极化干涉SAR森林冠层高反演的地形坡度改正

极化干涉SAR森林冠层高反演是当前SAR领域研究的热点。经典的森林冠层高反演算法主要基于随机地表二层相干散射模型(Random Volume over Ground,RVo G),该模型在山区受到植被层下地表的地形坡度影响,反演精度存在较大误差。为了提高森林冠层高反演精度,采用地形坡度改正的S-RVo G(Sloped Random Volume over Ground)模型,结合三阶段算法,应用德国宇航局DLR提供的星载Tan DEM-X全极化干涉数据反演森林冠层高,并对结果进行验证。结果表明:坡度级为II、III级,RVo G模型反演效果接近于S-RVo G模型;坡度级为IV级,RVo G模型与二调平均树高的相关关系明显下降,加权相对误差和RMSE增大;S-RVo G模型与二调平均树高保持显著相关关系,反演误差同比小于RVo G模型。因此,S-RVo G模型一定程度上改正了地形坡度造成的误差,提高了森林冠层高反演精度,在坡度大的地区精度提升程度更为明显。     

基于PolInSAR森林高度反演研究

以仿真的全极化雷达L波段为数据源进行了复相干DEM差分算法和复相干幅度算法的森林树高反演研究,并采用星载全极化微波遥感数据ALOS PALSAR数据进行实例检验。结果表明:仿真试验中DEM差分算法严重低估了森林树高,复相干幅度算法则估测精度较高;ALOS PALSAR数据时间由于去相干和配准精度低等原因,难以有效估测森林树高。     

基于TerraSAR-X/TanDEM-X干涉DEM的森林冠层高度估测

森林树高的大面积估测一直是森林资源调查和林业遥感所面临的技术难题。以云南省勐腊县森林资源为研究对象,将DEM差分法与TerraSAR-X/TanDEM-X全极化干涉数据、地形图相结合,用TerraSAR-X/TanDEM-X数据干涉生成各极化通道带有森林冠层高度的DSM,从地形图上提取地表高度DTM;对2个高度模型进行水平位置匹配,并提出用参考面将DSM与DTM转换为相对高度模型RDSM和RDTM,以消除高程基准差异;最后对RDSM和RDTM进行差分运算,估测出研究区各极化通道下的森林冠层高度分布。采用森林资源二类调查数据,对各极化通道的冠层估测高进行了合理性验证。研究表明:DTM的高程基准面低于DSM,平坦农地适合作为参考面提取相对高度模型。在小班尺度上与森林资源二类调查数据的对比显示:各极化通道的冠层估测高与小班林分高均呈显著的中等正相关,冠层高度估测值大小合理,人工林的估测结果略优于天然林;人工林与天然林的冠层估测结果均在主要坡度分布区间内与小班林分高的相关性高;各极化通道的估测结果整体上没有明显差异。从总体上来看,基于地形图和TerraSAR-X/TanDEM-X数据,利用DEM差分法来大面积估测森林冠层高度是一种有效可行的途径,为辅助森林资源调查工作提供了新思路。     

参数优选支持的光学与SAR数据森林地上生物量反演研究

  目的  森林是整个陆地碳循环系统中最大的有机碳贮库，准确地估测森林地上生物量影响着全球碳源与碳储量的分析与评价。本文旨在评价利用Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR 3组不同源遥感数据估测森林AGB的潜力，进而剖析光学数据和SAR数据在估测森林AGB方面的差异。  方法  首先对Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR数据分别提取波段比值、植被指数、纹理信息，对ALOS-1 PALSAR-1SAR数据同时提取极化分解信息；然后，利用随机森林算法对不同数据提取的特征参数进行重要性排序，选择排序靠前的特征进行建模；最后，利用KNN-FIFS算法分析不同特征组合，对4组数据建立4个模型估测森林AGB，并使用留一交叉验证法对4个模型估测森林AGB值进行精度评价。  结果  使用植被因子、波段比值、纹理因子、极化分解信息4种特征参数分别对3组数据进行建模估测森林AGB，基于Landsat8 OLI数据反演森林AGB的精度评价结果为R2 = 0.50，RMSE = 33.34 t/hm2；基于高分一号数据估测精度为R2 = 0.36，RMSE = 37.60 t/hm2；基于PALSAR纹理特征估测精度为R2 = 0.45，RMSE = 35.40 t/hm2；基于PALSAR全极化分解信息估测精度为R2 = 0.63，RMSE = 28.84 t/hm2。  结论  参数提取方法相同时，即基于植被因子、波段比值、纹理信息3种特征参数估测森林AGB，其光学数据和SAR数据的反演潜力基本一致；参数提取方法不同时，即SAR数据加入极化分解信息估测森林AGB，与光学数据相比，SAR数据对森林AGB的反演潜力较好。      

