我國的陸地衛(wèi)星自“十一五”以來,在民用航天、高分辨率對地觀測系統(tǒng)重大專項、空間基礎設施等重大工程牽引下,在規(guī)模上已穩(wěn)居全球第二位,在衛(wèi)星數(shù)據(jù)性能、質(zhì)量、類型、服務能力等方面也緊跟美歐,取得了巨大進展,為其應用的產(chǎn)業(yè)化奠定了堅實基礎。陸地衛(wèi)星應用是基于天空地一體化數(shù)據(jù)獲取、對地球系統(tǒng)的定量化感知、大數(shù)據(jù)運營以及多學科交叉、多領域集成,與衛(wèi)星通信/導航、大數(shù)據(jù)、物聯(lián)網(wǎng)、云服務、人工智能、地理信息等手段融合,可及時、精準地提取和反演相關重要參數(shù)(如大氣/地球物化參數(shù)、植被生化參數(shù)等)并挖掘其關聯(lián)性和推導時空變化規(guī)律,對政府部門信息獲知精確化、輔助決策精準化和實施治理精細化,以及大眾消費升級和精致生活具有重要支撐作用,是典型的高技術(shù)服務業(yè)。但是,我國的陸地衛(wèi)星應用和空間信息產(chǎn)業(yè)發(fā)展還相對滯后于衛(wèi)星系統(tǒng)建設,需要深入挖掘行業(yè)、地方和大眾需求,聚焦具體應用場景,突破相應的關鍵技術(shù)。
近年來,中國經(jīng)濟發(fā)展和人口增長的雙重壓力對國家資源環(huán)境的影響程度超過了歷史上的任何時期。為了保證國家資源與環(huán)境的可持續(xù)發(fā)展,如何準確及時地對自然資源進行有效監(jiān)管,進而指導人們正確開發(fā)利用自然資源、保護生態(tài)環(huán)境,已成為國家決策部門和國內(nèi)外科學家普遍關注的問題。江淮分水嶺地區(qū)在森林地理分區(qū)屬于亞熱帶常綠闊葉林帶的安徽中部北亞熱帶落葉、常綠闊葉林混交林地帶。該區(qū)域是長江、淮河流域的分界線,狀如“脊背”,在長三角區(qū)域經(jīng)濟發(fā)展格局中占有重要地位。江淮分水嶺地區(qū)屬秦嶺、大別山向東的延伸部分,因其獨特的地理環(huán)境和氣候條件,擁有豐富的農(nóng)業(yè)資源,是安徽省乃至全國重要的糧棉基地,但同時旱澇災害多發(fā)。擴大和保護森林資源,對于該地生態(tài)環(huán)境的恢復與保育,促進當?shù)氐拿撠氈赂缓蜕鐣沙掷m(xù)發(fā)展具有重要意義。同時,江淮分水嶺地區(qū)在“長江經(jīng)濟帶”中具有重要的戰(zhàn)略地位,具有創(chuàng)新活躍強勁、制造特色鮮明、生態(tài)資源良好、內(nèi)陸腹地廣闊等優(yōu)勢。在該區(qū)域開展以林地資源監(jiān)測為主的國產(chǎn)陸地衛(wèi)星應用產(chǎn)業(yè)化關鍵技術(shù)攻關和示范,對于推進省級/地市級政務信息化聯(lián)動建設、探索大眾空間信息應用和數(shù)字經(jīng)濟創(chuàng)新發(fā)展新模式、促進長三角區(qū)域一體化具有重要意義。
從2010年至2020年,在國家國防科技工業(yè)局、中共安徽省委軍民融合發(fā)展委員會辦公室 (安徽省國防科學技術(shù)工業(yè)辦公室)、安徽省教育廳等有關部門的大力支持下,滁州學院、安徽師范大學、安徽省高分辨率對地觀測系統(tǒng)數(shù)據(jù)產(chǎn)品與軟件研發(fā)中心、滁州學院安徽省院士工作站、2018安徽省省屬高校國產(chǎn)衛(wèi)星應用領軍人才團隊等單位和平臺充分發(fā)揮多專業(yè)、多部門優(yōu)勢,組成研發(fā)團隊,利用國產(chǎn)民用高分辨率對地觀測系統(tǒng)開展江淮分水嶺地區(qū)林地資源監(jiān)測研究。在項目實施過程中,先后有30多位專業(yè)技術(shù)人員與工作人員參與本項工作,項目各課題承擔單位克服了工作任務重、經(jīng)費少、環(huán)境條件艱苦等種種困難,利用遙感及地理信息系統(tǒng)技術(shù),結(jié)合現(xiàn)有成果、基礎工作及江淮分水嶺區(qū)域特點,對該區(qū)域林地資源的總體現(xiàn)狀及動態(tài)變化情況,開展了全方位的遙感監(jiān)測和系統(tǒng)集成,形成了大量有價值的成果。項目完成的主要工作成果包括:
