激光雷达和高光谱遥感技术在树种识别中的应用

快速准确识别树种是研究和保护森林资源的基础,通过遥感技术进行树种识别已成为森林调查重要手段之一。激光雷达数据可以提供森林垂直结构的信息,而高光谱遥感数据可以提供树木详细的光谱信息,因此联合激光雷达和高光谱数据能够提高树种分类精度。文中阐述了激光雷达和高光谱遥感在森林树种识别中的研究现状,总结了单一遥感源进行树种识别的优缺点,介绍了联合激光雷达和高光谱遥感数据的树种识别方法,最后从数据平台、数据提取、数据融合及识别模型等4个方面探讨了当前树种识别研究中面临的问题以及未来的研究方向,旨在为提高树种识别精度提供参考。     

高光谱遥感森林树种分类研究进展

从基于光谱特征、基于光谱匹配和基于统计分析方法3个方面,论述了高光谱遥感数据进行森林树种分类的应用研究状况,分析了目前研究中存在数据质量与保障性相对滞后、缺乏有效的处理算法等问题,指出了进一步完善森林树种光谱数据库和加强高光谱数据研究的高光谱树种研究方向.     

面向机载高光谱数据的3D-CNN亚热带森林树种分类

【目的】探讨深度卷积神经网络在机载高光谱数据分类中的应用,以提高亚热带地区森林树种分类精度。【方法】以广西南宁高峰林场为试验区,基于中国林业科学研究院Li CHy系统获取的机载高光谱数据,以三维卷积层为基础,提出一种高效的卷积神经网络(CNN)结构。CNN模型以端到端方式处理高光谱影像分析问题,将原始数据作为输入,不需要降维或特征筛选,可省去传统分类方法在不同程度上人工筛选特征的工作;网络中3D卷积层可同时提取光谱特征和空间特征,学习特征立方体空间和光谱维度的局部信号变化,利用重要的识别特征进行分类,以提高对高光谱影像的判别能力。针对机载高光谱数据维度高、训练样本相对较少的问题,对模型进行优化,以避免过拟合。【结果】相较传统的特征筛选与面向对象分割结合的方法,本研究提出的3D-CNN结构森林树种总体分类精度达98.38%,Kappa系数为0.98,与随机森林特征选择结合支持向量机分类相比,总体精度提高8.82%,Kappa系数提高0.11;小样本训练情况下(减少75%训练样本),总体精度仍可达95.89%,Kappa系数为0.94。【结论】三维卷积神经网络在处理机载高光谱影像特征提取和...     

高光谱遥感森林信息提取研究进展

针对高光谱遥感技术森林信息提取,详细论述了国内外利用高光谱遥感数据进行森林类型识别、森林郁闭度估算和森林叶面积指数估测等森林物理参量,以及森林化学参量估计和森林健康状态评价等方面的应用研究状况,最后对高光谱遥感森林应用的发展趋势作了探讨.     

高光谱遥感的森林信息应用研究进展

现今高光谱遥感的实际应用中,利用了航空(有人机和无人机)和地面的同步配合方法,实现了"天空地"一体化的应用模式.目前,越来越多的学者利用高光谱遥感反演技术进行植被参数反演研究,并取得高精度和适用性广的反演模型.文章主要阐述当前高光谱遥感技术在林业应用中关于树种分类、参数提取和灾害监测各个方面的运用,并揭示了高光谱遥感技...     

高光谱遥感在植被特征识别研究中的应用

总结了高光谱遥感在植被物种识别、结构特征分析、理化信息提取等主要领域的应用研究现状; 分析了高光谱遥感在植被特征识别中所涉及的光谱特征优化、混合光谱分解、图像分类识别等关键性技术环节的最新进展; 剖析了目前研究中存在的主要问题, 并对今后的发展态势进行了展望。     

遥感技术在森林树种多样性监测中的应用研究进展

树种多样性的快速、有效监测能够促进生物多样性保护与研究以及森林可持续管理。遥感技术正逐渐成为森林生物多样性大面积快速监测的新兴手段,为树种多样性空间格局信息的快速提取提供了有力保证。以数据源为线索,文中系统阐述了近年来多光谱遥感、高光谱遥感、激光雷达、微波遥感及多源遥感协同方法在树种多样性监测中的应用研究现状,并从数据源、数据平台、遥感异质性指数、数据时间特征和监测模型5个方面讨论了森林生物多样性遥感监测研究的发展趋势,旨在为生物多样性遥感监测研究提供有益启示。     

近红外光谱结合支持向量机快速识别树种

利用阿达玛变换近红外光谱结合支持向量机,对制浆造纸常用木材树种的快速识别进行研究。将各树种近红外光谱先进行多点平滑和标准正态变换预处理以消除噪音干扰和光散射导致的测量偏差,然后基于不同建模策略建立一对多和一对一两种支持向量机模型,考察这两种模型对多树种属间分类和种间分类的预测能力,并与传统的偏最小二乘判别分析分类法进行对比。结果表明,支持向量机预测模型对桉木、相思木、杨木、水杉等树种的属间分类正确率达到98%以上,种间分类正确率均达到95%以上,在处理复杂分类问题时模型稳健性明显优于传统分类方法,从方法上证明了近红外技术工业化应用的可能性,为进一步建立近红外在线检测木片材性分析系统奠定了基础。     

