基于遥感技术的森林生物量估算应用

利用遥感技术估算森林生物量是快速准确地获取森林生态系统生物量信息的重要途径.森林生物量的遥感估测精度受遥感数据、自变量选择及模型建立方法等多种因素的影响.其中遥感数据和自变量选择是影响遥感技术森林生物量估算的主要因素.分析了2个主要因子的特点及当前解决方法,并简要总结了遥感技术在森林生物量估算应用方面的发展趋势.     

Landsat 8和机器学习估算蒙古高原草地地上生物量

草地地上生物量（Above-Ground Biomass，AGB）是反映草地植被利用状况的重要参数，其精准监测对于草地科学管理与合理利用具有重要意义。近年来，遥感技术因其能快速、准确获取大尺度草地光谱信息，已经广泛应用于草地地上生物量的估算中。该研究以中国内蒙古呼伦贝尔市与其毗邻的蒙古国东方省草原区为研究区，利用Landsat 8数据计算的9种植被指数、气象数据和地面调查数据，比较分析6种机器学习算法构建的回归模型性能，重新构建优化的随机森林回归模型。结果表明，优化后的随机森林回归模型性能更稳定，预测值与实测值之间决定系数为0.801，均方根误差为43.709 g/m2，相对均方根误差为23.077。研究区域地上生物量呈中部较低，东西两侧较高的空间分布特征，最高可达357.2 g/m2，最低为33.0 g/m2，与该区域降水量与草地利用方式的空间异质性密切相关。该研究表明，基于Landsat 8数据结合气象数据构建的机器学习模型在草地生物量遥感反演中有较大潜力，地上生物量反演结果可以为草地资源合理利用与评价提供参考。     

基于SPOT-5遥感影像估算玉米成熟期地上生物量及其碳氮累积量

通过构建基于SPOT\|5光谱参数的玉米成熟期地上生物量、 碳氮累积量的遥感估算模型,为耕地生产力估测、 农田生态保护和碳氮循环研究提供依据。利用皮尔逊相关分析法分析玉米成熟期地上生物量、 碳氮累积量与同期14个预选光谱参数之间的相关性,筛选出适宜的光谱参数;通过回归分析,比较得出最优遥感估算模型。在构建的14个光谱参数中,土壤校正植被指数（SAVI）与玉米成熟期地上生物量和碳累积量均呈显著的正相关,相关系数分别达到0.831和0.846,因此以SAVI为底数的幂函数模型估算生物量和碳累积量的拟合效果最好,决定系数（R2）分别达到0.698和 0.722,在0.01水平下的F检验均呈显著性;与氮累积量相关性最强的是由近红外波段和绿波段构建的比值指数（R3/R1）,相关系数达到0.844;从而以R3/R1为自变量的线性模型对氮累积量拟合效果最佳,决定系数（R2）达到0.713,在0.01水平下的F检验呈显著性。因此,利用SPOT\|5的土壤校正植被指数（SAVI）、 近红外波段和绿波段的比值指数（R3/R1）构建的遥感模型来估算玉米成熟期生物量、 碳氮累积量是可行的。     

基于花后累积地上生物量比例的冬小麦动态收获指数估算

针对已有基于遥感信息的收获指数估算对籽粒灌浆过程中作物生物量变化和收获指数变化过程考虑不足且估算精度有待进一步提高的现状,该研究以冬小麦为研究对象,基于冠层高光谱数据、地上生物量和动态籽粒产量等数据,在提出灌浆至成熟阶段动态收获指数（Dynamic Harvest Index, DHI）和构建花后累积地上生物量比例动态参数（Dynamic fG, D-fG）基础上,提出了敏感波段中心构建归一化差值光谱指数（Normalized Difference Spectral Index, NDSI）估算D-fG的作物动态收获指数估测技术方法并进行精度验证。在此基础上,通过敏感波段宽度扩展确定了冬小麦D-fG估算敏感波段最大宽度,并实现了最大波宽下D-fG和DHI的遥感获取。结果表明,筛选的5个敏感波段中心λ（366 nm, 489 nm）、λ（443 nm, 495 nm）、λ（449 nm, 643 nm）、λ（579 nm, 856 nm）、λ（715 nm, 849 nm）构建NDSI进行D-fG遥感估算均达到了较高精度水平,均方根误差（Root Mean Square Error, RMSE）在0.036～0.050之间,归一化均方根误差（Normalized Root Mean Square Error, NRMSE）在10.46%～14.59%之间;基于敏感波段中心的DHI估算中,RMSE在0.039～0.053之间,NRMSE在10.50%～14.28%之间;估算D-fG的5个敏感波段中心最大波段宽度分别为30、68、58、20和86 nm,基于最大波宽获取DHI估算结果中,RMSE在0.054～0.055之间,NRMSE在14.38%～14.65%之间。可见,该研究所提收获指数遥感估算方法具有一定的可行性,为获取冬小麦动态收获指数提供了新思路和新方法,也为窄波段高光谱卫星遥感和宽波段多光谱卫星遥感获取大范围作物收获指数空间信息提供一定技术参考。     

