Ecological Degradation in Protected Areas: The Case of Wolong Nature Reserve for Giant Pandas
1
2001
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
Responses of Giant Pandas To a Bamboo Die-Off
0
1988
Remote Sensing-based Assessment of the 2005~2011 Bamboo Reproductive Event in the Arakan Mountain Range and Its Relation with Wildfires
1
2017
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
Evaluation of Bamboo as an Alternative Cropping Strategy in the Northern Central Upland of Vietnam: Above-ground Carbon Fixing Capacity, Accumulation of Soil Organic Carbon, and Socio-economic Aspects
0
2012
Economic Analysis of a Hypothetical Bamboo-biochar Plant in Zhejiang Province, China
0
2017
. Bamboo vs. Crops: An integrated Emergy and Economic Evaluation of Using Bamboo to Replace Crops in South Sichuan Province, China
0
2018
Evaluating MODIS Data for Mapping Wildlife Habitat Distribution
1
2008
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
世界竹藤发展趋势
1
2003
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
世界竹藤发展趋势
1
2003
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
1
2002
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
1
2002
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
Bamboo: An Overlooked Biomass Resource?
1
2000
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
Biomass Production in An Age Series of Bambusa Bambos Plantations
0
2001
Bamboo Diversity and Traditional Uses in Yunnan, China
1
2004
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
Estimating Biomass Production and Carbon Storage for a Fast-growing Makino Bamboo (Phyllostachys Makinoi) Plant based on the Diameter Distribution Model
0
2010
Comparing Aboveground Carbon Sequestration between Moso Bamboo (Phyllostachys heterocycla) and China Fir (Cunninghamia lanceolata) Forests based on the Allometric Model
0
2011
Construction of One-way Volume Table for the Three Major Useful Bamboos in Japan
0
2013
Spatiotemporal Estimation of Bamboo Forest aboveground Carbon Storage based on Landsat Data in Zhejiang, China
6
2018
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
... [16 ],中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
... [
16 ]
毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ] 表2 文献中监测的竹种 ...
... 遥感技术可用于竹林扩张监测[57 ] 、叶面积指数反演[61 ] 、碳储量反演[62 ] 、生物量反演[38 ] 和竹林灾害监测[63 ] 研究,为竹林经营管理提供重要理论与技术支撑.Dutta等[57 ] 使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
1
2016
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
世界竹藤商品贸易现状及趋势
1
2009
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
世界竹藤商品贸易现状及趋势
1
2009
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
Bamboo based Family Forests Offer Opportunities for Biomass Production and Carbon Farming in North East India
1
2018
... 竹资源是优良的非木质资源,也是森林生态系统的重要组成部分,在生物多样性与野生动物保护、维持发展中国家农民生计、发展绿色经济、减缓气候变化、改善人居环境、促进就业增收、促进南南合作等方面发挥着重要作用[1 -7 ] .全世界竹种共有1 200余种[8 -9 ] ,约有竹林面积 1 700万hm2 ,竹子广泛分布在除欧洲和西亚以外的所有大陆的热带,亚热带和温带地区,从低地到海拔4 000 m,主要在亚洲[10 -16 ] .中国竹资源面积约占世界竹林面积20%[16 ] ,中国竹种共有40余属,500余种,占世界竹种42%,位居世界第一位,是世界上重要的竹资源产区.竹资源在生物能源、造纸、家居产品、食品加工、旅游观赏以及森林康养等行业占据着重要的地位[12 ,17 ] ,竹子开发与利用为市场提供丰富的绿色环保产品.近年来竹产品进出口贸易额不断增长[18 ] 为竹农带去丰厚的经济收入,同时也为竹资源分布区提供了大量就业机会[19 ] . ...
竹林培育研究进展
1
2018
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
竹林培育研究进展
1
2018
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
Yue Caimei. Forest Inventory and Planning, 2016, 41(4): 1-6.[王宗梅, 徐天蜀,岳彩梅. 基于高分辨率遥感影像的森林信息提取方法综述
1
2016
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
Estimating Bamboo Forest Aboveground Biomass Using EnKF-assimilated MODIS LAI Spatiotemporal Data and Machine Learning Algorithms
1
2018
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
Classification of Tree Species based on Longwave Hyperspectral Data from Leaves, A Case Study for a Tropical Dry Forest
1
2018
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
Prediction of Forest Structural Parameters Using Airborne Full-waveform LiDAR and Hyperspectral Data in Subtropical Forests
1
2018
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
基于高分辨率遥感影像的森林地上生物量估算
1
2013
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
基于高分辨率遥感影像的森林地上生物量估算
1
2013
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
TLS技术在森林资源调查中的应用现状与展望
1
2018
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
TLS技术在森林资源调查中的应用现状与展望
1
2018
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
Mapping Global Bamboo Forest Distribution Using Multisource Remote Sensing Data
4
2018
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
... 高光谱遥感影像在空间纹理信息上不具优势,但相关影像产品和指数产品具有超高的时间分辨率、丰富的光谱信息和适用于大范围监测的特点.植被指数在特定条件下可以消除植被本身、环境和大气条件等因素的影响,高光谱数据的合成的植被指数产品可以准确的进行物候研究,物候研究结果辅助竹资源监测是常用的方法,这在下层竹监测中具有十分广泛的用途.Tuanmu等[33 ] 利用MODIS地表反射率图像(MOD09Q1),根据红波段和近红外波段的地表反射率值计算宽动态范围植被指数获得林下竹林的物候特征,用11个物候特征生成的模型进行竹林分布预测,同时引入海拔变量进行竹资源信息提取.Wang等[48 ] 利用MODIS NDVI提取的植被物候替代和量化下层竹的质量和数量,研究了大熊猫迁徙与竹子植被物候变化的关系.端元波谱提取是高光谱影像分类的主要技术,最小噪声分离结果生成的决策树实现了全球的竹资源监测[27 ] .Cibele等[31 ] 研究发现利用可见光到短波红外数据,采用端元选择方法,竹子用户精度和生产者精度分别达到0.98和0.72.高光谱影像的竹资源监测要注重端元波谱提取和混合像元分解技术研究,同时也要加强分类结果的小区域验证. ...
... 多源遥感数据的融合和结合应用于竹林资源监测,相比于单一遥感数据源会具有更多信息量,融合图像具备更好的空间纹理和目视判别效果.Liu等[52 ] 将GF-1影像多光谱波段、全色波段和TerraSAR-X影像采用二维经验模态分解(简称BEMD)算法进行数据融合,结果表明BEMD方法能够有效提高竹林分类的精度,融合的数据也具有更好的解译精度.Liu等[53 ] 利用Google Earth Engine云平台预处理Landsat OLI数据,添加辅助协变量(地形、植被指数、气候、土壤)应用随机森林分类器分类,结果表明辅助变量的添加能够显著提高分类精度,能够实现监测的空间单元更小以及范围更广.Du等[27 ] 利用MODIS合成产品MOD13Q1、地表反射率数据MOD09A1和Landsat OLI数据,结合多种方式收集的样本对全球竹资源进行监测.基于对竹、阔叶树、针叶树在不同波段上的反射率差异构建决策树,首次进行了全球竹资源监测,监测总体精度0.79. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
Bamboo Classification Using WorldView-2 Imagery of Giant Panda Habitat in a Large Shaded Area in Wolong, Sichuan Province, China
3
2016
... 随着竹类植物基础研究不断进步,竹林高效培育技术的深入研究,竹林经营朝着更加规范化、规模化的方向发展[20 ] ,竹林地上生物量、碳储量有明显增加[16 ] .及时、有效地监测竹资源分布及储量是竹产业规划和发展的关键问题之一,也是竹林高效管理的关键.遥感是一种广泛使用的资源监测技术,在森林资源调查[21 -22 ] 、树种识别[23 ] 、结构参数提取[24 ] 以及生物量反演[25 ] 等方面发挥着重要作用.从20世纪80年代开始,遥感技术用于监测竹资源,目前监测数据源发展到包括光学、SAR和激光雷达等[3 ,26 -28 ] 多种数据,监测内容涵盖了竹资源空间分布、空间和时间上的动态变化、数量和质量的监测、特定竹种识别、生物量反演多个方面.但在不同尺度、不同竹种和不同监测目的的竹资源遥感监测通常采用不同数据源和监测方法,本文系统梳理了各类遥感数据源在竹资源监测中的应用、竹资源时空动态变化监测及竹资源监测分类方法. ...
