Global Vision Media Focus
L'entreprise a été présentée sur les chaînes de vidéosurveillance à 15 reprises, et sa diffusion via les médias du Parti, les médias centraux et les médias officiels locaux a touché un total de 50 millions de personnes.
Télédétection hyperspectrale et cartographie, inventaire et classification des forêts
La cartographie précise de la composition des communautés forestières selon différentes catégories de couverture est essentielle pour l'utilisation de modèles aux configurations de paramètres spécifiques, afin de simuler les processus écologiques propres à chaque catégorie. Les caractéristiques structurelles des forêts et leurs stades de succession sont des facteurs clés dans la construction de modèles de trouées forestières et l'évaluation des changements de fonctionnement des écosystèmes. Par exemple, les forêts tropicales régénérées sont considérées comme un important puits de carbone pour le dioxyde de carbone atmosphérique.
Figure 1 Surveillance forestière
La cartographie forestière traditionnelle repose généralement sur des méthodes de reconnaissance de formes spectrales, telles que les méthodes de classification supervisée basées sur la théorie de la discrimination par maximum de vraisemblance. Les données spectrales de télédétection sont largement utilisées pour l'identification des types de couvert forestier, notamment pour distinguer les grands types comme les forêts de conifères et de feuillus. Parmi les principaux instruments de télédétection à large bande utilisés pour l'identification du couvert terrestre figurent Landsat TM, MSS et SPOT HRV. De nombreuses études ont utilisé ces outils pour classifier les types de forêts avec une résolution spatiale plus fine, avec un succès variable.
Dans des études connexes, des chercheurs ont proposé un ensemble de bandes spectrales clés, basées sur des données foliaires, pour évaluer les caractéristiques biochimiques des peuplements forestiers. Ces bandes ont montré des résultats statistiquement significatifs pour la correction des données hyperspectrales AVIRIS et l'estimation de la teneur en azote et de la concentration en lignine des feuilles dans les parcelles de la forêt de Harvard et de l'île Blackhawk. Les résultats indiquent que les données hyperspectrales sont supérieures aux données multispectrales en termes de richesse d'information et sont plus adaptées à une classification fine et précise des peuplements forestiers.
Figure 2. Spectres de réflectance moyens de six types de conifères (Buddenbaum et al. 2005)
Figure 3. Carte de classification forestière du parc naturel de Ser