专家分类方法在森林资源清查中的应用研究

林业资源管理 ›› 2010›› Issue (1): 118-122.

专家分类方法在森林资源清查中的应用研究

张晓星

山西省太原市林业调查规划院,太原 030012

收稿日期:2009-09-25 修回日期:2010-02-02 发布日期:2020-12-14
作者简介:张晓星(1964-),男,山西太原人,工程师,硕士研究生,主要从事林业调查规划及3S在林业中的应用。Email:tylyj001@163.com
基金资助:
教育部新世纪人才支持计划(NCET-06-0122)

Application of Expert Classification Method in Forest Resources Investigation

ZHNAG Xiaoxing

Taiyuan Municipal Institute of Forest Inventory and Planning, Taiyuan 030012, Shanxi Province, China

Received:2009-09-25 Revised:2010-02-02 Published:2020-12-14

摘要/Abstract

摘要： 以太原市的6个建城区为研究区,利用一类数据与SPOT5遥感数据,根据《山西省森林资源规划调查外业工作细则》中林地、林分分类标准,采用专家分类的方法,成功地分出了15个乔木树种和16个灌木及其组合。在不改变原小班划分的基础上,对采用目视解译方法在同时相SPOT5遥感数据上完成的森林资源清查数据进行校验,结果表明专家分类方法可以消除个人因素对解译结果的影响,在解译细节上强于目视解译;专家分类方法更科学、实用,在生产更具有推广意义。

关键词: 专家分类, 遥感, 森林资源, SPOT5影像

Abstract: The study takes six urban districts as the research area. According to the forest land and forest stand classification standards in Detailed Regulations on Field Work of Forest Planning and Inventory in Shanxi Province, expert classfication method is adopted with the NFI data and SPOT5 remote sensing data, and 15 tree species and 16 shrubs and their combinations are identified successfully after the repeated tests. Without changing the original subcompartment division, the visual interpretation method is used to test and check the accuracy of the forest resources inventory data. The result shows that expert classification method can eliminate the influence of personal behavior on interpretation, which is better than visual interpretation in terms of details of interpretation. Expert classification method is more scientific and practical and has greater extention significance in aspect of production.

Key words: expert classification, remote sensing, forest resource, images of SPOT 5

中图分类号:

TP39

张晓星. 专家分类方法在森林资源清查中的应用研究[J]. 林业资源管理, 2010,(1): 118-122.

ZHNAG Xiaoxing. Application of Expert Classification Method in Forest Resources Investigation[J]. FOREST RESOURCES WANAGEMENT, 2010,(1): 118-122.

[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]	白星雯, 胡晟, 布日古德, 阳帆. 一类调查与二类调查森林蓄积量数据对接方案分析研究[J]. 林草资源研究, 2023, 0(5): 142-147.
[5]	余松柏, 苏晨辉, 张红爱, 刘道平, 陆康英, 陈邵隆. 天然硬阔叶林生态产品价值评估与财政补贴方案研究[J]. 林草资源研究, 2023, 0(5): 29-39.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	邱洁, 李倩楠, 虞瑶. 机载激光雷达数据估测森林资源蓄积量研究[J]. 林业资源管理, 2023, 0(1): 153-160.
[12]	张全林, 刘丽华, 安雄韬, 刘阳. 基于康养功能的森林资源资产评估探究——以五台山国有林管理局金岗库林场为例[J]. 林业资源管理, 2022, 0(zk1): 79-84.
[13]	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.
[14]	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.
[15]	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.