机载LIDAR数据的树高识别算法与应用分析

利用机载激光雷达数据提取天然次生林的树高,旨在探索影响树高提取精度的主要因素。首先,采用高精度曲面建模平差算法(Adjustment Computation of High-accuracy Surface Modeling,HASM-AD)生成研究区不同空间分辨率的数字高程模型(Digital Elevation Model,DEM)、数字地表模型(Digital Surface Model,DSM)和冠层高度模型(Canopy Height Model,CHM);其次,用树顶点识别算法提取林木树高,设置不同树高识别范围,对比分析不同CHM分辨率和不同树高识别范围对树高提取精度的影响;最后,以天涝池流域30个实测样地数据为样本,对提取精度进行检验。结果显示：提取的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.694;树高识别范围是影响树高提取精度的重要因素,CHM分辨率对其影响较小。研究表明,采用高采样密度的雷达点云数据、正确选择CHM生成方法和改进树顶点识别算法是提高天然次生林树高提取精度的有效途径。     

武陵山区植被净第一性生产力的时空格局及其与地形因子的关系

本研究旨在探讨2001-2010年武陵山区植被净第一性生产力(NPP)的时空变化格局及其与主要地形因子间的关系。利用MODIS MOD17A3数据、地形数据,以及土地覆盖等数据,基于回归分析和分级统计等方法,开展了武陵山区植被NPP的时空变化格局及其与高程和坡度2个基本地形因子间关系的研究。结果表明：(1)10年间武陵山区植被年NPP的平均值为590.72 gC·m^-2·yr^-1,森林、灌草和农田的NPP平均值分别为596.79 gC·m^-2·yr^-1、586.98 gC·m^-2·yr^-1和563.31 gC·m^-2·yr^-1;(2)2001-2010年武陵山区植被NPP总量的平均值为98.90 TgC·yr^-1,波动范围为92.79 ~ 106.99 TgC·yr^-1,从NPP年际变化的空间分布来看,武陵山区植被NPP的变化趋势整体上呈北增南减的格局;(3)分别以30 m和3°为高程和坡度的分级级差时,发现武陵山区平均植被NPP随海拔和坡度的升高有明显的先增加后缓慢下降的趋势,但在海拔高于1500 m及坡度大于50°的地区,平均植被NPP出现了较大波动,然而,在波动中均有随海拔和坡度的增加而先上升后再下降的趋势;(4)在地理区间尺度上,200~1000 m的高程段以及5~25°的坡度段内植被NPP的平均值较高,500 m以上的高程区间平均植被NPP依次递减,但50°以上的坡度区间平均植被NPP反而有所增加,这在一定程度上反映了坡度高于某一临界值后坡面侵蚀强度又有所下降的趋势。     

基于静风期污染物的PM2.5排放清单空间精细化方法

有利气象条件之后的静风期,极大降低了PM_2.5跨区域传输的影响,能够揭示本地源的排放状况。本文尝试性引入了静风期污染物分布揭示本地源排放特征的概念,提出了一种基于遥感数据的PM_2.5排放清单空间精细化方法：首先,利用 MODIS MCD19A2反演的ChinaHighPM_2.5数据,构建高时空分辨率PM_2.5数据融合方法;然后,构建唐山市有利气象条件之后的静风期污染物遴选方法（合理风向和风速：有利气象条件为东风,地面10 m高度风速大于3 m/s,其他风向,持续的较大风力5~10 m/s;静风期风速小于1.5~2.0 m/s）;其次,基于遴选的静风期PM_2.5数据分配MEIC清单中的PM_2.5总排放量,同时对比传统插值方法：基于GDP、人口密度、路网、土地利用类型数据,实现清单各污染源PM_2.5的1 km×1 km空间分配;最后,利用WRF-CMAQ模拟数据和地面台站实测数据进行真实性检验。研究结果表明：① PM_2.5数据填补融合方法能够有效提高PM_2.5监测数据的时空分辨率,且与地面监测值显著相关（R²=0.94,RMSE=4.64 µg/m³,NMB=2%,NME=7%）;② 引入有利气象条件后的静风期概念,提出了静风期污染物的遴选方法,有效降低了PM_2.5跨区域传输的影响,更好地反映了本地源排放的空间分布特征;③ WRF-CMAQ模拟方法的精度验证结果表明,该方法较传统面积插值法NME降低7%,NMB降低10%,RMSE降低1.54 µg/m³,R²提高11%。该方法为排放清单的空间精细化提供了新的研究思路。     

基于神经网络模型的干旱区绿洲土壤盐渍化评价分析

土壤盐渍化严重制约了农业可持续发展和生态安全,土壤盐渍化的精确评价分析,对土壤盐渍化的改善和治理具有重要的意义。本文以新疆焉耆盆地为研究对象,Landsat8 OLI遥感影像和实测采样数据相结合,提取地下水埋深（GD）、盐分指数（SI）、地表蒸散量（SET）和改进型温度植被干旱指数（MTVDI）建立了土壤盐渍化评价模型。结果表明：①结合野外实测土壤盐分数据,对BP神经网络模型进行训练。最终以最优的4-4-1结构的3层BP神经网模型对研究区土壤盐渍化进行了预测（R²=0.864,RMSE=0.569）。相比传统多元线性回归模型（R²=0.741,RMSE=0.767）,神经网络模型对土壤盐渍化的预测精度更高;②土壤盐渍化分布与GD、SI、SET和MTVDI等存在较强的关联性,不同等级的土壤盐渍化是不同影响因素不同程度上组合而引起的结果,盐渍化土地主要分布在地下水位较低以及土地开垦之后没有利用的荒地区域;③整个研究区大部分区域受到不同程度的盐渍化影响,耕地退化为盐渍地导致该区域土壤盐渍化以及土壤次生盐渍化进一步加剧。     

