运用机载LiDAR数据对橡胶林地上生物量估测的采样尺度效应分析

气候变化下,森林生物量遥感监测是当前研究的热点,机载LiDAR作为重要的遥感信息源,其采样大小对生物量估测精度有着一定的影响。以机载LiDAR数据为信息源,以44块30m×30m的方形橡胶林实测样地数据为基础,对机载激光雷达数据进行不同尺寸采样(共21个采样尺寸,边长从10m至30m,间隔为1m),提取不同采样尺寸下的激光雷达参数,并与橡胶林地上生物量建立PLSR模型,就机载激光雷达采样大小对橡胶林地上生物量估测精度的影响进行研究。研究表明:当采样尺寸小于18m时,估测精度随着采样尺寸的增大而增大;而当采样尺寸大于18m时,估测精度随着采样尺寸的增大而减小,进而趋于平缓。结果虽然呈现出一定的规律性,但是差异并不是很明显。当采样尺寸为18m时估测效果最佳,模型决定系数(R^2)为0.718,均方根误差(RMSE)为17.830 t/hm^2;交叉验证精度P和RMSEcv分别为82.741%和18.874t/hm^2。相较于实际样地(30m)尺寸下的估测结果,18m采样尺寸下的R^2提高了1.989%,RMSEcv降低了2.611%。因此,生物量的估测精度受机载激光雷达数据采样尺寸大小的影响,在生物量估测过程中需结合研究对象和研究区的实际情况对采样尺寸进行选择,从而提高生物量估测精度。     

基于ALS数据和哑变量技术森林蓄积量估测

基于机载LiDAR数据,分析哑变量对林分蓄积量估测精度的影响。以广西高峰林场为研究对象,借助机载激光雷达点云数据和96个样地数据,将样地数据按7∶3的比例随机划分为建模样本和测试样本,采用随机森林模型(RFR)和支持向量机模型(SVR)对建模样本与对应的点云特征回归建模,将树种组(针叶林和阔叶林)和龄组分别作为哑变量引入到回归模型。利用测试样本的估测精度评价模型的估测精度,引入树种组哑变量,随机森林模型决定系数R2从0.59提高到0.64,支持向量机模型决定系数R2从0.49提高到0.50。引入龄组哑变量,随机森林模型决定系数R2从0.59提高到0.65,支持向量机模型决定系数R2从0.45提高到0.55。根据模型的建模精度和验证精度结果得出,引入哑变量对蓄积量估测模型的精度提升是相对有效的。龄组哑变量对模型精度提升效果优于树种组哑变量。     

基于地相位优化估计的RVoG三阶段森林冠层高度反演

极化干涉合成孔径雷达（PolInSAR）估测森林结构参数中,数据受基线长度、信噪比、环境地形以及雷达波长的影响,尤其在复杂森林环境条件下,会导致观测到的复相干存在误差,从而影响最终的反演结果。为解决此问题,首先探讨了体相干选择对RVoG三阶段森林冠层高度反演的影响,以地相位为参考逐像素选择距离地相位最远的相干性作为体相干。其次改进了地相位估计方法,采用戴明回归（DMR）和正交回归（OGR）2种相干直线拟合方法来改进地相位的估计,并在DMR拟合方法中设置了不同的误差比（0.3和0.6）来比较地相位估计方法对RVoG三阶段森林冠层高度反演的影响。研究结果表明：以地相位为参考逐像素选择体相干的反演结果相较于直接使用HV极化通道的复相干γ_HV为体相干的反演精度有明显提升,决定系数（R²）由0.349增加到0.383,均方误差由7.097 m²降低到5.755 m²。在体相干优化选择的基础上,采用了戴明回归和正交回归对地相位估计方法进行了改进。表明基于最小二乘回归（LSR）地相位估计的RVoG三阶段反演精度最...     

森林扰动遥感影像检测方法研究进展

将碳达峰、碳中和纳入我国生态文明建设整体布局是中共中央作出的重大战略选择。森林是陆地生态系统最重要的贮碳库,对实现碳中和具有重要作用。森林的扰动与碳储量和碳汇关系密切,目前由于森林扰动资料的缺乏,导致区域森林碳汇与碳源的估算精度不准确,建立和完善适用于中国森林的扰动检测方法具有重要的理论意义和应用价值。文中在分析国内外森林扰动遥感检测文献的基础上对分类后比较法、直接分析法、时间序列分析法与深度学习法进行对比,分析每一类方法的技术特点和应用效果,指出森林扰动检测方法存在的问题,展望今后发展方向,以期能够为森林扰动检测相关研究提供参考。     

内蒙西部造林技术问题的探讨

文章对我区西部地区不同立地条件以及相适应的造林树种、模式、方法等,从技术方面进行了总结,对造林技术改进和提高提出了一些建议     

我国西部地区主要生态环境问题浅析

西部地区的生态环境系统十分脆弱,水土流失、土壤沙化、草场退化、土地盐渍化等问题严重。文章通过对西部生态环境问题的认识和分析,提出了治理西部生态环境的思路。     

依托重点生态工程积极开展沙地综合治理

文章通过对内蒙古自治区沙化土地现状和国家林业生态工程建设进展分析，提出了依托国家重点生态工程，加快我区沙化土地治理的基本思路和措施。通过生态建设，改善人民群众的生活环境，提高生活质量。     

基于哑变量和因子选择的森林蓄积量估测研究

为提高森林蓄积量遥感估测精度,探讨哑变量技术在蓄积量遥感估测中的作用。以云南省普洱市思茅区为研究区,以Landsat 8 OLI和93块森林资源二类调查角规控制样地数据为基础,使用随机森林（random forest）算法进行遥感变量因子的选择,并以龄组为哑变量分别构建基于哑变量的SVR和PLSR蓄积量估测模型,采用留一交叉验证对结果进行评估。结果表明,使用随机森林算法进行变量的选择有效减少了自变量的维度,提高了计算效率;其次,哑变量引入后,PLSR和SVR 2种回归模型的估测精度都比无哑变量方法有明显的提高,且SVR的估测结果优于PLSR;在引入哑变量后SVR模型的决定系数R²由0.59提高到0.68,相对均方根误差rRMSE由36.76%降低至32.97%,PLSR模型的决定系数R²由0.53提高到0.62,相对均方根误差rRMSE由39.41%降低至35.24%。在森林蓄积量的遥感估测中,哑变量技术的应用可以在一定程度上解决不同蓄积量大小对估测结果造成的影响,进而提高蓄积量的估测精度。     

基于机载LiDAR和光学遥感数据的热带橡胶林叶面积指数反演

叶面积指数（LAI）作为表征植被冠层结构的重要参数，一直是气候变化和生态研究中的热点，遥感技术的发展为大范围叶面积指数的获取提供了可能。以景洪市热带橡胶林为研究对象，以机载LiDAR和Landsat8/OLI为信息源，结合44块样地实测数据，使用支持向量机回归(SVR)、BP神经网络(BPNN)和偏最小二乘回归(PLSR) 3种模型,在前期建立基于林分水平的LAI估测模型的基础上，进一步构建区域尺度的LAI反演模型，实现景洪市橡胶林LAI的反演。结果表明，基于LiDAR的林分水平模型中，SVR模型最优，决定系数（R²）为0.76，相对均方根误差（rRMSE）为17%，估测精度（P）为83%；以SVR模型估测结果作为区域尺度遥感反演模型的先验样本，结合Landsat8/OLI数据的BP神经网络模型反演效果最好，估测精度达76%。