一、科研任務研究成果
(1)基于高分載荷的林地變化監(jiān)測軟件模塊與專題產(chǎn)品
基于高分衛(wèi)星載荷數(shù)據(jù),提出了一種基于高分二號衛(wèi)星數(shù)據(jù)的林地變化監(jiān)測模型,并形成自動提取軟件模塊,為暖溫帶落葉闊葉林林地變化監(jiān)測提供理論依據(jù)與算法借鑒。
(2)基于高分載荷的林地樹種識別軟件模塊與專題產(chǎn)品
基于高分衛(wèi)星載荷數(shù)據(jù),提出了一種基于高分五號和高分六號衛(wèi)星數(shù)據(jù)的暖溫帶落葉闊葉林樹種識別模型,并形成自動提取軟件模塊,為暖溫帶落葉闊葉林樹種識別提供理論依據(jù)與算法借鑒。
(3)基于高分載荷的林分郁閉度估計軟件模塊與專題產(chǎn)品
基于高分衛(wèi)星載荷數(shù)據(jù),提出了一種基于高分一號和高分六號衛(wèi)星數(shù)據(jù)的森林郁閉度估計模型,并形成自動提取軟件模塊,為暖溫帶落葉闊葉林森林郁閉度估計提供理論依據(jù)與算法借鑒。
(4)基于高分一號及高分六號衛(wèi)星數(shù)據(jù)的生物量估算軟件模塊與專題產(chǎn)品
為探究高分一號和高分六號衛(wèi)星遙感影像數(shù)據(jù)對生物量的估測效果,分析不同影像不同模型對生物量估測的適用性,以滁州市皇甫山自然保護區(qū)為研究區(qū),高分一號及高分六號影像為數(shù)據(jù)源,從影像中提取光譜信息、地形、紋理特征等共386個指數(shù)因子,結(jié)合實地調(diào)查數(shù)據(jù),根據(jù)不同樹種分別篩選出合適的建模因子作為模型自變量,建立多元逐步回歸模型,分析不同數(shù)據(jù)源對研究區(qū)中多樹種和單一樹種森林生物量估測的影響,同時引入BP神經(jīng)網(wǎng)絡和隨機森林模型建立多樹種生物量估測模型。結(jié)果表明,應用多元逐步回歸模型進行不同樹種生物量建模,聯(lián)合數(shù)據(jù)優(yōu)于單一數(shù)據(jù)建模;分樹種建模結(jié)果馬尾松和麻櫟優(yōu)于多樹種建模,決定系數(shù)R2麻櫟>R2馬尾松>R2多樹種>R2濕地松;多樹種生物量估算中,聯(lián)合數(shù)據(jù)建立隨機森林模型效果最優(yōu),其次為BP神經(jīng)網(wǎng)絡,多元逐步回歸模型效果最差。
(5)基于高分一號及高分六號衛(wèi)星數(shù)據(jù)的城市綠地信息提取軟件模塊與專題產(chǎn)品
基于高分衛(wèi)星載荷數(shù)據(jù),提出了一種基于高分一號和高分六號衛(wèi)星數(shù)據(jù)的城市綠地信息提取方法,并形成自動提取軟件模塊,為暖溫帶城市綠地信息提取提供理論依據(jù)與算法借鑒。
二、建設任務研究成果
研制開發(fā)完成了以區(qū)域森林資源遙感監(jiān)測為主要業(yè)務主體的三個系統(tǒng):原型系統(tǒng)、業(yè)務化系統(tǒng)、移動終端系統(tǒng)。
(1)原型系統(tǒng):“基于高分載荷的森林資源監(jiān)測原型系統(tǒng)”
