基于星载ICESat-2/ATLAS数据的森林地上生物量估测

为探讨星载激光雷达数据ICESat-2（Ice,Cloud,and land Elevation Satellite-2）在山地森林地上生物量（Aboveground Biomass,AGB）的估测可行性和方法。以ATLAS（Advanced Terrain Laser Altimeter System）光子点云数据为主要信息源,以滇西北典型山地香格里拉为研究区,结合地面54块实测生物量遥感样地,在前期进行点云数据去噪、分类预处理基础上,对研究区74 873个林地光斑进行冠层参数及地形因子的提取（共计53个变量）,采用非参数模型随机森林回归和超参数优化后的随机森林进行建模,以均方根误差（Root Mean Square Error,RMSE）、决定系数（R2）、总体估测精度（P1）作为模型的评价指标,建立研究区AGB模型。研究结果表明：1）分析以ICESat-2/ATLAS提取的冠层参数、地形因子与生物量的相关性可知,冠层光子总数与生物量具有极显著相关性（P<0.01）,基于陆地卫星的乔木冠层百分比、冠层光子比率、坡度、光子总数、表观反射率与生物量具有显著相关性（0.01 < P <0.05）,可作为山地森林生物量遥感模型参数变量;2）地形因子对ICESat-2/ATLAS光斑遥感建模具有一定的影响,地形坡度因子对模型的贡献率为13.97%,小于基于陆地卫星的乔木冠层百分比、表观反射率与冠层光子总数对模型的贡献率。未加入地形坡度因子的传统的随机森林回归模型R2=0.90、RMSE=11.90 t/hm2、P1为80.06%;加入地形坡度因子后模型精度为：R2=0.91、RMSE=11.01 t/hm2、P1=81.30%;3）进行超参数优化的随机森林回归模型精度明显高于传统的随机森林回归模型,优化后的随机森林模型精度R2为0.93、RMSE为10.13 t/hm2、P1为83.31%,可用来进行山地森林生物量估测。估测的光斑点总生物量为1.32×105 t,光斑点平均生物量为77.41 t/hm2。参数优化后的随机森林构建的山地森林地上生物量模型拟合度精度较高,模型决定系数在0.9以上,估测精度在82%以上,表明ICESat-2在山地提取的光斑参数进行AGB反演具有可行性;ICESat-2光斑点生物量的空间分布表明,高生物量的光斑点主要分布在研究区北部,存在分布不均、区域差异较大的现象,与2021年研究区蓄积量空间分布具有一致性,可用来进行森林地上生物量估测。     

机载激光雷达森林冠层高度模型凹坑去除方法

从机载激光雷达(light detection and ranging,Li DAR)获取的森林冠层高度模型(canopy height model,CHM)是森林参数反演的关键模型,但CHM上存在高度不自然、突变的凹坑,影响森林参数的提取。为了精确地提取森林参数,需对CHM凹坑进行去除。该文提出了基于反距离权重插值法(inverse distance weighted,IDW)插值的分层高度最大值法进行CHM凹坑去除。通过提取大于一定高度阈值的首次回波点云数据子集,利用IDW插值得到分层首次回波CHM,并对各层CHM取同像元最大值进行融合得到去除凹坑的CHM。IDW插值搜索半径一般设为原始点云间隔的1~1.5倍。对针叶林、阔叶林、针阔混交林3种森林类型的样方数据进行了试验,该文算法生成的CHM与所有首次回波点按IDW插值生成的CHM0差值图像像元平均值分别为3.31、4.20、5.88 m;差值图像像元最大值分别为12.97、14.99、29.00 m,与样方实测树高及归一化点云高度最大值十分接近。通过CHM0、CHM及原始点云剖面对比分析、样方点云抽稀试验,及与平滑滤波算法对比分析,结果显示,该文算法能有效去除CHM凹坑,同时保留冠层边界及森林间隙,CHM能准确地表达森林冠层形态,且对不同森林类型具有普适性,对点云密度具有适应性,CHM凹坑去除效果优于中值滤波、均值滤波及高斯滤波等平滑滤波算法。去除凹坑的CHM有利于后续森林参数的提取,提高森林参数反演精度。     

