机载LiDAR数据估算样地和单木尺度森林地上生物量

利用机载激光雷达点云数据,结合大量实测单木结构信息,分别从样地和单木尺度估算了森林地上生物量AGB。首先,利用局部最大值单木提取算法提取了每个样地内的单木结构参数,并针对样地和单木尺度分别计算了一组激光雷达变量。然后,利用激光雷达变量和地上生物量及其两者的对数形式,从样地和单木尺度分别构建了估算模型。最后,针对两种尺度估算过程中存在的不确定性进行了详细讨论。结果表明:(1)样地和单木尺度模型估算的森林地上生物量与地面实测值都具有明显的相关性,且对数模型估算效果要优于非对数模型;(2)样地尺度模型估算效果(R2=0.84,rRMSE=0.23)明显优于单木尺度模型(R2=0.61,rRMSE=0.46);(3)按树木类型分别进行估算可以提高单木地上生物量的估算精度;(4)不论是样地还是单木尺度地上生物量估算都存在一定的不确定性,与样地尺度相比,单木尺度估算过程的不确定性更大,这种不确定性主要来自单木识别过程。     

Pi-SAR极化数据与K分布指数估算森林生物量与实验验证

用2002年和2003年日本Pi-SAR全极化数据,研究日本北海道苫小牧森林地区的森林生物量.雷达后向散射系数随森林生物量的增大而增大并迅速达到饱和,L波段雷达数据饱和点约为40t/hm2,X波段仅约为20t/hm2.在SAR数据统计分布中,K分布的指数参数在饱和点以上仍随生物量的增大而增大,并且HV极化方式时相关性最高.根据交叉极化数据K分布的指数参数与森林生物量的关系,本文估算了23个观测点的森林生物量,结果表明平均准确率为85%.因此该算法可以作为一种新的估算森林生物量的手段.     

双台河口国际重要湿地芦苇地上生物量遥感估算

基于多时相的Landsat8 OLI卫星遥感数据,采用面向对象的分类方法,提取双台河口国际重要湿地芦苇分布信息。通过对归一化植被指数(normalized difference vegetation index,NDVI)等6个植被指数与野外实测芦苇地上生物量数据间的统计分析,比较不同植被指数对芦苇地上生物量的敏感性,构建双台河口国际重要湿地芦苇地上生物量遥感反演模型;应用该模型对芦苇地上生物量进行遥感反演以及空间格局分析。结果表明:双台河口国际重要湿地芦苇分布面积为4.39×104hm2,约占该研究区总面积32.96%;选取的6个植被指数均与芦苇地上生物量显著相关(p0.05),其中,以NDVI为变量的幂指数形式的估算模型为芦苇地上生物量遥感估算最优模型,模拟精度为79%,决策系数为0.76;双台河口国际重要湿地芦苇地上生物量呈东高西低和北高南低的分布格局,其平均地上生物量为4 785.5 g/m2,总地上生物量为2.06×106t;本研究结果可为双台河口国际重要湿地生态系统管理和生物多样性保护提供数据支持与科学指导。     

基于遥感的区域尺度森林地上生物量估算研究

森林是陆地生态系统最大的碳库,精确估算森林生物量是陆地碳循环研究的关键。首先从机载LiDAR数据中提取高度和密度统计量,采用逐步回归模型进行典型样区生物量估算;然后利用机载LiDAR数据估算的生物量作为样本数据,与多光谱遥感数据Landsat8 OLI的波段反射率及植被指数建立回归模型,实现区域尺度森林地上生物量估算。实验结果显示,机载LiDAR数据估算的鼎湖山样区生物量与地面实测生物量的相关性R2达0.81,生物量RMSE为40.85 t/ha,说明机载LiDAR点云数据的高度和密度统计量与生物量存在较高的相关性。以机载LiDAR数据估算的生物量为样本数据,结合多光谱遥感数据Landsat8 OLI估算粤西北地区的森林地上生物量,精度验证结果为:R2为0.58,RMSE为36.9 t/ha;针叶林、阔叶林和针阔叶混交林等3种不同森林类型生物量的估算结果为:R2分别为0.51(n=251)、0.58(n=235)和0.56(n=241),生物量RMSE分别为24.1 t/ha、31.3 t/ha和29.9 t/ha,估算精度相差不大。总体上看,利用遥感数据可以开展区域尺度的森林地上生物量估算,为森林固碳监测提供有力的参考数据。     

