基于无人机机载激光雷达估算黄河三角洲孤岛刺槐林地上生物量

研究旨在利用无人机机载激光雷达数据来计算黄河三角洲孤岛林场刺槐地上生物量。以黄河三角洲孤岛林场刺槐林为研究对象,利用无人机机载激光雷达数据,采用分水岭分割算法从单木尺度提取孤岛林场刺槐的树高和冠幅;然后利用背包移动雷达数据提取8 个样方单株刺槐胸径;再结合异速生长方程,从单木尺度计算8 个样方的刺槐地上生物量。为了验证结果,用野外实测树高和胸径验证雷达数据中提取的单木结构参数;最后利用无人机机载激光雷达提取的树高和冠幅及两者的对数与乘积的对数形式,构建估算刺槐地上生物量模型,对模型估算过程中存在不确定性进行讨论,获得孤岛林场生物量分布图,并且结合前人研究的孤岛刺槐健康状况进行分析。结果表明：（1）基于分水岭分割算法能较精确地从无人机机载激光雷达数据中提取刺槐的单木结构参数。（2）树高与冠幅乘积的对数模型估算效果（R2=0.82,RMSE=3.66 kg/株）优于非对数模型（R2=0.58,RMSE=6.73 kg/株）,也优于两者对数的模型（R2=0.76,MSE=4.52 kg/株）。（3）模型构建过程中有一定的不确定性,这种不确定性主要来自单木识别过程。（4）刺槐地上生物量高低与其健康状况有很强的相关性。     

无人机多角度成像方式的饲料油菜生物量估算研究

旨在探索并评估一种通过无人机平台搭载可见光相机提取饲料油菜生物量的新方法。试验于2018年在华中农业大学油菜试验基地展开,利用无人机搭载五相机倾斜摄影系统同时从多个角度获取油菜终花期的可见光图像,试验共设置3种无人机飞行高度(40、60和80 m)和3种播种密度(3.00×105、5.25×105和7.50×105株hm~(-2)),并评估和对比了多角度和单相机垂直2种成像方式的生物量预测结果。试验首先通过无人机图像提取油菜冠层覆盖度和株高信息;然后通过株高在覆盖面积上进行累加获得作物体积模型;最后基于作物体积模型与实测生物量建立线性回归模型预测油菜干物质重量。结果表明,(1)在本试验设置的3个飞行高度中,随着无人机飞行高度下降,生物量预测精度呈上升趋势,其中飞行高度为40 m时,油菜生物量估算精度最佳(校正集:r=0.792, RMSE=125.0 g m~(-2),RE=13.2%;验证集:r=0.752, RMSE=139.1 g m~(-2), RE=15.3%)。(2)种植密度越高,其实际生物量越小,通过作物体积模型预测生物量的效果更好。(3)多角度成像方式与单相机垂直成像方式在油菜生物量估测精度上没有显著差异,两者皆在40m高度下具有最好的生物量预测效果,相关系数r分别为0.772和0.742。以上结果表明,基于无人机低成本可见光成像建模技术提取饲料油菜生物量是可行的,本研究可为大田作物地上生物量信息的无损高效监测提供易于实施的解决方案和技术参考。     

太行山区刺槐林的生物量与碳汇量

为了评估刺槐林的碳汇量和测定其生物量计量参数,为编制土地利用和林业温室气体清单提供基础数据,依据太行山区60块刺槐林生物量样地的调查资料,对不同龄级的林分生物量和碳汇量进行了研究。结果表明,生物量扩展系数(BEF)和根冠比(R)随林龄、胸径变化表现为负相关关系;刺槐幼龄林的BEF=1.535±0.127,R=0.530±0.102,n=15;中龄林BEF=1.371±0.038,R=0.381±0.045,n=45;分别建立了小班和林分2个水平尺度的生物量和碳汇量估计模型,表明林分生物量、碳汇量与蓄积量间呈线性回归关系;建立了碳汇量增长模型,推算本区刺槐林年平均碳汇量为1.79 t/hm2,有较高碳汇潜力。     

利用机载激光雷达的林木识别与参数反演

为了提高利用机载激光雷达林木识别精度,以全波形激光雷达分解数据为基础,首先利用控制标记分水岭算法对树冠高程模型进行分割,初步确定单株木位置;然后结合单株木结构特征,在三维空间中利用马尔可夫随机场进行单株木点云分割;最后,使用9个样地实测数据对激光雷达反演的林木参数进行回归分析验证。结果表明：单株木识别率为76%,位置误差均值和方差分别为0.67、0.19 m,单株木树高、树冠直径和胸高径的RMSE分别为1.03 m（4.57%）、0.56 m（10.48%）、3.01 cm（11.01%）,样地断面积和材积的RMSE分别为2.42 m2/hm2（8.11%）和17.83 m3/hm2（9.11%）。本研究能有效提高单株木点云分割精度,能满足单株木和林分参数反演要求,提高林业调查的自动化程度。     

