基于两种无人机航拍影像的林窗和林冠提取分析

森林冠层和林窗的结构及其时空变化是理解森林生态系统格局、动态变化过程的重要基础。在当前生物多样性监测倍受关注的契机下，如何以合适的手段准确描述林窗面积、分布等特征，并与森林固定样地监测数据有效地结合，更好地回答群落构建的理论问题，使森林群落物种多样性维持机制得到更全面的认识，是目前亟待解决的问题。以鼎湖山南亚热带常绿阔叶林20 hm2固定监测样地为研究对象，基于不同遥感影像提取方法对其林窗和林冠表层数据进行提取分析。结果表明：基于监督分类的提取方法适合RGB波段航片林窗的提取，在林窗分类中，应首先确定林窗高度、边界木与最小面积，不同分类方法差异主要表现在林冠分类中，林窗分类生产者精度和用户精度表现都较为一致。无人机航拍识别率受地形因素影响较大，在地形复杂林地应按坡度分区域进行飞行以降低误差。相对于地面调查，MD4-1000无人机航片的林窗识别率为98.7%；大疆Phantom4无人机航片的林窗识别率为72.3%，影像后期处理数据量小，同样适用于森林林窗定量研究，符合生态学、林业等从业人员对大型样地林窗长期监测的要求。无人机航拍南亚热带森林物种识别难度较大，基于MD4-1000无人机搭载的高分辨率相机，在地势平缓区域优选的4 hm2样地中可识别林冠表层物种数17种，共2 706个个体。搭载高分辨率无人机在降低飞行高度的基础上可进行部分物种识别。应用无人机近地面遥感对森林固定样地进行林冠监测，可为后期群落构建研究提供数据基础，有望从新的研究角度探讨森林群落物种多样性维持机制。     

面向电网巡检的多旋翼无人机航测系统关键技术研究及应用

针对无人机电力巡检所面临的定位精度低、近距离巡检操控难度大、自动化程度低、人为操控事故风险高等问题,本文提出了利用多旋翼无人机RTK差分定位技术、复杂塔型飞行规则机器学习算法等无人机航测系统技术,研发面向电网巡检的无人机智能操作系统及控制终端,提升电网线路日常管理和应急指挥的规范性、便利性和经济性,为电网管理部门提供一种低成本、易操作、高效率、机动灵活的新型巡检模式。     

无人智能技术在水库地形测量与库容计算中的应用

随着无人机和无人船技术的发展,将其运用于水库地形测量已成为当今水利工程的发展趋势。本文采用无人机和无人船,以及不规则三角网的库容计算方法,对梅州水库的库容进行了复核,并阐述了相应的数据获取方法和数据处理过程,以及库容的计算方法和原理。无人机和无人船等新技术的使用,提高了水库地形的获取精度及库容的计算精度,不仅降低了成本,提高了效率,而且推动了水利科技的进步,具有实践意义。     

半封闭大棚实验下广州市植被滞尘光谱特征分析

基于广州市常见的绿化植物,采用高光谱遥感技术,通过设计半封闭的大棚实验方案,探讨了滞尘污染下不同植物叶片的光谱特征,结果表明：1）滞尘时间是影响绿化植物累积滞尘量的一个重要因子,滞尘量随着时间的增加而增加,但达到饱和之后会呈减少的趋势。2）在可见光波段,受叶面尘影响,叶片光谱反射率升高,且随滞尘量的增加而升高;在近红外波段则相反,光谱反射率随滞尘量的增加而降低。3）叶面尘对植物叶片的光谱特征参数具有直接或间接的影响,其中滞尘量与植物的三边位置无关,与归一化植被指数NDVI呈负相关关系,且不同植物的NDVI受叶面尘影响的程度不同,从大到小依次为：朱蕉>红花檵木>金叶榕。文章设计的半封闭大棚实验方案为植物滞尘效应的长时间可持续性研究提供了新思路。     

鞍山市未利用地多宜性评价及其利用方向研究

正随着"十三五"规划的逐渐推进,东北地区也将发展新型农业,促进工业转型,保护生态环境,改善生活水平。然而一切的发展都离不开土地的供给,在这样的大环境下如何高效地开展未利用地的综合开发利用规划、解决突出的人地矛盾,具有很高的现实意义。鞍山市作为东北产粮大市,同时也是重工业园区,农用地和建设用地的供需矛盾制约着粮食的生产和经济的发展。通过对鞍山市未利用地的研究,一方面,可以拓展建     

一种改进的融合多指标荒漠化等级分类方法

土地荒漠化等级分类是荒漠化监测的重要内容,也是土地荒漠化综合治理、科学防护的基础。针对植被稀疏及干旱区土地荒漠化提取异常的问题,本文选择干旱/半干旱的科尔沁区为试验区,以2005、2010和2015年3期的中高分辨率Landsat遥感影像为数据源,基于大量的样本统计分析,提出了一种融合植被覆盖度（FVC）、去土壤植被指数（MSAVI）、增强性植被指数（EVI）3种指标的荒漠化提取模型,并将之与传统植被覆盖度指标提取结果进行了对比分析。研究结果表明,相较于单一植被指数反演方法,本文提出的算法分类精度更高,尤其针对干旱/半干旱地区,该融合植被指数法具有更好的适用性和稳健性。该方法为荒漠化评价体系的建立提供了新的思路,为土地荒漠化防护与治理提供了辅助决策支撑。     

一种基于城市水体指数与分形几何算法的OLI遥感影像水体提取方法

针对严重污染的城市水体与道路、建筑物、阴影等易于混分,以及遥感水体提取结果不连续、存在斑点问题,本文以广州市流溪河与东江水系为研究对象,基于2016年与2017年OLI遥感影像,采用本文新提出的城市水体指数法(CWI),同时结合分形几何算法,通过设置形状面积等特征,实现城市复杂环境下的水体信息的自动提取。并与单通道算法、改进的归一化差异水体指数(MNDWI)算法、支持向量机法(SVM)与光谱角度法的水体提取结果进行对比分析。结果表明:SVM算法出现大量斑点,其次为MNDWI水体指数算法,光谱角度算法与单通道算法斑点较少,但水体提取结果不连续,部分河道漏分。本文提出的算法能够克服山体阴影、道路、建筑物等影响,实现城市污染水体以及一般水体连续、准确提取。本文的提取结果可为水资源调查、洪水灾害预测评估、水利规划、环境监测等工作提供基础数据支撑。     

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。     

基于无人机遥感的海岸带生态环境监测研究综述

本文介绍了无人机遥感系统的发展历史及现状,并从海岸带生态环境监测应用角度,总结了无人机平台、载荷在海岸带生态环境监测的现状;综述了无人机遥感在海岸带生态环境监测中8个不同场景的应用,为无人机遥感在海岸带管理中的发展潜力和有效性提供了参考。同时指出,为进一步提升无人机遥感在海岸带生态环境监测中的应用效果,需要在无人机载荷、像控点(GCPs)布设、光谱数据处理等相关技术方面进行进一步研究和完善。未来,随着无人机数据传输速度的提高与无人机自组网技术的发展,有望实现海岸带生态环境高效、智能化监测。