基于激光雷达卫星(GEDI)的广东省森林冠层高度和生物量估算

森林冠层高度和生物量估算对估算森林碳收支方面起到重要作用。本文以广东省森林为研究对象,以全球生态系统动态调查(GEDI)激光雷达卫星为数据源,分别采用回归树和克里金插值算法,对广东省的森林冠层高度和生物量进行反演。研究结果表明,广东省的树木高度普遍在10～20 m,占比超过50%。树高高值出现在粤北的韶关、肇庆等市,树高普遍在15～20 m;而湛江市的平均树高最低,普遍不足10 m。广东省森林生物量最大值为335.85 t/hm²,最小值为5.25 t/hm²,平均值为98.27 t/hm²。森林生物量高值区域主要分布在粤东山区和粤西山区,而广东省平原和城市化地区森林生物量则较低。本文结果为估算广东省森林生态系统碳吸收提供科学依据。     

高光谱与高空间分辨率遥感数据的亚热带森林生物量反演

精确估算森林生物量对全球碳平衡以及气候变化的研究有重要意义。以亚热带天然次生林为研究对象,借助地面实测样地数据,通过对机载LiCHy(LiDAR,CCD and Hyperspectral)传感器同时获取的高光谱和高空间分辨率数据进行信息提取和数据融合,建模反演森林生物量。首先通过面向对象分割方法进行单木冠幅提取,然后融合从高光谱数据提取的光谱特征变量和从高空间分辨率数据提取的单木冠幅统计变量,构建多元回归模型估算地上、地下生物量,最后利用地面实测生物量经交叉验证评价模型精度。结果表明,综合模型的精度(R~2为0.54—0.62)高于高光谱模型(R~2为0.48—0.57);在高光谱模型中地上生物量模型精度(R~2为0.57)高于地下生物量模型(R~2为0.48);在综合模型中地上生物量模型精度(R~2为0.62)同样高于地下生物量模型(R~2为0.54)。交叉验证结果表明,与仅使用高光谱数据(单一数据源)相比,通过集成高光谱和高空间分辨率数据的生物量反演效果有所提升,可以更加有效地估算亚热带森林生物量。     

基于MODIS时序影像的湖南省油菜种植面积遥感监测分析

基于时间序列影像数据的提取方法可实现快速监测大面积农作物的种植分布和面积估算.以湖南省为研究区,利用2017年500 m空间分辨率的MODIS NDVI时序数据,结合湖南省耕地分布数据和实地样点数据得到油菜物候标准曲线,采用最小二乘法与阈值法提取得到湖南省油菜种植分布.结果显示,遥感提取得到的湖南省油菜种植面积主要分布在湘北洞庭湖平原、湘中衡阳市、湘南岳阳市,油菜种植面积3.87×106 hm2,通过与2016年湖南省县域统计油菜种植面积数据进行比较,油菜空间格局分布大体一致,相关性系数为0.81,R2为0.66.采用油菜关键物候期的MODIS时序遥感影像,能有效地监测油菜空间分布和估算种植面积,这为油菜种植管理提供基础数据支撑.     

Sentinel-2数据的冬小麦地上干生物量估算及评价

作物生物量快速精确的监测对于农业资源的合理利用与农田的精准管理具有重要意义。近年来,遥感技术因其独特的优势已被广泛用于作物生物量的估算中。本文主要针对不同宽波段植被指数在冬小麦生物量(文中的生物量均是指地上干生物量)估算方面的表现进行探索。首先利用欧洲空间局最新的Sentinel-2A卫星数据提取出17种常见的植被指数,之后分别构建其与相应时期内采集的冬小麦地上生物量间的最优估算模型,通过分析两者间的相关性与敏感性,获取适宜进行生物量估算的指数。最后,绘制了研究区的生物量空间分布图。结果表明,所选的植被指数均与生物量显著相关。其中,红边叶绿素指数(CI_(re))与生物量的估算精度最高(决定性系数R~2为0.83;均方根误差RMSE为180.29 g·m~(–2))。虽然相关性较高,但部分指数,如归一化差值植被指数(NDVI)等在生物量较高时会出现饱和现象,从而导致生物量的低估。而加入红边波段的指数不仅能够延缓指数的饱和趋势,而且能够提高反演精度。此外,通过敏感性分析发现,归一化差值指数和比值指数分别在作物生长的早期和中后期对生物量的变化保持较高的敏感性。由于红边比值指数(SR_(re))和MERIS叶绿素敏感指数(MTCI)在冬小麦全生长季内一直对生物量的变化保持高灵敏性,二者是生物量估算中最为稳定的指数。     