基于随机森林算法的冬小麦生物量遥感估算模型对比

为了寻求高效的冬小麦生物量估算方法,该研究获取了2014年陕西省杨凌区拔节期、抽穗期和灌浆期的冬小麦生物量和对应的RADARSAT-2全极化雷达、GF1-WFV多光谱数据,并利用随机森林算法（random forest,RF）将光谱、雷达后向散射、光学植被指数和雷达植被指数结合进行冬小麦生物量回归建模。将相关系数分析（correlation coefficient, r）、袋外数据（out-of-bag data,OOB）重要性和灰色关联分析(grey relational analysis, GRA)与随机森林算法（RF）进行整合,构建了3种冬小麦生物量估算模型：r-RF、OOB-RF和GRA-RF,并分别利用3种估算模型对冬小麦生物量进行了估算。结果表明：r-RF、OOB-RF和GRA-RF3种模型分别采用3、4、10组数据时,验证决定系数分别为0.70、0.70和0.65,平均绝对误差分别为0.162、0.164和0.172 kg/m2,均方根误差分别为0.218、0.221和0.236 kg/m2,r-RF和OOB-RF比GRA-RF对冬小麦生物量有更好而的预测能力。研究结果证实了随机森林算法对冬小麦生物量进行遥感估算的潜力。     

冬小麦鲜生物量估算敏感波段中心及波宽优选

开展高光谱作物生物量估算敏感波段中心和最优波段宽度筛选对提高作物生物量估算精度具有重要意义。该文以冬小麦为研究对象,利用小麦关键生育期内350～1000 nm 冠层高光谱数据和实测地上鲜生物量,研究任意两波段构建的窄波段归一化植被指数 N-NDVI（narrow band normalized difference vegetation index）与冬小麦地上鲜生物量间的相关关系,构建拟合精度 R2二维图,并以 R2极大值区域重心作为高光谱估算鲜生物量敏感波段中心。通过对敏感波段中心进行波段扩展和相应生物量估算验证,最终确定敏感波段最佳波段宽度。在此基础上,开展基于敏感波段最优波段宽度下冬小麦地上鲜生物量估算和精度验证。结果表明,在 N-NDVI 与冬小麦鲜生物量间拟合 R2≥0.65的二维区域内,确定了401 nm/692 nm、579 nm/698 nm、732 nm/773 nm、725 nm/860 nm、727 nm/977 nm 5个鲜生物量估算的高光谱敏感波段中心;在高光谱估算生物量归一化均方根误差 NRMSE≤10%、相对误差 RE≤10%条件下,上述5个敏感波段中心的最优波段宽度分别为±21 nm、±5 nm、±51 nm、±40 nm 和±23 nm。通过与实测鲜生物量数据对比,利用上述敏感波段中心最优波段宽度进行作物生物量估算,精度在 P<0.01水平上均达到极显著水平,且 RE、NRMSE 分别在8.15%～9.14%、8.69%～9.65%范围内。可见,利用作物冠层高光谱进行冬小麦地上鲜生物量估算时,N-NDVI 与鲜生物量间拟合 R2极大值区域重心的作物高光谱敏感波段筛选和最优波段宽度确定具有一定可行性,为开展作物高光谱数据波段优选提供了新思路,也为多光谱遥感波段设置及遥感数据应用潜力评价提供一定依据。     

草地生物量的高光谱遥感估算模型

为了推进高光谱遥感在草地生理生化参数定量化方面的研究与应用，从冠层尺度上估算草地生物量，该文选用美国ASD公司的ASD FieldSpec Pro FRTM光谱仪，对内蒙古自治区锡林郭勒盟的天然草地进行高光谱遥感地面观测。在进行天然草地地上生物量与原始光谱和高光谱特征变量相关分析的基础上，将观测数据分成两组：一组观测数据作为训练样本，运用单变量线性、非线性和逐步回归分析方法，建立生物量高光谱遥感估算模型；另一组观测数据作为检验样本，进行精度检验。结果表明：生物量与高光谱吸收特征参数变量的分析中，以840、1132、1579、1769和2012 nm等5个原始高光谱波段反射率为变量的逐步回归估算方程为最佳模型，模型标准差为0.404 kg/m²，估算精度为91.6%，说明可以利用高光谱反射率数据，从冠层上对草地生物量进行量化。     