用机载LiDAR点云数据估测海南博鳌人工经济林单木参数

激光雷达是目前发展迅速的一种主动遥感技术,其发射的激光脉冲能穿透树林冠层,实现森林三维结构特征的获取。为验证机载激光扫描器提取森林单木参数的可行性,该研究以海南省博鳌机场周边人工林为研究对象,使用机载激光扫描器Mapper5000（中国）获取的点云数据,探索对人工经济林单木参数估测的可行性。根据研究区的地形和林木结构特征,分别对槟榔和橡胶2个树种进行单木参数提取,使用K-means分层聚类对不同样地的林木进行单木分割,提取样地内单木树高、冠幅、胸径、材积和地上生物量。结果表明,2个树种的单木分割正检率均在85%以上,总体平均正检率在89.98%以上;单木树高、冠幅、胸径、材积、地上生物量估测结果的决定系数均达到0.8以上,说明该点云数据对提高森林参数估测精度有积极作用,机载激光雷达技术在森林资源精细调查中有较大的应用潜力,同时也可应用于相关果树生长情况监测,为数字果园的发展提供技术支撑。     

基于夏玉米冠层内辐射分布的不同层叶面积指数模拟

为了模拟夏玉米冠层内各层叶面积指数垂直分布,光合有效辐射（photosynthetically active radiation, PAR）是研究作物群体光合作用和长势的重要特征参数,阐明冠层内PAR的垂直分布规律与冠层结构等参数之间的相关关系,可为遥感定量反演冠层结构参数提供模型基础。该文基于PAR在冠层内的辐射传输规律结合冠层结构模拟不同太阳高度角的PAR透过率垂直分布模型,并用地面冠层分析仪测量值进行验证,结果表明模型对封垄前玉米抽雄期冠层内PAR透过率垂直分布模拟精度较高。通过不同太阳高度角PAR透过率的垂直分布模型结合消光系数运用不同算法分别反演层叶面积指数（leaf area index, LAI）,并与不同高度层LAI实测值进行比较。结果显示：Bonhomme& Chartier算法反演不同高度层LAI精度较高,上层均方根误差（root mean square error,RMSE）为0.18,中层RMSE为0.55,下层RMSE为0.09。不同太阳高度角反演结果存在差异,30°和45°高度角均能较好地反演下层LAI,RMSE分别为0.11与0.09;30°高度角反演中层LAI精度较高,RMSE为0.30;45°高度角反演上层LAI精度较高,RMSE为0.18。结果表明基于不同太阳高度角构建的层LAI反演模型更适于实现夏玉米不同高度层LAI的遥感估算。该研究可为模拟垄行结构冠层内LAI垂直分布提供参考。     

地基与无人机激光雷达结合提取单木参数

激光雷达（Light Detection And Ranging,LiDAR）在森林空间结构测量方面具有较大优势,但单独利用地基或无人机LiDAR难以完整描述森林垂直结构。为此,该研究提出了地基和无人机LiDAR点云相结合的单木参数提取方法,采用相对最短路径算法（Comparative Shortest-Path algorithm,CSP）和点云区域生长算法分别从地基和无人机LiDAR点云中识别单木,根据地基和无人机LiDAR的单木位置与地面实测单木位置进行点云粗匹配,然后采用迭代最近点（Iterative Closest Point,ICP）进行点云精匹配,采用最高值和基于密度的噪声应用空间聚类（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）提取单木树高和胸径,并通过地面实测样地数据对地基、无人机和融合点云的单木参数提取精度进行评价。结果表明：基于地基和融合点云的单木检出率一致,简单、中等、复杂样地的单木检出率分别为98%、94%、91%,基于无人机点云的单木检出率较低;基于地基与融合点云的胸径提取精度基本一致,三种样地胸径提取值的决定系数R2均在0.96以上,均方根误差（Root Mean Square Error,RMSE）在1.20～1.60 cm之间;基于融合点云的树高提取精度最优,简单、中等、复杂样地树高提取值的R2分别为0.98、0.94和0.73,RMSE在1.38～4.19 m之间;融合点云对中等样地树高提取精度提升较大,融合后RMSE相较地基点云降低了0.34 m,R2提高了3%,对简单、复杂样地提升较小;所研究的单木中,杉木的胸径和树高提取精度最高,R2最高分别为0.99、0.89,RMSE最低分别为1.35 cm、1.96 m。地基和无人机LiDAR融合点云可以更精细地测量森林空间结构,更好地满足森林资源调查业务应用。     

