运用机载LiDAR数据对橡胶林地上生物量估测的采样尺度效应分析

气候变化下,森林生物量遥感监测是当前研究的热点,机载LiDAR作为重要的遥感信息源,其采样大小对生物量估测精度有着一定的影响。以机载LiDAR数据为信息源,以44块30m×30m的方形橡胶林实测样地数据为基础,对机载激光雷达数据进行不同尺寸采样(共21个采样尺寸,边长从10m至30m,间隔为1m),提取不同采样尺寸下的激光雷达参数,并与橡胶林地上生物量建立PLSR模型,就机载激光雷达采样大小对橡胶林地上生物量估测精度的影响进行研究。研究表明:当采样尺寸小于18m时,估测精度随着采样尺寸的增大而增大;而当采样尺寸大于18m时,估测精度随着采样尺寸的增大而减小,进而趋于平缓。结果虽然呈现出一定的规律性,但是差异并不是很明显。当采样尺寸为18m时估测效果最佳,模型决定系数(R^2)为0.718,均方根误差(RMSE)为17.830 t/hm^2;交叉验证精度P和RMSEcv分别为82.741%和18.874t/hm^2。相较于实际样地(30m)尺寸下的估测结果,18m采样尺寸下的R^2提高了1.989%,RMSEcv降低了2.611%。因此,生物量的估测精度受机载激光雷达数据采样尺寸大小的影响,在生物量估测过程中需结合研究对象和研究区的实际情况对采样尺寸进行选择,从而提高生物量估测精度。     

基于高分2号遥感数据估测中亚热带天然林木本植物物种多样性

【目的】探索高分2号遥感数据与中亚热带天然林木本植物物种Shannon-Wiener多样性指数、Simpson多样性指数和Pielou均匀性指数之间的关系,为森林经营管理和保护策略提供参考。【方法】提取高分2号多光谱数据的原始波段、植被指数、纹理特征和全色波段纹理特征,使用随机森林算法筛选变量并对3种多样性指数进行建模,设置不同纹理提取窗口来寻找最优窗口。【结果】基于随机森林算法的RFE冗余变量去除方法可从众多遥感变量中快速选择对模型精度具有显著贡献的少量变量。多光谱数据3×3窗口纹理特征、全色数据7×7窗口纹理特征和植被指数结合的特征集对3种多样性指数具有较好估测结果,其决定系数(R~2)和均方根误差(RMSE)分别为0.47和0.300(Shannon-Wiener多样性指数)、0.53和0.042 (Simpson多样性指数)、0.61和0.051 (Pielou均匀性指数)。植被指数中类胡萝卜素反射率指数与3种多样性指数具有显著相关关系。【结论】高分2号遥感数据中的植被指数和纹理特征可有效估测研究区森林木本植物物种多样性。类胡萝卜素反射率指数可体现森林中类胡萝卜素相对于叶绿素的含量,在秋冬季节作为反映常绿树种和落叶树种分布的指数,对森林木本植物物种多样性估测具有最大贡献。使用星载遥感数据预测的多样性和均匀性指数分布可有效监测森林木本植物物种多样性变化。     

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.     

机载激光雷达和地基激光雷达林业应用现状

激光雷达技术可以直接获取地物的三维信息,在森林参数反演方面具有独特优势。近年来,机载激光雷达与地基激光雷达在林业上的应用取得很大进展,在森林调查中应用广泛。文中介绍了机载激光雷达与地基激光雷达在森林参数提取中的应用,并分析了两者的优缺点;概述了2种数据结合在森林参数反演中的应用,并对应用前景进行了展望。     

基于随机森林算法的橡胶林地上生物量遥感反演研究--以景洪市为例

以景洪市橡胶林为研究对象,将获得的样地植被指数和生物量数据用随机森林方法建立相关关系,将建立的关系用 Landsat TM影像反演出整个研究区域的生物量分布,用影像和实地样地调查数据进行分析和验证,实现光学遥感的大范围生物量反演。在反演过程中将植被指数作为自变量,使用 R 语言环境下的随机森林方法进行变量筛选和建模,并对该方法的适用性进行分析评价。结果表明：随机森林算法适用于森林生物量反演;选择的变量为可见光大气阻抗植被指数（VARI）、简单比值指数（RVI）、归一化植被指数（NDVI）、水分胁迫指数（MSI）、中红外指数（MidIR）;总体模型反演精度 R2＝0.43,RMSE ＝46.05。反演结果对于生物量密度较低的区域回归效果较好,对于生物量超过200 t/hm2的地区,反演结果偏低,且随着生物量密度的增加,反演结果偏差逐渐增大。     

