Worldview-2不同波段纹理特征对森林蓄积量估算精度影响

为检测高分辨率遥感影像不同波段纹理特征对于森林蓄积量估算精度的影响,以湖北省荆门市京山县太子山林场马尾松纯林为对象,基于灰度共生矩阵的方法分别提取高分辨率遥感影像Worldview-2 红光、绿光、蓝光、近红外波段和全色波段的纹理特征,利用随机森林算法,分别建立野外样地蓄积量与纹理参数的模型。结果表明,全色波段对马尾松森林的精度最高（R²=0.86,RMSE=47.37 m³·hm^-2）,其次是绿色波段（R²=0.85,RMSE=50.82 m³·hm^-2）和近红外波段（R²=0.85,RMSE=46.85 m³·hm^-2）,蓝色波段（R²=0.68,RMSE=60.72 m³·hm^-2）和红色波段（R²=0.69,RMSE=56.27 m³·hm^-2）的精度最低;窗口大小对模型精度影响较小,全色波段的R²取值在0.82~0.86,RMSE取值在47.66~51.99 m³·hm^-2,多光谱波段的R²取值在0.88~0.89;蓝色和红色波段的非相似度（DIS）的估算模型精度相对较高,绿色波段的对比度（CON）（R²=0.87,RMSE=46.21 m³·hm^-2）估算精度最高,红色波段的非相似度（R²=0.68,RMSE=58.30 m³·hm^-2）估算精度较高,近红外波段的角二阶矩阵（ASM）（R²=0.68,RMSE=60.30 m³·hm^-2）精度最高,全色波段的对比度、相关性、熵、变化量模型精度较高,R2为0.85。利用高分辨率遥感影像纹理特征估算森林参数时需综合考虑不同波段的纹理特征对模型的贡献。     

基于粒子群神经网络模型反演玉米、小麦叶面积指数

基于高分1号遥感影像,分别采用粒子群神经网络模型、神经网络模型和植被指数回归模型3种方法,反演廊坊市玉米、小麦叶面积指数(LAI)。结果表明,粒子群神经网络模型反演玉米、小麦LAI的精度要高于其他方法,其模型的决定系数R²均高于0.9,均方根误差均低于0.196,可满足反演精度的要求。本研究提出的基于高分1号影像的粒子群神经网络模型反演玉米和小麦LAI的方法具有一定的普适性。     

联合光学和合成孔径雷达数据的太平湖森林地上生物量反演研究

光学和合成孔径雷达（SAR）多源传感器数据融合对提高森林地上生物量（AGB）提取精度具有重要意义。以太平湖森林为研究对象,以Sentinel-1 SAR数据和Sentinel-2光学数据为数据源,利用随机森林回归算法系统性地评估光学和SAR数据对AGB反演的互补优势和策略选择。采用Sentinel-2光学数据的AGB反演精度（R²=0.63,RMSE=37.05 mg/hm²,sMAPE=0.56）优于采用Sentinel-1 SAR数据的AGB反演精度（R²=0.37,RMSE=52.25 mg/hm²,sMAPE=0.65）,联合两者数据的AGB估算精度最高（R²=0.69,RMSE=34.17 mg/hm²,sMAPE=0.55）;基于不同策略构建的AGB估计模型当中,植被指数（RVI、NDVI和红边相关的NDVIre）和纹理变量（NDVIre_Mea）的重要性高于光谱波段和后向散射系数。联合Sentinel-1和Sentinel-2数据的光谱波段、植被指数、纹理信息和后向散射系数,能够有效的缓和遥感信息饱和性问题和提高AGB反演精度。     

