在分析现存点云处理方法的特性后,通过改进三角网构网算法的算法机制,提出了一种基于空间分割的分块优先级机制的三角网表面重建算法,用于重构树冠表面,实现树冠体积的准确提取.通过可视化方法对比了多种算法的点云构网效果,以实验区选定的30棵树为研究对象,利用T-LiDAR获取树冠点云数据,通过人工方法、传统算法和本文的改进算法计算树冠体积,对这些结果进行了对比分析.分析发现: 四种方法之间均显示出较好的相关性(R2>=0.831), 其中所提出的改进Delaunay方法拥有理想的精度,较好稳定性和最少的耗费时间.实验结果表明,提出的算法在点云(尤其是T-LiDAR数据)树冠的体积提取中具有很大的优势.结合T-LiDAR数据还可以实现树冠表面积和生物量等树冠因子的高精度快速提取.

永定河流域的土壤类型及含水量与植被覆盖指数是影响该流域水量的重要因素, 利用传统取样法对该流域土壤类型及含水量进行调查, 耗费人力的同时还会因仪器误差等客观因素造成实验精度下降。 选择永定河流域（北京地区）为研究区, 利用全站仪进行野外调查测定34块样地并取样, 结合1978—2009年6期的TM影像数据对土壤信息进行提取, 研究该地区的土壤含水量与各类多光谱遥感因子间的相关关系, 利用遗传算法对土壤归一化水体指数(NDWI)的主要影响因子进行筛选, 因NDWI是基于绿波段与近红外波段的归一化比值指数, 一般用来提取影像中的水体信息, 效果较好。 为了更准确的筛选与土壤含水量相关的因子, 利用遗传算法全局择优的特点, 通过控制迭代次数加速收敛来筛选关键因子。 进而利用多元回归的方法建立NDWI反演模型, 分析出模型的内符合精度为0.987, 并利用边缘树种进行外符合精度检验, 得出: 土壤中速效氮、 磷、 钾的含量与经度相关性不明显, 却与纬度和土层成正相关关系, 当模型计算的迭代次数Maxgen达到最优时, 内符合精度为87.6%。 通过遥感影像与野外调查相结合的方法得到的土壤NDWI与植被盖度、 地形、 气候等相关因子的模型而计算得出的NDWI值与单纯利用传统土壤取样法得到的值进行对比分析, 得出平均相对误差E为-0.021%, 外符合精度P达到87.54%。 该模型的建立可为日后对永定河流域土壤水分及有机质的分析与研究提供较好的实践及理论依据。

多光谱遥感数据蕴含着大量的地表立地信息, 而传统立地质量评价体系主要使用了人工地面调查数据。 为了建立一套有效的立地质量评价体系, 以内蒙古赤峰市旺业甸林场为研究对象, 基于研究区域的多光谱遥感数据结合地面小班调查数据, 采用一种改进的反向传播人工神经网络（back Propagation artificial neural network, BPANN）模型, 以落叶松为例, 建立了遥感光谱因子结合立地因子与地位指数关系的神经网络模型, 对研究区域的小班进行立地质量评价研究。 通过训练数据集的敏感度分析剔除弱相关或不相关的因子, 简化了神经网络的规模, 提高了网络的训练效率, 得到了最优的地位指数预测模型, 模型的预测精度达到95.36%, 与使用传统小班调查数据建立的神经网络模型的预测结果进行了比较, 精度提高了9.83%, 说明使用多光谱遥感数据+小班调查数据确定的落叶松地位指数预测模型具有最高的预测精度。 多光谱遥感数据十分适用于森林立地质量评价, 改进BP神经网络具有理想的预测精度, 充分证实了该方法的有效性和优越性。

森林火灾严重危害生态环境, 引起了全球的高度重视。 将从MODIS(MODerate-resolution imaging spectroradiometer)中提取的活动火点与历史火烧痕迹进行比较研究, 发现MOD14A1(火掩膜数据产品a daily Level 3 1-km fire hot spot product)中提取的8+9波段适合消防监测, 与现场勘察数据相比较吻合度高达0.83。 使用MOD14A1中8+9波段结合相关数据对这个区域的长达11年(2000—2010年)的森林火灾发生的时间和空间分析, 结果表明: 火灾发生频率最多的是春季, 秋季次之, 夏天概率最低, 除非干旱。 通过对研究区域黑龙江省分析, 针叶林和温带针阔混交林过火面积所占比例分别为53.68%, 44%, 草原区过火面积较小为2.32%。 大兴安岭是主要的燃烧区域, 面积达到64.74%, 小兴安岭约为23.49%, 而其他区域面积不超过5%。 且火灾发生的较大部分森林有个平缓的斜坡(≤5°), 大部分处于中海拔(200 m≤H≤500 m)。 因此, 通过卫星遥感对森林火区区域的时间序列分析, 阐明火灾活动规律和气候、 地形、 植被类型的相互关系, 有助于预测火灾区域危险性等级。

用传统研究植被生物量实测的方法不仅耗时费力, 而且由于影响因子不易确定会导致预估精度不高。 选择永定河流域河北——北京段为研究区域, 以该地区2009年7月20日的TM影像数据为数据源, 结合当地分辨率为30米的数字高程模型(digital elevation model, DEM)数据和其他相关辅助解译资料, 并借助全站仪等高精度测量仪器进行外业调查, 归纳出永定河地区遥感因子与植被生物量可能存在的函数关系, 通过多元线性回归分析遥感影像因子并建立反演模型, 最后将反演模型进行精度分析。 通过将实测值和预测值分析对比, 得出反演模型总体相对误差为-0.025%, 平均相对误差为-0.016%, 总体预估精度高达84.56%。 模型的建立可对大范围流域生态环境因子进行及时、 快速、 准确地调查, 为永定河生态环境问题诊断提供实验数据。

当今世界物种的减少和栖息地的丧失日益严重， 生物多样性保护已经成为最热门的话题之一。 遥感这种通过非接触式收集信息的科学， 及相应的估算生物多样性、 建立物种多样性的关系模型和进行生物多样性指数制图等功能， 已在生物多样性保护领域中得到了广泛应用。 从遥感传感器和遥感技术两个方面论述了高光谱遥感技术在生物多样性保护中的应用进展， 重点列举了光谱遥感在生物多样性保护中的成功应用实例。 对生物多样性保护的发展具有一定的参考价值。

目前多种成熟的融合算法已经应用在各种遥感软件中，但是融合方法的选择往往会因融合对象的不同而有 所差异。为了评价出各个融合算法在QuickBird影像融合上的优缺点，本文在像素级的融合层次上运用多尺度分 析的方法进行了融合实验。实验中，根据不同的算法原理引入了七种常用的融合算法，并以空间细节信息、光谱质量以及亮度 信息作为统计参数，对实验数据进行了比较研究，分析出了几种融合方法的差异。研究表明，一些传统的融合方法如PCA变换和IHS变 换已不适用于QuickBird这种高分辨率影像的融合，而基于小波的PCA变换、小波变换以及HPF变换在实验中有较好的表现。本次 实验也为其它高分辨率卫星遥感影像的融合工作提供了参考。