該系統(tǒng)是面向林業(yè)管理部門、為區(qū)域林長制遙感監(jiān)測量身打造的綜合業(yè)務運行系統(tǒng)。該系統(tǒng)運行于Windows平臺,可實現(xiàn)對國產(chǎn)高分衛(wèi)星遙感數(shù)據(jù)進行預處理、信息提取、產(chǎn)品生產(chǎn),基于國產(chǎn)高分衛(wèi)星數(shù)據(jù)的林地信息識別、林地郁閉度估計、林種識別、生物量/NPP估算、林業(yè)資源信息統(tǒng)計與分析、森林資源消長動態(tài)顯示與查詢,以及基于互聯(lián)網(wǎng)+云平臺的信息即時推送及同步更新、多形式用戶信息接收等功能,可以滿足林業(yè)部門專題產(chǎn)品生產(chǎn)需求。
(2)業(yè)務化系統(tǒng):“森林資源管理與服務平臺”
該系統(tǒng)形成“終端設備+市級林長森林資源管理與服務平臺運營+市級林長制監(jiān)測服務專題產(chǎn)品”模式,構(gòu)建了市級林長制監(jiān)測體系,實現(xiàn)了森林資源二三維展示、現(xiàn)狀森林資源數(shù)據(jù)統(tǒng)計與分析、林地工程統(tǒng)計與分析、森林資源消長動態(tài)監(jiān)測等功能,為市級林長、地方林業(yè)局提供資源監(jiān)測、森林管護、增綠護綠督察、輔助決策等衛(wèi)星監(jiān)測服務。
(3)移動終端系統(tǒng):“高分衛(wèi)星森林資源監(jiān)測移動終端系統(tǒng)”
該系統(tǒng)是以森林資源管理與服務平臺為依托,結(jié)合移動終端開發(fā)技術(shù),以林業(yè)信息化業(yè)務為目標,按照森林資源業(yè)務需求設計原則開發(fā)的森林資源監(jiān)測移動端系統(tǒng),實現(xiàn)了基于云平臺+移動終端模式的森林資源監(jiān)測的業(yè)務目標。實現(xiàn)了“地圖操作”“應用工具”“數(shù)據(jù)管理”“數(shù)據(jù)查詢”“人員管理”等功能,主要服務于林業(yè)工作人員,為用戶在野外實時定位、數(shù)據(jù)瀏覽、林業(yè)信息查詢統(tǒng)計以及數(shù)據(jù)采集等提供有效服務支持。用戶可隨時隨地、實時快速地獲取地區(qū)遙感影像和林業(yè)信息數(shù)據(jù),對林業(yè)信息進行查詢和編輯,及時地對林業(yè)信息進行采集和反饋。
三、示范應用研究成果
(1)11類典型專題產(chǎn)品
包括:示范區(qū)遙感影像專題產(chǎn)品1套、示范區(qū)基礎地理信息專題產(chǎn)品1套、示范區(qū)林地光譜專題產(chǎn)品1套、示范區(qū)林地動態(tài)監(jiān)測專題產(chǎn)品1套、示范區(qū)林分樹種識別專題產(chǎn)品1套、示范區(qū)林分林地郁閉度提取專題產(chǎn)品1套、示范區(qū)森林生物量估測專題產(chǎn)品1套、示范區(qū)林地征占監(jiān)測專題產(chǎn)品1套、示范區(qū)林長信息服務專題產(chǎn)品1套、示范區(qū)綠地信息分布專題產(chǎn)品1套、示范區(qū)植被覆蓋度專題產(chǎn)品1套。
(2)3類原型系統(tǒng)及業(yè)務化系統(tǒng)
包括:基于高分載荷的森林資源監(jiān)測原型系統(tǒng)1套;森林資源管理與服務平臺1套;高分衛(wèi)星森林資源監(jiān)測移動終端系統(tǒng)1套。
(3)1套安徽森林資源監(jiān)測背景數(shù)據(jù)庫
包括:遙感影像數(shù)據(jù)庫、基礎地理信息數(shù)據(jù)庫、森林資源背景數(shù)據(jù)庫、林地光譜數(shù)據(jù)庫。
四、科技創(chuàng)新
(1)突破了暖溫帶落葉闊葉林森林資源調(diào)查因子提取關鍵技術(shù)
