高分辨率遥感影像森林覆盖变化检测研究

林业资源管理 ›› 2013›› Issue (5): 76-79.

高分辨率遥感影像森林覆盖变化检测研究

付强, 代华兵, 薛晓坡

广西林业勘测设计院,南宁 530011

收稿日期:2013-06-25 修回日期:2013-08-26 出版日期:2013-10-28 发布日期:2020-11-23
作者简介:付强(1983-),男,湖北人,工程师,硕士,主要从事森林资源监测及遥感应用研究。Email:fuqiang3050444@163.com
基金资助:
广西自然科学基金青年基金项目(2012GXNSFBA053078)

Forest Cover Change Detection by Using High-resolution Remote Sensing Image

FU Qiang, DAI Huabing, XUE Xiaopo

Guangxi Forest Inventory & Planning Institute,Nannning 530011,China

Received:2013-06-25 Revised:2013-08-26 Online:2013-10-28 Published:2020-11-23

摘要/Abstract

摘要： 以天绘一号和资源一号两期遥感影像为研究对象,采用面向对象多尺度分割和基于特征值阈值的方法提取采伐迹地,将研究区分成采伐迹地和非采伐迹地两类,使用分类后比较法检测森林覆盖变化。结果表明:国产的天绘一号和资源一号遥感影像有较好的内部几何一致性,正射校正后的两期影像可以达到1个像元内的校准精度。遥感变化检测的面积精度和重合率与实际变化相比较,分别为93.1%和95.0%,该方法能较好地检测出森林覆盖变化,适合于县域森林资源年度更新。

关键词: 遥感, 森林覆盖, 面向对象, 变化检测

Abstract: Setellite-1 and Resources-1 remote sensing images are used as research data. This paper uses method of object-oriented multi-scale segmentation and spectral feature threshold to extract cut-over areas.Study area included harvested area and non-harvested area.Forest cover change has been detected by post-classification.The results showed that the imagery has good internal geometric consistency,the orthorectification accuracy between two-period imageries can be less than one pixel.The area accuracy of remote sensing change detection and the coincidence rate compared with the actual changes were 93.1% and 95.0%.This method can better detect changes of forest cover.It is suitable for annual update of forest resource data for the county.

Key words: remote sensing, forest cover, object-oriented, change detection

中图分类号:

P237
TP75

付强, 代华兵, 薛晓坡. 高分辨率遥感影像森林覆盖变化检测研究[J]. 林业资源管理, 2013,(5): 76-79.

FU Qiang, DAI Huabing, XUE Xiaopo. Forest Cover Change Detection by Using High-resolution Remote Sensing Image[J]. FOREST RESOURCES WANAGEMENT, 2013,(5): 76-79.

[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]	谢文春, 李强峰, 李艳春, 吴振山, 杨正凡. 基于面向对象的吉林一号遥感影像湿地植被群落分类[J]. 林业资源管理, 2023, 0(1): 141-152.
[10]	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.
[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.