利用随机森林法协同SIF和反射率光谱监测小麦条锈病

小麦受到条锈病菌侵染后,作物的光合能力及色素含量等均会发生变化,日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)对作物光合生理的变化比较敏感,而反射率光谱则受作物生化参数的影响较大,为了提高小麦条锈病的遥感探测精度,该文利用随机森林(random forest,RF)等机器学习算法开展了协同冠层SIF和反射率微分光谱指数的小麦条锈病病情严重度的遥感探测研究。首先利用3FLD(three bands fraunhofer line discrimination)算法提取了冠层SIF数据,然后结合对小麦条锈病病情严重度敏感的11种反射率微分光谱指数分别基于RF和后向传播(back propagation,BP)神经网络算法构建了反射率微分光谱指数与冠层SIF协同的小麦条锈病病情严重度预测模型。研究结果表明:RF算法构建的小麦条锈病病情严重度预测模型优于BP神经网络算法,3个样本组中RF模型病情指数(disease index,DI)估测值与实测值间的决定系数R2平均为0.92,比BP神经网络模型(R2的平均值为0.83)提高了11%,均方根误差(root mean square error,RMSE)平均为0.08,比同组BP神经网络模型(RMSE的平均值为0.12)减少了33%,RF算法更适合于小麦条锈病病情严重度的遥感探测。在反射率微分光谱指数中加入冠层SIF数据后,RF模型和BP神经网络模型精度均有所改善,其中RF模型估测值与实测值间的平均R2提高了4%,平均RMSE减少了22%,BP神经网络模型估测值与实测值间的平均R2提高了14%,平均RMSE减少了28%,综合利用冠层SIF和反射率微分光谱指数能够改善小麦条锈病病情严重度的遥感探测精度。研究结果可为进一步实现作物健康状况大面积高精度遥感监测提供新的思路。     

基于UAV高分影像的陕北人工林结构参数提取

定期的森林结构参数提取是监测评价造林质量的重要方式,对林业规划有着重要的指导意义.基于大疆四旋翼无人机搭载RGB高清相机获取了陕北人工杨树林的高分影像,通过多尺度分割和面向对象提取、点云分类、以及Leica Cyclone中的点云数据图模块处理,实现了陕北黄土高原地区人工杨树林森林结构参数(冠幅、树高)、冠层高度的提取...     

基于高光谱数据的杨树叶片干物质含量的估算

将杨树叶片实测的理化数据和土壤背景光谱数据作为PROSPECT和PROSAIL模型的输入参数,输出杨树叶片高光谱数据模拟值,通过实测获得叶片尺度和冠层尺度干物质含量、等效水厚度以及高光谱数据,利用统计方法,分别对两种尺度杨树叶片干物质含量进行分析。结果表明:基于归一化指数计算方法,杨树叶片尺度和冠层尺度的最佳估算干物质含量的干物质含量归一化指数(NDMI)波段组合分别为1685,1704nm和1551,2143nm,使用偏最小二乘法分别对筛选波段组成的NDMI(1685,1704)指数和NDMI(1551,2143)指数构建叶片尺度干物质含量和冠层尺度干物质含量的估算模型,叶片尺度干物质含量估算模型精度为R2=0.663,RMSE=0.001g·cm-2,冠层尺度精度为R2=0.91,RMSE=16.7g·m-2。可见,高光谱技术对杨树叶片干物质含量的估算具有较高的精度,可为杨树叶片干物质含量的快速、无损估算提供参考依据。     

