[1]在日常工作中，我们常常接触到遥感影像，谈及遥感技术及其应用。那么具体是指什么呢？所谓遥感影像，是指纪录各种地物电磁波数据而生成的各种格式的影像数据，在遥感中主要是指航空影像和卫星影像。目前遥感影像图无论在农业的土地资源调查，农作物生长状况及其生态环境的监测，还是在林业的森林资源调查，监测森林病虫害、沙漠化或是在海洋资源的开发与利用，海洋环境污染监测都有着非常重要的应用。[2]

1.2遥感影像的四个基本特征

遥感影像有其四个基本的影像特征：空间分辨率、光谱分辨率、辐射分辨率、时间分辨率。通常意义上，我们平时最多谈及精度的问题，常常是指空间分辨率（SpatialResolution），又称地面分辨率。后者是针对地面而言，指可以识别的最小地面距离或最小目标物的大小。前者是针对遥感器或图像而言的，指图像上能够详细区分的最小单元的尺寸或大小，或指遥感器区分两个目标的最小角度或线性距离的度量。它们均反映对两个非常靠近的目标物的识别、区分能力，有时也称分辨力或解像力。光谱分辨率（SpectralResolution）指遥感器接受目标辐射时能分辨的最小波长间隔。间隔越小，分辨率越高。所选用的波段数量的多少、各波段的波长位置、及波长间隔的大小，这三个因素共同决定光谱分辨率。光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高，遥感应用分析的效果也就越好。但是，面对大量多波段信息以及它所提供的这些微小的差异，人们要直接地将它们与地物特征联系起来，综合解译是比较困准的，而多波段的数据分析，可以改善识别和提取信息特征的概率和精度。辐射分辨率（RadiantResolution）指探测器的灵敏度——遥感器感测元件在接收光谱信号时能分辨的最小辐射度差，或指对两个不同辐射源的辐射量的分辨能力。一般用灰度的分级数来表示，即最暗——最亮灰度值（亮度值）间分级的数目——量化级数。它对于目标识别是一个很有意义的元素。时间分辨率（TemporalResolution）是关于遥感影像间隔时间的一项性能指标。遥感探测器按一定的时间周期重复采集数据，这种重复周期，又称回归周期。它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏栘系数等参数所决定。这种重复观测的最小时间间隔称为时间分辨率。

2常用遥感影像

2.1一般遥感影像

目前，常用的中分辨率资源卫星有LandsateTM5、中巴资源卫星；以及常用的高空间分辨率的Spot5、Rapideye、Alos、QuickBird、WorldviewⅠ、WorldviewⅡ等。高分辨率遥感影像图信息丰富、成本低、可读性和可量测性强、客观真实的反映地理空间状况，充分表现出遥感影像和地图的双重优势，具有广阔的发展前景。[3]LandsateTM5、中巴资源卫星对大区域范围内的资源变化、国土资源变化、自然或人为灾害、环境污染、矿藏勘探有着较大的优势，但是因为分辨率低，所以在林业遥感判读中误判率相较于其他几种高精度遥感影像高，适合大面积地区的使用，譬如内蒙草原的退化变化以及荒漠化变化的监测等。其中ALOS因卫星故障已经于2011年4月开始较少使用。QuickBird虽然精度较高，但它一般对城区影像的覆盖较多较集中，对山区覆盖较少，而且存档数据很少，需要提前预定。不仅如此，QuickBird数据费用较高，综合以上原因，QuickBird数据一般很难大范围使用，所以在林业项目中使用较少。

2.2前沿遥感影像

WorldviewⅠ、WorldviewⅡ均为Digitalglobe公司的商业成像卫星系统，被认为是全球分辨率最高、响应最敏捷的商业成像卫星。这两颗卫星还将具备现代化的地理定位精度能力和极佳的响应能力，能够快速瞄准要拍摄的目标和有效地进行同轨立体成像。其中WorldviewⅠ为0.5米分辨率。相较于WorldviewⅠ，WorldviewⅡ载有多光谱遥感器不仅将具有4个业内标准谱段（红、绿、蓝、近红外），还将包括四个额外谱段（海岸、黄、红边和近红外Ⅱ），能够提供0.4米全色图像和1.8米分辨率的多光谱图像。需要特别一提的是，WorldviewⅡ提供的四个额外谱段（海岸、黄、红边和近红外Ⅱ）可进行新的彩色波段分析：（1）海岸波段，这个波段支持植物鉴定和分析，也支持基于叶绿素和渗水的规格参数表的深海探测研究。由于该波段经常受到大气散射的影响，已经应用于大气层纠正技术。（2）黄色波段，过去经常被说成是yellow-ness特征指标，是重要的植物应用波段。该波段将被作为辅助纠正真色度的波段，以符合人类视觉的欣赏习惯。（3）红色边缘波段，辅助分析有关植物生长情况，可以直接反映出植物健康状况有关信息。（4）近红外Ⅱ波段，这个波段部分重叠在NIR1波段上，但较少受到大气层的影响。该波段支持植物分析和单位面积内生物数量的研究。林业工作对遥感影像的植被信息较为关注，以上提及的四个额外谱段能提供较多的植被信息。国外相关机构已经将四个特色谱段应用于前沿科学研究，譬如生物量遥感估测应用等等。美中不足的是，相较于其他类型的遥感影像，WorldviewⅠ，WorldviewⅡ影像费用较高，在质量和技术上领先但价格上不占优势，不易于大范围的使用。

