天山西部云杉林群落数量分类与排序

【目的】研究植物群落的数量分类和排序,分析植物群落与环境之间的关系,为新疆天山云杉林保护、天山西部山区森林群落更新恢复评价提供支撑。【方法】 以天山西部国有林管理局巩留分局恰西森林公园为试验点,天山云杉(Picea schrenkiana var tianschanica)林为研究对象,基于群落学调查和环境因子测定数据,采用双向指示种分析(TWINSPAN)对天山西部云杉群落进行分类,冗余分析(RDA)方法对物种分布进行排序,分析物种群落的类型和特征以及与环境因子之间的关系。【结果】 物种群落分为8组,群落中乔木层以天山云杉为优势种,天山花楸鲜有分布;灌木层植被较少,存在少量伊犁忍冬;草本层中主要以塔什克羊角芹、白花车轴草、羽衣草、早熟禾和弹裂碎米芥等为优势种,且分布较广泛。影响天山云杉林群落分布的主要环境因子是采伐强度、坡度、海拔、郁闭度和坡向。其中,环境变量对森林群落格局解释率占40.8%,采伐强度对森林群落格局解释率占4.9%,两者共同解释率占39.64%,未解释的部分占14.69%。【结论】 天山西部云杉林划分为8个群落类型,采伐强度因子与环境因子共同影响群落分布格局,天然林得到了较好的恢复,森林资源状况得到改善,生态状况由持续恶化向逐步改善转变。     

截形叶螨危害下枣叶片叶绿素含量高光谱估算模型

以不同截形叶螨(Tetranychus truncatus Ehara)危害等级下枣叶片高光谱和叶绿素含量数据为基础,分析不同截形叶螨危害等级(0级、1级、2级、3级、4级)下枣叶片高光谱特征,构建基于一阶微分光谱的不同截形叶螨危害等级枣叶片叶绿素含量高光谱线性回归估测模型。结果表明:截形叶螨危害造成叶片中叶绿素含量减少,导致光谱反射率降低,表现为随危害等级的增加叶绿素含量呈逐级减少趋势。在不同截形叶螨危害等级枣叶片叶绿素估测模型中,危害等级为0级时,模型拟合度最好,达到0.810,表明利用高光谱数据构建不同危害等级枣叶片叶绿素含量估算模型具有一定的潜力,对危害植被叶片的虫害诊断意义重大。     

基于无人机影像的天山云杉林单木树冠信息提取

【目的】 研究树冠信息估测出林分密度、生长量等森林调查指标,判断林木生长优良状况提供参考,【方法】 基于无人机遥感影像,以新疆农业大学实习林场主伐迹地下天山云杉林(Picea Schrenkiana var tianshanica)为研究对象,采用高斯-拉普拉斯算子(Laplacian of Gaussian,LOG)结合最大类间方差寻找最优阈值(Otsu)对影像进行处理,并利用标记控制分水岭分割方法分别提取疏、中、密3种不同郁闭度的天山云杉单木树冠信息。【结果】 利用优化后的标记控制分水岭分割方法较好的解决了过分割问题,对单木树冠信息提取的F测度在疏、中、密林区分别是98.26%、92.91%和87.57%。【结论】 使用的方法提取单木树冠信息精度较高,可以评价对天山云杉林的生长状况,可对主伐迹地下天山云杉林的更新和恢复提供可靠的技术支撑。     

截形叶螨危害下枣叶片含水率高光谱估测模型

【目的】叶片含水率是反映植物生长发育状况的重要指标,对其进行实时、快速、准确的动态监测是实施枣园精准灌溉和水分合理利用的重要技术措施,对枣树水肥一体化管理有一定的实用参考价值。【方法】以截形叶螨危害下枣叶片的光谱反射率和叶片含水率数据为基础,分析枣叶片原始光谱反射率和不同微分变换光谱反射率与叶片含水率间的相关关系,分别运用一元线性回归(MLR)、多元线性逐步回归(SMLR)法构建了截形叶螨危害下枣叶片含水率的高光谱估测模型,并以模型拟合度(R~2)为主要依据,结合均方根差(RMSE)和相对均方根差(RE)对模型的稳定性和预测能力进行了检验。【结果】微分数据变换可以有效增强枣叶片光谱与水分含量之间的相关性,其中以一阶微分变换的反射光谱与叶片水分含量间具有最密切的相关性。而在截形叶螨危害下枣叶片含水率的高光谱估测模型中,SMLR模型整体建模效果优于MLR模型,其中以655 nm等7个波段组合的一阶微分光谱敏感波段所构建的SMLR模型的拟合度最好,R~2达到了0.836。【结论】截形叶螨危害下枣叶片光谱反射率对其叶片含水率存在光谱指示波段。因此,利用高光谱技术对其叶片水分状况进行适时监测是可行的,这对该虫害危害后枣叶片水分含量信息的探测和虫害的早期监测及预警均有一定的应用潜力。     

基于无人机影像的天山云杉林更新类别划分及提取

森林伐后更新对森林资源的有效利用密不可分，对森林的经营管理和动态监测具有重要意义。为了对不同皆伐迹地林分进行主要特征选取并实现高精度提取，本研究通过分析天山云杉皆伐迹地更新群落特征，并利用R软件进行聚类分析，将其划分为4个类别(Ⅰ、Ⅱ、Ⅲ、Ⅳ)，其林分平均年龄为33、28、25 a和20 a；平均胸径分别为25.62、17.95、13.03 cm和10.05 cm；平均树高为12.25、10.02、8.92 m和7.53 m。基于eCognition Developer 9.0软件，对研究区进行多层次、多尺度分割，以无人机影像的纹理、光谱等特征为辅助信息进行SEaTH算法结合面向对象分类。结果表明，研究区皆伐迹地林分生长状况主要为类别Ⅰ状态，类别Ⅱ、Ⅲ和Ⅳ分布面积相对较少。SEaTH算法结合隶属度分类方法，不仅准确地识别出皆伐迹地空间分布情况，还精确地提取出不同类别的天山云杉林，总体精度达到80.22%，Kappa系数为0.73，平均面积吻合度为81.34%。该方法取得了较好的分类效果，可精确地对伐后更新林分进行分级提取，为森林经营管理提供一定的参考依据。     

基于GF-2影像对恰西国家森林公园的遥感分类

【目的】 选用面向对象的监督分类法,对研究区域的天山云杉林进行遥感分类,选取一种分类效果最佳的方法,为该区域的林地资源调查、动态监测评价提供依据。【方法】 基于高分二号(GF-2)遥感影像数据,借助ESP 尺度评价工具和目视解译相结合,筛选研究区各地物最优分割尺度,利用3种不同分类方法在此基础上进行遥感分类。【结果】 研究区内的水体、道路、其他用地、林地和草地的最优分割尺度,分别为390、372、316、296、246;其次在各地物最优分割尺度下,比较最邻近分类、结合矢量数据分类和阈值分类3种方法,经过精度评估发现,3种分类方法的 Kappa 系数和总体精度值分别为0.760 7、0.782 0、0.840 6和0.814 8、0.830 5、0.876 5。【结论】 阈值分类方法优于其他2种方法,选用更为优良的阈值分类方法引入解决该地区林地资源调查是可行的。