基于多源数据的根河实验区生物量反演研究

森林是陆地生态系统的重要组成部分,精确估测森林地上生物量能够减少陆地生态系统碳储量的不确定性。本文以内蒙古大兴安岭根河实验区为研究区,基于森林样地调查数据、Landsat 8 OLI、机载P-波段PolSAR以及ASTER GDEM数据,分别采用多元线性逐步回归法和基于随机森林算法(Random Forest, RF)进行特征优化选择后的k-最近邻(k-nearest neighbors, k-NN)法对研究区森林地上生物量(above-ground biomass, AGB)进行估测,对比验证采用不同类型数据(单传感器数据和多传感器数据)时2种方法的反演结果来寻求森林AGB估测的最优方法和输入因子,最后利用最优的估测方法来反演整个研究区的森林AGB,生成根河实验区的森林AGB等级分布图。结果表明:对于多元线性逐步回归和k-NN 2种不同的方法,森林AGB的反演都表现出较为一致的结果,即采用多传感器遥感数据(Landsat 8 OLI和机载P-波段PolSAR数据)比采用单传感器遥感数据估算的森林AGB精度要高;而在同时采用多传感器遥感数据进行森林AGB的反演中,k-NN算法的估测结果(R2=0.65, RMSE=17.49 t/hm2)明显优于多元线性逐步回归算法(R2=0.36, RMSE=22.08 t/hm2)的估测结果。显然,多源数据协同反演森林AGB可以充分利用每种传感器的优点,提高遥感估测森林AGB的能力;与多元逐步回归方法相比,k-NN算法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系,且能够避免发生过学习现象和样本不平衡问题。      

基于机载LiDAR落叶松树冠几何形状三维重建关键技术研究

森林冠层的三维重建研究能够更加直观反映森林空间结构,提高森林参数的测量精度。目前小光斑激光雷达已经广泛应用于林业研究中。为建立落叶松树冠三维形状模型,以长春净月潭实验区落叶松机载LiDAR(LiDAR,Light Detection And Ranging)数据为基础,采用K-means算法提取建模参数。该算法以单木树冠顶点作为初始聚类中心,经过4次迭代估测出单木树高和单木树冠直径,通过与试验区的单木实测数据对比,进行相关性分析,得到估测树高和估测树冠与实测数据相关系数分别为0.892 4和0.769 0,经过验证,估测树高和估测树冠的精度为94.06%和82.21%。利用激光雷达提取出的单木坐标、树高、树冠和冠基高采用旋转抛物线方法重建森林尺度三维模型呈现森林结构。     

基于TanDEM-X数据的林分平均高反演方法研究

以TanDEM-X/TerraSAR-X HH单极化干涉对和GF-2遥感数据为基础,提出结合极化干涉与混合像元分解技术的改进差分法来反演林分平均高,并利用外业数据进行精度验证。结果表明:以植被丰度校正冠层高度模型,林分平均高的估测精度和R~2值得到大幅提高,均方根误差也随之降低。因此,本研究提出的方法能有效降低林分低郁闭度产生的混合像元作用对林分平均高反演的影响,提高林分平均高的反演精度。     

基于光学和微波遥感数据的森林蓄积量估测模型研究

【目的】探讨综合光学遥感和微波遥感的多源数据森林蓄积量反演方法。【方法】以L波段ALOS PALSAR全极化数据和Landsat TM为数据源,结合地面调查样地数据,通过ALOS PALSAR提取不同极化状态的后向散射系数和极化比值等极化特征因子,Landsat TM数据提取光学遥感因子,以多元线性回归构建森林蓄积量模型。【结果】光学遥感反演方法、微波遥感反演方法、综合光学遥感和微波遥感的多源数据反演方法均可以实现森林蓄积量估测,其中,基于多源数据协同的反演模型为最优模型,决定系数R~2为0.674,模型检验均方根误差RMSE为13.38 m~3/hm~2。【结论】要比使用一种数据源的反演方法具有明显的优势,有效实现了森林蓄积量估测。     