... 除纹理信息外,机器学习方法对高空间分辨率影像解译表现出很高的精度,同时在下层竹的监测中具有广泛的应用前景.Ghosh等[42 ] 在印度西孟加拉的帕尔加那斯地区对WorldView-2采用面向对象的方法进行竹资源分布制图,面向对象的竹资源分类用户精度和总体精度都超0.9.Tang等[28 ] 利用WorldView-2在卧龙自然保护区进行竹资源监测,结果表明基于对象的分类方法k 最近邻精度最高,研究结果也为下层竹的监测提供了新参考,对大熊猫栖息地保护具有重要意义. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
高分辨遥感技术在德宏州竹类植物资源调查中的应用
3
2012
... 竹资源分布监测通常采用影像解译+地面数据验证的方法,也有研究直接通过目视解译进行竹资源信息提取[29 -30 ] ,数据源和竹种的不同会采取不同的影像解译方法.与其他植被相比,竹子生长迅速,取材和经营周期短,且具有很强的扩张性[31 ] ,因此竹资源分布监测相比其他树种需要更高的时效性.竹子容易与其他植被之间产生“同物异谱、异物同谱”[32 ] 的现象,监测结果容易与其他植被产生错分与漏分的现象,林下灌木层的竹资源(本文简称下层竹)数量和质量与大熊猫等野生动物迁徙和保护息息相关[33 ] ,但下层竹难以直接从遥感影像上监测到.由于地形等因素的影响,竹林分布区域的遥感影像更容易受到云雾干扰,如何有效利用云雾干扰较少的影像且提高竹资源分类精度,这些是竹资源分布监测中亟待解决的问题. ...
... 高空间分辨率遥感影像有丰富的空间纹理信息,有研究利用目视解译方法进行竹资源监测.孙茂盛等[29 ] 利用QuickBird影像对德宏州竹类资源进行目视解译,绘制竹林分布图,得到竹林面积和分布格局.付小勇等[30 ] 根据大型丛生竹资源成伞状的影像分布特点,目视解译勾绘获得德宏州大型丛生竹资源的面积及分布情况.目视解译与勾绘是很好的竹资源监测方法,但监测精度与解译者知识储备有很大的关系,在监测效率和时效性上并不适于大范围和动态监测. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
遥感技术在德宏州大型丛生竹资源监测中的应用研究
3
2012
... 竹资源分布监测通常采用影像解译+地面数据验证的方法,也有研究直接通过目视解译进行竹资源信息提取[29 -30 ] ,数据源和竹种的不同会采取不同的影像解译方法.与其他植被相比,竹子生长迅速,取材和经营周期短,且具有很强的扩张性[31 ] ,因此竹资源分布监测相比其他树种需要更高的时效性.竹子容易与其他植被之间产生“同物异谱、异物同谱”[32 ] 的现象,监测结果容易与其他植被产生错分与漏分的现象,林下灌木层的竹资源(本文简称下层竹)数量和质量与大熊猫等野生动物迁徙和保护息息相关[33 ] ,但下层竹难以直接从遥感影像上监测到.由于地形等因素的影响,竹林分布区域的遥感影像更容易受到云雾干扰,如何有效利用云雾干扰较少的影像且提高竹资源分类精度,这些是竹资源分布监测中亟待解决的问题. ...
... 高空间分辨率遥感影像有丰富的空间纹理信息,有研究利用目视解译方法进行竹资源监测.孙茂盛等[29 ] 利用QuickBird影像对德宏州竹类资源进行目视解译,绘制竹林分布图,得到竹林面积和分布格局.付小勇等[30 ] 根据大型丛生竹资源成伞状的影像分布特点,目视解译勾绘获得德宏州大型丛生竹资源的面积及分布情况.目视解译与勾绘是很好的竹资源监测方法,但监测精度与解译者知识储备有很大的关系,在监测效率和时效性上并不适于大范围和动态监测. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
Mapping Invasive Species and Spectral Mixture Relationships with Neotropical Woody Formations in Southeastern Brazil
4
2015
... 竹资源分布监测通常采用影像解译+地面数据验证的方法,也有研究直接通过目视解译进行竹资源信息提取[29 -30 ] ,数据源和竹种的不同会采取不同的影像解译方法.与其他植被相比,竹子生长迅速,取材和经营周期短,且具有很强的扩张性[31 ] ,因此竹资源分布监测相比其他树种需要更高的时效性.竹子容易与其他植被之间产生“同物异谱、异物同谱”[32 ] 的现象,监测结果容易与其他植被产生错分与漏分的现象,林下灌木层的竹资源(本文简称下层竹)数量和质量与大熊猫等野生动物迁徙和保护息息相关[33 ] ,但下层竹难以直接从遥感影像上监测到.由于地形等因素的影响,竹林分布区域的遥感影像更容易受到云雾干扰,如何有效利用云雾干扰较少的影像且提高竹资源分类精度,这些是竹资源分布监测中亟待解决的问题. ...
... 高光谱遥感影像在空间纹理信息上不具优势,但相关影像产品和指数产品具有超高的时间分辨率、丰富的光谱信息和适用于大范围监测的特点.植被指数在特定条件下可以消除植被本身、环境和大气条件等因素的影响,高光谱数据的合成的植被指数产品可以准确的进行物候研究,物候研究结果辅助竹资源监测是常用的方法,这在下层竹监测中具有十分广泛的用途.Tuanmu等[33 ] 利用MODIS地表反射率图像(MOD09Q1),根据红波段和近红外波段的地表反射率值计算宽动态范围植被指数获得林下竹林的物候特征,用11个物候特征生成的模型进行竹林分布预测,同时引入海拔变量进行竹资源信息提取.Wang等[48 ] 利用MODIS NDVI提取的植被物候替代和量化下层竹的质量和数量,研究了大熊猫迁徙与竹子植被物候变化的关系.端元波谱提取是高光谱影像分类的主要技术,最小噪声分离结果生成的决策树实现了全球的竹资源监测[27 ] .Cibele等[31 ] 研究发现利用可见光到短波红外数据,采用端元选择方法,竹子用户精度和生产者精度分别达到0.98和0.72.高光谱影像的竹资源监测要注重端元波谱提取和混合像元分解技术研究,同时也要加强分类结果的小区域验证. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
... 遥感技术可用于竹林扩张监测[57 ] 、叶面积指数反演[61 ] 、碳储量反演[62 ] 、生物量反演[38 ] 和竹林灾害监测[63 ] 研究,为竹林经营管理提供重要理论与技术支撑.Dutta等[57 ] 使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
竹资源专题信息提取纹理特征量构建研究
2
2010
... 竹资源分布监测通常采用影像解译+地面数据验证的方法,也有研究直接通过目视解译进行竹资源信息提取[29 -30 ] ,数据源和竹种的不同会采取不同的影像解译方法.与其他植被相比,竹子生长迅速,取材和经营周期短,且具有很强的扩张性[31 ] ,因此竹资源分布监测相比其他树种需要更高的时效性.竹子容易与其他植被之间产生“同物异谱、异物同谱”[32 ] 的现象,监测结果容易与其他植被产生错分与漏分的现象,林下灌木层的竹资源(本文简称下层竹)数量和质量与大熊猫等野生动物迁徙和保护息息相关[33 ] ,但下层竹难以直接从遥感影像上监测到.由于地形等因素的影响,竹林分布区域的遥感影像更容易受到云雾干扰,如何有效利用云雾干扰较少的影像且提高竹资源分类精度,这些是竹资源分布监测中亟待解决的问题. ...