星载高分五号高光谱耕地主要土壤类型土壤有机质含量 估测——以黑龙江省建三江农垦区为例

为了评价国产星载高分五号(GF-5)高光谱影像估测土壤有机质(SOM)含量的潜力,以及不同土壤类型对SOM含量光谱估测精度的影响,本研究以黑龙江省建三江农垦区为研究对象,获取了覆盖研究区域的GF-5高光谱影像和188个土壤样本。对提取的样点GF-5光谱反射率数据进行了反射率倒数、对数、一阶微分等9种光谱数学变换,并采用相关系数法确定了SOM含量的光谱敏感波段。采用偏最小二乘回归(PLSR)线性统计建模方法,对研究区域全部土壤类型以及草甸土、沼泽土、黑土等主要土壤类型,分别构建了光谱全波段和敏感波段的SOM含量估测模型,并进行了精度评价。结果表明,基于GF-5光谱数据的研究区域全部土壤类型的SOM含量估测精度不理想,最优模型精度决定系数(R2)为0.265,均方根误差(RMSE)为4.647%,相对分析误差(RPD)为1.135;不同类型土壤在SOM含量光谱估测精度差异较大,草甸土和沼泽土的SOM含量估测精度不高,但黑土的SOM含量估测精度较高,其中全波段光谱反射率对数一阶微分(LnR)′的SOM含量估测精度最高,R~2=0.729,RMSE=1.065%,RPD=1.850,SOM含量估测模型可用。按照不同土壤类型构建SOM含量估测模型可以进一步挖掘GF-5高光谱遥感估测SOM含量的潜力。     

典型喀斯特山区的森林蓄积量遥感估算

[目的] 通过森林蓄积量的遥感监测了解喀斯特地区森林生态系统的健康状况和生态功能,为该地区碳汇监测与评估以及森林管理与决策提供理论依据。 [方法] 本研究选取典型喀斯特山区为研究对象,基于Sentinel-2A影像和样地调查数据,结合随机森林(RF)、K近邻回归(KNN)和BP神经网络3种机器学习模型,在山地坡度条件约束下开展森林蓄积量反演研究。 [结果] ①单波段反射率、植被指数和纹理特征等遥感因子在不同地形约束条件下的表现不同,建立模型的最优子集均不同,不同立地条件下建立蓄积量估测模型均有差异。 ②在喀斯特山区森林蓄积量估算中,RF相比KNN和BP模型鲁棒性和适应性最强。在缓坡、斜坡、陡坡立地条件下,RF模型精度分别达到80.1%,79.0%,80.5%。 [结论] 喀斯特山区空间异质性强,不同坡度立地条件下参与蓄积量遥感估测的建模自变量因子均不相同。坡度的划分可以细化复杂场景遥感估算模型,提高蓄积量遥感估算精度。     

Spatial modelling of the fraction of photosynthetically active radiation absorbed by a boreal mixedwood forest using a lidar–hyperspectral approach

The spatial variability of the fraction of photosynthetically active radiation absorbed by the canopy (fPAR) was characterized for a heterogeneous boreal mixedwood forest site located in northern Ontario, Canada, based on relationships found between fPAR and light detection and ranging (lidar) data over different canopy architectures. Estimates of fPAR were derived from radiation measurements made above the canopy at a flux tower and below-canopy radiation was measured across a range of species compositions and canopy architectures. Airborne lidar data were used to characterize spatial variability of canopy structure around the flux tower and a map of mean canopy chlorophyll concentration was derived from airborne hyperspectral imagery. Different volumes of lidar points for the locations directly above each photosynthetically active radiation (PAR) sensor were examined to determine if there is an optimal method of relating lidar returns to estimated fPAR values.The strongest correlations between mean lidar height and fPAR occurred when using points that fell within a theoretical cone which originated at the PAR sensor having a solid angle α = 55°. For diffuse conditions, the correlation (r) between mean lidar height versus fPAR × chlorophyll was stronger than between mean lidar height versus fPAR by 8% for mean daily fPAR and from 10 to 20% for diurnal fPAR, depending on solar zenith angle. For direct light conditions, the relationship was improved by 12% for mean daily fPAR and 12–41% for diurnal relationships.Linear regression models of mean daily fPAR × chlorophyll versus mean lidar height were used in conjunction with gridded lidar data and the canopy chlorophyll map to generate maps of mean daily fPAR for direct and diffuse sunlight conditions. Site average fPAR calculated from these maps was 0.79 for direct light conditions and 0.78 for diffuse conditions. When compared to point estimates of mean daily fPAR calculated on the tower, the average fPAR was significantly lower than the point estimate. Subtracting the direct sunlight fPAR map from the diffuse sunlight fPAR map revealed a distinct spatial pattern showing that areas with open canopies and relatively low chlorophyll (e.g., black spruce patches) have a higher fPAR under direct sunlight conditions, while closed canopies with higher chlorophyll (e.g., deciduous species) absorb more PAR under diffuse conditions. These findings have implications for scaling from point measurements at flux towers to larger resolution satellite imagery and addressing local scale heterogeneity in flux tower footprints.     