基于近地高光谱棉花生物量遥感估算模型

分析棉花地上鲜生物量冠层高光谱反射率变异系数，反射率光谱、一阶微分光谱与地上鲜生物量相关关系得结果表明：在可见光近红外波段棉花冠层反射率光谱变异系数在672 nm波段处最大；棉花地上鲜生物量与反射率光谱相关系数最大值在可见光波段出现在589~700 nm，在近红外波段出现在865~919 nm波段，且前者大于后者。地上鲜生物量与一阶微分光谱相关系数在可见光波段出现524~528 nm、552~588 nm、710~755 nm 3个高值区。基于以上研究，选择19个高光谱特征参数建立了棉花地上鲜生物量高光谱遥感监测模型，经检验，单波段中以F₆₂₉估算水平最高，估算模型为Y = 9.7914 exp(－20.738 F629)，准确度为83.9%、RMSE为0.64 kg m^-2、预测值与实测值相关系数为0.940**；组合参数以[629, 901]指数形式估算模型估算水平最高，模型为Y = 0.0986 exp(4.3696[629, 901])，准确度达84.0%，RMSE为0.55 kg m^-2，预测值与实测值相关系数为0.960**，上述两个模型为参选模型中估算棉花地上鲜生物量最佳高光谱估算模型。     

基于无人机高光谱融合连续投影算法估算棉花地上部生物量

【目的】地上部生物量是表征植物生命活动的重要参数。探索不同的光谱预处理方法和建模方法,实现对棉花地上部生物量快速、无损、准确的估算,对棉花长势监测和大田精准管理具有重要意义。【方法】以新陆早53号、新陆早45号为研究对象,设置不同施氮处理,于出苗后不同阶段获取棉花地上部生物量和无人机高光谱数据,通过连续投影算法(Successive projections algorithm,SPA)筛选不同预处理[一阶导数、二阶导数、Savitzky-Golay(SG平滑)、多元散射校正]后的特征波长,基于筛选出的不同波长组合使用偏最小二乘法回归(Partial least square regression,PLSR)和随机森林回归(Random forest regression,RFR)分别构建棉花地上部生物量估算模型,比较不同预处理后建立模型的精度,确定最优估算模型。【结果】(1)利用SPA算法对不同预处理后的光谱信息筛选出特征波长9～26个,可实现光谱信息降维。(2)基于SG平滑-SPA处理及PLSR方法建立的模型最佳,R~2达到了0.63,均方根误差(Root mean square error,RMSE)为0.42,验证集的R~2为0.67,RMSE为0.44。(3)一阶导数-SPA处理后,采用RFR构建的模型最佳,R~2达到0.87,RMSE为0.45,验证集R~2为0.81,RMSE为0.37。【结论】采用一阶导数预处理结合SPA筛选特征波长,经RFR构建的估算模型结果和验证效果均最佳,可用于棉花地上部生物量定量估算。     

云南山地胶园土壤有机质高光谱估算

有机质是反映橡胶园土壤养分状况的重要指标，其含量快速、高精度估算模型的建立，可以更好地指导胶园精细化生产管理。本研究从景洪市东风农场采集到225个橡胶园土壤样品，并获取土壤样品的光谱反射率和有机质含量数据，对光谱反射率进行噪声波段去除和重采样后，应用3种方法[log(1/R)、MSC、SNV]对重采样后的光谱反射率R进行光谱变换处理，然后对光谱反射率R以及3种变换形式光谱数据进行SG平滑或导数变换模式优选，得到最佳的光谱变换模式为log(1/R)结合SG平滑变换，其中，SG平滑变换模式为导数阶数0、SG滤波窗口5、多项式次数2或3。基于最佳光谱变换光谱数据与土壤有机质含量数据，选择CARS、SPA、CARS-SPA等3种方法提取特征波长，并采用MLR、PLSR和SVR3种方法构建土壤有机质高光谱估算模型。结果显示，CARS-SVR模型估算精度最高，R2、RMSE、RPD分别为0.897、3.990 g/kg、2.947。建立的云南山地胶园土壤有机质含量高光谱最优估算模型，RPD位于2.5～3.0之间，具有很好的估算能力。     

桉树无性系一级枝模型构建及应用

同一无性系人工林来源于同一单株,具有相同遗传学形态特征,无性系植株上一级枝构件具有形态克隆性和生长重复性,这为研究无性系一级枝生长分布规律提供了理论依据。调查30株桉树无性系DH32-29所有一级活枝的着枝深度(the distance into canopy, DINC)、基径(branches diameter, BD),及其植株系统树高(tree height, H)、胸径(diameter at breast height, DBH)、树龄(tree-age, A)等因子数据,应用多重线性回归方法,随机选择20个一级枝枝组及其对应的一级枝样本数据拟合得一级枝数(branches number, BN),枝条累积数量(cumulative number of whorl brancher, CNWB),平均基径(mean branches diameter, BDm)模型。并应用余下数据进行模型检验。拟合结果一级枝条平均基径模型:lnBDm=-0.689+0.268*lnCR+0.248*lnHCB+0.623*lnDINCm (R2=0.747);一级枝条数量累积模型:CNWB=50.727+9.743*HGB+0.340*DBH-6.923*CL+3.622*CW-24.461*HD (R2=0.804);一级枝数模型:BN=-44.545+8.345*HCB+133.873*CR-21.085*HD (R2=0.9)。模型检验结果显示所有模型平均偏差(mean error, ME)和均相对偏差(mean percent error, M%E)的绝对值均在30%以内,均相对偏差绝对值(mean absolute percent error, MA%E)均在9%到42%之间,所有模型的预估精度(prediction precision, P)均在93%以上。在桉树DH32-29无节材培育中可将第一次修枝时间定于造林一年至两年间;也可选择在树龄2a时对无修枝林分进行补修枝。同时可根据不同树龄枝数垂直空间分配指导桉树无性系DH32-29无节材修枝,为桉树修枝技术、无节材培育提供新思路。     

