李长龙
- 作品数:8 被引量:39H指数:4
- 供职机构:中国林业科学研究院资源信息研究所更多>>
- 发文基金:国家科技重大专项国家科技支撑计划国家自然科学基金更多>>
- 相关领域:天文地球自动化与计算机技术生物学环境科学与工程更多>>
- 近30年京津风沙源区气候干湿变化分析被引量:8
- 2014年
- 基于近30a(1981-2010)中国区域高时空分辨率地面气象要素数据,通过Thornthwaite方法计算获得京津风沙源区的湿润指数,采用Mann-Kendall趋势性检验的方法对研究区的降水、气温以及气候干湿变化趋势进行了分析。结果表明:近30a年,京津风沙源区气温呈现显著上升趋势,降水和湿润指数总体均呈现下降趋势,但变化趋势并不显著,显著下降区域分别只占到18.8%和28.0%;导致土地干湿变化的主导因素是潜在蒸散量的变化,降水也起到了一定的影响作用,但是不如潜在蒸散量所起作用明显;干旱区和干旱亚湿润区的界限逐步向东推进。
- 孙斌高志海王红岩吴俊君李长龙
- 关键词:京津风沙源区湿润指数MANN-KENDALL检验干湿变化
- 浑善达克沙地榆树疏林的高分辨率遥感识别方法被引量:3
- 2018年
- 榆树疏林是浑善达克沙地生态系统的重要组成部分,对于防风固沙具有重要意义。为了快速准确获取榆树空间分布信息,提出一种基于遥感技术的自动沙地榆树识别方法,选择内蒙古自治区锡林郭勒盟正蓝旗为研究区,基于国产GF-2高空间分辨率数据,结合该区榆树多分布在沙地上并且分布稀疏的特性,首先利用归一化植被指数(normalized difference vegetation index,NDVI)阈值快速粗提取榆树的分布;然后采用面向地理对象影像分析技术(geographic object based image analysis,GEOBIA)进一步准确提取榆树的分布。为弥补GEOBIA方法在特征选择和规则集构建上的不确定性,本研究采用SEa TH算法优选特征及自动计算特征阈值。结果表明,本研究提出的方法识别榆树的总体精度达到88. 17%,Kappa系数为0. 76,其中,榆树的制图精度达99. 14%。因此,采用GF-2数据与本研究提出的方法识别榆树疏林区是可行而有效的,该方法可为进一步开展整个浑善达克沙地榆树疏林调查提供技术支撑。
- 薛传平高志海孙斌李长龙王燕张媛媛
- 关键词:浑善达克沙地
- 2000—2020年中国荒漠化潜在发生范围区林草覆被时空变化特征被引量:4
- 2022年
- 干旱地区林草植被生长动态变化是研究荒漠化形成发展和演变过程的重要依据。本文基于改进方向性像元二分模型构建的2000—2020年中国荒漠化潜在发生范围区(PEDC)年植被覆盖度数据集,采用Sen+Mann-Kendall时间序列趋势变化检测方法,分析了2000—2020年PEDC,特别是林草覆盖区的植被生长状况时空变化特征。研究结果表明:①2000—2020年,PEDC平均植被覆盖度为0.284,改进的植被覆盖度估算结果能够较好地反映研究区植被覆盖状况,估算精度为86.98%。PEDC植被生长状况不断趋好,其中干旱区表现最为突出,显著增加区域达到了48%,而亚湿润干旱区平均增长量最大为0.1。②林草生态恢复工程措施效果显著,但植被恢复是个长期缓慢的过程,特别是林草面积的恢复。2000—2010年林草面积增加较少(0.002%);2010—2020年增加较多(0.371%)。③2000—2020年PEDC林地植被改善最明显,草地则较为稳定,植被覆盖度显著性增加区域分别为76.4%和71.8%。其中林地植被覆盖度在亚湿润干旱区增长量最大为0.15,而整个研究区草地增长了0.06。本文更深入地掌握PEDC林草覆盖区长时间序列植被生长状况,为进一步制定和实施各项生态工程提供重要信息参考。
- 李长龙李长龙高志海高志海
- 关键词:植被覆盖度
- 基于天宫一号高光谱数据的荒漠化地区稀疏植被参量估测(英文)被引量:12
- 2014年