突破了安徽江淮北部丘陵地區(qū)暖溫帶落葉闊葉林基于國產(chǎn)高分衛(wèi)星光譜特征的樹種識別、郁閉度提取、林地動態(tài)監(jiān)測以及光學衛(wèi)星遙感數(shù)據(jù)的森林生物量估測等關鍵技術(shù),實現(xiàn)了基于高分光學和高光譜衛(wèi)星載荷的森林變化監(jiān)測、樹種、林分郁閉度、森林生物量、城市綠地等信息遙感自動識別,為后續(xù)國產(chǎn)高分數(shù)據(jù)應用于森林資源調(diào)查、監(jiān)測管理奠定了技術(shù)基礎。
(2)構(gòu)建了森林資源信息化綜合服務平臺
針對森林資源監(jiān)測業(yè)務需求,應用多平臺、多時相遙感數(shù)據(jù)載荷,融合“互聯(lián)網(wǎng)+天基”等新一代信息技術(shù),構(gòu)建集森林資源監(jiān)測和管理于一體的森林資源信息化綜合服務平臺。提出一種基于“SDIKWa”信息鏈的森林資源監(jiān)測技術(shù),利用“數(shù)據(jù)-信息-知識-智慧-作業(yè)”閉環(huán)滾動模型優(yōu)化森林資源動態(tài)監(jiān)測信息鏈,針對不同類型的用戶需求分別提供基于B/S的服務模式與基于移動終端的服務模式,為政府、林業(yè)部門以及廣大群眾提供多樣化、多層次、定制化的林業(yè)專題信息,構(gòu)建安徽區(qū)域空間信息服務體系,并形成長效綜合服務模式。
(3)探討了高分衛(wèi)星林業(yè)產(chǎn)業(yè)化服務體系
初步形成了安徽區(qū)域輻射長江經(jīng)濟帶區(qū)域的高分衛(wèi)星應用系統(tǒng)及增值產(chǎn)品的銷售服務網(wǎng)絡體系,為政府和林業(yè)部門提供國產(chǎn)高分衛(wèi)星數(shù)據(jù)接收、數(shù)據(jù)預處理、數(shù)據(jù)加工、專題產(chǎn)品、數(shù)據(jù)分發(fā)、終端應用等服務,推進安徽區(qū)域高分衛(wèi)星應用產(chǎn)業(yè)發(fā)展,為長江經(jīng)濟帶區(qū)域戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展提供典型范例。
五、研究成果的技術(shù)水平及其先進性
(1)實現(xiàn)了國產(chǎn)高分數(shù)據(jù)的“好用”
通過林分各要素提取關鍵技術(shù)的實現(xiàn),突破了快速協(xié)同反演與共性處理中多源衛(wèi)星觀測所帶來的時間、空間、輻射與波譜差異性糾正和不確定性等諸多關鍵技術(shù)瓶頸,初步解決了在華東地區(qū)落葉闊葉林監(jiān)測過程中,因國產(chǎn)高分數(shù)據(jù)噪聲、圖像清晰度、定標精度等原因造成的“數(shù)據(jù)不好用”的問題,實現(xiàn)了國產(chǎn)高分數(shù)據(jù)的“好用”。
(2)實現(xiàn)了國產(chǎn)高分數(shù)據(jù)的“用好”
研建了具有完全自主知識產(chǎn)權(quán)的陸地衛(wèi)星星群綜合數(shù)據(jù)預處理系統(tǒng),以及面向政府、科研、行業(yè)、大眾等多用戶多層次的衛(wèi)星應用產(chǎn)品。通過行業(yè)與區(qū)域應用示范,為林業(yè)、國土資源等領域的業(yè)務系統(tǒng)建設與運行,兩個省區(qū)以上的區(qū)域應用提供技術(shù)支撐和產(chǎn)業(yè)化示范,解決了由于國外封鎖,無法從國際上引進先進的衛(wèi)星數(shù)據(jù)預處理系統(tǒng),定量遙感應用標準缺乏、處理復雜、規(guī);潭鹊停瑢е聭秒y度大等問題,實現(xiàn)了國產(chǎn)高分衛(wèi)星數(shù)據(jù)的“用好”。