森林理化参数高光谱遥感反演研究进展

近年来, 成像高光谱遥感技术在森林资源信息提取方面取得了进一步发展。文中介绍国内外在轨运行的主要机载和星载高光谱传感器及其技术参数; 分别从叶面积指数和森林含水量反演及森林树种识别3个方面概述国内外基于高光谱遥感技术的森林物理参数反演方法及模型, 从叶绿素含量及森林养分元素反演2个方面概述基于高光谱遥感技术的森林化学参数反演方法及模型; 分析目前研究中存在的主要技术问题, 并展望其应用和研究前景。     

高光谱遥感森林应用研究探讨*

详细论述了高光谱遥感技术在森林生物物理和化学参量估计以及森林健康状态遥感评价等方面的应用研究状况，对高光谱遥感植被应用的数据处理技术作了简要说明。对我国高光谱遥感森林应用研究现状和发展水平进行了阐述，最后对高光谱遥感森林应用的未来趋势作了探讨。     

高光谱遥感技术及其在森林监测中的应用探讨

高光谱遥感技术是指利用很窄的电磁波段从地物获取连续光谱信息的技术。高光谱影像具有超高光谱分辨率和多个波段同时对地物成像的特点,借助高光谱影像丰富的植被光谱信息,介绍其在森林火灾、森林病虫害和森林资源变化监测中的应用研究方法和现状,利用高光谱遥感图像进行森林监测的处理技术。     

高光谱遥感森林叶面积指数估测方法研究

叶面积指数(LAI)是反映植物叶片数量、冠层结构变化、植物群落生命活力及其环境效应的重要参数,其定义为植株所有叶片单面面积总和与植株所占的土地面积的比值。文中总结国内外利用高光谱遥感数据估测森林叶面积指数的研究进展,并对众多的估测方法进行比较,最后分析了高光谱遥感森林叶面积指数估测研究的发展趋势。       

森林叶绿素含量的高光谱遥感估算模型的建立

高光谱遥感提供一个通过窄波段的地物光谱反射率、诊断和检测植被叶绿素光谱特征波段的手段,为精确反演森林叶绿素含量提供更高光谱分辨率的数据。利用Epp-2000地物光谱仪测量叶片的反射光谱,并用SPAD-502对观测叶片进行叶绿素含量的同步测量;采用统计相关分析方法,分析叶片反射光谱、光谱特征参数及其各种植被指数与叶片叶绿素含量的相关关系,并建立相应的估算模型。结果表明：叶绿素含量的敏感性参数分别为Diff（R749）、Log（R466）、红边参数RVP以及比值叶绿素指数PSSR。通过多元统计回归分析,剔除不相关和存在共线性的参数后,得到叶绿素含量的估算模型为：SPAD=54．559—0．865×PSSR＋65．146×Diff（R749）-6．030×Log（R466）-0．238×RVP模型及其参数均通过统计检验,模型的决定系数砰达到0．812,均方根误差RMSE=13．35379,模型精度为88．743258％。     

森林冠层叶片氮浓度高光谱遥感反演研究进展

氮素是植物生命活动所需的重要营养元素,在森林植被的光合作用和生态系统固碳方面起着关键作用。因此,理解森林叶片氮浓度在叶片和冠层（遥感像元）尺度上的高光谱特征,是开展森林冠层叶片氮浓度（CNC）遥感反演、优化森林碳循环模拟、应对气候变化的重要基础工作。当前,森林CNC的光谱特征提取受到冠层结构因素的影响,其高光谱遥感反演的理论亦不明确。文中通过梳理国内外大量植被叶氮高光谱反演的代表性研究成果,以时间为轴线从叶片和冠层2个尺度上进行文献综述,详细阐述当前国内外森林叶氮浓度高光谱遥感反演的主要方法、研究热点和面临的问题,并对近年来学界关于森林冠层结构在冠层叶片氮浓度遥感反演中的影响进行综述,并展望森林冠层叶氮浓度高光谱遥感反演的发展方向。     

高光谱遥感森林叶面积指数估测研究现状

文中简要概述了叶面积指数和高光谱遥感的概念, 分析比较了高光谱遥感与传统的宽波段遥感估测森林叶面积指数的优势, 以及利用高光谱遥感数据估测森林叶面积指数的常用方法, 并对目前高光谱遥感估测森林叶面积指数存在的问题行了讨论。     

城市林业中高光谱遥感技术应用现状与展望

高光谱遥感技术现已成为林业遥感研究的前沿技术之一,在林业定量监测及分析方面具有很大的潜力,同时也为森林经营与管理提供了一种更为科学和实用的新技术手段。文章主要从森林树种高光谱的分类与识别、森林树种主要生化参数模型估算、森林监测与高光谱遥感技术3个方面,总结归纳了高光谱遥感在林业上的主要研究现状,并对高光谱遥感技术在林业研究中的应用前景作了展望。     

高光谱遥感获取伐区调查数据的应用综述

首先论述了高光谱遥感在获取森林调查数据方面的优势;随后总结了国内外关于高光谱技术在树种识别、龄级分类、郁闭度调查及森林健康监测等方面的应用,并同时列举出高光谱遥感应用于林业上的主要处理技术;最后对高光谱遥感在我国林业上的应用现状进行了分析与展望。