基于卫星遥感数据空中抽样的大尺度森林资源动态监测

林业资源管理 ›› 2009›› Issue (2): 106-110.

基于卫星遥感数据空中抽样的大尺度森林资源动态监测

李春干^1,2, 陈琦², 谭必增²

1.北京林业大学省部共建森林培育与保护教育部重点实验室,北京 100083;
2.广西林业勘测设计院,南宁 530011

收稿日期:2009-02-12 修回日期:2009-04-13 出版日期:2009-04-28 发布日期:2020-12-16
作者简介:李春干(1962-),男,广西横县人,研究员,主要从事森林资源监测与管理研究。
基金资助:
国家自然科学基金(30872023);广西壮族自治区林业局科学基金(200246)

Large-scale Forest Resources Monitoring by Means of Spatial Sampling of Hi-resolution Remote Sensing Images

LI Chungan^1,2, CHEN Qi², TAN Bizeng²

1. Key laboratory for Silviculture and Conservation of Ministryof Education, Beijing Forestry University, Beijing 100083, China;
2. Guangxi Forest Inventory & Planning Institute, Nanning 530011, China

Received:2009-02-12 Revised:2009-04-13 Online:2009-04-28 Published:2020-12-16

摘要/Abstract

摘要： 为监测大尺度宏观性森林资源动态变化,以SPOT5和ALOS高空间分辨率卫星遥感数据为源数据,辅以相关调查资料,在GIS支持下,采用空中抽样的方法,在遥感图像上布设样地,通过目视判读方法确定样地的土地类型、优势树种(组)等,据此计算森林面积和构造土地类型转移矩阵。根据历史调查资料分析得到森林类型单位面积蓄积量,并以此来计算各类林木蓄积量,从而实现研究区域森林面积、蓄积的动态监测。应用结果表明,在具备高空间分辨率遥感数据以及历史调查资料较丰富的情况下,该方法具有工作量小、精度高,且易于进行动态分析的特点,不但适用于大尺度宏观性森林资源监测,也适用于中尺度(如县级行政区域)的森林资源动态宏观监测。

关键词: 森林资源监测, 遥感, 空中抽样

Abstract: In order to monitor forest resources dynamic changes at the regionlevel, such as a province, spatial sampling was used in GIS environment for hi-resolution remote sensing images of SPOT5 and ALOS, while historical surveying data and other data were used as ancillary data.The attributes of sampling spotsincluded land use/cover types and species groups and others were determined byvisual interpretation, thus areas of forest types and their conversion matrix wereattainable. Furthermore, timber volumes were estimated with the areas of forest types and volume per-hectare derived from the analysis of historical surveyingdata.The application indicated that if hi-resolution images and historical surveying data were available, the present method has advantage in dynamic analysis, and is efficient and has high accuracy. It is also suitable to monitor forestresources at local level, such as a county.

Key words: forest resources monitoring, remote sensing, spatial sampling

中图分类号:

TP79:S758

李春干, 陈琦, 谭必增. 基于卫星遥感数据空中抽样的大尺度森林资源动态监测[J]. 林业资源管理, 2009,(2): 106-110.

LI Chungan, CHEN Qi, TAN Bizeng. Large-scale Forest Resources Monitoring by Means of Spatial Sampling of Hi-resolution Remote Sensing Images[J]. FOREST RESOURCES WANAGEMENT, 2009,(2): 106-110.

[1]	郝君, 吕康婷, 胡天祺, 王云阁, 徐刚. 基于机器学习的红树林生物量遥感反演研究[J]. 林草资源研究, 2024, 0(1): 65-72.
[2]	朱赞, 王勇军, 王建琦, 许玉兰, 丘鑫琪, 万喜. 基于无人机倾斜摄影的广西桉树冠层碳储量计量模型构建[J]. 林草资源研究, 2024, 0(1): 88-94.
[3]	任晓琦, 侯鹏, 陈妍. 森林地上生物量遥感反演研究进展[J]. 林草资源研究, 2023, 0(6): 146-158.
[4]	焦全军, 郑焰锋, 黄文江, 张兵, 张鹤译, 史宜梦, 吴发云, 付安民. 陆地生态系统碳监测卫星松材线虫病变色木识别指数研究[J]. 林业资源管理, 2023, 0(4): 123-131.
[5]	邹为民, 陈超, 黄蕾, 宋美萱, 李雪建, 杜华强. 地理加权回归模型结合卫星遥感的松阳县森林地上碳储量估算[J]. 林业资源管理, 2023, 0(4): 132-140.
[6]	梁立成, 傅晓强, 张滨, 程谷栒, 李佐晖. 基于GEE与随机森林的象山港互花米草动态监测[J]. 林业资源管理, 2023, 0(3): 38-45.
[7]	周梅, 李春干, 杨承伶, 李振. 无人机激光雷达人工林参数估测试验[J]. 林业资源管理, 2023, 0(3): 90-97.
[8]	张绘芳, 朱雅丽, 张景路, 高健, 地力夏提·包尔汉. 基于高分遥感数据的阿尔泰山乔木林地上生物量预测[J]. 林业资源管理, 2023, 0(2): 104-110.
[9]	聂靖, 陆驰, 欧光龙, 胥辉. 基于Landsat8 OLI遥感因子的思茅松地上生物量二阶抽样估测[J]. 林业资源管理, 2022, 0(6): 68-75.
[10]	阳帆, 白星雯. 森林资源监测地面固定样地优化研究[J]. 林业资源管理, 2022, 0(6): 76-81.
[11]	杨雪清, 孙志超, 王立生, 柴政, 邱议文, 蒋春颖. 森林可燃物大样地抽样调查方法研究[J]. 林业资源管理, 2022, 0(5): 53-59.
[12]	秦琳, 孟先进, 张水花, 薛亚东, 刘新科, 邢鹏. 北京三号卫星数据在松材线虫病遥感监测中的应用评价[J]. 林业资源管理, 2022, 0(4): 126-133.
[13]	田海静, 王林, 韩立亮, 范云豹, 杨吉林. 基于哨兵2号多光谱遥感数据的草原植被盖度反演——以内蒙古自治区为例[J]. 林业资源管理, 2022, 0(4): 134-140.
[14]	任天晨, 陈军锋, 刘楠. 山西省五台山地区近30年植被覆盖动态变化及影响因素[J]. 林业资源管理, 2022, 0(4): 89-99.
[15]	郝帅, 王星, 张秋良, 王冰, 田原. 大兴安岭火烧迹地遥感提取研究[J]. 林业资源管理, 2022, 0(2): 75-81.