调查和规划、动态监测与分析、灾害监测、预报与灾情评估等几个方面【47】。
(1)森林资源调查和规划 1976年,我国首次引进美国陆地卫星影像LaIldsat数据,1977年用于西藏林区的森林资源调查,勾绘了l:50万的森林分布图。
之后一直在不断探索,利用它编制森林分布图、划分森林类型、测算森林的面积与蓄积量。
1999年开始,国家规定各省以L吼dsat数据为依据,结合数理统计抽样技术,开展森林资源连续清查遥感调查。
随着sPOT卫星数据空间分辨率的提高,使更加详细的划分森林类型成为可能,并且提高了编制森林分布图、测算森林的面积与蓄积量的精度,同时也使得该数据的应用更为广泛。
2004年,云南省开始以sPOT数据为依据,代替传统的地形图,开展森林资源连续清查。
随后,广东、福建、贵州三省陆续使用该数据。
ⅨoNOs数据的空间分辨率达到1m,为精准林业提供了可靠的信息源,同时,使树种组的区分成为可能。
(2)森林动态监测与分析 利用不同时期的遥感数据,可以获得森林资源的动态变化情况,为掌握森林植被的动态消长提供客观可靠的信息源。
该方面应用最有影响的是“三北”防护林地区的遥感综合调查,结果显示该区域的森林覆盖率由1977年的6.13%上升到8.43%。
(3)森林火灾监测与预报 利用Avm汛数据和TM数据能准确定位森林火灾、火头位置,预测火势发展方向,为扑灭森林火灾提供可靠依据。
如1987年我国大兴安岭原始森林发生特大火灾,遥感影像不但发现了火头、火灾范围,还发现火势有向内蒙古原始森林逼近的可能,救火指挥部根据这一信息,及时采取有效措施,加以防止,减少了火灾损失。
特别是随着时间分辨率的提高,卫星遥感数据监测森林火灾的优势更加突出。
如MODIs数据,每天可获得至少2次白天和2次黑夜的数据,利于火灾的及时发现和预测。
(4)森林病虫害监测 植物最初遭受病虫害侵袭时,人眼还觉察不出,但其红外波段的光谱值就已发生了较大的变化,从遥感影像提取这些变化的信息,可以为分析病虫害的源地、灾情分布、发展状况提供信息,便于制定科学的防治方针。
如对安徽省全椒县国营孤山林场1988年、1989年发生的马尾松松毛虫害,用TM卫星遥感资料作波谱亮度值分析,提取灾情信息的图像处理,掌握了虫情分布、危害状况,并统计出重害、轻害和无害区所占的面积,有效地指导了松毛虫害的防治和灾后评估。
(5)森林灾害损失评估 利用卫星遥感影像能及时、准确确定各种森林灾害的受灾面积,特别是E.IM、sPOT、IKONOS数据,为灾害的损失评估提供数据,为减灾工作决策提供科学依据。
如在1987年大兴安岭特大火灾的损失评价中,利用卫星资料统计出过火面积为124万公顷,其中重度、轻度、居民点、道路过火面积分别为104.3万公顷、19.3万公顷、0.24万公顷、O.15万公顷,其精度为96%。
1986年我国吉林省长白山自然保护区原始森林遭受特大飓风侵袭,由于该地区交通不便,地面调查困难,利用卫星遥感资料进行了损失评估,得出森林蓄积量损失达185万m3,有效地支持了灾后建设。
卫星遥感是一项不断发展的技术,目前遥感在林业上的应用还有一些关键问题有待解决。
。
如利用陆地卫星资料鉴别不同森林类型的精度还比较低;一些研究报告中提出的提高森林类型分类精度的途径,也还有待于在实践中加以证实;以陆地卫星资料为主进行森林蓄积量估测技术,还没有达到可以应用的水平等。
总而言之,遥感技术在林业上的应用是多方面的,随着遥感技术的发展,遥感影像的空间分辨、光谱分辨率和时相分辨率,计算机图像处理技术,数据库技术的不断提高,以及遥感Rs与GPs与GIs的集成,基于遥感技术的森林资源监测应用将会呈现一个崭新的局面,逐步从宏观走向微观,从定性走向定量。
