方向二：林业遥感
江西省园林草覆盖度分布图
植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比，是衡量地表植被和区域生态环境状况的重要指示因子，对水文、生态、区域变化等都具有重要意义。遥感技术具有全局性、宏观性的监测优势，利用遥感技术开展全国或省域尺度的植被覆盖度遥感监测，对于评价区域生态环境状况、陆地生态系统碳汇功能等都具有重要意义。
MODIS遥感数据源具有大面积，多时相和易获取等特点，被广泛应用于大中尺度区域植被覆盖度监测，但难以满足空间分辨率的要求；而Landsat等具有中等分辨率的卫星遥感影像受卫星重返周期长、多云多雨的气候特点等影响，在时间分辨率上难以满足要求。利用ESTARFM时空融合方法和Savitzky-Golay滤波算法重构江西省2021年度每半月的NDVI数据集基础上，获取30m分辨率年度最大NDVI，最后以像元二分法模型计算植被覆盖度。
根据植被覆盖度分级：高覆盖（75%~100%)、中高覆盖（60%~75%)、中覆盖(45%~60%)、中低覆盖（30%~45%）、低覆盖（<30%），分别针对园地、林地及草地，实现植被覆盖度空间分布遥感制图。
结果表明：江西省平均植被覆盖度为73.2%，处于中高覆盖度水平，空间上呈现“东西南三面高，中部和北部较低”的特点;
统计结果表明：江西省园地以中高覆盖为主，占所有园地面积的38.41%;林地以高覆盖为主，占所有林地面积的82.07%；草地以高覆盖为主，占所有草地面积的39.73%。
江西省森林的林龄分布图
森林生态系统在调节大气CO2浓度和实现碳中和目标方面发挥着突出作用。林龄是决定森林生态系统碳储量和通量的关键因素，对净初级生产力有很大影响。利用多源遥感影像实现次生林的林龄空间分布制图，对于森林生态系统碳循环研究具有重要意义。
江西省森林覆盖率在1970年代一度下降到31.5%，1980年代以来，以植树造林为重点的“山江湖工程”生态工程启动，江西省森林覆盖率逐步提高到63.1%，次生林在江西森林生态系统占据主导地位。
利用1986-2021年Landsat系列陆地卫星影像，综合利用VCT (Vegetation Change Tracker)、CCDC（Continuous Change Detection and Classification）和LandTrendr等算法构建森林变化检测集成模型，开展江西省1986年以来森林恢复（再生、造林）检测，实现江西省森林的年龄空间分布制图。
结果表明：江西省森林较年轻，总体平均森林年龄为30年，次生林平均森林年龄为17年，江西次生林面积46966.98km2，约占森林总面积比例46.53 %，主要分布在中部、西南和南部地区。
江西省森林蓄积量空间分布图
森林蓄积量是指森林中全部树木材积的总和，以立方米为计算单位。它是反映一个地区森林资源的丰富程度、衡量森林生态环境优劣、进行森林经营和采伐利用的科学依据。
基于谷歌地球引擎（Google Earth Engine, GEE）云平台，协同Landsat8 数据 （2014-2018年生长季影像数据）、USGS SRTMGL1 的30米分辨率 DEM 数据和武汉大学黄昕教授团队生产的30m分辨率土地利用分类数据，以及第九次江西省森林资源清查数据（80个实际调查样本点数据），从光谱特征（B2-B7）、植被指数（NDVI、DVI、RVI、EVI、SAVI和ARVI）、地形因子（DEM、坡度和坡向）、影像纹理等四个方面选取蓄积量反演的自变量，采用随机森林（RF）回归模型，开展 2014-2018年平均 30m 分辨率江西省森林蓄积量的遥感反演，并进行精度验证。
实现了多云多雨地区的森林蓄积量遥感反演制图。训练精度指标R2和RMSE 分别为 0.79和35.03 m3/hm2，预测精度相对较差，需要更多的实测数据进行反演。2014-2018年间江西省平均森林蓄积量为81.30 m3/hm2。在11个地市中，景德镇市的森林平均蓄积量最大，为91.32 m3/hm2。其次为鹰潭市和上饶市。新余市的森林平均蓄积量最小，为69.63 m3/hm2。
江西省森林生物量空间分布图
图1 2014-2018年多年平均江西省森林生物量（t/hm2）空间分布图
森林生物量指森林生态系统中植被有机体的干物质总量，以吨为计算单位。森林地上生物量是进行森林生态系统碳循环与碳储量研究的基础。它的重要性决定了对森林生物量的精准估测已然成为研究地球碳循环和全球气候变化的重要内容之一。
