基于ERS-1/2和Envisat ASAR数据的大区域森林制图研究

田昕; 李增元; 陈尔学; 凌飞龙; OliverCartus3MaurizioSantoro; ChristianeSchmullius

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于ERS-1/2和Envisat ASAR数据的大区域森林制图研究

田昕, 李增元, 陈尔学, 凌飞龙, OliverCartus3MaurizioSantoro, ChristianeSchmullius,

文章导航 > 北京林业大学学报 > 2013 > 35(1): 7-16

田昕, 李增元, 陈尔学, 凌飞龙, OliverCartus3MaurizioSantoro, ChristianeSchmullius, . 基于ERS-1/2和Envisat ASAR数据的大区域森林制图研究[J]. 北京林业大学学报, 2013, 35(1): 7-16.

引用本文:

TIAN Xin, LI Zeng-yuan, CHEN Er-xue, LING Fei-long, Oliver Cartus, Maurizio Santoro, Christiane Schmullius. Large-scale forest mapping based on ERS-1/2 and Envisat ASAR data.[J]. Journal of Beijing Forestry University, 2013, 35(1): 7-16.

Citation:

TIAN Xin, LI Zeng-yuan, CHEN Er-xue, LING Fei-long, Oliver Cartus, Maurizio Santoro, Christiane Schmullius. Large-scale forest mapping based on ERS-1/2 and Envisat ASAR data.[J]. Journal of Beijing Forestry University, 2013, 35(1): 7-16.

基于ERS-1/2和Envisat ASAR数据的大区域森林制图研究

1.
1 中国林业科学研究院资源信息研究所2福州大学空间信息工程研究中心3 德国耶纳大学对地观测学院4 瑞士Gamma遥感公司

Large-scale forest mapping based on ERS-1/2 and Envisat ASAR data.

1.
1 Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing, 100091, P.R.China; 2 Spatial Information Research Center, Fuzhou University, 350002, P. R. China; 3 Department of Earth Observation, FriedrichSchiller University Jena, 07745, Germany; 4 Gamma Remote Sensing, Gümligen, 3073, Switzerland.

摘要: 分别利用1995—2000年的ERS-1/2串行数据和2005年的Envisat ASAR数据对我国东北林区进行森林制图研究。针对ERS-1/2数据相干模型，采用一种不依靠地面实况数据而是基于MODIS植被连续覆盖产品进行训练的方法，从而实现进行大区域森林蓄积量分级制图的目的。分级制图包括0～20、20～50、50～80和80 m3/hm2 4个蓄积量等级。基于Envisat ASAR数据，采用面向对象的分类方法，进行自动化森林和非森林分类处理。基于2005年Landsat TM-5分类结果的交叉验证表明：这2种传感器SAR数据均可用于大区域森林制图。2期森林制图结果为进一步的森林变化分析以及制图更新研究提供支持。
- 干涉SAR /
- 极化SAR /
- 大区域森林制图 /
- 面向对象
Abstract: In this paper, two kinds of forest map over Northeast China were produced by use of archived ERS-1/2 tandem data (1995-2000) and Envisat ASAR data (2005). As far as ERS-1/2 coherence model was concerned, a new approach was introduced, that allowed model training using the MODIS Vegetation Continuous Fields canopy cover product without further need for ground data. On basis of this method, the largescale forest stem volume map (four classes: 0-20, 20-50, 50-80 and 80 m3/hm2) was generated. As regards the Envisat ASAR data, the object-based classifier was applied to map the forest/nonforest areas automatically. The crosscomparisons were performed for these two kinds of map based on the land use map from Landsat TM-5 data acquired in 2005. The results show that these two satellite SAR data can be used for the largescale forest mapping and their maps in current case will provide supports for the further analysis of forest change detection and the map updating.
- interferometric SAR /
- polarimetric SAR /
- large-scale forest mapping /
- object-based