... 纹理信息挖掘和使用面向对象分割分类技术能够产生更好的精度[41 ] ,纹理量的提取和优选也提高分类精度的关键.刘健等[32 ] 以ALOS影像分析竹子和其他典型植被的纹理特征差异构建最佳纹理量,利用基于像元与面向对象分类方法表明纹理特征量用于竹资源信息监测的可行性.余坤勇等[41 ] 基于灰度共生矩阵, 分析竹资源与其它植被纹理特征差异,提出“基于光谱片层—面向纹理类”的竹资源专题信息提取技术,纹理均值、熵、角二阶矩是最佳纹理量组合. ...
Mapping Understory Vegetation Using Phenological Characteristics Derived from Remotely Sensed Data
3
2010
... 竹资源分布监测通常采用影像解译+地面数据验证的方法,也有研究直接通过目视解译进行竹资源信息提取[29 -30 ] ,数据源和竹种的不同会采取不同的影像解译方法.与其他植被相比,竹子生长迅速,取材和经营周期短,且具有很强的扩张性[31 ] ,因此竹资源分布监测相比其他树种需要更高的时效性.竹子容易与其他植被之间产生“同物异谱、异物同谱”[32 ] 的现象,监测结果容易与其他植被产生错分与漏分的现象,林下灌木层的竹资源(本文简称下层竹)数量和质量与大熊猫等野生动物迁徙和保护息息相关[33 ] ,但下层竹难以直接从遥感影像上监测到.由于地形等因素的影响,竹林分布区域的遥感影像更容易受到云雾干扰,如何有效利用云雾干扰较少的影像且提高竹资源分类精度,这些是竹资源分布监测中亟待解决的问题. ...
... 高光谱遥感影像在空间纹理信息上不具优势,但相关影像产品和指数产品具有超高的时间分辨率、丰富的光谱信息和适用于大范围监测的特点.植被指数在特定条件下可以消除植被本身、环境和大气条件等因素的影响,高光谱数据的合成的植被指数产品可以准确的进行物候研究,物候研究结果辅助竹资源监测是常用的方法,这在下层竹监测中具有十分广泛的用途.Tuanmu等[33 ] 利用MODIS地表反射率图像(MOD09Q1),根据红波段和近红外波段的地表反射率值计算宽动态范围植被指数获得林下竹林的物候特征,用11个物候特征生成的模型进行竹林分布预测,同时引入海拔变量进行竹资源信息提取.Wang等[48 ] 利用MODIS NDVI提取的植被物候替代和量化下层竹的质量和数量,研究了大熊猫迁徙与竹子植被物候变化的关系.端元波谱提取是高光谱影像分类的主要技术,最小噪声分离结果生成的决策树实现了全球的竹资源监测[27 ] .Cibele等[31 ] 研究发现利用可见光到短波红外数据,采用端元选择方法,竹子用户精度和生产者精度分别达到0.98和0.72.高光谱影像的竹资源监测要注重端元波谱提取和混合像元分解技术研究,同时也要加强分类结果的小区域验证. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
Remote Sensing for Wildlife Management: Giant Panda Habitat Mapping from Landsat MSS images
1
1988
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
大熊猫主食竹资源的遥感调查
1
1989
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
大熊猫主食竹资源的遥感调查
1
1989
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
Estimation of Bamboo Resources in Kerala by Remote Sensing Techniques
2
1998
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
基于时序Landsat数据的浙江省竹林信息提取及时空演变
2
2019
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
... 竹林动态监测是了解竹资源在空间和时间上变化的重要途径,竹林动态监测是通过遥感图像解译获得不同时间的竹林分布信息,利用误差矩阵进行变化信息监测,误差矩阵可以判读竹林在土地利用变化中的增加或消减.Shah等[54 ] 利用最大似然法分类和误差矩阵对进行竹林资源变化监测.范少辉等[55 ] 利用3期Landsat ETM+影像结合地形图、DEM等资料,采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息提取方法实现了对顺昌县竹资源动态监测.邓旺华[56 ] 采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息,从4个时期TM/ETM 影像提取顺昌县竹资源分布图,监测了4个时期竹林变化情况.李阳光等[37 ] 利用4个时期Landsat遥感影像,采用最大似然法提取了浙江省土地利用和竹林的时空分布信息,实现了高精度监测浙江省竹林资源动态变化. ...
基于时序Landsat数据的浙江省竹林信息提取及时空演变
2
2019
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
... 竹林动态监测是了解竹资源在空间和时间上变化的重要途径,竹林动态监测是通过遥感图像解译获得不同时间的竹林分布信息,利用误差矩阵进行变化信息监测,误差矩阵可以判读竹林在土地利用变化中的增加或消减.Shah等[54 ] 利用最大似然法分类和误差矩阵对进行竹林资源变化监测.范少辉等[55 ] 利用3期Landsat ETM+影像结合地形图、DEM等资料,采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息提取方法实现了对顺昌县竹资源动态监测.邓旺华[56 ] 采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息,从4个时期TM/ETM 影像提取顺昌县竹资源分布图,监测了4个时期竹林变化情况.李阳光等[37 ] 利用4个时期Landsat遥感影像,采用最大似然法提取了浙江省土地利用和竹林的时空分布信息,实现了高精度监测浙江省竹林资源动态变化. ...
Estimating Canopy Structure and Biomass in Bamboo Forests Using Airborne LiDAR Data
3
2019
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
... 激光雷达是一种主动遥感技术,它能够直接测量激光扫描仪与反射目标之间的距离,得到高精度的3D点云[49 ] ,激光雷达具有精确表征森林冠层结构和估算森林生物量的潜力[50 ] .在竹资源遥感监测中,激光雷达技术被用于竹林结构参数提取、竞争研究和生物量反演.夏明鹏[39 ] 利用地基激光雷达进行竹阔混交林竞争研究,通过地基激光雷达扫描数据提取竹林结构参数,提取的胸径精度R 2 在0.99以上,研究结果表明TLS技术能够满足竹林资源调查研究中的应用需求.Yan等[51 ] 通过地面激光扫描(TLS)来分析毛竹与混交林中的阔叶树之间的竞争,研究结果表明利用TLS技术可以很好地描述阔叶树与竹之间的竞争.Cao等[38 ] 利用机载激光雷达精确推导高分辨率DTM,提取竹林结构参数反演毛竹林中生物量.地基激光雷达在小范围结构参数提取中获得了很高精度,但不适用于大范围监测.机载激光雷达数据相比更加灵活、监测范围更广,在林分密度大的竹林中具有更多的冠层信息. ...
... 遥感技术可用于竹林扩张监测[57 ] 、叶面积指数反演[61 ] 、碳储量反演[62 ] 、生物量反演[38 ] 和竹林灾害监测[63 ] 研究,为竹林经营管理提供重要理论与技术支撑.Dutta等[57 ] 使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
TLS技术在竹林调查中的研究与应用
2
2017
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
... 激光雷达是一种主动遥感技术,它能够直接测量激光扫描仪与反射目标之间的距离,得到高精度的3D点云[49 ] ,激光雷达具有精确表征森林冠层结构和估算森林生物量的潜力[50 ] .在竹资源遥感监测中,激光雷达技术被用于竹林结构参数提取、竞争研究和生物量反演.夏明鹏[39 ] 利用地基激光雷达进行竹阔混交林竞争研究,通过地基激光雷达扫描数据提取竹林结构参数,提取的胸径精度R 2 在0.99以上,研究结果表明TLS技术能够满足竹林资源调查研究中的应用需求.Yan等[51 ] 通过地面激光扫描(TLS)来分析毛竹与混交林中的阔叶树之间的竞争,研究结果表明利用TLS技术可以很好地描述阔叶树与竹之间的竞争.Cao等[38 ] 利用机载激光雷达精确推导高分辨率DTM,提取竹林结构参数反演毛竹林中生物量.地基激光雷达在小范围结构参数提取中获得了很高精度,但不适用于大范围监测.机载激光雷达数据相比更加灵活、监测范围更广,在林分密度大的竹林中具有更多的冠层信息. ...