基于多时相Sentinel-2影像和SNIC分割算法的优势树种识别

【目的】探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别。【方法】以内蒙古旺业甸林场为研究区,在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征,采用SNIC和支持向量机(SVM)机器学习分类方法,实现面向对象的优势树种识别,并分析不同时相数据组合对优势树种识别精度的影响。【结果】多时相数据组合的分类精度明显高于各季节单时相数据。对比不同多时相数据组合分类结果,春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近,总体精度分别为94.5%、95.0%和95.8%。【结论】基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种,多季节组合数据的分类结果最优,春、秋2个季节时间序列数据也能获得较好分类结果,总体精度与最优结果差距较小。     

果树组织培养中褐化现象的研究进展

介绍了果树植物组织培养褐变的发生机理，发生褐变的主要果树种类，综述了近年来果树植物组织培养中参与褐变现象的酚类物质、酚氧化酶以及多种影响因素的研究进展。     

干涉测量土地利用影像分类决策树法森林识别研究

利用ERS－1和ERS－2 SAR串行轨道数据经干涉测量处理生成的干涉测量土地利用影像对森林识别方法进行初步研究。内容包括基于目标识别选择合成干涉测量土地利用影像处理方法、应用斜分类器（OCI）生成分类决策树以及在自主开发的软件中调整分类决策树、对分类结果进行像元级别上的精度检验和误差分析等。结果表明：ERS－1和ERS－2 SAR串行轨道数据经干涉测量处理，利用其强度影像和相干影像可以合成多种干涉测量土地利用影像；其中最小值影像和 标准差影像较之于其它强度影像和变化影像更有利于区分水体和森林；由于OCI生成决策树的算法决定了在分类处理中没有不可分类别的存在，所以在初期选择分类类别时，要尽可能多的覆盖原始影像的数值区间；选择的各类别样本数据要尽可能的“纯”，以减少类别间数值区间的重叠，从而减少误分类情况。     

利用遥感技术预测人工林木材性质及其产品价值的初探

阐述了遥感技术在森林树冠参数提取以及林木冠层与木材结构、性质间的关系研究现状,分析了树冠冠层和木材性质二者之间潜在的关系,探讨了利用高空间分辨率遥感卫星影像(QuickBird)数据分析林木树冠冠层特征的方法,提出了遥感树冠因子与木材性质间的关系模型的构想,进而进行木材性质的预测和产品经济价值的评价。     

基于激光雷达技术估算钱江源国家公园森林的地上生物量

  目的  采用激光雷达结合地面调查的方法,拟合并预测钱江源国家公园森林的地上生物量,为国家公园森林生态系统保护和动物生境质量评估提供基础数据。  方法  采用冠层结构指数量化亚热带常绿阔叶林的冠层高度和垂直复杂度,并结合地面调查数据和地形数据,用模型拟合和预测钱江源国家公园的地上生物量。  结果  冠层结构指数中,与地上生物量的相关程度从大到小依次为冠层平均高度、冠层垂直复杂度、冠层最大高度。钱江源国家公园生物量分布主要在27.24 ~ 210.31 Mg/hm2（0.05 ~ 0.95分位数）,平均为111.21 Mg/hm2,总的生物量约为2.57 × 106 Mg。  结论  结合冠层指数和地形变量能较好地模拟和预测钱江源国家公园地上生物量。钱江源国家公园有大面积低海拔集中分布的常绿阔叶林,冠层平均高度和冠层垂直复杂度都比较大,地上生物量高;同时,也有大面积人工林和次生林,这些人工林和次生林主要分布在国家公园成立后才开始保护的两个片区,冠层平均高度和冠层垂直复杂度小,地上生物量较低,有待进一步恢复。