南方竹林地土壤有机碳空间异质性研究

土壤养分空间异质性是土壤质量评价的一个重要内容,为提高竹林有机碳估算精度,利用2013年永安六乡镇138个竹林地土壤有机碳样点数据,运用GIS技术和地统计学方法分析了永安市竹林地土壤有机碳数据的空间变异特征与格局。结果表明:竹林土壤养分有机碳含量极为丰富,全剖面及各层土壤有机碳含量在空间上属于中等变异;空间自相关Morans'I系数总体上随空间距离的增加而呈现递减趋势;全剖面、A层、B层及C层最佳理论模型依次为指数、高斯、指数、球状模型;半方差拟合决定系数分别为0.684、0.831、0.506、0.538,空间上均表现出强烈的自相关性,块金效应值分别为10.330%、13.100%、10.160%、0.120%;分形维数值为A层(1.964)B层(1.962)C层(1.944)全剖面(1.938);从空间分布特征看,永安市毛竹林地土壤有机碳明显呈带状和斑块状分布,东部和西部有机碳含量明显高于中部。研究结果可为永安市竹林有机碳含量空间插值、制图和野外取样的设计提供参考,同时也可为精准农业和土壤可持续经营发展提供科学依据。     

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）。     

应用无人机影像提取毛竹林立竹度

采用无人机航拍影像,依据毛竹冠幅几何特点,依据面向对象多尺度分割原理构建毛竹株数量识别单元,比对分析K邻近法(KNN)、支持向量机(SVM)、随机森林(RF)的提取效果,确定毛竹立竹度提取的最优算法.结果表明:1株毛竹几何形状趋近圆形,2株趋近于长椭圆形,3株以上近似于长条形,与图像中毛竹的冠层形状特征与毛竹识别单元类型具有一致性.验证结果KNN、SVM、RF提取立竹度总体精度平均值分别为90.70％、89.64％、94.56％,对应的Kappa系数分别为0.8597、0.8306、0.9456,其中RF的精度最高.整体上,基于毛竹立竹度识别单元的构建,结合RF分类方法比其他两类分类方法更具优势,实现了有效的毛竹林立竹度提取.     

基于叶片光谱反射率的毛竹氮元素含量估测研究

【目的】以福建省顺昌县大干镇的毛竹为研究对象,研究毛竹叶片氮元素含量的最优估测模型,为毛竹生长状态分析与林地土壤肥力估测提供基础。【方法】通过对毛竹叶片原始光谱、一阶微分光谱及相关的植被指数与叶片氮元素含量进行相关性分析来筛选氮元素敏感特征参数,并构建了多元线性回归模型、随机森林模型以及支持向量机模型,利用决定系数最优原则筛选3个模型中的最优模型并进行精度验证。【结果】R387、DR663、NDVIg-b(R575、R440)、SIPI、PRI和PPR 6个参数与毛竹叶片氮含量具有较为显著的相关性,基于这6个敏感参数所构建的3种模型中,多元线性回归模型与随机森林模型拟合效果较差,精度验证结果R2分别为0.4355、0.4371,惩罚因子C和核参数Sigma分别设为3和0.1的支持向量机模型估测结果最好,其实测值与预测值拟合决定系数为0.8031,总体精度为94.02%。【结论】基于R387、DR663、NDVIg-b(R575、R440)、SIPI、PRI和PPR 6个叶片光谱参数所构建的支持向量机模型能够较为准确地估测毛竹叶片氮元素含量。     

毛竹叶片重要营养元素的光谱敏感波段分析

以毛竹叶片为研究对象,利用ISI921VF-256野外光谱辐射仪获取毛竹叶片光谱反射率,分析毛竹叶片N、P、K含量和高光谱反射率的相关性,筛选N、P、K的光谱敏感波段与光谱敏感波长。结果表明,毛竹叶片N、P和K的敏感波段分别为700～850、600～750nm和450～560nm波段。毛竹叶片N含量在二阶导数光谱的光谱敏感波长为832nm;P含量在一阶导数光谱的光谱敏感波长为631nm;K含量在二阶导数光谱的光谱敏感波长为498nm。通过毛竹叶片的N、P、K含量与光谱敏感特性的相关性分析,对毛竹叶片重要营养元素的最佳光谱敏感波段研究以及高光谱预测反演具有重要意义。     

杉木人工林冠层高度无人机遥感估测

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机（UAV）的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型（DSM）,利用1:10 000地形图生成数字高程模型（DEM）;基于DSM和DEM叠加相减得到树冠高度模型（CHM）,实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数（R2）分别是0.97,0.84和0.78,标准误差分别是0.67,1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。     

无人机可见光遥感影像的空间分辨率对毛竹立竹度识别精度的影响

为探究无人机可见光影像在毛竹立竹度提取方面的适用性，以福建省三明市永安市天宝岩国家级自然保护区毛竹林为研究对象，运用重采样的方式获取不同空间分辨率(0.25、0.50、0.75 m)下的可见光影像，利用面向对象多尺度分割确定各个分辨率下的最佳分割尺度，采用随机森林分类方法，对不同空间分辨率下立竹度提取精度进行了比较。结果表明：不同空间分辨率下分割尺度的选择不同，影像空间分辨率为0.25、0.50、0.75 m的最佳分割尺度分别为20、9和8,立竹度提取平均精度分别为80.97%、81.29%和77.82%,Kappa系数分别为0.806 0、0.863 3和0.817 1;图像空间分辨率为0.50 m时，总体分类精度和Kappa系数最高，因此，毛竹立竹度提取的适宜图像空间分辨率为0.5 m,最佳分割尺度为9。