基于谷歌地球引擎（Google Earth Engine, GEE）云平台，协同Landsat8 数据 （2014-2018年生长季影像数据）、USGS SRTMGL1 的30米分辨率 DEM 数据和武汉大学黄昕教授团队生产的30m分辨率土地利用分类数据，以及第九次江西省森林资源清查数据（80个实际调查样本点数据），从光谱特征（B2-B7）、植被指数（NDVI、DVI、RVI、EVI、SAVI和ARVI）、地形因子（DEM、坡度和坡向）、影像纹理等四个方面选取生物量反演的自变量，采用随机森林（RF）回归模型，开展 2014-2018年平均 30m 分辨率江西省森林生物量的遥感反演，并进行精度验证。
实现了多云多雨的江西森林生物量遥感反演制图。训练精度指标R2和RMSE 分别为 0.81和97.92 t/hm2，预测精度相对较差，需要更多的实测数据进行反演。2014-2018年间江西省平均森林生物量为191.38 t/hm2。在11个地市中，鹰潭市的森林平均生物量最大，为203.22 t/hm2。其次为上饶市和景德镇市。新余市的森林平均生物量最小，为171.91 t/hm2。
江西省森林叶面积指数分布图
图3 2014年江西省森林叶面积指数（LAI）分布图
叶面积指数（Leaf Area Index），是一块地上阳光直射时作物叶片垂直投影的总面积与占地面积的比值。即：叶面积指数=投影总面积/占地面积。陆地生态系统生产力的模拟是全球碳循环研究中的关键问题。而LAI作为光合作用中碳同化的重要影响因子，是生产力评估模型中的重要参数。
基于谷歌地球引擎（Google Earth Engine, GEE）云平台，协同Landsat8 数据 （2014年生长季影像数据）和武汉大学黄昕教授团队生产的30m分辨率土地利用分类数据，以及2014年大岗山森林LAI野外观测数据（10个实际调查样本点数据），从光谱特征（B2-B7）和植被指数（NDVI、DVI、RVI、EVI、SAVI和ARVI）两个方面选取LAI反演的自变量，采用随机森林（RF）回归模型，开展 2014年 30m 分辨率江西省森林LAI的遥感反演，并进行精度验证。
实现了多云多雨地区的森林LAI遥感反演制图。训练精度指标R2和RMSE 分别为 0.61和0.71 m3/ m3。由于样本点很少，预测精度相对较差。图3表明，2014-2018年间江西省平均森林LAI为3.92 0.71 m3/ m3。在11个地市中，萍乡市的森林平均LAI最大，为3.94 0.71 m3/ m3。其次为上饶市、赣州市和新余市。南昌市的森林平均LAI最小，3.89 0.71 m3/ m3。
以上专题图结果表明，江西森林资源分布不均衡、森林资源质量有待提高、以及森林资源保护压力增大等，这些都将会是林业部门长期面临的挑战。
江西省2021年度火烧迹地分布图
2021年上半年江西省火烧迹地分布图（1—6月）
2021年下半年江西省火烧迹地分布图（7—12月）
为了满足国家对生态保护的要求以及碳循环、气候变化等研究需求，基于2021年30m分辨率的时间序列Landsat8光学影像,采用归一化火烧指数法(DNBR），实现江西省全境火烧迹地分布的遥感制图，辅助我省实现林火信息化管理、生态环境质量评价。
本次制图利用GEE云平台，全部流程云端处理。对计算结果利用欧洲航天局气候变化计划CGI ( Climate Change lnitiative )的Fire CCI火烧迹地产品以及MODIS全球500m火烧迹地产品(MCD64A1.006MODIS Burned AreaMonthly Global 500m)结合Google Earth高分辨率影像进行精度评估。本次火烧迹地错分率和漏分率分别为13.32%和17.60%，总体精度为90.75%。
制图结果表明：2021年江西省火烧迹地面积4517m2，上半年火烧迹地面积4147m2，下半年火烧迹地370m2。空间分布上:我省火烧迹地分布较广，多位于赣南、赣中等林地较为密集地区，与我省森林分布状况相符合。吉安市为2021年我省火烧迹地面积最大的地级市，全年火烧迹地面积为1256m2。时间分布上：我省火烧迹地多形成于上半年，下半年新增较少，可能与我省一二月春节燃放烟花爆竹、四月清明烧纸祭祖等习俗有关。从火烧迹地规模来看，我省火烧迹地均为小型火烧迹地，并无大型火烧迹地区域，恢复速度较快，恢复周期短。