杉木人工林冠层高度无人机遥感估测

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机（UAV）的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型（DSM）,利用1:10 000地形图生成数字高程模型（DEM）;基于DSM和DEM叠加相减得到树冠高度模型（CHM）,实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数（R2）分别是0.97,0.84和0.78,标准误差分别是0.67,1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。     

内蒙古大兴安岭林区立地质量评价及生产潜力研究

为探讨如何利用现有资料对全国林地进行立地质量评价,为各级森林经营方案的规划设计提供技术支撑,以内蒙古大兴安岭林区为例,依据内蒙古大兴安岭森林资源清查的标准木、样木和样地数据,构建了区域内5种主要树种(组)树高曲线,计算出各样地内样木树高,再经筛选得到各树种优势木数据并编制其立地形表,然后基于地形和土壤等环境因子与立地形之间的数量关系,拟合立地形估测模型。在此基础上,使用林区二类调查数据中的地形和土壤因子,估测林区内所有小班的立地形,得到林区林地立地质量等级及其分布情况。最后根据三期固定样地资料和林区现实林分状况,综合确定各立地质量等级的森林生产潜力,由此来实现林区森林现实生产力状况与生产潜力对比分析评价。结果表明:分等级的树高曲线符合林木生长规律,根据样地等级计算样木树高,筛选优势木,采用理查兹模型的导向曲线和标准胸径编制立地形表的方法可行;由评价结果来看,林区林地质量整体较好,林地质量等级为好和中等的分别占56.59%和29.05%,合计高达85.64%;林区98.38%的森林未达到林地生产潜力水平,特别是中幼龄林的年平均生产力(2.63m3·hm-2·a-1)仅为潜在水平的41.10%;林区内中幼龄森林占比较大,且抚育经营潜力巨大,通过森林抚育,森林蓄积量测算能增加1656.10×104m3。因而,基于森林清查资料和二类调查数据库,在中国森林立地类型分类体系下的二级区内,结合多个树种(组)对区域内的林地质量进行评价并对其生产潜力进行测算的方法可行、实用,值得推广。     

基于ICESat-GLAS全波形数据的坡地森林冠层高度估测

地形坡度对星载LiDAR的回波波形会产生很大的影响,并会进一步影响森林结构参数的正确估测.比较两类参数量化地形坡度的能力：辅助地形DEM数据的地形指数和波形自身参数后缘长度,以在反演坡地森林冠层高度时仅从回波波形本身出发,而不需要借助于其他辅助数据.采用估测坡地森林冠层高度的两组对比模型来比较：第1组对比模型是Xing模型和基于未改进的后缘长度的线性模型;第2组对比模型是Xing模型和基于改进的后缘长度的线性模型.结果表明,在两组对比模型中,基于波形自身特征参数的模型结果均优于基于辅助地形DEM数据的地形指数的Xing模型,说明在量化地形坡度时,波形的自身特征参数的量化能力要高于辅助地形DEM数据的量化能力.     

基于机载激光雷达的寒温带典型森林高度制图研究

以内蒙古根河市潮查林场境内的寒温带兴安落叶松原始林及其次生林为研究对象,利用机载激光雷达点云数据与地面调查的66个样地数据,采用不同算法计算样地实测树高(Lorey's高、冠幅面积加权树高和算术平均高)分别与基于双正切角树冠识别算法获取的LiDAR估测高(冠幅面积加权树高、算术平均高)和基于点云提取的百分位高构建树高回归模型(冠幅面积加权树高模型、算术平均树高模型和LiDAR百分位树高模型)。对比不同树高模型的训练精度与估测精度的差异,探讨双正切角树冠识别算法对本研究区的适用性;同时了解冠幅面积加权的样地实测树高与Lorey's高对林分平均高代表性的差异,确定最优解释变量,筛选最优树高模型,计算研究区森林高度空间分布图,为后续生物量和碳储量研究提供参考数据。结果表明:样地冠幅面积加权树高的模型训练精度和估测精度与Lorey's高的结果一致性较好,略低于Lorey's高的估测结果。LiDAR百分位树高模型中的50%分位高与样地实测树高相关性显著且回归模型拟合效果较好,其中,以Lorey's高为样地实测树高时模型的R2=0.869、RMSE=1.366m;以冠幅面积加权树高为样地实测树高时模型的R2=0.839、RMSE=1.392m;Lorey's高的50%分位高模型的估测精度最高,各独立验证样本点估测精度均高于85%,平均估测精度为94.73%,最高估测精度可达99.78%,其中混交林平均估测精度(96.72%)高于针叶林的平均估测精度(93.58%)。因此,选择Lorey's高的50%分位高模型计算研究区的森林高度空间分布。      