TLS技术在竹林调查中的研究与应用
2
2017
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
... 激光雷达是一种主动遥感技术,它能够直接测量激光扫描仪与反射目标之间的距离,得到高精度的3D点云[49 ] ,激光雷达具有精确表征森林冠层结构和估算森林生物量的潜力[50 ] .在竹资源遥感监测中,激光雷达技术被用于竹林结构参数提取、竞争研究和生物量反演.夏明鹏[39 ] 利用地基激光雷达进行竹阔混交林竞争研究,通过地基激光雷达扫描数据提取竹林结构参数,提取的胸径精度R 2 在0.99以上,研究结果表明TLS技术能够满足竹林资源调查研究中的应用需求.Yan等[51 ] 通过地面激光扫描(TLS)来分析毛竹与混交林中的阔叶树之间的竞争,研究结果表明利用TLS技术可以很好地描述阔叶树与竹之间的竞争.Cao等[38 ] 利用机载激光雷达精确推导高分辨率DTM,提取竹林结构参数反演毛竹林中生物量.地基激光雷达在小范围结构参数提取中获得了很高精度,但不适用于大范围监测.机载激光雷达数据相比更加灵活、监测范围更广,在林分密度大的竹林中具有更多的冠层信息. ...
Bamboo Mapping of Ethiopia, Kenya and Uganda for the Year 2016 Using Multi-temporal Landsat Imagery
4
2018
... 20世纪80年代至21世纪初,竹资源遥感监测进入初级发展阶段,基于濒危野生动物大熊猫保护的严峻状况[34 ] ,任国业[35 ] 利用彩红外航空相片监测林下灌木层的高山箭竹,根据森林群落结构理论绘制大熊猫栖息地平武县的竹资源分布.研究使用多元回归法分析的方法建立了航空相片竹生物量模型,为大熊猫栖息地质量评定和竹资源遥感监测奠定了基础,这是国内首次将遥感技术应用于竹资源监测.Nair等[36 ] 首次使用多光谱数据对印度Wayanad区域竹资源进行监测,研究采用最大似然方法进行影像分类,这是国外首次利用遥感技术进行竹资源监测.21世纪初至2010年竹资源遥感监测进入正式发展阶段,监测内容包括了区域竹林分布制图、竹林时空动态变化监测.大熊猫的食源竹监测扩展到卧龙和佛坪等自然保护区,竹种也包括了箭竹、巴山木竹和拐棍竹等,研究内容包括竹子数量与质量、物候期监测等.借助遥感技术理论与处理方法不断进步,我国南方地区、印度等地也开始材用竹种的遥感监测研究.2010年以来,竹资源遥感监测进入快速发展阶段.越来越多的学者认识到森林碳汇、竹林碳汇在减缓气候变化和解决其他全球热点问题重要作用,竹资源遥感监测内容也扩展到竹林生物量与碳储量监测、竹林结构参数定量化反演和大范围的竹资源分布图绘制,中尺度的遥感影像实现了竹林碳储量的精确监测[37 ] ,机载[38 ] 和地基激光雷达[39 ] 实现了竹林结构参数的精确提取,中低分辨率影像大范围的绘制了东非[40 ] 和全球[27 ] 的竹资源分布.本文从数据源角度,总结了4种数据源以及动态监测技术在竹资源分布监测中的应用. ...
... 竹资源遥感监测中“同物异谱”和“异物同谱”会影响分类结果精度,已有研究主要通过添加辅助变量、多时相影像解译和纹理信息提取来解决.高远等[47 ] 以DEM数据和我国HJ-1A多光谱影像为数据源,研究不同坡度、坡向以及海拔等地形条件下竹资源专题信息提取效果.结果表明,海拔、坡向对竹资源的光谱反射率影响大,说明地形因子可以辅助解决中“同物异谱”和“异物同谱”问题.利用Landsat影像较高的时间分辨率和物候研究,Zhao等[40 ] 将多时相遥感数据应用于东非竹林资源监测,研究结果表明多时相遥感影像有助于区分不同植被,解决竹林信息提取“同物异谱”和“异物同谱”问题,另通过多时相分类结果投票,能很好地提高分类精度. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
... 提高下层竹监测精度,要加强下层竹和林冠层植被的物候研究,MODIS影像和指数产品可以辅助进行物候差异研究,利用森林群落结构、物候差异能够辅助进行下层竹监测,已有研究中机器学习分类方法都产生了较高精度.从影像角度来说,下层竹要多利用冬季影像,冬季影像可以获得更好的竹分类精度[40 ,58 ] . ...
南方地区竹资源专题信息提取研究
5
2009
... 纹理信息挖掘和使用面向对象分割分类技术能够产生更好的精度[41 ] ,纹理量的提取和优选也提高分类精度的关键.刘健等[32 ] 以ALOS影像分析竹子和其他典型植被的纹理特征差异构建最佳纹理量,利用基于像元与面向对象分类方法表明纹理特征量用于竹资源信息监测的可行性.余坤勇等[41 ] 基于灰度共生矩阵, 分析竹资源与其它植被纹理特征差异,提出“基于光谱片层—面向纹理类”的竹资源专题信息提取技术,纹理均值、熵、角二阶矩是最佳纹理量组合. ...
... [41 ]基于灰度共生矩阵, 分析竹资源与其它植被纹理特征差异,提出“基于光谱片层—面向纹理类”的竹资源专题信息提取技术,纹理均值、熵、角二阶矩是最佳纹理量组合. ...
... 竹林动态监测是了解竹资源在空间和时间上变化的重要途径,竹林动态监测是通过遥感图像解译获得不同时间的竹林分布信息,利用误差矩阵进行变化信息监测,误差矩阵可以判读竹林在土地利用变化中的增加或消减.Shah等[54 ] 利用最大似然法分类和误差矩阵对进行竹林资源变化监测.范少辉等[55 ] 利用3期Landsat ETM+影像结合地形图、DEM等资料,采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息提取方法实现了对顺昌县竹资源动态监测.邓旺华[56 ] 采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息,从4个时期TM/ETM 影像提取顺昌县竹资源分布图,监测了4个时期竹林变化情况.李阳光等[37 ] 利用4个时期Landsat遥感影像,采用最大似然法提取了浙江省土地利用和竹林的时空分布信息,实现了高精度监测浙江省竹林资源动态变化. ...
... [41 ]的竹林专题信息,从4个时期TM/ETM 影像提取顺昌县竹资源分布图,监测了4个时期竹林变化情况.李阳光等[37 ] 利用4个时期Landsat遥感影像,采用最大似然法提取了浙江省土地利用和竹林的时空分布信息,实现了高精度监测浙江省竹林资源动态变化. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
南方地区竹资源专题信息提取研究
5
2009
... 纹理信息挖掘和使用面向对象分割分类技术能够产生更好的精度[41 ] ,纹理量的提取和优选也提高分类精度的关键.刘健等[32 ] 以ALOS影像分析竹子和其他典型植被的纹理特征差异构建最佳纹理量,利用基于像元与面向对象分类方法表明纹理特征量用于竹资源信息监测的可行性.余坤勇等[41 ] 基于灰度共生矩阵, 分析竹资源与其它植被纹理特征差异,提出“基于光谱片层—面向纹理类”的竹资源专题信息提取技术,纹理均值、熵、角二阶矩是最佳纹理量组合. ...