昆明海口林场滇藏钝果寄生的调查及寄生特性分析

桑寄生科(Loranthaceae)植物是常见的半寄生灌木,其过度繁殖会影响天然林和人工林生态、经济和社会效应的发挥.前期调查发现,昆明海口林场部分地区具有桑寄生危害,其主要种类为滇藏钝果寄生.为监控滇藏钝果寄生在林场的传播扩散,了解其寄生初期的选择偏好,本研究以昆明市海口林场滇藏钝果寄生危害最严重地区为中心,对其周边4个区域的传播情况进行样方调查,统计滇藏钝果寄生的寄主选择模式、构建寄生强度与寄主生长特征的归回关系.结果 表明,滇藏钝果寄生于郁闭度最低(30％)、坡度最大(27°)的样方2 (M2,中心样方)中危害严重,其余4个样方(M1,M3,M4,M5;周边样方)的感染程度较低,尚处于扩散初期.滇藏钝果寄生在所调查样地中具有明显的寄主选择性,几乎仅存在于槲栎中,但其扩散与槲栎在群落中的百分率无明显相关性.采用逐步回归法构建槲栎生长特征与寄生强度的线性关系,其冠幅和胸径可依次引入回归模型中,修正后的拟合度R2为0.526,方程式为y=-0.467+0.152x1+0.110x2.滇藏钝果寄生于样方M2和M1中的寄生高度百分率集中分布于40％～80％之间,而于M3、M4和M5中变幅较大,无明显集中区.该研究结果可为滇藏钝果寄生的生态防治提供科学基础.     

棉花叶面积指数和地上干物质积累量的高光谱估算模型研究

 用ASD FieldSpec光谱仪实测棉花冠层不同生育时期的高光谱数据,同期获取棉花叶面积指数(LAI)和地上干物质积累量(Above-ground Dry Matter Accumulation,ADMA)。分析棉花冠层反射光谱与棉花LAI、地上部干物质积累量（ADMA）的相关关系,分析结果表明,反射光谱数据与棉花LAI、ADMA的相关系数的最高值分别发生在783 nm（r=0.6394^**）和766 nm处(r=0.6287^**);对反射光谱数据进行统计分析,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花LAI、ADMA估测模型。经检验,基于RVI的估测模型具有较高的精度;对一阶微分光谱数据与棉花LAI和ADMA的逐步回归相关分析表明,敏感波段分别发生在736 nm（r=0.6769^**）和742 nm处(r=0.6847^**)。由736 nm、742 nm波段处的微分数值建立的LAI和ADMA线性回归估测模型,R值均达到了1%极显著的检验水平,说明一阶微分光谱敏感波段的数值,对棉花LAI和ADMA具有一定的估算能力。     

基于GF-1/2卫星数据的冬小麦叶面积指数反演

叶面积指数(leaf area index,LAI)是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI,以GF-1/2影像作为数据源,提取常用植被指数,结合不同生育期(起身期、拔节期、开花期)实测LAI数据,建立反演冬小麦LAI的单变量和多变量经验模型,并对其进行验证。结果表明,GF-1起身期、GF-1拔节期以及GF-1开花期提取的植被指数中,MSR(modified simple ratio)、GNDVI(green normalized difference vegetation index)、EVI(enhanced vegetation index)与LAI间的相关系数最大,分别为0.708、0.671和0.743,说明这些植被指数与冬小麦LAI间的相关性较显著;GF-1不同生育期的反演模型相比,基于拔节期GNDVIGF-1建立的二次多项式模型和基于开花期EVIGF-1、GSRGF-1(green simple ratio)、NDVIGF-1(normalized difference vegetation index)建立的PLSR(partial least squares regression)模型R2最大,均为0.783,PLSR模型的RMSE小于二次多项式模型,说明该多变量模型的稳定性优于单变量模型;同一个生育期不同影像相比,基于GF-2的NDVIGF-2建立的二次多项式模型和基于NDVIGF-2、MSRGF-2、SAVIGF-2(soil-adjusted vegetation index)建立的PLSR模型精度高于基于GF-1的2种模型,R2分别为0.768和0.809;不同生育期反演的LAI分布图表明,LAI反演值与实测LAI值基本吻合。以上研究结果说明国产高分辨率遥感影像在农作物生理参数反演中有一定的应用价值,可以为以后的相关研究提供一定的参考。