基于随机森林算法的冬小麦叶面积指数遥感反演研究

【目的】通过利用随机森林算法（random forest,RF）反演冬小麦叶面积指数（leaf area index, LAI）,及时、准确地监测冬小麦长势状况,为作物田间管理和产量估测等提供科学依据。【方法】本研究依据冬小麦拔节期、挑旗期、开花期及灌浆期地面观测数据,将相关系数分析（correlation coefficient,r）和袋外数据（out-of-bag data,OOB）重要性分析与随机森林算法（random forest,RF）相结合,在优选光谱指数和确定最佳自变量个数的基础上,构建了两种冬小麦LAI反演模型|r|-RF和OOB-RF,并利用独立数据集对两种模型进行验证;然后,将所建LAI反演模型用于无人机高光谱影像,进一步检验所建模型对无人机低空遥感平台的适用性和可靠性。【结果】|r|-RF和OOB-RF反演模型分别采用相关性前5强、重要性前2强的光谱指数作为输入因子时精度最优,验证决定系数（R²）分别为0.805、0.899,均方根误差（RMSE）分别为0.431、0.307,表明这两个模型均能对作物LAI进行精确反演,其中OOB-RF模型的反演效果更好。利用无人机高光谱影像数据结合OOB-RF估算模型反演得到冬小麦LAI与地面实测值的拟合方程的决定系数R²为0.761,RMSE为0.320,数值范围（1.02-6.41）与地面实测（1.29-6.81）亦比较吻合。【结论】本文基于地面数据构建的OOB-RF模型不仅具有较高的反演精度,而且适用性强,可用于无人机高光谱遥感平台提取高精度的冬小麦LAI信息。     

基于优化BP神经网络的香格里拉高山松蓄积量模型研究

以香格里拉县高山松为研究对象,以Landsat TM 8影像和DEM（30M）数据为信息源,结合森林资源二类调查数据和地面样地实测数据,借助MATLAB平台,在前期进行基于遗传算法（GA）和粒子群算法（PSO）优化BP神经网络模型基础上,采用决定系数（R²）、均方根误差（RMSE）及预测精度（P）3个指标对优化后的BP神经网络模型及进行评价,并建立了研究区高山松蓄积量估测模型。结果表明,遗传算法效率（耗时1.9 h）低于粒子群算法（耗时1.4 h）;采用遗传算法优化后的BP神经网络模型R²、RMSE及P分别为0.636、4.216 m³、81.748%,均优于粒子群算法。通过遗传算法优化后的BP神经网络模型估测香格里拉高山松蓄积量总量为13 317 879.7 m³。     

基于RapidEye的人工林生物量遥感反演模型性能对比

利用2012年RapidEye高空间分辨率遥感影像并结合野外样方数据,采用多种建模技术进行生物量的反演和制图。先依据RapidEye光谱数据发展出包括NDVI、RVI等多种植被指数、光谱特征图像及纹理特征,再通过相关分析筛选建模所需因变量,采用支持向量机、BP神经网络和随机森林算法建立森林生物量估测模型并进行精度验证。结果表明,基于支持向量机的建模R²为0.687,验证R²为0.641,平均相对误差为0.306;基于BP神经网的建模R²为0.552,验证R²为0.358,平均相对误差为0.525;基于随机森林的建模R²为0.850,验证R²为0.324,平均相对误差为0.468。采用支持向量机算法所制作的空间意义明确的森林生物量分布图,为制定合理的森林经营措施提供有益指导。     

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%。     

双子叶植物叶片类胡萝卜素含量高光谱反演估算

类胡萝卜素(Car)是植物进行光合作用的主要色素之一,在吸收传递光能、保护叶绿素,以及延缓叶片衰老等方面有重要作用。以LOPEX’93数据库为基础,系统分析400~2 500 nm高光谱波段范围内任意两波段组合而成的归一化差值植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)与双子叶植物叶片Car含量间的定量关系。结果表明,在756 nm处红光波段与809 nm处近红外波段的NDVI_(809,756)、RVI_(809,756),以及750 nm处红光波段与809 nm处近红外波段的DVI_(809,750)都可以较好地实现Car含量反演,建立的回归预测模型的判定系数(R²)均大于0.74。对由各植被指数构建的反演模型进行精度验证发现,NDVI_(809,756)和RVI_(809,756)的估算效果相当,且都好于DVI_(809,750),模型预测精度分别为0.735和0.738,均方根误差分别为1.426 1和1.420 5,平均相对误差分别为13.66%和13.60%。表明基于高光谱数据对双子叶植物叶片Car含量进行估算是可行的。     