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90%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,与同类的研究相比,估测精度较高,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PCA的森林生物量遥感信息模型研究

森林生物量和遥感多光谱数据、植被指数及地学因子存在相关关系,但这些因子间可能存在着多重相关性,如利用这些因子直接建模估测森林生物量,则可能出现病态模型。因此,文章采用主成分分析方法,提取遥感及地学因子的主成分,再建立主成分与生物量多元线性回归模型,估测森林生物量,达到既可保留多个遥感及地学因子的主要信息,又可避免因子间共线性的问题,以及降维,简化模型的作用。文章以高黎贡山自然保护区常绿阔叶林为研究对象,利用地面样地胸径每木调查数据,结合生物量相对生长式,得样地生物量。利用2006年印度卫星（IRS）数据,包括B2、B3、B4、B5四个波段,提取DVI、NDVI、PVI、RVI、VI3、SLAVI六种植被指数,利用DEM提取海拔、坡度、坡向值共13个遥感及地学因子。在此基础上,提取13个因子的主成分,第一主成分至第五主成分的累计贡献率达98.7%。以前5个主成分值作自变量,建立主成分与地面生物量的回归模型,模型经方差分析及相关性检验,达到显著相关水平,相关系数R=0.7129,可用于森林生物量估测。     

基于遥感数据的森林生物量测定理论与方法

本文简述了森林生物量的概念和基于遥感信息的森林生物量估测方法的研究,分析了森林生物量雷达后向散射的机理,论述了基于雷达遥感数据的森林生物量测定方法及其发展趋势。     

基于多源遥感数据的草地生物量估算方法

为了寻求有效的草地生物量估算方法和精确估计荒漠草原草地生物量及其变化规律,该文探讨了利用全极化RADARSAT-2 C波段雷达数据和HJ1B图像及野外调查获得的样方生物量数据,估算荒漠草原人工柠条灌木林地上生物量的方法。在对柠条灌木林地上生物量和雷达后向散射系数及HJ1B图像归一化植被指数(normalized difference vegetation index,NDVI)进行相关分析的基础上,采用多元逐步回归分析从RADARSAT-2数据及HJ1B植被指数NDVI建立了人工柠条林生物量模型,用实测草地生物量值对模型进行验证,同时将光学和雷达图像进行融合和分类处理,在此基础上对草地生物量进行分布制图,并将其结果与HJ1B的NDVI模型生物量估算结果进行对比。结果表明:柠条林地上生物量与RADARSAT-2雷达后向散射系数之间存在较好的定量关系(决定系数R2=0.71,均方根误差(root mean square error,RMSE)=14.2 kg/hm2,P0.001),其估算生物量与实测生物量一致性较好,估算生物量精度优于HJ1B的NDVI指数估算结果(R2=0.27,RMSE=20.58 kg/hm2)。由此可见,利用光学图像HJ1B和雷达数据RADARSAT-2融合分类能进行地物有效识别,雷达遥感数据可以用于草地结构参数的定量研究。利用光学和微波协同遥感进行草地生态系统监测研究具有一定的应用潜力。     