WorldView-2纹理的森林地上生物量反演

使用高空间分辨率卫星WorldView-2的多光谱遥感影像,构建植被指数和纹理因子等遥感因子与森林地上生物量的关系方程,并计算模型估测精度和均方根误差,探索高分辨率数据的光谱与纹理信息在温带森林地上生物量估测应用中的潜力。以黑龙江省凉水自然保护区温带天然林及天然次生林为研究对象,通过灰度共生矩阵(GLCM)、灰度差分向量(GLDV)及和差直方图(SADH)对高分辨率遥感影像进行纹理信息提取,并利用外业调查的74个样地地上生物量与遥感因子建立参数估计模型。提取的遥感因子包括6种植被指数(比值植被指数RVI、差值植被指数DVI、规一化植被指数NDVI、增强植被指数EVI、土壤调节植被指数SAVI和修正的土壤调节植被指数MSAVI)以及3类纹理因子(GLCM、GLDV和SADH)。为避免特征变量个数较多对估测模型造成过拟合,利用随机森林算法对提取的遥感因子进行特征选择,将最优的特征变量输入模型参与建模估测。采用支持向量回归(SVR)进行生物量建模及验证,结果显示选入模型的和差直方图均值(sadh_mean)、灰度共生矩阵方差(glcm_var)和差值植被指数(DVI)等遥感因子对森林地上生物量有较好的解释效果;植被指数+纹理因子组合的模型获得较精确的AGB估算结果(R2=0.85,RMSE=42.30 t/ha),单独使用植被指数的模型精度则较低(R~2=0.69,RMSE=61.13 t/ha)。     

基于光谱吸收深度分析的冬小麦生物量估算模型的建立

准确的估算作物的生物量,对作物长势监测具有重要的意义。利用高光谱仪获取的冬小麦高光谱实测数据,通过植被参数分析、植被光谱吸收特征挖掘,构建了冬小麦生物量的高光谱估算模型。结果表明,基于光谱深度分析与偏最小二乘方法建立的估算模型的R2值为0.86,RMSE为0.0397kg/m~2,较基于植被参数的生物量估算模型,模型精度得到了大幅的提高。本研究证实了利用光谱深度技术可以准确地挖掘光谱数据的"红谷"波段与生物量之间的关系,从而实现冬小麦生物量估算精度的提高。     

集成Landsat OLI和机载LiDAR条带数据的亚热带森林生物量制图

以亚热带天然次生林为研究对象,借助一个条带的少量LiDAR点云数据和覆盖整个研究区的免费Landsat OLI多光谱数据,并结合地面实测数据,探索森林生物量低成本高精度制图方法。首先,提取了OLI和LiDAR特征变量,并与地上和地下生物量进行相关分析以筛选变量;然后,借助LiDAR数据覆盖区的样地和条带LiDAR数据构建"LiDAR生物量模型";再从LiDAR反演生物量的结果中进行采样,结合OLI特征变量构建"LiDAR-OLI模型";最后,与单独使用OLI多光谱数据建立的"OLI估算模型"结果进行比较,分析精度并验证新方法的效果。结果表明,"LiDAR-OLI模型"对地上和地下生物量的模型拟合效果较好且均优于"OLI模型",且其交叉验证的精度也较高并优于"OLI模型",从而证明了新方法的可靠性及有效性。本研究为主、被动遥感技术在中小尺度上协同反演森林参数提供了实验基础,也为基于全覆盖免费OLI多光谱数据及条带LiDAR数据的低成本森林生物量制图探索了技术路线。     