亚热带地区马尾松林碳储量的遥感估算——以长汀河田盆地为例

全球气候的变化已使得人类日益关注森林生态系统的碳储量变化.以福建省长汀县河田盆地为例,开展马尾松林碳储量估算模型的研究.通过2010年的野外样地调查获得了马尾松林的实测数据,并将其与同年的ALOS遥感影像对应样地的植被光谱信息进行比较.通过研究5种遥感植被指数与马尾松林碳储量之间的相关关系,从中选取了基于归一化植被指数(NDVI)的研究区最佳马尾松林碳储量反演模型.精度分析表明,该模型平均相对误差为-1.95％,均方根误差为3.01 t/hm2,因此可以有效地用于反演研究区的马尾松林碳储量.利用该模型反演出河田盆地2010年马尾松林的总碳储量为114.58×104 t,碳密度为34.92 t./hm2.     

水稻叶面积指数遥感反演方法对比分析

利用环境星HJ-CCD影像与同步获取的LAI实测数据生成江苏省江淮之间西部和里下河地区水稻的30 m HJ/LAI,对MODIS/LAI数据产品和利用MODIS数据与4尺度几何光学模型反演的LAI数据集进行质量评价,结果表明,不同植被指数与研究区水稻LAI的相关性差别很大,其中GNDVI与水稻LAI的相关性最好,R2为0.72,估算精度达70.89%,而RMSE仅为1.38,适于该区水稻LAI的遥感估算;研究区MODIS/LAI和基于4尺度几何光学模型反演的LAI与HJ/LAI的变化趋势较为一致,均呈现出西南和东北部LAI值较低、北部和中部LAI值较高的特征,但MODIS/LAI和基于4尺度几何光学模型反演的LAI不仅变化范围较小,而且偏低明显,MODIS/LAI的低估现象更为严重;在1 km尺度上,MODIS/LAI和基于4尺度几何光学模型反演的LAI的精度分别为60.21%和66.56%,与HJ/LAI比较的R2分别为0.09和0.28(N=2 585),在0.01水平上显著相关。     

外源草酸缓解马尾松根系铝毒

以耐铝型(FJ5)和铝敏感型(GD20)马尾松幼苗为材料,采用水培法研究外源添加草酸对铝胁迫下马尾松幼苗根系形态及生理特性的影响,并探讨控制草酸缓解马尾松根系铝毒害的主导生理因子,旨在为土壤酸化地区调控马尾松铝毒害提供理论依据。结果表明,铝胁迫下马尾松幼苗总根长、根表面积、根系体积、根系活力等均有所降低,根系抗氧化酶(超氧化物歧化酶、过氧化物酶和过氧化氢酶)活性、渗透调节物质(可溶性糖、可溶性蛋白和脯氨酸)含量均显著(P<0.05)升高,膜质过氧化程度加剧,且GD20比FJ5的变化更强烈,说明活性铝可对马尾松幼苗产生一定的毒害,且对铝敏感型的毒害作用更大。外源添加草酸后,马尾松根系活力升高,根系中丙二醛和渗透调节物质含量降低,抗氧化酶活性维持较高水平,当草酸浓度≤0.2 mmol·L^-1时,根系铝和根尖铝的含量减低,且GD20的变化幅度大于FJ5,说明外源草酸能有效缓解马尾松幼苗受到的铝毒害作用,且对铝敏感型的缓解效果好于耐铝型。外源添加不同浓度的草酸对马尾松根系生理指标的作用效果不同,以外源添加草酸浓度为0.2 mmol·L^-1时缓解铝毒害效果最好。主成分分析结果显示,脯氨酸和可溶性蛋白含量可能是控制草酸缓解马尾松铝毒害的主导生理因子。     

将乐地区马尾松最优冠幅模型研究

树冠是树木进行光合作用和呼吸作用的重要场所,冠幅作为树冠的重要因子,直接影响树木的生活力和生产力,同时也是反映树木的长期竞争水平的重要指标。该文使用福建省将乐国有林场980株马尾松调查数据,基于11种常用树冠直径模型,利用R软件的nls模块对马尾松冠幅与胸径关系进行拟合,选取精度最高的作为基础模型,通过对基础模型添加变量改进模型,并用调整后的决定系数adj-R²、偏差Bias、剩余均方根误差RMSE对模型精度进行检验。结果表明:模型11在添加了样地优势木平均高（Ht）、每公顷株数(M)和冠长(CL)林分变量之后,Bias、RMSE减小,adj-R²明显增大,所以,CW=(a+a1×Ht)/1+exp[(b+b1×M)+(c+c1×CL)ln(D+1)]能更好地模拟当地马尾松的冠幅与胸径的关系。     