基于遥感和AquaCrop作物模型的多同化算法比较

为了研究不同数据同化方法在AquaCrop(FAO Crop model to simulate yield response to water)模型模拟作物地上生物量(above ground biomass,AGB)、冠层覆盖度(canopy cover,CC)和产量过程的效率,以冬小麦为研究对象,利用2012-2013、2013-2014和2014-2015年冬小麦田间试验数据,将标定的Aqua Crop生长模型与遥感光谱信息相结合开展同化技术分析,应用粒子群优化(particle swarm optimization,PSO)、模拟退火(simulated annealing,SA)和复合型混合演化(shuffled complex evolution,SCE-UA)3种数据同化算法,以不同生育期、不同水分处理和不同氮肥水平的AGB和CC为双变量开展多同化算法的模拟分析,对3种数据同化算法的运算效率和同化结果进行对比分析。结果表明:1)3种数据同化算法达到的应度值0.26时,SCE-UA同化算法用时最少(833 s),SA数据同化算法用时最多(1433 s),表明SCE-UA同化算法效率最优,SA数据同化算法效率最低;2)不同生育期的同化结果,AGB的同化精度随着生育期的推进而降低,AGB的模拟值在拔节期和挑旗期高于实测值,被高估,在开花期和灌浆期被低估,总的AGB被低估;CC在拔节期和挑旗期被低估,在开花期和灌浆期被高估,总的CC被低估;3)不同水分处理的同化结果,AGB普遍被低估,CC在雨养(W0)条件下被高估,在正常灌溉(W1)和过量灌溉(W2)条件下被低估;产量均被低估;4)不同氮肥水平,AGB的模拟精度随着施N量的增加而降低,并且普遍被低估,CC普遍被高估,产量均被低估。以上结果表明,PSO、SA和SCE-UA 3种数据同化算法均能有效模拟冬小麦的AGB、CC和产量,其中SCE-UA数据同化算法无论在运算效率还是同化结果的精度上均优于PSO和SA数据同化算法。     

农田防护林防风效能的遥感评价

防护林是农田生态系统的重要组成部分,在农田生态系统中扮演着重要的角色。疏透度是一个重要的森林结构参数,被广泛应用于农田防护林防风效能的评价研究。遥感技术具有高空间分辨率和重复对地连续观测的特点,可以弥补野外调查工作的不足。该研究以疏透度为研究对象,利用高空间分辨率遥感数据实现农田防护林疏透度的定量估算,得到研究区防护林网疏透度的空间分布。然后根据估算的疏透度,将研究区防护林网分成紧密型,疏适型和稀疏型3类,以此对其防风效能进行评价。研究结果表明,林带结构参数中平均冠高、叶面积指数和林带宽度的变量组合与防护林疏透度相关性最好,相关系数达到-0.941。利用此变量建立的估算防护林疏透度的统计模型平均精度达到85.413%。疏透度分类统计结果表明,研究区内防护林网多以疏适型防护林为主,占研究区防护林网面积的60.733%,疏适型防护林具有最优的防风效能。相关研究可以为利用遥感手段进行农田防护林的防风效能评价提供参考依据。     

无人机机载激光雷达提取果树单木树冠信息

定株管理是未来果园精准生产管理的趋势,果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据（Light Detection and Ranging,LiDAR）检测和测量每棵果树的树冠面积和树冠直径,并评价空间分辨率对于果树单木树冠检测与提取的影响。该方法主要包括使用反距离权重插值法间接生成冠层高度模型（Canopy Height Model,CHM）;使用局部极大值滤波算法和标记控制分水岭分割算法（Marked-Controlled Watered Segmentation,MCWS）对果树进行单木树冠检测与提取,通过与参考数据的比较,评估了该方法的精度,并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明,该方法有效地实现果树单木树冠检测与信息提取,代表果树检测精度的F1得分为94.86%,树冠轮廓提取准确率为86.39%,树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%,树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%,树冠面积和直径不同程度地被高估。此外,冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高,可以有效检测果树单木树冠及提取树冠轮廓,从而准确提取果树单木树冠信息。     

基于无人机倾斜航空影像的树冠体积测算方法

树冠是结构复杂的不规则体,对树冠体积的精确测定一直是树木测量研究中的难点问题。该文以消费级多旋翼无人机对目标树木进行倾斜摄影获取的多角度航空影像为基础,通过空三加密处理生成目标树木的三维点云模型;用等高线法分割树冠点云,并确定树冠最优分割层数;用投影法对点云数据进行转化,并选取测算点计算树高和树冠任意横截面积;对分割后各规则体的体积进行累加获得树冠体积。结果表明:8棵目标树木的树高测算值相对误差为1.46%～4.10%,平均相对误差为2.88%;树冠体积测算值的相对误差为6.95%～12.39%,平均相对误差为9.42%;精度均可满足林业调查中对于树高和树冠体积测量结果的要求。利用无人机倾斜航空影像建立单木的三维点云模型并进行树冠体积测算的方法是可行且有效的,该方法可为研究单木树冠几何参数的提取提供参考。     

