简介:2013年夏季,东北地区降雨频繁,松花江、嫩江、黑龙江等江河水位暴涨,遭遇继1998年以来最为严重洪水灾害。应用遥感和地理信息系统技术,利用中国环境与灾害监测预报小卫星(简称HJ-1卫星)和Landsat8卫星影像(HJ-1卫星影像可以弥补Landsat8卫星重访周期较长、在洪水发生期间可用影像较少的缺陷),对松花江和嫩江交汇段水情进行实时监测,构建洪水监测遥感影像集;利用两种影像确定不同时相的洪水淹没范围,掌握洪水发展的过程,对淹没区的灾情进行快速评估。遥感监测结果表明,2013年6月17日至7月26日,洪水主要使主河道展宽,镇赉县局部河漫滩和低洼地被洪水淹没;7月26日至8月20日,洪水主要淹没了河漫滩和低洼地;8月20至9月8日,河流总体变化不大。截至9月8日,松花江、嫩江交汇段淹没面积为1170.2km2,其中吉林省境内的淹没面积为622.58km2,黑龙江省境内的淹没面积为547.62km2;淹没的土地覆盖类型以耕地和沼泽为主,其淹没面积分别为759.58km2和348.25km2,两者面积共占总淹没面积的94.67%;居住地淹没较为严重的为杜尔伯特蒙古族自治县和肇源县,两县淹没面积分别为0.43km2和0.30km2,其中,杜尔伯特他拉哈镇安平村、肇源县四合村受洪灾较重。
简介:采用双指示种分析(TwoWayIndicatorsSpeciesAnalysis,TWINSPAN)和除趋势对应分析(DetrendedCorrespondenceAnalysis,DCA)方法,对位于三江平原的建三江农垦分局内的湿地植物群落的数据进行群落数量分类和排序。调查的86个样地中共发现49科133属226个物种;TWINSPAN将样地划分为8种群丛,将优势物种划分为8组,分类结果可以在DCA排序图上很好地反映出来,且优势物种的分布格局很大程度上决定了群丛的分布格局;DCA的前两个排序轴提供了23.5%的信息量,其中第一排序轴提供了14.5%的信息量,主要反映出样地水分条件的变化;样地的排序结果反映了植物群落类型与环境因子之间的关系。
简介:随着人类活动对湿地影响的加剧,人类对湿地的干扰已经成为新的研究热点。以三江源区为主要研究区,通过构建人类干扰强度空间化指数,利用连续网格法,对人类干扰强度与不同时期的湿地率分布、湿地类型分布、湿地率和湿地类型年际变化的关系进行分析。研究结果表明,不同人类干扰强度等级内的湿地率与等级呈负相关关系,随着人类干扰强度等级的增大,湿地率明显减小。而在不同干扰等级下,对1990年、2000年和2008年湿地率变化的分析表明,人类干扰强度越大,湿地的年际变化越小。基于栅格单元对湿地的分布、变化的进一步分析同样表明,人类干扰强度越大,湿地率越小,湿地的年际变化也越小。不同类型的湿地在不同人类干扰等级间的分布差异也较大,湖泊、沼泽等在人类干扰弱的区域内所占比例较大;而河流湿地和水库、池塘等主要分布在人类干扰强度大的地区,且这些湿地类型的年际变化较小。
简介:草原鼠洞的识别定位可以为鼠害的监测、预测和防治等提供科学参考,因此,如何快速且准确地识别草地鼠洞成为亟需解决的问题。选取玛多县典型区作为研究区,利用可见光波段无人机影像,研究并建立了面向对象的模板匹配法和支持向量机法的草地鼠洞自动识别方法。模板匹配法是在多尺度分割的影像中选取不同种类的鼠洞对象并生成匹配模板,接着进行目标检测并产生初始结果,最后构建光谱、几何和纹理特征库对检测结果进行筛选。支持向量机法首先采集鼠洞训练样本并优化分类特征空间,然后采用支持向量机分类器监督分类得到鼠洞识别结果。对2种方法的识别结果进行精度评价与分析表明:2种方法的总体精度均较高,适用于三江源区草原鼠洞的精准识别。基于面向对象的模板匹配法比支持向量机法的总体识别精度整体高1%,错分误差低3%,识别效果较好。
简介:运用树木年代学的基本原理和方法,研究三明地区马尾松(Pinusmassiniana)径向生长对气候要素的响应。结果表明:夏季温度限制着马尾松的径向生长,年轮宽度与上一年和当年7-8月平均气温均呈显著负相关(P<0.01);马尾松的径向生长受到降水和湿度的影响较大,与上一年1-3月降水量和2-3月平均相对湿度显著负相关(P<0.01),与当年6-11月平均降水量和7-8月相对湿度显著正相关(P<0.01);同时宽度年表与上一年2-3月太阳日照时数显著正相关(P<0.01);另外,宽度年表与6-11月PDSI显著正相关(P<0.05),生长季的干旱胁迫抑制了马尾松的生长。研究说明本地区限制马尾松树木生长的因素较多,1年中不同时期限制马尾松径向生长的气候因子不同。
简介:针对亚热带地区树种丰富,树种间相似度大对树种识别带来的问题,本研究以福建省三明市莘口镇格氏栲自然保护区附近13种常见树种的冠层实测高光谱数据为例,采用一种分层分析方法,探讨不同光谱类别的树种识别精度以及树种识别的最佳波段。首先,对原始光谱进行变换处理,包括一阶微分、二阶微分、对数一阶微分、包络线去除和植被指数;其次,通过分析选择出13种树种各光谱类别的差异显著波段;最后,利用逐步判别法对选择的差异显著波段进一步降维,判断不同光谱类别的树种识别精度并找出识别13种树种的最佳波段。结果表明:光谱变换能有效地提高树种的识别精度,尤其是对数一阶微分光谱,总识别精度高达98.7%;对于原始光谱,近红外波段(760~1300nm)的树种识别能力更强,对于变换光谱,可见光波段(350~760nm)的树种识别效果更佳;不同光谱类别之间具体的显著性差异波段存在很大差别,原始光谱与变换光谱之间仅在绿光波段(500~600nm)有少量相同的显著性差异波段,此研究成果可为亚热带地区树种识别提供参考。