华北落叶松林木生长、草本植物多样性及地形因子之间的关系

以河北省小五台山区华北落叶松人工林为对象,通过对林木生长因子和草本多样性指数的调查、计算和分析,对华北落叶松林木生长、草本植物多样性以及地形因子之间的关系进行了研究。结果表明,(1)坡度与树高、胸径、第一活枝高(枝下高)和冠幅呈显著负相关性,而海拔、坡位和坡形与林木生长因子之间的相关性不显著;(2)从相关系数和相关性强度综合分析,林木生长因子对草本多样性影响程度为:郁闭度枝下高胸径树高冠幅;(3)在海拔1 400~2 000 m范围,随海拔高度增加,Shannon—Wiener多样性指数和Pielou均匀度指数表现出较为平稳的变化趋势,而Simpson多样性指数和Menhinick丰富度指数则表现出上下波动的变化趋势;(4)海拔、坡形、坡度对华北落叶松林下草本多样性变化影响程度较小,而坡位与草本植物Menhinick丰富度指数和Simpson多样性指数达到显著负相关水平,表明坡位对草本植物多样性变化影响程度较大。     

基于机载三维激光扫描的大豆冠层几何参数提取

为了实现大田大豆单株植株几何参数(高度、体积)准确获取,该文构建了基于机载激光雷达(LiDAR)的农作物表型探测系统,并开展了大田标定和探测试验。针对大田大豆垄上种植模式下地面平整度差异大、植株枝叶交接难以区分的问题,提出了一种LiDAR表型探测系统下的基于局部邻域特征分割与均值漂移算法的提取方法。在获取的点云中,首先使用基于局部邻域特征的语义分割方法提取一垄植株行,然后采用均值漂移算法提取单株植株,最后进行植株表面重建和植株几何参数统计。LiDAR表型探测系统在沿探测系统前进运动方向、垂直运动方向、垂直地面方向最大误差分别为0.58%(5.8 cm)、-1.75%(-7.0 cm)、-1.74%(-3.4 cm)。该文采用的基于局部邻域特征的分割方法,植株与地面分类的效果良好,人工统计植株数量相比,检测植株数量的平均相对误差为11.83%。相对于常用的RANSAC(random sampleconsensus)方法,使用该文提出的高度计算方法,大豆植株高度平均相对误差从9.05%下降到5.14%,利用alpha-shape算法重建后的冠层体积平均值为48.5 dm3。该文工作可为作物植株分割和体积统计提供借鉴。     

基于超分辨率重建和多模态数据融合的玉米表型性状监测

无人机遥感技术已逐渐成为获取作物表型参数的重要工具,如何在不降低测量精度的同时提高空间分辨率和测量通量受到表型研究人员的重视。该研究以玉米为研究对象,获取5个生育期无人机图像序列,结合小波变换与双三次插值对数码影像进行超分辨率重建,提取原始影像和重建影像的冠层结构、光谱等参数。基于单一参数和多模态数据构建地上生物量估算模型。结果表明：重建影像质量较高、失真较小,其峰值信噪比为21.5,结构相似性为0.81。航高60 m的重建影像地面采样距离与30 m的原始影像相近,但每分钟可多获取0.2 hm2地块的图像。多模态数据融合在一定程度上克服冠层饱和问题,相对于单一参数获得更高的生物量估测精度,拟合的决定系数为0.83,单一参数拟合的决定系数为0.095～0.750。在采用更高飞行高度条件下,结合超分辨率重建和多模态数据融合估算生物量的精度没有降低、反而略有提高,满足更高测量通量的需求,为解码基因型与表型关联的策略提供依据。     