在完成上述研究工作及任務的基礎上,滁州學院陳冬花教授、安徽師范大學李虎教授組織匯總編寫本書,本書不僅是對高分專項區(qū)域應用示范和產(chǎn)業(yè)化工作的一個總結(jié),而且是對各個研究內(nèi)容成果的匯總,更是全體研究人員集體智慧的結(jié)晶。其中前言由李虎執(zhí)筆編寫;第1章總論由李虎、陳冬花執(zhí)筆編寫;第2章高分衛(wèi)星載荷森林樹種識別研究由陳冬花、栗旭升執(zhí)筆編寫;第3章基于高分二號衛(wèi)星影像的森林郁閉度估計研究由陳冬花、劉賽賽執(zhí)筆編寫;第4章基于高分衛(wèi)星載荷的森林生物量估算研究由陳冬花、劉聰芳執(zhí)筆編寫;第5章林地資源動態(tài)變化遙感監(jiān)測應用由李虎、陳冬花、黃萬里、趙俊鵬執(zhí)筆編寫;第6章基于高分六號衛(wèi)星數(shù)據(jù)的綠地信息提取由李虎、陳冬花執(zhí)筆編寫;第7章林地資源監(jiān)測高分業(yè)務化系統(tǒng)由陳冬花、李虎執(zhí)筆編寫。
在本書付梓之際,衷心感謝錢桂侖、鄭超、陳劍、顧家山、吳德安、洪蔚、胡如忠、衛(wèi)征、陳桂林、王燕永、張培、蘇勤、陸欣等專家在本書成稿過程中的悉心指導與支持。同時,向支持過本項目的國家國防科技工業(yè)局、國家國防科技工業(yè)局重大專項工程中心、中共安徽省委軍民融合發(fā)展委員會辦公室 (安徽省國防科學技術(shù)工業(yè)辦公室)、安徽省教育廳、安徽省科技廳、滁州市政府、滁州市科技局、滁州市林業(yè)局以及有關的領導、專家表示衷心的感謝。
由于時間有限,書中疏漏之處在所難免,懇請讀者批評指正。
第1章總論1
1.1研究區(qū)概況1
1.1.1地形地貌1
1.1.2氣候條件1
1.1.3土壤與森林植被2
1.2林地資源遙感監(jiān)測的基礎條件2
1.3研究內(nèi)容和技術(shù)方案3
1.3.1研究內(nèi)容3
1.3.2技術(shù)方案4
1.3.3總體功能結(jié)構(gòu)與流程6
1.4衛(wèi)星數(shù)據(jù)產(chǎn)品指標體系9
1.5數(shù)據(jù)采集與預處理13
1.5.1衛(wèi)星影像數(shù)據(jù)13
1.5.2高分衛(wèi)星數(shù)據(jù)預處理17
1.5.3森林資源數(shù)據(jù)庫25
第2章高分衛(wèi)星載荷森林樹種識別研究29
2.1研究區(qū)概況及數(shù)據(jù)準備29
2.1.1研究區(qū)概況29
2.1.2數(shù)據(jù)源概況30
2.1.3數(shù)據(jù)預處理32
2.2特征因子集構(gòu)建與分析37
2.2.1特征因子集構(gòu)建37
2.2.2特征因子集分析44
2.2.3特征因子集組合方案49
2.3森林樹種識別模型構(gòu)建51
2.3.1模型原理51
2.3.2樣本標記及擴充54
2.3.3模型構(gòu)建56
2.4模型評價及分析62
2.4.1傳統(tǒng)機器學習模型樹種識別62
2.4.2模型評價和精度分析67
2.4.3小結(jié)71
第3章基于高分二號衛(wèi)星影像的森林郁閉度估計研究73
3.1模型原理73
3.2數(shù)據(jù)源及預處理76
3.2.1高分二號衛(wèi)星76
3.2.2高分二號衛(wèi)星影像預處理76
3.3特征因子提取78
3.3.1地表反射率78
3.3.2植被指數(shù)78
3.3.3紋理特征80
3.3.4地形特征82
3.4模型構(gòu)建84
3.4.1相關性分析84
3.4.2模型構(gòu)建87
3.5模型精度驗證90
3.6反演制圖90
第4章基于高分衛(wèi)星載荷的森林生物量估算研究91
4.1研究區(qū)概況92
4.2數(shù)據(jù)與方法92