面向植被均质单元的生物量多尺度估算研究

针对以往植被地上生物量(以下简称“生物量”)多尺度估算方法在数据收集、尺度转化、结果呈现等方面的局限,该文提出了面向植被均质单元的生物量多尺度估算方法：(1)定义了具有实际景观意义的植被均质单元,作为植被生物量估算的基本单元;(2)基于多源数据提取直接反映和间接影响植被生物量的多源因子,利用多尺度分割技术构建多尺度下的植被均质单元;(3)通过随机森林回归模型实现植被生物量多尺度估算。结果表明,该方法可避免多尺度下的数据获取,仅基于一套数据实现了研究区植被生物量多尺度估算,产生了较好的建模和估算精度。该方法不仅可量化生物量大小,还可描绘生物量均质区域,具有尺度变换便捷、灵活等优势。     

利用ESAR极化数据的复杂地形区森林地上生物量估算

利用机载E-SAR传感器获取的P-波段全极化SAR数据与实测林分样地数据,分析不同极化方式后向散射系数在地形起伏区与森林地上生物量（AGB）的响应关系,以改进的水云模型为基础,建立了融入地形因子的分析性模型。采用遗传算法确定模型的最优参数,并对模型在不同坡度情况下的可靠性、稳定性进行分析,同时通过与常用模型相对比,确定水云分析模型在复杂地形区估算AGB的优势。结果表明：在森林AGB处于较低值的情况下,后向散射系数（HH、HV、VV）变化趋势与AGB变化趋势保持一致,但随着AGB值的增大,这种一致性仅在HV极化方式下继续保持,因此相比之下,HV极化方式更适用于复杂地形区生物量的估算。地形对森林AGB的估算具有极大的影响,后向散射系数与AGB的相关性随着地形坡度的增加而减小。5种模型估算森林AGB的能力大小排序为：水云分析模型 > 二次模型 > 对数模型 > 指数模型 > 线性模型。地形起伏较小的地区估算稳定性排序为：水云分析模型 > 二次模型 > 对数模型 > 指数模型>线性模型。地形起伏较大的地区估算稳定性排序为。水云分析模型 > 二次模型 > 线性模型 > 指数模型 > 对数模型。利用水云分析模型对研究区AGB估算,其实测AGB与模型估算的生物量值决定系数为0.597,RMSE为30.876 t/hm²,拟合精度为77.40%。     

TerraSAR-X立体雷达数据提取东北典型林区DSM

森林垂直结构信息缺乏严重制约森林地上生物量估算精度的提高。立体雷达具备对森林垂直结构探测的能力,但早期雷达图像分辨率低。TerraSAR-X等高分辨率雷达数据的出现为利用立体雷达数据进行森林垂直结构探测提供了新的契机。本研究尝试采用立体雷达处理技术,利用TerraSAR-Xstripmap模式数据,以内蒙古根河大兴安岭林区和长白山自然保护区为研究区,重点探讨金字塔分层匹配策略中涉及的关键匹配参数对DSM提取精度的影响规律。结果发现:(1)影像匹配采用的金字塔层数对DSM提取精度影响明显,在大兴安岭研究区,采用5、6、7层金字塔匹配得到的DSM误差在±10m内的像元百分比分别为81.8%、77.7%和77.1%,5层金字塔能以较高的初始分辨率减少林区纹理信息的损失;在长白山研究区,采用7层金字塔得到的DSM能够抑制明显的误匹配点,提高地形提取精度;(2)影像匹配窗口对同名点识别的质量影响明显,采用25×25的匹配窗口,与9×9匹配窗口相比,大兴安岭和长白山研究区影像的平均相关性分别由0.43、0.40提高到0.49、0.45,林区纹理信息欠丰富,宜采用较大匹配窗口;(3)大兴安岭和长白山研究区提取的DSM与参考DSM线性回归的RMSE分别为6.682 m和10.384 m,DSM误差主要存在于坡度变化剧烈的地区,透视收缩和叠掩等几何畸变导致匹配结果不可靠。     