1.2遥感图像融合 随着遥感技术的飞速发展,光学、热红外、微波、多光谱、高光谱等大量功能各异的遥感器不断更新换代,它们以不同的空间尺度、不同的时间周期、不同的光谱范围以及不同的扫描方向和极化方式等,多方面地反映地物目标的各种特性,构成同一区域的多源数据。
与单源遥感影像数据相比,多源遥感数据既有很重要的互补性,但也存在冗余性。
由于技术条件限制和工作原理的不同,任何来自单一遥感器的信息都只能反映地物目标某一个或某几个方面的特性,而不能反映出其全部特征。
为了能更准确地识别目标,必须从多源数据中提取出比单源数据更丰富、更可靠、更有用的信息。
由此看来,只有把各具特色的多源遥感数据相互结合起来,进行综合分析和对比,相互补充,相互印证,才有可能充分发挥遥感技术的作用,数据融合技术遂应运而生。
数据融合(Da_ta Fllsion)技术是自上世纪70年代以来逐步发展起来的一门新兴技术‘501。
它最早萌芽于计算机视觉和机器智能领域,是一种自动化信息综合处理技术,它充分利用多源数据的互补性和计算机的高速运算能力来获取更有用的信息。
1973年,在美国国防部自主开发的声纳信号理解系统中,融合技术得到了最早的应用田】。
上世纪80年代,美国国防部从海湾战争中体会到多光谱信息融合技术的巨大潜力,此后逐年增加投资力度,在c3I(co衄aⅡd,Con仃ol,Communications aIld Intelli鲫ce)系统的基础上,建立了以数据融合为核心的c4I 4 (command,CoI血ol,cornm吼ications,Computers and【ntelligence)系统。
数据融合在初涉军事目标监测和识别等方面就已经显示出其巨大的优越性,以后逐渐推广到自动控制、生物医学工程、遥感等领域中,同样表现出了巨大的潜力,在国内外得到了普遍关注和广泛应用。
在图像数据融合领域,遥感图像融合是目前应用最广泛的一个分支,而且已基本达到实用化的程度。
遥感图像融合是将同一地区的多源遥感影像数据进行智能化合成,产生比单一信源更可靠、更精确的估计和判断【501。
通过对多源遥感影像融合处理,一方面可有针对性的去除无用信息,消除冗余,大幅度减少数据处理量,提高数据处理的效率,另一方面又能将海量多源数据中的有用信息集中起来,融合在一起,便于各种信息特征优势互补,从而提高影像的空间分解力和清晰度,提高平面测绘精度、分类的精度与可靠性,增强解译和动态监测能力,减少识别目标的模糊性和不确定性,为快捷、准确地识别和提取目标信息奠定基础,有效提高遥感影像数据的利用率。
在目前土地利用分类精度普遍较低、树种分类不高的情况下,融合技术可以为后续分类决策提供更加优化的信息源,从而节省费用开支,提高分类精度,同时也为3s集成技术打下基础。
多源遥感图像融合的目的可以概括为四点:(1)提高遥感影像的空间分辨率;(2)增强遥感影像特征;(3)提高遥感影像分类识别精度;(4)最大限度地实现各类遥感信息互补。
1.3本文研究的目的与意义 虽然多源遥感图像融合的重要性已经成为国内外学者的共识,并开展了卓有成效的研究,且取得了不少较成功的实例。
但作为一门新兴的科学技术,目前现有的多源遥感图像融合技术存在以下问题: (1)首先是遥感影像数据价格过高,偏高的价格限制了大范围的推广应用,不同数据源的价格如表1.1【47】所示。
表1—1各类卫星数据
上一篇:
计算机网络技术精品课程建设总结报告
下一篇:
英文简历范文:人力资源个人简历(七)