4.2.1遙感影像數(shù)據(jù)預處理92
4.2.2樣地數(shù)據(jù)預處理92
4.2.3輔助數(shù)據(jù)預處理94
4.2.4光譜特征提取94
4.2.5精度評價95
4.3結(jié)果與分析95
4.3.1建模因子確定95
4.3.2不同影像建模結(jié)果分析96
4.3.3多樹種不同模型建模分析98
4.4結(jié)論與討論98
第5章林地資源動態(tài)變化遙感監(jiān)測應用101
5.1遙感信息特征與林地匹配性101
5.2遙感信息特性與林地分類體系102
5.3遙感數(shù)據(jù)源選擇與監(jiān)測流程103
5.3.1監(jiān)測尺度與遙感數(shù)據(jù)最優(yōu)空間分辨率選擇103
5.3.2遙感數(shù)據(jù)時相選擇104
5.3.3監(jiān)測方法流程104
5.4林地資源動態(tài)變化遙感監(jiān)測106
5.4.1遙感影像和森林資源小班數(shù)據(jù)預處理106
5.4.2基于小班邊界約束的高分遙感影像多尺度分割分類106
5.4.3變化分類后處理和結(jié)果驗證109
5.5示范應用111
5.5.1林地征占遙感監(jiān)測111
5.5.2林地變更高分遙感核查118
5.5.3林地變化遙感監(jiān)測118
5.5.4林區(qū)內(nèi)基本建設監(jiān)測121
第6章基于高分六號衛(wèi)星數(shù)據(jù)的綠地信息提取127
6.1高分六號衛(wèi)星數(shù)據(jù)預處理128
6.2基于SVM的綠地信息提取129
6.2.1基于圖像分割的樣本集構(gòu)建129
6.2.2SVM算法與綠地提取138
6.3基于高分六號衛(wèi)星數(shù)據(jù)的植被覆蓋率估算145
6.3.1基于像元二分模型的城市綠地植被覆蓋度提取原理145
6.3.2適宜植被指數(shù)選擇146
6.3.3NDVIveg和NDVIsoil的確定148
6.3.4植被覆蓋度估算150
6.3.5估算精度評價152
第7章林地資源監(jiān)測高分業(yè)務化系統(tǒng)154
7.1系統(tǒng)需求分析154
7.1.1衛(wèi)星數(shù)據(jù)需求分析154
7.1.2用戶需求分析155
7.1.3業(yè)務需求分析155
7.2系統(tǒng)總體設計與功能設置156
7.2.1系統(tǒng)總體設計156
7.2.2系統(tǒng)功能設置157
7.2.3原型系統(tǒng)158
7.2.4業(yè)務化系統(tǒng)與移動終端系統(tǒng)158
7.3基于高分載荷的林地資源監(jiān)測原型系統(tǒng)161
7.3.1系統(tǒng)設計原則161
7.3.2系統(tǒng)總體設計162
7.3.3系統(tǒng)功能模塊163
7.3.4實現(xiàn)效果分析165
7.4森林資源管理與服務平臺174
7.4.1系統(tǒng)設計原則174
7.4.2系統(tǒng)總體架構(gòu)174
7.4.3系統(tǒng)功能模塊175
7.4.4實現(xiàn)效果分析177
7.5高分衛(wèi)星森林資源監(jiān)測移動終端系統(tǒng)179
7.5.1系統(tǒng)設計原則179
7.5.2系統(tǒng)總體架構(gòu)180
7.5.3系統(tǒng)功能模塊180
7.5.4系統(tǒng)實現(xiàn)效果182
7.6系統(tǒng)研發(fā)關鍵技術(shù)186
7.6.1海量數(shù)據(jù)快速分發(fā)技術(shù)186
7.6.2林業(yè)專題應用系統(tǒng)集成技術(shù)187
7.6.3前后端數(shù)據(jù)同步協(xié)同技術(shù)187
參考文獻189