基于GIS的高原植被空间格局与地形因子相关关系研究

以青海省境内黄河上游茨哈峡为例,运用GIS空间分析方法,对该地区的地形因子(高程、坡度和坡向)进行提取,并与植被类型图进行叠加,运用多样性指数、均匀度等植被指数分析该区植被空间分布格局与地形因子的关系,研究了植被指数随地形的变化趋势。结果表明,植被空间分布与地形因子关系密切,亚高山暗针叶林最优生长区间为海拔3290~3880 m,坡度25°~45°的阴坡;山地圆柏林则适宜生长在同样坡度,海拔3880~4470 m的阳坡;针阔混交林、高山落叶阔叶林最优生长区间分别为15°~25°,2700~3290 m的阴坡和2995~3290 m的(半)阴坡;高寒灌丛和高寒草原在各坡度和坡向分布范围都比较广。     

六盘山半湿润区坡面华北落叶松林冠层截留的时空变化及空间尺度效应

冠层截留是森林蒸散的重要组成部分,其定量描述一直是生态水文学研究的热点问题之一,相关观测研究多是在固定样地的空间尺度上进行的。林冠截留量除在样地上受降水、气象条件和冠层结构及生长过程的动态影响外,还在坡面上受植被生长和冠层结构的坡位差异而有很大空间变化和尺度效应,需对此深入理解和精细刻画,从而为实现从样地观测结果上推到坡面的尺度转换并基于此准确评价森林水文影响来提供科学依据。在六盘山香水河小流域,选择一个水平坡长425.1m的华北落叶松人工林典型坡面,并均匀划分为空间连续的16个样地。于2015年5—10月,测定了森林冠层结构(特别是叶面积指数,LAI)的坡位差异和动态变化,并同步观测了林外降雨和林内穿透雨及树干茎流,依此计算得到每次降雨事件的冠层截留量。以"离坡顶水平距离(水平坡长)"为尺度标量,分析林冠截留量沿坡面的时空变化规律及影响因素。结果表明,林冠截留量存在沿坡变化和坡面空间尺度效应,且月份变化明显。在整个生长季,林冠截留量沿坡变化总体表现为随水平坡长增加先升高,在坡面中部达最大,之后逐渐降低,以每100m水平坡长的变化量表示的坡面尺度效应为+5.62mm/100m(坡段0~316.6m)和-2.37mm/100m(坡段316.6~425.1m);在5月,林冠截留量沿坡变化总体表现为随坡长增加而逐渐降低,坡面尺度效应为-0.26mm/100m(0~425.1m),在6—8月,林冠截留量沿坡变化总体趋势均和整个生长季相同,6月份坡面尺度效应为+1.28mm/100m(0~261.1m)和-1.78mm/100m(261.1~425.1m),7月为+0.92mm/100m(0~267.6m)和-0.88mm/100m(267.6~425.1m),8月份为+1.28mm/100m(0~211.2m)和-0.34mm/100m(211.2~425.1m);在9月、10月,林冠截留量沿坡变化表现为随坡长增加逐渐升高,坡面尺度效应分别为+2.38mm/100m和+0.81mm/100m(0~425.1m)。林冠层叶面积指数的坡位差异及其季节变化是影响林冠截留时空变化的主导因素,各月林冠截留率均与叶面积指数呈显著正相关。可基于不同坡位样地的叶面积指数与其坡面均值的关系、叶面积指数与林冠截留量的关系以及不同坡位样地的叶面积指数测定值,上推估计林冠截留的坡面均值。     

基于DEM的山区土地利用变化分析

地形因子直接影响土地利用方式并在一定程度上决定着土地利用类型。以西南地区典型山区重庆市忠县为研究区,基于DEM和遥感影像,通过遥感解译建立土地利用数据库,运用GIS技术提取高程、坡度、坡向,并与土地利用图进行叠加,分析研究区2000—2010年间基于不同地形因子的土地利用变化情况。研究结果表明:地形因子对研究区土地利用变化有着重要的影响,土地利用变化随着高程的增加、坡度的增大而减缓,阳坡大于阴坡,并主要集中在高程为300～600 m,坡度 < 25°的半阳坡地区,其中以耕地与林地之间的转化最为剧烈;在海拔为0～300 m,坡度 < 25°的长江及其支流沿岸地区有一定面积的耕地和林地转化为水域。通过对土地利用变化与各地形因子之间关系的分析,有助于实现区域土地利用结构的优化和不同地形上土地利用类型的合理布局,促进区域土地资源的可持续发展。