[1]	胡中洋, 刘锐之, 刘萍. 面向县级森林经营规划编制的辅助程序设计与应用 . 北京林业大学学报, 2020, 42(12): 24-31. doi: 10.12171/j.1000-1522.20200078
[2]	李云, 张王菲, 崔鋆波, 李春梅, 姬永杰. 参数优选支持的光学与SAR数据森林地上生物量反演研究 . 北京林业大学学报, 2020, 42(10): 11-19. doi: 10.12171/j.1000-1522.20190389
[3]	吴艳双, 张晓丽. 结合多尺度纹理特征的高光谱影像面向对象树种分类 . 北京林业大学学报, 2020, 42(6): 91-101. doi: 10.12171/j.1000-1522.20190155
[4]	白莹, 胡淑萍. 基于CART决策树的自然保护区植被类型分布研究 . 北京林业大学学报, 2020, 42(6): 113-122. doi: 10.12171/j.1000-1522.20190269
[5]	王建军, 陆元昌, 赵秀海, 孟京辉, 向玮. 马尾松人工林密度控制图及密度预警研究 . 北京林业大学学报, 2019, 41(5): 31-37. doi: 10.13332/j.1000-1522.20190015
[6]	朱方嫣, 沈文娟, 李明诗. 基于WorldView2和GF-2的面向对象多指标综合植被变化分析 . 北京林业大学学报, 2019, 41(11): 54-65. doi: 10.13332/j.1000-1522.20180435
[7]	刘祖英, 王兵, 赵雨森, 牛香. 典型区域退耕还林工程生态区划 . 北京林业大学学报, 2018, 40(3): 93-100. doi: 10.13332/j.1000-1522.20170394
[8]	杨铭, 张晓丽, 霍朗宁, 高凌寒. 森林区域机载LiDAR点云数据的改进八叉树滤波算法研究 . 北京林业大学学报, 2018, 40(11): 102-111. doi: 10.13332/j.1000-1522.20180130
[9]	李明泽, 于欣彤, 高元科, 范文义. 基于SAR极化分解与Landsat数据的森林生物量遥感估测 . 北京林业大学学报, 2018, 40(2): 1-10. doi: 10.13332/j.1000-1522.20170284
[10]	胡昕卉, 李文彬, 阚江明. 面向整枝机控制的手势识别技术研究 . 北京林业大学学报, 2017, 39(2): 117-124. doi: 10.13332/j.1000-1522.20160290
[11]	冯静静, 张晓丽, 刘会玲. 基于灰度梯度图像分割的单木树冠提取研究 . 北京林业大学学报, 2017, 39(3): 16-23. doi: 10.13332/j.1000--1522.20160373
[12]	冯静静, 张晓丽, 刘会玲. 基于灰度梯度图像分割的单木树冠提取研究 . 北京林业大学学报, 2017, 39(3): 16-23. doi: 10.13332/j.1000-1522.20160373
[13]	李超, 苏耀文, 涂文俊, 张怡卓. 面向用户视觉心理的实木板材压缩感知聚类分选 . 北京林业大学学报, 2016, 38(7): 112-119. doi: 10.13332/j.1000-1522.20150315
[14]	魏晶昱, 毛学刚, 方本煜, 包晓建, 许振宇. 基于Landsat 8 OLI辅助的亚米级遥感影像树种识别 . 北京林业大学学报, 2016, 38(11): 23-33. doi: 10.13332/j.1000-1522.20160054
[15]	穆喜云, 张秋良, 刘清旺, 庞勇, 胡凯龙. 基于机载激光雷达的寒温带典型森林高度制图研究 . 北京林业大学学报, 2015, 37(7): 58-67. doi: 10.13332/j.1000-1522.20150016
[16]	王兵, 任晓旭, 胡文. 中国森林生态系统服务功能的区域差异研究 . 北京林业大学学报, 2011, 33(2): 43-47.
[17]	李春干, 邵国凡. Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究 . 北京林业大学学报, 2010, 32(4): 1-5.
[18]	刘增文, 段而军, 刘卓玛姐, 冯顺煜. 陕北半干旱风沙区人工纯林土壤性质极化研究 . 北京林业大学学报, 2009, 31(2): 1-9.
[19]	蒲智, 刘萍, 杨辽, 白洁, . 城市绿地信息提取中的遥感影像阴影校正 . 北京林业大学学报, 2009, 31(2): 80-85.
[20]	武三安, 胡建忠, 杜晓, 莫秋云, 陈玮, 贾黎明, 刁一伟, 李成茂, 刘晓丽, 张丽丽, 韩烈保, 张建军, 张厚江, 郭惠红, 石娟, 赵博光, 王昌俊, 申世杰, 梁波, 马履一, 李文彬, 姜笑梅, 徐文铎, 邢长山, 骆有庆, 李镇宇, 王安志, 清水晃, 宋菲, 张峻萍, 金昌杰, 苏德荣, 崔英颖, 壁谷直记, 王小平, 曾凡勇, 李海林, 李景锐, 赵林果, 石碧, 殷亚方, 沉昕, 延廣竜彦, 徐梅, 蒋艳灵, 韩瑞东, 苗毅, 陈卫平2, 韦艳葵, 胡青, 关德新, 王瀛坤, 裴铁璠, 赵永利, 严晓素, 高述民, 徐君, 李凤兰, 周军, 蒋平, 蒋平. 确定监测区域建立森林郁闭度估测方程最优样地的研究 . 北京林业大学学报, 2005, 27(6): 24-28.