- 为了精准地估测荒漠化地区的稀疏植被信息,选取内蒙古苏尼特右旗为研究区,以天宫一号高光谱数据为数据源,结合野外实地调查数据,通过归一化植被指数(normalized difference vegetation index,NDVI)和土壤调节植被指数(soil adjusted vegetation index,SAVI)对研究区内的植被覆盖度和生物量进行反演,并对比两种植被指数的优劣。首先,分析了每种波段组合下的植被指数与覆盖度、生物量的相关性,确定了最大相关的波段组合。覆盖度和生物量与NDVI的最大相关系数可达0.7左右,而与SAVI的最大相关系数可达0.8左右。NDVI的最佳波段组合的红光波段中心波长为630nm,近红外波段的中心波长为910nm,而SAVI的组合为620和920nm。其次,分别构建了两种植被指数与覆盖度、生物量之间的线性回归模型,所建模型的R2均能达到0.5以上。SAVI所建模型R2要比NDVI略高,其中植被覆盖度的反演模型R2高达0.59。经留一交叉验证,SAVI所建模型的均方根误差RMSE也比基于NDVI的模型小。结果表明:天宫一号高光谱数据丰富的光谱信息能有效地反映地表植被的真实情况,并且SAVI比NDVI更能较为精准地估测荒漠化地区的稀疏植被信息。
- 吴俊君高志海李增元王红岩庞勇孙斌李长龙李绪志张九星
- 关键词:天宫一号植被覆盖度植被指数荒漠化
- 无人机载激光雷达(LiDAR)沙丘特征线信息自动提取技术研究被引量:6
- 2019年
- 沙丘移动是风蚀荒漠化的重要表征之一,而沙丘形态参数变化是沙丘移动的具体表现。针对目前沙丘形态参数提取中存在的地面测量过程沙丘形态易受破坏、普通光学影像难以获得沙丘三维信息等问题,文中以甘肃民勤西沙窝为研究区,利用无人机载激光雷达(LiDAR)数据,基于沙丘沙脊线和坡脚线处剖面曲率变化特征,发展了一种沙丘特征线自动提取算法。与地面实测数据的验证结果表明:该算法提取精度较高,沙脊线和坡脚线偏差为0.53m和0.52m,沙丘高度的实测值与估测值之间的R^2达到了0.993,RMSE为0.2326m。基于无人机载激光雷达数据开展算法研发是实现沙丘特征线自动提取有效途径,能够为区域沙丘移动监测和防沙治沙等荒漠化防治工作提供科学数据和技术支持。
- 宋张亮高志海孙斌秦朋遥李长龙
- 关键词:激光雷达数字高程模型
- 基于分形网络进化分割和对象特征提取的GF-1卫星数据沙化土地分类识别研究被引量:4
- 2015年
- 以高分一号(GF-1)为数据源,以浑善达克沙地为研究区,研究基于GF-1数据的沙化土地分类识别技术。文中的处理范围约为200km*400km,通过J-M距离和最终分类精度来确定每个类别对应的最优分割尺度,分割方法采用的是分形网络进化分割算法(FNEA),通过信息增益比、J48决策树、随机树、标准差和变异系数来确定最优分类对象特征,通过决策树和支持向量机(SVM)结合分类方法形成了半自动化的沙化土地分类识别流程,总体精度达到了85.61%,Kappa系数为0.8295。
- 李长龙高志海吴俊君孙斌丁相元
- 关键词:沙化土地
- 基于SNIC-CNN-SVM模型的京津风沙源二期工程区土地利用/土地覆盖遥感识别研究被引量:1
- 2022年
- 稀疏植被覆盖(草地、沙地、戈壁)演变能够直接表征区域生态环境和人类活动的动态影响变化。但由于大尺度稀疏植被区一般都具有地理跨度大,景观结构复杂多样,破碎化程度高,现有地表覆盖分类产品针对性不足等问题,使得该区域内林草沙的遥感提取难度较大,精度普遍偏低,直接制约生态效应评价模型的应用效果。因此,以典型大尺度稀疏植被区——京津风沙源治理二期工程区为研究区,研建了SNIC-CNN-SVM(SCS)模型,实现了大尺度稀疏植被区林草沙典型要素的信息自动提取和主要土地利用/土地覆盖类型识别。研究结果表明:1)引入惩罚性机制优化后的SNIC分割算法,有效提升了稀疏植被区与沙地区的边界区分度,有助于分类精度的提升;2)基于改进SNIC-CNN-SVM模型方案的研究区总体分类精度达89.41%,较优化前提高了11.17%,特别是乔、灌、草、沙地和戈壁的分类识别精度显著提升,表明该优化方案在以研究区为代表的稀疏植被区域分类中具有较好的应用效果和推广价值;3)分类结果显示,2020年工程区草地面积最大,占到了一半以上(51.52%),沙地占比11.96%,稀疏植被覆盖(草地、沙地、戈壁)区域占比68.68%,表明工程区处在林地-稀疏植被-沙地的过渡地带,生态环境保护压力与防沙治沙形势依然严峻;4)近20年来,乔灌草等植被增加面积约占工程区20.64%,主要由沙化土地转化,沙化土地减少面积约占工程区的4.58%,表明研究区植被状况不断改善,实施的各项生态工程作用显著,能够更有效地服务于多维度生态系统服务功能评价。该研究以期能够为京津风沙源二期工程区的生态系统演变规律研究及生态工程评价等工作提供重要科学支撑。
- 李长龙李长龙李增元孙斌高志海