森林火灾是森林生态系统中重要的干扰,对碳循环和碳平衡具有影响。林火作为大兴安岭森林生态系统中主要的干扰因子,直接影响区域的净初级生产力NPP(net primary productivity)。林火的发生使NPP迅速下降,改变了区域碳平衡。以多时相遥...森林火灾是森林生态系统中重要的干扰,对碳循环和碳平衡具有影响。林火作为大兴安岭森林生态系统中主要的干扰因子,直接影响区域的净初级生产力NPP(net primary productivity)。林火的发生使NPP迅速下降,改变了区域碳平衡。以多时相遥感数据为基础,利用CASA(Carngie-Ames-stanford-Approach)模型估算大兴安岭北部地区未过火区和过火区植被NPP变化。结果表明:1987年6月,未过火区植被NPP为145 g C m-2,轻度过火区为74 g C m-2,中度过火区为58 g C m-2,重度过火区植被NPP为38 g C m-2,火干扰后NPP分别降低了49%、60%、73%;1999年8月,火干扰12 a后,过火区NPP是未过火区NPP的96%以上,NPP恢复迅速,基本达到未过火区水平。2009年8月,火干扰22 a后,过火区NPP是未过火区93%以上,与火干扰12 a时相比,下降3%。虽然NPP增速下降,但是NPP总量增加,生产力也与未过火区基本处于同水平。展开更多
为了进一步提高多时相遥感图像变化检测的精度,本文提出了一种将Shearlet变换与核主成分分析(kernel principal component analysis,KPCA)相结合用于遥感图像变化检测的算法.首先利用Shearlet变换的多尺度、多方向和各向异性等特点,对...为了进一步提高多时相遥感图像变化检测的精度,本文提出了一种将Shearlet变换与核主成分分析(kernel principal component analysis,KPCA)相结合用于遥感图像变化检测的算法.首先利用Shearlet变换的多尺度、多方向和各向异性等特点,对遥感图像进行多尺度分解,然后对分解后的数据进行核主成分分析,再进行Shearlet反变换得到含变化信息的图像,最后对该图像利用模糊局部信息C均值(fuzzy local information c-means,FLICM)聚类算法进行分割,实现遥感图像的变化检测.大量试验结果表明,与基于主成分分析(principal component analysis,PCA)、基于KPCA、基于小波变换和PCA 3种变化检测算法相比,本文算法能有效地分离出变化信息,得到更准确的变化检测图像,具有更高的变化检测精度,且对背景有较强的鲁棒性,同时也减少了计算复杂度.展开更多
文摘森林火灾是森林生态系统中重要的干扰,对碳循环和碳平衡具有影响。林火作为大兴安岭森林生态系统中主要的干扰因子,直接影响区域的净初级生产力NPP(net primary productivity)。林火的发生使NPP迅速下降,改变了区域碳平衡。以多时相遥感数据为基础,利用CASA(Carngie-Ames-stanford-Approach)模型估算大兴安岭北部地区未过火区和过火区植被NPP变化。结果表明:1987年6月,未过火区植被NPP为145 g C m-2,轻度过火区为74 g C m-2,中度过火区为58 g C m-2,重度过火区植被NPP为38 g C m-2,火干扰后NPP分别降低了49%、60%、73%;1999年8月,火干扰12 a后,过火区NPP是未过火区NPP的96%以上,NPP恢复迅速,基本达到未过火区水平。2009年8月,火干扰22 a后,过火区NPP是未过火区93%以上,与火干扰12 a时相比,下降3%。虽然NPP增速下降,但是NPP总量增加,生产力也与未过火区基本处于同水平。
文摘为了进一步提高多时相遥感图像变化检测的精度,本文提出了一种将Shearlet变换与核主成分分析(kernel principal component analysis,KPCA)相结合用于遥感图像变化检测的算法.首先利用Shearlet变换的多尺度、多方向和各向异性等特点,对遥感图像进行多尺度分解,然后对分解后的数据进行核主成分分析,再进行Shearlet反变换得到含变化信息的图像,最后对该图像利用模糊局部信息C均值(fuzzy local information c-means,FLICM)聚类算法进行分割,实现遥感图像的变化检测.大量试验结果表明,与基于主成分分析(principal component analysis,PCA)、基于KPCA、基于小波变换和PCA 3种变化检测算法相比,本文算法能有效地分离出变化信息,得到更准确的变化检测图像,具有更高的变化检测精度,且对背景有较强的鲁棒性,同时也减少了计算复杂度.