点击查看大图

计量

文章访问数: 1116
HTML全文浏览量: 56
PDF下载量: 73
被引次数: 0

基于ERS-1/2和Envisat ASAR数据的大区域森林制图研究

1. 1 中国林业科学研究院资源信息研究所2福州大学空间信息工程研究中心3 德国耶纳大学对地观测学院4 瑞士Gamma遥感公司

收稿日期: 1900-01-01
修回日期: 1900-01-01
刊出日期: 2013-01-30

关键词:

干涉SAR /

极化SAR /

大区域森林制图 /

面向对象

摘要: 分别利用1995—2000年的ERS-1/2串行数据和2005年的Envisat ASAR数据对我国东北林区进行森林制图研究。针对ERS-1/2数据相干模型，采用一种不依靠地面实况数据而是基于MODIS植被连续覆盖产品进行训练的方法，从而实现进行大区域森林蓄积量分级制图的目的。分级制图包括0～20、20～50、50～80和80 m3/hm2 4个蓄积量等级。基于Envisat ASAR数据，采用面向对象的分类方法，进行自动化森林和非森林分类处理。基于2005年Landsat TM-5分类结果的交叉验证表明：这2种传感器SAR数据均可用于大区域森林制图。2期森林制图结果为进一步的森林变化分析以及制图更新研究提供支持。

English Abstract

Large-scale forest mapping based on ERS-1/2 and Envisat ASAR data.

1. 1 Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing, 100091, P.R.China; 2 Spatial Information Research Center, Fuzhou University, 350002, P. R. China; 3 Department of Earth Observation, FriedrichSchiller University Jena, 07745, Germany; 4 Gamma Remote Sensing, Gümligen, 3073, Switzerland.

Received Date: 1900-01-01
Rev Recd Date: 1900-01-01
Publish Date: 2013-01-30

Keywords:

Abstract: In this paper, two kinds of forest map over Northeast China were produced by use of archived ERS-1/2 tandem data (1995-2000) and Envisat ASAR data (2005). As far as ERS-1/2 coherence model was concerned, a new approach was introduced, that allowed model training using the MODIS Vegetation Continuous Fields canopy cover product without further need for ground data. On basis of this method, the largescale forest stem volume map (four classes: 0-20, 20-50, 50-80 and 80 m3/hm2) was generated. As regards the Envisat ASAR data, the object-based classifier was applied to map the forest/nonforest areas automatically. The crosscomparisons were performed for these two kinds of map based on the land use map from Landsat TM-5 data acquired in 2005. The results show that these two satellite SAR data can be used for the largescale forest mapping and their maps in current case will provide supports for the further analysis of forest change detection and the map updating.

引用本文:

Citation:

TIAN Xin, LI Zeng-yuan, CHEN Er-xue, LING Fei-long, Oliver Cartus, Maurizio Santoro, Christiane Schmullius. Large-scale forest mapping based on ERS-1/2 and Envisat ASAR data.[J]. Journal of Beijing Forestry University, 2013, 35(1): 7-16.

全文HTML

下载: 全尺寸图片幻灯片

返回文章

用微信扫码二维码

分享至好友和朋友圈

留言板

基于ERS-1/2和Envisat ASAR数据的大区域森林制图研究

Large-scale forest mapping based on ERS-1/2 and Envisat ASAR data.

计量

出版历程

基于ERS-1/2和Envisat ASAR数据的大区域森林制图研究

1. 1 中国林业科学研究院资源信息研究所2福州大学空间信息工程研究中心3 德国耶纳大学对地观测学院4 瑞士Gamma遥感公司

English Abstract

Large-scale forest mapping based on ERS-1/2 and Envisat ASAR data.

全文HTML

目录