项目名称: 干扰历史下东北森林林龄遥感定量反演及分析技术研究

项目编号: No.31500519

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 农业科学

项目作者: 杨曦光

作者单位: 东北林业大学

项目金额: 20万元

中文摘要: 林龄影响着森林生态系统净初级生产力,被认为是决定森林生态系统碳收支的关键因素。干扰是改变森林生态系统从汇到源的主要途径,同时干扰也改变了森林的林龄。为了满足森林生态系统碳收支估算研究的需求,森林林龄的遥感估算不可忽视干扰对林龄改变的影响。本项目以东北森林为研究对象,在传统分类基础上通过变化检测提取干扰区域,将森林分为非干扰森林和干扰森林,利用多时相、多源遥感数据相结合的方法实现非干扰林龄的遥感估算,利用火烈度指数确定干扰森林林龄,最后得到研究区森林林龄空间分布。本项目重点解决林龄遥感估算中几个关键问题:1.考虑干扰对林龄改变的影响;2.解决林龄估算中饱和点问题;3.根据干扰强度确定干扰林龄。本项目不仅提供了一套完整的森林林龄的遥感估算方法,还为森林生态系统长时间尺度的碳源/汇格局研究提供科学依据。

中文关键词: 林龄;遥感反演;干扰;碳循环

英文摘要: Forest age affects the net primary productivity of forest ecosystem, and is considered to be a crucial factor of ecosystem carbon budget. Disturbance is the primary mechanism that changes ecosystems from carbon sinks to sources. At the same time, disturbance causes the change of the forest age. In order to meet the accuracy of forest ecosystem carbon balance estimation, disturbances impact on forest age can not be ignored in the estimation of forest age based on remote sensing. Take northeast forest of China as an object, first, forest was classified into non-disturbance and disturbance forest by using change detection after the traditional forest type classification. Then, non-disturbance forest age was estimated by multi-temporal and multi-source remote sensing data, and disturbance forest age was determined by fire intensity index. Finally, the distribution of forest age in the study area was mapped. The project focused on solving several key problems in forest age estimation: 1. Disturbance impact on forest age was considered. 2. Solve the problem of the saturation point on forest age estimation. 3. Determine the disturbance forest age according to the disturbance intensity. The project not only provided a complete set of forest age estimation method based on remote sensing, but also supplied the scientific reference for study of forest ecosystem carbon sources and sinks distribution at long time scale.

英文关键词: forest age;remote sensing inversion;disturbance;carbon cycle

成为VIP会员查看完整内容
0

相关内容

《2021-2022全球计算力指数评估报告》,46页pdf
专知会员服务
73+阅读 · 2022年3月25日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
38+阅读 · 2021年9月7日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
39+阅读 · 2021年7月5日
专知会员服务
114+阅读 · 2021年1月11日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
趣解读 | 重构三维植被表型,计算呈现自然之美
中国科学院自动化研究所
0+阅读 · 2021年9月2日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
「时空数据分析」综述论文,44页pdf
专知
9+阅读 · 2021年3月20日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
29+阅读 · 2020年3月16日
小贴士
相关主题
相关VIP内容
《2021-2022全球计算力指数评估报告》,46页pdf
专知会员服务
73+阅读 · 2022年3月25日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
38+阅读 · 2021年9月7日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
39+阅读 · 2021年7月5日
专知会员服务
114+阅读 · 2021年1月11日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
相关资讯
趣解读 | 重构三维植被表型,计算呈现自然之美
中国科学院自动化研究所
0+阅读 · 2021年9月2日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
「时空数据分析」综述论文,44页pdf
专知
9+阅读 · 2021年3月20日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员