基于LIDAR数据的林冠层三维信息模型的提取与应用

该文应用机载激光雷达数据,获得了高精度的树冠底部地形信息及树高信息,提取了包含植被冠层高度的数字表面模型,即林冠层三维信息模型(DCM),结合研究区的数字高程模型(DEM)可以获得用常规方法很难准确获取的森林植被参数,如冠层垂直结构、森林高度、郁闭度等.在此基础上,制作了研究区的林木高度图,具有直观、形象等特点,有助于林业部门及时、准确地掌握森林资源相关信息,并可利用DCM获得森林密度、胸高断面积、蓄积量(生物量)及单木参数等森林植被参数.     

山东半岛昆嵛山地区主要森林类型可燃物垂直分布及影响因子

为探讨林火种类、火行为等对不同森林类型可燃物负荷量空间分布的响应,围绕山东半岛昆嵛山地区主要森林类型的地表可燃物和冠层可燃物负荷量、3个地形因子（坡度、坡位与海拔）、3个林分因子（平均树高、平均胸径与郁闭度）,比较不同林分不同空间层次上的可燃物负荷量等级分布特征和林火行为趋势,分析不同层次可燃物的负荷量与环境因子之间的相关性。结果表明,不同林分之间可燃物垂直分布呈显著性差异,各林分地表火形成树冠火的概率存在差异,表现为赤松-刺衫林>赤松纯林>赤松-华山松林>赤松-火炬松林>华山松纯林>火炬松纯林>赤松-麻栎林>麻栎纯林;枯落物层负荷量与郁闭度、胸径呈显著正相关,与海拔呈显著负相关;草本层和灌木层负荷量均分别与坡位、郁闭度呈显著或极显著负相关性,草本层负荷量还与树高、胸径有显著负相关关系。     

基于GIS和二类调查数据的森林资源时空动态分析与评价

以黄龙山林业局蔡家川林场为研究对象,以1986年和1997年森林资源调查数据为基础,以地理信息系统为技术支持,分析和评价了11a间该场森林资源的数量、种类及其结构在时间和空间上的动态变化。结果表明:全场天然林面积增长6.98%,有林地面积增长7.66%,疏林地减少5.48%。人工林的面积也有所增加。全场活立木蓄积量下降了6.70%,且下降的主要是天然林。林分平均每公顷蓄积、平均树高、平均胸径、平均郁闭度、平均年龄5个因子均减小。各龄组中,幼龄林和中龄林的面积和蓄积都有所增加,其中以中龄林增加幅度最大。近熟林、成熟林和过熟林的面积和蓄积有所减少,尤以近熟林和成熟林减少幅度最大。至1997年,幼、中、近、成、过各龄组的面积和蓄积比例仍不合理,以中龄林和近熟林占的比例最大,无过熟林。因此,需要采取相应的措施,调整并恢复林场的合理森林结构,实现森林资源的可持续经营。     

基于无人机影像的高郁闭度杉木纯林树冠参数提取

  目的  冠幅是树冠结构的重要特征因子，直接影响树木的生产力和生命力，郁闭度是反映森林冠层结构与密度以及评价森林经营管理采伐强度的重要指标之一。利用无人机可以云下飞行，易于获取图像，精度高，低成本等优势，研究无人机影像上提取树冠参数的方法，使无人机影像提取林木树冠参数的操作系统化，实现精准高效的森林资源清查和监测。  方法  以福建将乐林场杉木人工纯林为研究对象，采用四旋翼无人机影像为数据源，基于面向对象分类的方法，将杉木纯林的树冠参数从无人机影像中提取出来。面向对象分类的方法需要先利用ESP工具选取最优分割尺度，然后根据影像的分割结果将树冠对象聚为一类，进而统计每个树冠对象栅格像素个数计算出树冠冠幅面积以及林分郁闭度。  结果  面向对象分类有效地对高郁闭度林分进行了树冠的提取。在分割尺度为70时，单木树冠分割效果最好，树冠被单独分割出来，但也存在一定的过分割以及未分割的问题，以至于部分单木的丢失。分割结束后，对分割对象进行特征空间的优化，选取适当的分类特征，最终将研究区分为树冠和林隙两类。通过统计每个对象栅格点数，计算得出的林分因子包括林分郁闭度，树冠面积。以地面实测数据作为参考，冠幅面积提取精度为0.829 1，林分郁闭度测量精度为0.973 1。  结论  研究结果表明，基于无人机高分辨率影像的树冠参数提取在高郁闭度林分同样适用，能有效提高森林资源调查的效率并且能够满足森林资源调查的精度。      