... [41 ]基于灰度共生矩阵, 分析竹资源与其它植被纹理特征差异,提出“基于光谱片层—面向纹理类”的竹资源专题信息提取技术,纹理均值、熵、角二阶矩是最佳纹理量组合. ...
... 竹林动态监测是了解竹资源在空间和时间上变化的重要途径,竹林动态监测是通过遥感图像解译获得不同时间的竹林分布信息,利用误差矩阵进行变化信息监测,误差矩阵可以判读竹林在土地利用变化中的增加或消减.Shah等[54 ] 利用最大似然法分类和误差矩阵对进行竹林资源变化监测.范少辉等[55 ] 利用3期Landsat ETM+影像结合地形图、DEM等资料,采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息提取方法实现了对顺昌县竹资源动态监测.邓旺华[56 ] 采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息,从4个时期TM/ETM 影像提取顺昌县竹资源分布图,监测了4个时期竹林变化情况.李阳光等[37 ] 利用4个时期Landsat遥感影像,采用最大似然法提取了浙江省土地利用和竹林的时空分布信息,实现了高精度监测浙江省竹林资源动态变化. ...
... [41 ]的竹林专题信息,从4个时期TM/ETM 影像提取顺昌县竹资源分布图,监测了4个时期竹林变化情况.李阳光等[37 ] 利用4个时期Landsat遥感影像,采用最大似然法提取了浙江省土地利用和竹林的时空分布信息,实现了高精度监测浙江省竹林资源动态变化. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
A Comparison of Selected Classification Algorithms for Mapping Bamboo Patches in Lower Gangetic Plains Using very High Resolution WorldView 2 imagery
2
2014
... 除纹理信息外,机器学习方法对高空间分辨率影像解译表现出很高的精度,同时在下层竹的监测中具有广泛的应用前景.Ghosh等[42 ] 在印度西孟加拉的帕尔加那斯地区对WorldView-2采用面向对象的方法进行竹资源分布制图,面向对象的竹资源分类用户精度和总体精度都超0.9.Tang等[28 ] 利用WorldView-2在卧龙自然保护区进行竹资源监测,结果表明基于对象的分类方法k 最近邻精度最高,研究结果也为下层竹的监测提供了新参考,对大熊猫栖息地保护具有重要意义. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
The Effects of Understory Bamboo on Broad-scale Estimates of Giant Panda Habitat
2
2005
... 中空间分辨率遥感影像由于其经济、易获取的特点,被广泛应用于竹资源分布监测.机器学习的分类方法用于中空间分辨率影像会产生更高的精度,尤其是对下层竹林的信息监测,Linderman等[43 -44 ] 使用Landsat TM影像绘制了卧龙自然保护区下层竹林的空间分布,非线性人工神经网络的分类准确率达到0.8.Shi等[45 ] 采用反向传播BP神经网络从Landsat ETM+遥感图像中提取竹林信息,竹类获得了0.98的用户精度.Wang等[46 ] 采用人工神经网络和GIS专家系统相结合的方法,利用ASTER影像对中国西南秦岭地区的下层竹林进行监测.研究表明将神经网络与专家系统相结合,可以成功地在复杂的森林景观中绘制下层竹林,人工神经网络、支持向量机和专家系统等分类方法在大熊猫食源竹监测中表现出了高精度,也是复杂森林景观中竹资源监测的参考. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
Using Artificial Neural Networks to Map the Spatial Distribution of Understorey Bamboo from Remote Sensing Data
1
2004
... 中空间分辨率遥感影像由于其经济、易获取的特点,被广泛应用于竹资源分布监测.机器学习的分类方法用于中空间分辨率影像会产生更高的精度,尤其是对下层竹林的信息监测,Linderman等[43 -44 ] 使用Landsat TM影像绘制了卧龙自然保护区下层竹林的空间分布,非线性人工神经网络的分类准确率达到0.8.Shi等[45 ] 采用反向传播BP神经网络从Landsat ETM+遥感图像中提取竹林信息,竹类获得了0.98的用户精度.Wang等[46 ] 采用人工神经网络和GIS专家系统相结合的方法,利用ASTER影像对中国西南秦岭地区的下层竹林进行监测.研究表明将神经网络与专家系统相结合,可以成功地在复杂的森林景观中绘制下层竹林,人工神经网络、支持向量机和专家系统等分类方法在大熊猫食源竹监测中表现出了高精度,也是复杂森林景观中竹资源监测的参考. ...
Remote Sensing Monitoring of a Bamboo Forest based on BP Neural Network
2
2009
... 中空间分辨率遥感影像由于其经济、易获取的特点,被广泛应用于竹资源分布监测.机器学习的分类方法用于中空间分辨率影像会产生更高的精度,尤其是对下层竹林的信息监测,Linderman等[43 -44 ] 使用Landsat TM影像绘制了卧龙自然保护区下层竹林的空间分布,非线性人工神经网络的分类准确率达到0.8.Shi等[45 ] 采用反向传播BP神经网络从Landsat ETM+遥感图像中提取竹林信息,竹类获得了0.98的用户精度.Wang等[46 ] 采用人工神经网络和GIS专家系统相结合的方法,利用ASTER影像对中国西南秦岭地区的下层竹林进行监测.研究表明将神经网络与专家系统相结合,可以成功地在复杂的森林景观中绘制下层竹林,人工神经网络、支持向量机和专家系统等分类方法在大熊猫食源竹监测中表现出了高精度,也是复杂森林景观中竹资源监测的参考. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
Improved Understorey Bamboo Cover Mapping Using a Novel Hybrid Neural Network and Expert System
2
2009
... 中空间分辨率遥感影像由于其经济、易获取的特点,被广泛应用于竹资源分布监测.机器学习的分类方法用于中空间分辨率影像会产生更高的精度,尤其是对下层竹林的信息监测,Linderman等[43 -44 ] 使用Landsat TM影像绘制了卧龙自然保护区下层竹林的空间分布,非线性人工神经网络的分类准确率达到0.8.Shi等[45 ] 采用反向传播BP神经网络从Landsat ETM+遥感图像中提取竹林信息,竹类获得了0.98的用户精度.Wang等[46 ] 采用人工神经网络和GIS专家系统相结合的方法,利用ASTER影像对中国西南秦岭地区的下层竹林进行监测.研究表明将神经网络与专家系统相结合,可以成功地在复杂的森林景观中绘制下层竹林,人工神经网络、支持向量机和专家系统等分类方法在大熊猫食源竹监测中表现出了高精度,也是复杂森林景观中竹资源监测的参考. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
基于HJ-1影像与地形因子的竹资源专题信息提取研究
2
2014
... 竹资源遥感监测中“同物异谱”和“异物同谱”会影响分类结果精度,已有研究主要通过添加辅助变量、多时相影像解译和纹理信息提取来解决.高远等[47 ] 以DEM数据和我国HJ-1A多光谱影像为数据源,研究不同坡度、坡向以及海拔等地形条件下竹资源专题信息提取效果.结果表明,海拔、坡向对竹资源的光谱反射率影响大,说明地形因子可以辅助解决中“同物异谱”和“异物同谱”问题.利用Landsat影像较高的时间分辨率和物候研究,Zhao等[40 ] 将多时相遥感数据应用于东非竹林资源监测,研究结果表明多时相遥感影像有助于区分不同植被,解决竹林信息提取“同物异谱”和“异物同谱”问题,另通过多时相分类结果投票,能很好地提高分类精度. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
基于HJ-1影像与地形因子的竹资源专题信息提取研究
2
2014
... 竹资源遥感监测中“同物异谱”和“异物同谱”会影响分类结果精度,已有研究主要通过添加辅助变量、多时相影像解译和纹理信息提取来解决.高远等[47 ] 以DEM数据和我国HJ-1A多光谱影像为数据源,研究不同坡度、坡向以及海拔等地形条件下竹资源专题信息提取效果.结果表明,海拔、坡向对竹资源的光谱反射率影响大,说明地形因子可以辅助解决中“同物异谱”和“异物同谱”问题.利用Landsat影像较高的时间分辨率和物候研究,Zhao等[40 ] 将多时相遥感数据应用于东非竹林资源监测,研究结果表明多时相遥感影像有助于区分不同植被,解决竹林信息提取“同物异谱”和“异物同谱”问题,另通过多时相分类结果投票,能很好地提高分类精度. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
Migration Patterns of Two Endangered Sympatric Species from a Remote Sensing Perspective
1
2010
... 高光谱遥感影像在空间纹理信息上不具优势,但相关影像产品和指数产品具有超高的时间分辨率、丰富的光谱信息和适用于大范围监测的特点.植被指数在特定条件下可以消除植被本身、环境和大气条件等因素的影响,高光谱数据的合成的植被指数产品可以准确的进行物候研究,物候研究结果辅助竹资源监测是常用的方法,这在下层竹监测中具有十分广泛的用途.Tuanmu等[33 ] 利用MODIS地表反射率图像(MOD09Q1),根据红波段和近红外波段的地表反射率值计算宽动态范围植被指数获得林下竹林的物候特征,用11个物候特征生成的模型进行竹林分布预测,同时引入海拔变量进行竹资源信息提取.Wang等[48 ] 利用MODIS NDVI提取的植被物候替代和量化下层竹的质量和数量,研究了大熊猫迁徙与竹子植被物候变化的关系.端元波谱提取是高光谱影像分类的主要技术,最小噪声分离结果生成的决策树实现了全球的竹资源监测[27 ] .Cibele等[31 ] 研究发现利用可见光到短波红外数据,采用端元选择方法,竹子用户精度和生产者精度分别达到0.98和0.72.高光谱影像的竹资源监测要注重端元波谱提取和混合像元分解技术研究,同时也要加强分类结果的小区域验证. ...