南方水土流失区马尾松林降雨截留再分配特征与修正的Gash模型模拟

以我国南方典型水土流失区福建省长汀县河田镇马尾松林为研究对象,观测2018年5-11月降雨情况,分析马尾松林降雨截留再分配特征,以修正的Gash模型模拟林冠截留、树干茎流、穿透雨。结果表明,观测期间研究区共发生90次降雨,累计林外降雨量1 191.0 mm、穿透雨1 017.7 mm、树干茎流15.4 mm、林冠截留156.9 mm,且以低强度、小雨级降雨事件为主。林外降雨量与穿透雨、树干茎流呈线性正相关,与林冠截留呈对数关系。以修正的Gash模型模拟林冠截留量、树干茎流量、穿透雨量的均方根误差（RMSE）分别为1.38、0.15、1.34 mm,估测精度（RM）分别为84.53%、78.46%、98.04%。在-50%~50%变化范围内分析修正的Gash模型参数敏感性,模型参数敏感性顺序为平均降雨强度（R）>郁闭度（c）>林冠饱和下平均蒸发速率（E）>树干持水能力（S_t）>树干茎流系数（P_t）>林冠持水能力（S）。     

东北粳稻叶片植被指数NDVI与PRI的相关性分析

以东北地区典型地带的粳稻为例,利用植被指数测量仪PlantPen,同时测量了粳稻叶片植被指数NDVI和PRI,并根据粳稻生长发育进程分成了与物候一致的4个生育时期。首先利用二元定距变量相关分析的方法对NDVI和PRI进行相关性分析;然后,分别利用线性回归和Cubic曲线回归建立NDVI拟合PRI的回归模型,并对回归模型进行拟合优度检验和精度验证,同时对线性回归模型与Cubic曲线回归模型的拟合效果和检验结果进行对比分析。结果表明,粳稻叶片植被指数NDVI和PRI在各生育时期均有极显著的相关关系,在粳稻生长发育进程中,相关性越来越高;线性回归模型和Cubic曲线回归模型均能使NDVI较好地拟合PRI,在粳稻生长发育进程中,拟合效果也越来越好;Cubic曲线回归模型在粳稻4个生育期平均相应的指标值判定系数(R²)、均方根误差(RMSE)、绝对百分误差(MAPE)分别为0.8055、0.0358、0.534%,而线性回归模型的相应指标为0.7653、0.0488、1.365%。Cubic曲线回归模型的RMSE和MAPE值较小且R²较大。因此其拟合优度和检验精度均优于单纯的线性回归模型,可作为NDVI反演PRI一种参考模型。     

基于分层贝叶斯方法的高山松单木生物量模型

以香格里拉市典型森林生态系统高山松林为对象,在前期进行Ⅰ区和Ⅱ区共115株高山松单木地上生物量实测基础上,以异速生长方程为单木生物量基础模型,并采用分层贝叶斯方法、非线性混合模型法、贝叶斯方法和非线性最小二乘法进行异速生长参数拟合,运用决定系数(R²)、估测精度(E)、均方根误差(RMSE)等指标对模型参数拟合效果进行评价。结果表明:1)从拟合精度看,4种方法的模型拟合效果均较好,R²均达到了0.98以上。但分层贝叶斯方法估计结果更优,其R²=0.985 6,E=84.76%和R_MSE=39.75 kg;2)通过对比不同方法的差异发现,加入了区域随机效应的分层贝叶斯方法和非线性混合模型法的拟合效果均优于未加入区域随机效应的贝叶斯方法和非线性最小二乘法。分层贝叶斯方法在拟合高山松单木生物量模型中具有更大优势,模型拟合效果最好。加入了随机效应的分层贝叶斯方法和非线性混合模型法可以提高单木生物量模型的估计精度,采用分层贝叶斯方法进行高山松单木生物量模型参数估测,为大尺度样本数据模型参数估测方法提供新思路。