一种基于GeoEye-1立体像对数据的快速提取平均树高方法

探讨了可见光立体像对遥感数据在森林平均树高估算研究方向的可行性,为解决大区域快速提取森林平均树高参数的科学问题提供技术支撑。利用GeoEye-1卫星立体像对中提供的有理多项式系数(RPC)参数和数字表面模型(DSM)与数字高程模型(DEM)的理论原理,建立了基于DSM和DEM空间相差模型建立林分冠层高度估算方法流程。结果表明:基于湖南攸县黄丰桥国有林场GeoEye-1立体像对影像数据,按照估算流程,最终得到试验区小班尺度的样地平均树高遥感提取结果。结合样地地面实测控制点和地面小班数据调查数据,该方法提取的研究区平均树高总体误差率在83.1%,其中最大误差为3.773 m,最小误差为0.025 m。因此,本研究是一种可以快速获得研究区大范围森林平均树高参数的创新、可行的方法。     

HJ-1B CCD2与SPOT4 HRVIR数据在森林地上生物量反演中的比较分析

以贡嘎山地区为研究区,选取HJ-1BCCD2和SPOT4HRVIR为数据源,结合地面同步实测数据,分别采用植被指数法和主成分分析法对森林地上生物量进行估算,并基于交叉验证的方法对比分析了两种传感器估算贡嘎山森林地上生物量的效果:针对单一植被指数,基于比值植被指数构建的生物量反演模型明显优于其他植被指数,且HJ-1BCCD2的表现好于SPOT4HRVIR;在联合多种植被指数建立的生物量反演模型方面,两种数据源的估算能力基本相当,交叉验证的相关系数分别为0.545 8和0.563 4,均方根误差分别为27.811 4t·ha和27.169 6t·ha;主成分分析法则为HJ-1BCCD2传感器的表现优于SPOT4HRVIR。     

基于TM影像的曲阜市农村居民点空间景观分析

以曲阜市为研究区,利用2005年TM遥感影像,经过校正、人机交互目视解译得到该研究区空间景观结构矢量图,提取居民点斑块,然后利用景观生态学数量方法分析研究区农村居民点空间景观分布特征.研究表明,研究区农村居民点规模较小,分布零散,平原地区农村居民点平均面积为15.67 hm2,山区居民点平均面积为7.94hm2.这样的...     

一种复杂背景下林木点云精细提取方法

针对地形变化较大、灌木多样等复杂林下主干提取效率低、精度不高等难点,该文提出一种复杂背景下林木点云精细提取方法.首先,进行地面点滤波并切片截取下层点云;然后,计算下层点云的法向量,提取法向量在Z轴的分量,循环剔除不满足条件的点;最后,循环具有噪声的基于密度聚类(DBSCAN)算法进行点云分割,实现林下主干点提取.以香格里拉为研究区,选择2景具有典型代表性的地基激光雷达样地点云数据进行试验,结果表明:研究中样地一提取精度90％,样地二提取精度95％,都取得较高精度.该方法能完整地提取林下主干点,对灌木与树干粘连等复杂环境下的林木提取具有较好的适用性.     

一种后向迭代的森林生物量遥感特征选择方法

森林生物量的估算对于全球碳平衡和环境保护至关重要。通过遥感等手段提取与森林生物量相关的单波段特征、植被指数、纹理特征、地形因子等特征参数,特征数量往往较多,影响预测精度。该文提出了一种后向迭代的随机森林(RF-RFE)特征选择方法,即利用随机森林算法计算特征重要度,采用后向迭代的方法逐步简化特征参数。以内蒙古大兴安岭地区的激流河林场为研究区域,以实验区2012年"资源三号"遥感影像和森林资源3类调查的样地数据为数据源,使用RF-RFE算法进行特征选择分析。实验结果表明,在森林生物量遥感反演过程中的RF-RFE特征选择不但能降低时间复杂度,而且保证了特征选择的精度。     

多源光学遥感数据估算桉树森林生物量

为了克服单个传感器影像在估算森林生物量的方面的局限性,采用多传感器遥感影像估算森林生物量成为目前的发展趋势。该研究根据光学遥感数据源比较多的特点,采用Landsat5 TM数据、ALOS AVNIR-2数据和CBERS-02B CCD数据估算东莞市桉树森林生物量,在对比分析单个传感器估算生物量能力的基础上,将3种传感器结合在一起估算东莞市桉树生物量,充分发挥不同光学传感器在光谱分辨率、辐射分辨率、空间分辨率和时间分辨率等方面的优点,避开各自的缺点,提高了遥感估算桉树生物量的精度,其调整系数R2达到0.65。该研究可为进一步研究大范围的森林生物量估算提供参考。