地基激光雷达在森林参数反演中的应用
1
2012
... 激光雷达是一种主动遥感技术,它能够直接测量激光扫描仪与反射目标之间的距离,得到高精度的3D点云[49 ] ,激光雷达具有精确表征森林冠层结构和估算森林生物量的潜力[50 ] .在竹资源遥感监测中,激光雷达技术被用于竹林结构参数提取、竞争研究和生物量反演.夏明鹏[39 ] 利用地基激光雷达进行竹阔混交林竞争研究,通过地基激光雷达扫描数据提取竹林结构参数,提取的胸径精度R 2 在0.99以上,研究结果表明TLS技术能够满足竹林资源调查研究中的应用需求.Yan等[51 ] 通过地面激光扫描(TLS)来分析毛竹与混交林中的阔叶树之间的竞争,研究结果表明利用TLS技术可以很好地描述阔叶树与竹之间的竞争.Cao等[38 ] 利用机载激光雷达精确推导高分辨率DTM,提取竹林结构参数反演毛竹林中生物量.地基激光雷达在小范围结构参数提取中获得了很高精度,但不适用于大范围监测.机载激光雷达数据相比更加灵活、监测范围更广,在林分密度大的竹林中具有更多的冠层信息. ...
地基激光雷达在森林参数反演中的应用
1
2012
... 激光雷达是一种主动遥感技术,它能够直接测量激光扫描仪与反射目标之间的距离,得到高精度的3D点云[49 ] ,激光雷达具有精确表征森林冠层结构和估算森林生物量的潜力[50 ] .在竹资源遥感监测中,激光雷达技术被用于竹林结构参数提取、竞争研究和生物量反演.夏明鹏[39 ] 利用地基激光雷达进行竹阔混交林竞争研究,通过地基激光雷达扫描数据提取竹林结构参数,提取的胸径精度R 2 在0.99以上,研究结果表明TLS技术能够满足竹林资源调查研究中的应用需求.Yan等[51 ] 通过地面激光扫描(TLS)来分析毛竹与混交林中的阔叶树之间的竞争,研究结果表明利用TLS技术可以很好地描述阔叶树与竹之间的竞争.Cao等[38 ] 利用机载激光雷达精确推导高分辨率DTM,提取竹林结构参数反演毛竹林中生物量.地基激光雷达在小范围结构参数提取中获得了很高精度,但不适用于大范围监测.机载激光雷达数据相比更加灵活、监测范围更广,在林分密度大的竹林中具有更多的冠层信息. ...
Sparse Density, Leaf-Off Airborne Laser Scanning Data in Aboveground Biomass Component Prediction
1
2015
... 激光雷达是一种主动遥感技术,它能够直接测量激光扫描仪与反射目标之间的距离,得到高精度的3D点云[49 ] ,激光雷达具有精确表征森林冠层结构和估算森林生物量的潜力[50 ] .在竹资源遥感监测中,激光雷达技术被用于竹林结构参数提取、竞争研究和生物量反演.夏明鹏[39 ] 利用地基激光雷达进行竹阔混交林竞争研究,通过地基激光雷达扫描数据提取竹林结构参数,提取的胸径精度R 2 在0.99以上,研究结果表明TLS技术能够满足竹林资源调查研究中的应用需求.Yan等[51 ] 通过地面激光扫描(TLS)来分析毛竹与混交林中的阔叶树之间的竞争,研究结果表明利用TLS技术可以很好地描述阔叶树与竹之间的竞争.Cao等[38 ] 利用机载激光雷达精确推导高分辨率DTM,提取竹林结构参数反演毛竹林中生物量.地基激光雷达在小范围结构参数提取中获得了很高精度,但不适用于大范围监测.机载激光雷达数据相比更加灵活、监测范围更广,在林分密度大的竹林中具有更多的冠层信息. ...
Detecting the Competition between Moso Bamboos and Broad-leaved Trees in Mixed Forests Using a Terrestrial Laser Scanner
1
2018
... 激光雷达是一种主动遥感技术,它能够直接测量激光扫描仪与反射目标之间的距离,得到高精度的3D点云[49 ] ,激光雷达具有精确表征森林冠层结构和估算森林生物量的潜力[50 ] .在竹资源遥感监测中,激光雷达技术被用于竹林结构参数提取、竞争研究和生物量反演.夏明鹏[39 ] 利用地基激光雷达进行竹阔混交林竞争研究,通过地基激光雷达扫描数据提取竹林结构参数,提取的胸径精度R 2 在0.99以上,研究结果表明TLS技术能够满足竹林资源调查研究中的应用需求.Yan等[51 ] 通过地面激光扫描(TLS)来分析毛竹与混交林中的阔叶树之间的竞争,研究结果表明利用TLS技术可以很好地描述阔叶树与竹之间的竞争.Cao等[38 ] 利用机载激光雷达精确推导高分辨率DTM,提取竹林结构参数反演毛竹林中生物量.地基激光雷达在小范围结构参数提取中获得了很高精度,但不适用于大范围监测.机载激光雷达数据相比更加灵活、监测范围更广,在林分密度大的竹林中具有更多的冠层信息. ...