基于ALOS PALSAR双极化模式数据的森林覆盖识别方法研究

[目的]探讨森林PALSAR双极化模式数据后向散射、极化和干涉相干性等特征,提出一种在异质地区的森林识别方法。[方法]以中国东南部漳浦县为试验区,对试验区不同土地类型PALSAR的后向散射信息、极化比值和相干性信息进行分析。[结果]利用该区林相图及同时相SPOT-5影像进行精度检验,其总体精度、用户精度和制图精度均高于90%。[结论]基于PALSAR双极化模式数据进行森林识别精度较高。     

基于16线阵TLS数据的单木识别及林分断面积估测研究

目的地基激光雷达(TLS)可以对林冠下层进行快速、非破坏性的三维测量，与传统森林参数调查相比，节省了大量人力、物力和时间，在林业调查中有广泛应用。目前的研究集中在基于全方位TLS数据的参数提取，全方位扫描获取的点云数据量庞大，所需扫描时间较长，而针对快速扫描的多线阵点云数据的研究较少，相关算法有待提出，多线阵激光雷达数据的应用能力也有待验证。方法以北京市东升八家郊野公园和奥林匹克森林公园内的人工林为研究对象，基于多个单站扫描采集的16线阵TLS点云数据，提出了一种新的树干识别算法。该算法利用点云到达目标单木及周围其他物体距离的差异，检测出树干表面点云，并结合随机采样一致性(RANSAC)算法拟合圆，提取单木胸径；在此基础上引用角规抽样技术，进行林分平均胸高断面积的估测。结果对于多个单站扫描数据，单木检测率均在80%以上，株数密度最小的样地单木检测率可高达95%；对于单站数据，单木平均检测率随着扫描半径的增加而下降，在10 m左右范围内可以达到较高的检测率。以样地中被正确检测到的单木胸径估测值与实测值建立回归方程，单木胸径估测的决定系数R2在0.72~0.82之间；计算各样地单木胸径实测值与估测值的平方平均数，林分平均胸径估测精度均在90%以上，最高可达到99%，表明在样地水平上有较好的胸径估测效果。由TLS提取的胸径值结合角规抽样原理计算林分平均断面积估测值，与实测值相比，林分平均断面积估测精度可以达到90%左右。结论本文提出的算法能够基于单帧16线TLS数据提取单木参数，实现林分平均胸径及单位断面积的快速高效估算，为林业调查提供了一种新方法。      

哈尔滨城市森林树木生长状况及各生长指标的相关性分析

[目的]研究哈尔滨市城市森林树木生长状况及各生长指标的相关关系,为指导城市树木管理、优化城市森林结构提供理论依据。[方法]在哈尔滨市建成区随机调查单位附属林、道路林、景观游憩林和生态公益林4种林分共220块样地,每块样地中分别取4~10株树木测量其树高、枝下高、冠幅和胸径周长等指标。[结果]哈尔滨市城市森林树木树高小于10 m近70%左右,枝下高绝大部分小于4m,冠幅小于50 m2的占总量的69%,胸径周长小于100 cm的树木约占80%,冠幅和胸径周长虽存有较大树木(冠幅250~325 m~2、胸径周长200~250 cm),但数量不到所调查树木总量的5%,且冠幅大小分布较离散。树高、枝下高、冠幅、胸径周长平均值分别为8.57 m、2.20 m、47.93 m~2、66.30 cm。4种指标之间呈显著正相关(P0.05)。对比4种林分发现,生态公益林树木的树高较其他3种林型高3 m左右,胸径周长长20 cm左右,道路林的冠幅小于其他3种林分6~11 m~2。[结论]哈尔滨市城市森林整体长势偏小,小冠幅树木居多,且林型间差别较大,今后应加强保护大树和抚育管理幼树。