基于Landsat 8 OLI数据的砒砂岩区生物量遥感估算

为了评价砒砂岩区植被生长状况和地上生物量的空间分布特征,采用Landsat 8 OLI和同期实测生物量数据对砒砂岩区生物量估算方法进行了研究。结果表明:(1)NDVI,RVI,SAVI,MSAVI与地上生物量(Above ground biomass,AGB)的相关性显著,其中MSAVI和AGB的相关性最高(R²=0.4416),SAVI次之(R²=0.3923),NDVI(R²=0.1375)和RVI(R²=0.1306)相对最低,NDVI和RVI在荒漠生态系统生物量遥感估算中并不是效果最佳的植被指数;(2)高斯低通3×3滤波核滤波的MSAVI与AGB的相关性(R²=0.4757)高于未滤波处理图像,滤波后建立的AGB-MSAVI_GLPF3估算模型平均相对误差MRE为13.41%,模型具有较高的估算精度;(3)遥感估算2019年砒砂岩研究区总AGB为9.2×10⁵t,其中AGB低值区的面积占比为13.03%,AGB中值区面积占比为47.56%,AGB高值区面积占比为39.41%。荒漠生态系统AGB与MSAVI的相关性显著,基于高斯低通滤波建立起的AGB-MSAVI_GLPF3模型可以较好地实现砒砂岩区AGB遥感估算。     

晋西山杨和油松生物量分配格局及异速生长模型研究

山杨和油松是晋西地区重要的建群树种,采用整株收获法分析了山杨和油松各器官生物量以及地上地下生物量分配格局.采用胸径(DBH)、树高(H)、树木因子(D2H)、平均冠幅(CW)和冠长(CL)等变量建立了叶、枝、干、根、地上部分及整株生物量模型,并选取了最优模型.结果表明:(1)山杨的叶、枝、干、根生物量分配比例分别为3.42％,11.23％,64.30％和21.06％,油松的叶、枝、干、根生物量分配比例分别为13.44％,19.86％,47.52％和19.18％;山杨和油松地上生物量和地下生物量比值分别为3.32∶1和3.99∶1.(2)山杨和油松的地上生物量与地下生物量之间呈极显著线性相关(p＜0.001).(3)山杨和油松各器官生物量拟合的最优模型形式均为CAR类型,模型解释量均超过92％.(4)基于树木胸径D的山杨和油松各器官单变量模型可解释量除叶(解释量＞83％)外均达到或超过了90％,树高不宜单独对各器官生物量进行预测.综合考虑模型的可解释量和生产实践中的需要,胸径是预测山杨和油松不同器官生物量的可靠变量.     

基于MODIS数据和植被特征估算草地生物量

准确估算草地生物量,对全球气候变化背景下的陆地生态系统碳循环研究具有重要意义。过去几十年,草地生物量估算研究大多集中在北方,而南方草地具有类型繁多和分布零散等特征,对其生物量进行评估的报道较少。本文以云南省为例,应用2012—2014年草地生物量野外调查资料和同期MODIS遥感数据,建立草地地上生物量(AGB)遥感估算模型;再引入草地植被群落特征(高度和盖度)信息对统计模型进行优化,并进行生物量空间反演。结果表明:优化后模型的估算精度由原来的35.0%提升为43.7%;反演得到云南省3年年均AGB的总量介于1 026.86万~1 408.54万t,平均为1 221.11万t;从空间分布上看,云南省草地AGB密度总体上呈现西部高东部低、南部高北部低的格局。本研究首次将遥感植被指数数据与实测植被群落特征参数结合,使估算精度比传统的纯粹光学遥感模拟方法显著提升24.9%,但精确估算大面积的草地AGB,需要进一步探索如何将激光雷达数据或遥感立体影像中提取的植被特征信息应用于草地AGB估算研究。     

基于无人机遥感影像的高精度森林资源调查系统设计与试验

为了实现林业的可持续发展,满足当今森林资源的精准化监测和信息化管理,该文以无人机航拍影像为数据基础,充分结合摄影测量技术、无人机影像后处理技术、地理信息系统技术和林业资源调查管理技术,构建了适用于林业调查和管理的专业森林资源调查系统。该系统以C#为编程语言,结合ArcGIS Engine10.2嵌入式组件技术开发而成,利用无人机影像实现高效快捷的林地空间区划、面积平差和高精度大比例尺的森林小班调查、信息提取等功能,可实现资源数据库的及时更新,极大地缩短了传统调查模式的调查周期,实现了森林资源的科学化管理。以辽宁老秃顶子林场作为试验区,利用1st Opt优化分析软件引入决定系数、估计值的标准差等评定因子,确定试验区冠径、树高、胸径之间的最优模型。同时基于试验区获取数据对系统进行了精度验证,结果表明,该系统获取坡度和高程的相对误差分别为5.17%和5.41%,株树密度、蓄积量的相对误差为2.68%和4.01%。