Multisource Remote Sensing Imagery Fusion Scheme based on Bidimensional Empirical Mode Decomposition (BEMD) and Its Application to the Extraction of Bamboo Forest
2
2017
... 多源遥感数据的融合和结合应用于竹林资源监测,相比于单一遥感数据源会具有更多信息量,融合图像具备更好的空间纹理和目视判别效果.Liu等[52 ] 将GF-1影像多光谱波段、全色波段和TerraSAR-X影像采用二维经验模态分解(简称BEMD)算法进行数据融合,结果表明BEMD方法能够有效提高竹林分类的精度,融合的数据也具有更好的解译精度.Liu等[53 ] 利用Google Earth Engine云平台预处理Landsat OLI数据,添加辅助协变量(地形、植被指数、气候、土壤)应用随机森林分类器分类,结果表明辅助变量的添加能够显著提高分类精度,能够实现监测的空间单元更小以及范围更广.Du等[27 ] 利用MODIS合成产品MOD13Q1、地表反射率数据MOD09A1和Landsat OLI数据,结合多种方式收集的样本对全球竹资源进行监测.基于对竹、阔叶树、针叶树在不同波段上的反射率差异构建决策树,首次进行了全球竹资源监测,监测总体精度0.79. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
Improving Large-scale Moso Bamboo Mapping based on Dense Landsat Time Series and Auxiliary Data: A Case Study in Fujian Province, China
3
2018
... 多源遥感数据的融合和结合应用于竹林资源监测,相比于单一遥感数据源会具有更多信息量,融合图像具备更好的空间纹理和目视判别效果.Liu等[52 ] 将GF-1影像多光谱波段、全色波段和TerraSAR-X影像采用二维经验模态分解(简称BEMD)算法进行数据融合,结果表明BEMD方法能够有效提高竹林分类的精度,融合的数据也具有更好的解译精度.Liu等[53 ] 利用Google Earth Engine云平台预处理Landsat OLI数据,添加辅助协变量(地形、植被指数、气候、土壤)应用随机森林分类器分类,结果表明辅助变量的添加能够显著提高分类精度,能够实现监测的空间单元更小以及范围更广.Du等[27 ] 利用MODIS合成产品MOD13Q1、地表反射率数据MOD09A1和Landsat OLI数据,结合多种方式收集的样本对全球竹资源进行监测.基于对竹、阔叶树、针叶树在不同波段上的反射率差异构建决策树,首次进行了全球竹资源监测,监测总体精度0.79. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
... 竹资源监测要根据竹种、竹林分布特点和监测范围选取影像数据源和分类方法,大范围散生竹监测宜采用中分辨率和高光谱遥感影像,Google Earth[53 ] 等云计算平台的应用可以有效提高监测效率,机器学习分类相比其他分类方法会产生更高精度,波谱提取、混合像元分解、决策树等方法对高光谱影像分类更优.小范围丛生竹监测要采用高分辨遥感影像或激光雷达数据,高分辨率影像要采用纹理特征选取或面向对象分割分类方法.激光雷达数据能够获取胸径树高等竹林结构参数,结构参数能够实现小范围竹林生物量和碳储量的准确监测,进而实现竹林产量的精确监测.竹资源主要分布区的影像容易受到云雾影像,机载或无人机影像获取能效解决监测数据缺乏问题. ...
Land Use Change Detection in Solan Forest Division, Himachal Pradesh, India
2
2015
... 竹林动态监测是了解竹资源在空间和时间上变化的重要途径,竹林动态监测是通过遥感图像解译获得不同时间的竹林分布信息,利用误差矩阵进行变化信息监测,误差矩阵可以判读竹林在土地利用变化中的增加或消减.Shah等[54 ] 利用最大似然法分类和误差矩阵对进行竹林资源变化监测.范少辉等[55 ] 利用3期Landsat ETM+影像结合地形图、DEM等资料,采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息提取方法实现了对顺昌县竹资源动态监测.邓旺华[56 ] 采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息,从4个时期TM/ETM 影像提取顺昌县竹资源分布图,监测了4个时期竹林变化情况.李阳光等[37 ] 利用4个时期Landsat遥感影像,采用最大似然法提取了浙江省土地利用和竹林的时空分布信息,实现了高精度监测浙江省竹林资源动态变化. ...
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
基于遥感技术的竹资源变化监测研究
1
2012
... 竹林动态监测是了解竹资源在空间和时间上变化的重要途径,竹林动态监测是通过遥感图像解译获得不同时间的竹林分布信息,利用误差矩阵进行变化信息监测,误差矩阵可以判读竹林在土地利用变化中的增加或消减.Shah等[54 ] 利用最大似然法分类和误差矩阵对进行竹林资源变化监测.范少辉等[55 ] 利用3期Landsat ETM+影像结合地形图、DEM等资料,采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息提取方法实现了对顺昌县竹资源动态监测.邓旺华[56 ] 采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息,从4个时期TM/ETM 影像提取顺昌县竹资源分布图,监测了4个时期竹林变化情况.李阳光等[37 ] 利用4个时期Landsat遥感影像,采用最大似然法提取了浙江省土地利用和竹林的时空分布信息,实现了高精度监测浙江省竹林资源动态变化. ...
基于遥感技术的竹资源变化监测研究
1
2012
... 竹林动态监测是了解竹资源在空间和时间上变化的重要途径,竹林动态监测是通过遥感图像解译获得不同时间的竹林分布信息,利用误差矩阵进行变化信息监测,误差矩阵可以判读竹林在土地利用变化中的增加或消减.Shah等[54 ] 利用最大似然法分类和误差矩阵对进行竹林资源变化监测.范少辉等[55 ] 利用3期Landsat ETM+影像结合地形图、DEM等资料,采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息提取方法实现了对顺昌县竹资源动态监测.邓旺华[56 ] 采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息,从4个时期TM/ETM 影像提取顺昌县竹资源分布图,监测了4个时期竹林变化情况.李阳光等[37 ] 利用4个时期Landsat遥感影像,采用最大似然法提取了浙江省土地利用和竹林的时空分布信息,实现了高精度监测浙江省竹林资源动态变化. ...
邓旺华. 竹林地面光谱特征及遥感信息提取方法研究
1
2009
... 竹林动态监测是了解竹资源在空间和时间上变化的重要途径,竹林动态监测是通过遥感图像解译获得不同时间的竹林分布信息,利用误差矩阵进行变化信息监测,误差矩阵可以判读竹林在土地利用变化中的增加或消减.Shah等[54 ] 利用最大似然法分类和误差矩阵对进行竹林资源变化监测.范少辉等[55 ] 利用3期Landsat ETM+影像结合地形图、DEM等资料,采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息提取方法实现了对顺昌县竹资源动态监测.邓旺华[56 ] 采用“基于光谱片层—面向纹理类”[41 ] 的竹林专题信息,从4个时期TM/ETM 影像提取顺昌县竹资源分布图,监测了4个时期竹林变化情况.李阳光等[37 ] 利用4个时期Landsat遥感影像,采用最大似然法提取了浙江省土地利用和竹林的时空分布信息,实现了高精度监测浙江省竹林资源动态变化. ...
Geospatial Analysis of Reed Bamboo (Ochlandra travancorica) Invasion in Western Ghats, India
3
2016
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
... 遥感技术可用于竹林扩张监测[57 ] 、叶面积指数反演[61 ] 、碳储量反演[62 ] 、生物量反演[38 ] 和竹林灾害监测[63 ] 研究,为竹林经营管理提供重要理论与技术支撑.Dutta等[57 ] 使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
... [57 ]使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
Understory Bamboo Discrimination Using a Winter Image
2
2009
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
... 提高下层竹监测精度,要加强下层竹和林冠层植被的物候研究,MODIS影像和指数产品可以辅助进行物候差异研究,利用森林群落结构、物候差异能够辅助进行下层竹监测,已有研究中机器学习分类方法都产生了较高精度.从影像角度来说,下层竹要多利用冬季影像,冬季影像可以获得更好的竹分类精度[40 ,58 ] . ...
