基于德国国家监测数据的境外遥感抽样调查方法研究

doi:10.13466/j.cnki.lyzygl.2014.01.009

林业资源管理 ›› 2014, Vol. 0 ›› Issue (1): 41-45.doi: 10.13466/j.cnki.lyzygl.2014.01.009

基于德国国家监测数据的境外遥感抽样调查方法研究

徐泽鸿, 杨雪清, 李超, 吴发云

国家林业局调查规划设计院,北京 100714

收稿日期:2013-09-02 修回日期:2014-01-07 出版日期:2014-02-28 发布日期:2020-12-09
作者简介:徐泽鸿(1957-),男,湖南怀化人,教授级高工,主要从事林业信息管理和研究工作。Email:xuzehong@forestry.gov.cn

Research on Overseas RS Sampling Inventory Approach Based on German NFI Data

XU Zehong, YANG Xueqing, LI Chao, WU Fayun

Academy of Forest Inventory and Planning of SFA,Beijing 100714, China

Received:2013-09-02 Revised:2014-01-07 Online:2014-02-28 Published:2020-12-09

摘要/Abstract

摘要： 利用遥感样地和高分遥感影像,通过判读解译获取林分类型和森林地类,依据样地到总体的概率估计方法,估计区域总体各林分类型和地类面积,并用德国NFI(National Forest Inventory)数据检验估计误差。在德国布设334个1km×1km遥感样地,获取高分遥感数据进行判读和抽样估计。结果表明:德国陆地面积估计误差为2.43%;森林面积估计误差为0.59%;森林覆盖率估计误差为2.96%;并获得省级森林资源详细数据。综上易知该方法切实可行,估计结果可靠、因子丰富,实现了境外森林资源的主动监测,为境外森林资源监测开辟了新途径。

关键词: 境外森林资源监测, 遥感样地, 抽样调查理论

Abstract: In this paper RS sample plots and high resolution images are used to interpret them for the types of stands and forest land uses,and then employ the probability estimation approach to extend the scale of results from plot to population.In the end,the Germany NFI(National Forest Inventory)statistical results are utilized to test the predicted results.With the method,the paper sets 334 RS plots with the scale of 1km×1km in Germany,afterwards,it also obtains high resolution images to be interpreted and make a sampling prediction.The results show that for Germany,the relative error of land area is 2.43%;that of forest area 0.59%;that of forest coverage ratio 2.96%.In addition,the detailed information of provincial forest resources is also obtained.In summary of the aforementioned results,it is safe to say that the approach is feasible and practical,the result reliable,and factors sufficient.Besides,it also realizes the active monitoring of overseas forest resources and provides a new approach for it.

Key words: oversea forest resource monitoring, RS sample plot, sampling inventory theory

中图分类号:

TP79
S757.2

徐泽鸿, 杨雪清, 李超, 吴发云. 基于德国国家监测数据的境外遥感抽样调查方法研究[J]. 林业资源管理, 2014, 0(1): 41-45.

XU Zehong, YANG Xueqing, LI Chao, WU Fayun. Research on Overseas RS Sampling Inventory Approach Based on German NFI Data[J]. FOREST RESOURCES WANAGEMENT, 2014, 0(1): 41-45.

[1]	蔡林菲, 吴达胜, 方陆明, 郑辛煜. 基于XGBoost的高分二号影像树种识别[J]. 林业资源管理, 2019, 0(5): 44-51.
[2]	刘洋, 肖中琪, 张怀清, 姚博, 黄建文. 新疆阿尔泰山天然林保护工程区2000—2016年林地类型变化分析[J]. 林业资源管理, 2019, 0(1): 70-77.
[3]	赵勋, 岳彩荣. 基于遥感数据的林地变化检测方法研究[J]. 林业资源管理, 2019, 0(1): 101-108.
[4]	马骅, 王义飞, 宁宇, 武高洁, 郭菊兰, 谭月臣, 李春义, 林海晏. 若尔盖县高原湿地景观格局动态分析研究[J]. 林业资源管理, 2019, 0(1): 109-115.
[5]	乔正年, 马骏, 徐雁南. 无人机遥感在林木冠幅提取中的应用[J]. 林业资源管理, 2019, 0(1): 78-84.
[6]	苏布德, 赵洋毅, 王克勤, 段旭, 方斌. 基于GIS的滇南踏青河源头小流域近20年土壤侵蚀变化[J]. 林业资源管理, 2018, 0(6): 90-98.
[7]	杨帆. 无人机倾斜摄影在森林景区实景三维模型构建及分析[J]. 林业资源管理, 2018, 0(4): 120-124.
[8]	李杰, 张军, 刘陈立, 张涵. 基于MODIS-NDVI的云南怒江流域植被覆盖时空变化特征研究[J]. 林业资源管理, 2018, 0(4): 90-99.
[9]	杨永恬, 杨广斌, 赵海兵. 喀斯特山区森林蓄积量的合成孔径雷达遥感估测研究[J]. 林业资源管理, 2018, 0(4): 100-104.
[10]	王彦芳, 刘敏, 郭英. 1982—2015年河北省生态环境支撑区植被覆盖动态及其可持续性[J]. 林业资源管理, 2018, 0(1): 117-125.
[11]	苏艳琴, 赖日文, 罗文玮, 余莉莉, 赖炽敏, 李红霖. 基于LCM模型的晋江市土地利用变化与预测分析[J]. 林业资源管理, 2018, 0(1): 96-102.
[12]	刘树超, 陈小中, 覃先林, 孙桂芬, 李晓彤. 内蒙古毕拉河林场森林火灾受害程度遥感评价[J]. 林业资源管理, 2018, 0(1): 90-95.
[13]	牛晓花, 张超, 余哲修, 周文娇, 黄田. 城镇化背景下洱海上游土地利用演变过程分析[J]. 林业资源管理, 2018, 0(1): 72-79.
[14]	王翠萍. 库布齐沙漠中段沙化土地动态变化及驱动力分析[J]. 林业资源管理, 2018, 0(1): 63-71.
[15]	肖中琪, 黄建文, 凌成星. 新疆天山西部天然林保护工程区林地及森林生物量空间变化分析[J]. 林业资源管理, 2018, 0(1): 57-62.

基于德国国家监测数据的境外遥感抽样调查方法研究

Research on Overseas RS Sampling Inventory Approach Based on German NFI Data

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价