2.3林业工作中应用较多遥感影像

除去以上谈及的几种类型的遥感影像，在工作中较多使用到的是Spot5和Rapideye这2种遥感影像。Spot5是由法国发射的一颗卫星，常规提供2.5米全色影像和10米多光谱影像。SPOT5卫星影像的专业制图比例尺为1:25,000，概览成图比例尺极限为1:10,000。工作中，我们通常将2.5米全色影像与10米多光谱影像在正射纠正完后进行融合，生成2.5米空间精度的影像用于林业应用。Rapideye卫星为德国所有的商用卫星，主要性能优势：大范围覆盖、高重访率、高分辨率、5米的多光谱获取数据方式，省去了其他种类遥感影像需要全色影像与多光谱影像融合的步骤，这些优点整合在一起，让RapidEye拥有了空前的优势。RapidEye是第一颗提供“红边”波段的商业卫星，结合4个业内标准谱段（红、绿、蓝、近红外）适用于监测植被状况和检测生长异常情况，在林业领域应用中较为有利。

3遥感影像准备及处理过程

3.1遥感影像准备

每种遥感卫星对地面覆盖范围不同，轨道不同，重访周期不同，拍摄时间、角度不同等等原因，还常受天气影响。因此根据实际需要使用的日期，来查询各景遥感影像是一件颇费周章的工作，一般需要向影像公司提前预定。实际工作中往往要求前后两期遥感影像对比，前后两期遥感影像对时间上的要求较为苛刻，因而这些工作往往经由熟悉遥感业务的高级技术人员执行。另外，遥感影像的购买、使用、存储需要考虑到保密工作，这一点也是需要谨慎对待。工作经验总结出Spot5、Rapideye有时因侧视角度过大原因，导致某些区域拉伸变形，尤其是高海拔山区部分；影像角度需要提前检查，侧视角度最佳保持在20以下。而较小侧视角可以保证邻近2景影像良好的接边，并能保证正射纠正后空间位置的准确性。

3.2遥感影像处理

3.2.1DOM及DEM数据准备通常，在条件良好的情况下，工作中使用1∶10000或更高精度的航片或是已经经过处理的高精度卫片作为DOM参考；但也可以使用的是1∶50000或1∶10000地形图作为参考。在实际工作中，我们往往会遇到DOM参考影像的空间分辨率不一致。在参考选用时，应该按照优先使用高精度DOM参考影像，然后再退而求其次的原则，保证校准的精度。一般地形图需要通过扫描形成DRG数据，在扫描图基础上进行逐公里网定位纠正处理，以达到精确的地理定位。DEM数据一般采用国家标准的1：50000DEM，或采用1∶10000、1∶50000矢量数据生成。DEM覆盖范围要大于遥感影像覆盖范围，这样才能保证遥感影像的有效纠正。

3.2.2影像定位校准及正射纠正使用常用的遥感影像处理软件PCI、ERDAS等，对遥感影像进行定位校准。最理想的情况是同类型遥感影像，同时相影像数据的处理。但实际工作往往只能采用不同类型遥感影像联合使用，譬如有Spot5、Rapideye、LandsateTM5三种影像数据，优先校准Spot5全色影像，然后是Rapideye，最后LandsateTM5。合理安排顺序，优先校准高精度遥感影像，然后再往低精度遥感影像过渡的优先级原则。一般来说，不同时相的影像数据采用相同的地面控制点进行校准配准。以对应比例尺的地形图为地理参照进行控制点查找工作。控制点先在高分辨率的图象上查找，分辨率较低的图象的控制点参照高分辨率的图象查找，后期参照前期查找。每景图像因为所覆盖范围不同控制点数量不一致，单重叠部分的控制点应采用同名点。控制点总体残差控制在规定的范围（与图像的空间分辨率和调查精度要求相关）。如果图象的空间分辨率较高（地面分辨率高于5米），且工作区地形起伏较大，需要采用DEM对图像进行正射纠正，以减少地形的影响。[4]

3.2.3遥感影像融合、拉伸、增强处理针对林业工作中，以植被信息为主，遥感影像通常采用假彩色，以RGB方式融合处理。假彩色针对林业植被的波段特点，能对比明显的反映出地表植被的变化。融合过程中，有着多种算法，一般多采用Brovey算法。通常，融合时，需要全色影像和多光谱影像。以ALOS的组合R（4）、G（3）、B（2）为例，为更好显现植被效果，各通道组合为：Ri4*i5/(i1*0.2+i2*0.8+i3+i4)*3Gi3*i5/(i1*0.2+i2*0.8+i3+i4)*3B(i1*0.2+i2*0.8)*i5/(i1*0.8+i2*0.2+i3+i4)*3；使用Ermapper等处理软件进行假彩色融合后，对图象进行增强拉伸处理。因为图像的多样性，需要先通过线形拉伸处理再辅以人工调节提亮、增强等工作对细节图像纹理信息加以强化，以利于判读人员的判读与勾绘。完成多景图象处理之后，对项目内所有图像进行拼接、镶嵌、裁切工作。

4结束语