竹林遥感信息提取方法比较研究
1
2010
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
竹林遥感信息提取方法比较研究
1
2010
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
Bamboo Resources Mapping Using Satellite Technology
1
2010
... Data sources and methods for remote sensing monitoring of bamboo resources
Table1 竹种 地点 方法 辅助数据 数据源 精度OA/UA 参考 大型丛生竹 云南德宏州 数字化 / QuickBird,GeoEye-1, HyperionEO-1 / 2012[29 ,30 ] 牡竹 西高止山脉,印度 数字化 / Landsat MSS, TM, ETM+, IRS P6 LISS III, Resourcesat-2 LISS III / 2016[57 ] 印度簕竹 Wayanad,印度 MLC / IRS 1C / 1998[36 ] 毛竹 福建永安市 MLC 地形信息 HJ-1A 0.75/ 2014[47 ] 牡竹 喜马偕尔邦,印度 MLC / IRS P6 LISS III 0.87~0.89/0.74~0.85 2015[54 ] 毛竹 浙江 MLC 资源清查数据 Landsat TM 0.76~0.85/0.91~0.95 2018[16 ] 秦岭箭竹和华西箭竹 佛坪自然保护区,中国 MLC,ANN, 混合神经网络和专家系统的分类系统 地面调查数据集 ASTER 0.52,0.63,0.72/ 2009[46 ] 巴山木竹 佛坪自然保护区,中国 MLC , MDC, ANN / Landsat TM/ETM+ 0.82,0.81,0.83/ 2009[58 ] / 帕尔加那斯,印度 MLC ,SVM,RF 地面调查数据 WorldView 2 0.58,0.91,0.87/0.4,0.89,0.82,0.4 2014[42 ] 毛竹、雷竹 浙江 MLC、MF / MODIS地表反射率和合成产品 (MOD13Q1) /0.77~0.79 2017[16 ] 毛竹 顺昌县,中国 GLCM,MLC / Landsat TM/ETM 0.84/ 2009[41 ] 毛竹 顺昌县,中国 非监督分类,MLC 和子象元分类 / TM 0.7,0.78,0.83/0.65,0.68,0.84 2010[59 ] 下层竹 卧龙自然保护区,中国 ANN / Landsat TM 0.8 2005[43 ] 毛竹 临安,浙江 反向传播BP神经网络 Landsat ETM+ 0.93/0.98 2009[45 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 物候指数建模 海拔信息 MODIS反射率,合成产品MOD09Q1 / 2010[33 ] / 印度东北部 BI / IRS P6 LISS-III 0.84 2010[60 ] 牡竹 Mogi-Guaçu,巴西 EMC,IES / ProSpecTIR-V 0.64,0.63/0.9,0.76 2015[31 ] 巴山木竹和拐棍竹 卧龙自然保护区,中国 k-NN, gk-NN / WorldView-2 0.76,0.82 /0.92,0.93 2016[28 ] 毛竹 漓江流域,中国 BEMD融合,基于规则的特征提取 / TerraSAR-X, Gaofen-1(多光谱和全色) 0.71 2017[52 ] / 全球 DT 调查数据,统计数据和文献数据 MODIS地表反射率,合成产品 (MOD13Q1), Landsat8 OLI 0.79/0.87 2018[27 ] 毛竹 福建 GLCM\RF 地形,植被,气候,土壤 Landsat TM 0.73~0.93/ 2018[53 ] / 东非三国 RF MODIS NDVI,地面收集数据 Landsat OLI /0.84 2018[40 ]
表2 文献中监测的竹种 ...
Estimating Bamboo Forest Aboveground Biomass Using EnKF-assimilated MODIS LAI Spatiotemporal Data and Machine Learning Algorithms
1
2018
... 遥感技术可用于竹林扩张监测[57 ] 、叶面积指数反演[61 ] 、碳储量反演[62 ] 、生物量反演[38 ] 和竹林灾害监测[63 ] 研究,为竹林经营管理提供重要理论与技术支撑.Dutta等[57 ] 使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
Coupled LAI Assimilation and BEPS Model for Analyzing the Spatiotemporal Pattern and Heterogeneity of Carbon Fluxes of the Bamboo Forest in Zhejiang Province, China
1
2017
... 遥感技术可用于竹林扩张监测[57 ] 、叶面积指数反演[61 ] 、碳储量反演[62 ] 、生物量反演[38 ] 和竹林灾害监测[63 ] 研究,为竹林经营管理提供重要理论与技术支撑.Dutta等[57 ] 使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
Implications of Ice Storm Damages on the Water and Carbon Cycle of Bamboo Forests in Southeastern China
2
2013
... 遥感技术可用于竹林扩张监测[57 ] 、叶面积指数反演[61 ] 、碳储量反演[62 ] 、生物量反演[38 ] 和竹林灾害监测[63 ] 研究,为竹林经营管理提供重要理论与技术支撑.Dutta等[57 ] 使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
... [63 ]利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
Retrieval of Canopy Closure and LAI of Moso Bamboo Forest Using Spectral Mixture Analysis based on Real Scenario Simulation
1
2011
... 遥感技术可用于竹林扩张监测[57 ] 、叶面积指数反演[61 ] 、碳储量反演[62 ] 、生物量反演[38 ] 和竹林灾害监测[63 ] 研究,为竹林经营管理提供重要理论与技术支撑.Dutta等[57 ] 使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
Leaf Area Index Estimation of Bamboo Forest in Fujian Province based on IRS P6 LISS 3 Imagery
1
2011
... 遥感技术可用于竹林扩张监测[57 ] 、叶面积指数反演[61 ] 、碳储量反演[62 ] 、生物量反演[38 ] 和竹林灾害监测[63 ] 研究,为竹林经营管理提供重要理论与技术支撑.Dutta等[57 ] 使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
Exploring Bamboo Forest Aboveground Biomass Estimation Using Sentinel-2 Data
1
2019
... 遥感技术可用于竹林扩张监测[57 ] 、叶面积指数反演[61 ] 、碳储量反演[62 ] 、生物量反演[38 ] 和竹林灾害监测[63 ] 研究,为竹林经营管理提供重要理论与技术支撑.Dutta等[57 ] 使用Landsat、IRS、Resourcesat-2遥感数据进行牡竹的扩张监测.Cibele等[31 ] 利用可见光到短波近红外数据数据, 采用EMC和IES端元选择方法监测巴西部分区域的竹扩张情况.叶面积指数(LAI)是区域和全球环境变化以及生态、碳循环和生物多样性研究的重要指标,很多学者基于遥感技术反演竹资源叶面积指数.Du等[64 ] 使用Landsat TM数据研究毛竹叶面积指数的反演.Zhang等[65 ] 基于IRS P6 LISS 3图像,对中国福建省竹林叶面积指数估算方法进行比较研究,研究中采用经验统计方法和归一化距离方法.生物量是植被固碳能力的重要指标,Chen等[66 ] 利用多个Sentinel-2数据,估算中国浙江省竹林的地上生物量.Li等[16 ] 使用Landsat TM和OLI图像提取了浙江竹林的光谱、植被指数和纹理特征等遥感变量,用逐步回归方法选择变量建立竹林地上碳估算模型.冰雹灾害是竹林经营的威胁之一,Xu等[63 ] 利用MODIS LAI数据和通量塔测量数据研究2008年中国南方冰雹天气对竹林总生产量(GPP)和蒸发蒸腾量(ET)的影响.多个方面的竹资源监测为竹林经营、产量估算以及防灾减灾提供了重要的技术支持,遥感灵活快速的监测方式大大减少了监测成本. ...
Changes of Foraging Patch Selection and Utilization by a Giant Panda after Bamboo Flowering
1
2017
... (3)注重竹特定生长阶段的监测,竹类资源的分布对一些濒危野生动物的迁徙具有重要影响.竹子周期性大面积开花导致大熊猫栖息地的破碎化和食物质量的下降[67 ] ,对大熊猫的生存造成严重威胁,及时有效的监测可以避免生态脉冲事件(竹子开花)对濒危野生动物和生态环境产生威胁.自然保护区应当加强食竹类濒危野生动物食源监测,为保护区内濒危动物食源和生物多样性保护提供有效保障. ...