同化叶面积指数和蒸散发双变量的冬小麦产量估测方法

同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R²=0.432,RMSE=721 kg/hm²;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R²=0.408,RMSE=925 kg/hm²;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R²=0.013,RMSE=1134 kg/hm²）与模型模拟估测产量精度（R²=0.006,RMSE=1210 kg/hm²）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。     

顾及单木三维形态的无人机立体影像单木识别算法

单木参数对当前的森林资源管理、生态研究以及生物多样性保护等具有重要意义。无人机立体影像数据与单木识别算法为单木参数的低成本、自动化获取提供了基础。现有研究表明,常用的基于局部最大值搜索的单木识别算法面对密集林分时存在严重的漏识别问题,影响了参数提取的精度,因此本文提出了顾及单木三维形态的无人机立体影像单木识别新算法。算法首先综合利用无人机立体影像的高程与RGB光谱信息,通过随机森林分类进行林冠区的提取;然后利用形态学的多层腐蚀、膨胀与连通区标记进行树冠相连单木的分离与树冠中心点的提取,从而实现单木自动化识别。本文选取内蒙古大兴安岭林区和四川王朗林区的4块样地进行验证,以目视解译数据为参考,分别与基于高程值的局部最大值搜索算法（算法A）、基于RGB光谱亮度值的局部最大值搜索算法（算法B）进行比较。结果显示：本文提出的算法在4个样地的平均F1-score为94.17%,与算法A和算法B相比分别提高了15.85%和9.37%;而对于密集样地,本文提出的算法在查全率上相比算法A和算法B分别提高51.79%和35.64%。结果表明本文提出的算法在不同林区均能够实现较好的单木识别效果,特别是能够有效避免密集林分下的漏识别问题,为基于无人机立体影像的单木识别研究提供了一种新的思路。     

基于卷积神经网络的ICESat-2光子点云去噪分类

ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R²和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R²分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。     

不同地貌下国产资源三号测绘卫星DSM数据质量评价——以云南省高海拔山区为例

为了评价不同地貌下国产资源三号测绘卫星DSM数据精度,以云南省高海拔山区为研究案例,并以1:10 000实测地形图DEM为假定真值,以90 m分辨率SRTM DEM为评价参考,从高程精度和地形描述精度两个指标对15 m分辨率的ZY-3 DSM进行精度评价。结果表明:在不同地貌下ZY-3 DSM的高程精度和地形描述精度都优于SRTM DEM。从高程中误差分析来看,台地地貌精度最高,ZY-3 DSM高程中误差仅为SRTM DEM的1/6,平原地貌精度最低,该比值为1/2;就地形描述评价而言,四种地貌下ZY-3 DSM的Et均方根误差实际值与理论值均非常接近,实际值与理论值的比在0.975 2~1.594 3之间,而SRTM DEM在5.310 1~8.749 4之间。由此看来,不同地貌下ZY-3 DSM数据精度整体高于SRTM DEM。     

基于TAVI的山区毛竹林LAI反演分析

本文采用地形调节植被指数（TAVI）,以RapidEye高分辨率多光谱遥感影像为数据源,对福建省永安市毛竹林山区进行了叶面积指数（LAI）地面实测、遥感建模及反演分析。通过TAVI与归一化植被指数（NDVI）、比值植被指数（RVI）的对比研究,结果表明：（1）毛竹林实测LAI与TAVI、NDVI和RVI线性回归的决定系数（R²）分别为0.6085、0.3156和0.4092,最佳非线性回归的R²分别提高到0.6624、0.5280和0.6497。LAI与NDVI或RVI非线性（U曲线）模型可以很好地解释LAI-VI的散点分布规律,但难以解决LAI-VI间因地形影响导致的“同物异谱”和“异物同谱”问题,因此,在山区大面积推广应用需慎重。（2）通过实测LAI的验证表明,LAI-TAVI回归模型可有效避免因地形影响导致的“同物异谱”和“异物同谱”问题。TAVI具有良好的削减地形影响作用,可用于山区植被LAI的遥感反演。     

基于DCT-PLS算法的MODIS LST缺值填补方法研究

受云层、传感器误差等因素影响,中分辨率成像光谱仪（MODIS）获取的地表温度产品（LST）在时间和空间上存在大量缺失数据,严重影响了基于时间序列数据的分析与应用。本文引进一种基于离散余弦变换与惩罚最小二乘的多维数据快速平滑方法（DCT-PLS）,利用数据集自身的时间和空间信息填补缺值。本文在粤港澳大湾区开展实证研究,将DCT-PLS算法用于填补该地区2001年1月—2017年12月的月值MODIS LST数据缺值,并引入人工模拟缺值对算法进行误差分析与精度验证。算法误差分析结果表明,填补误差主要来源于三维算法对数据集中有偏LST时间信息的使用,并因此产生显著高估或低估的填补结果。基于此,本文提出了利用MODIS LST数据集自身时间序列信息自动计算获取有效辅助LST信息的优化策略,从而实现填补算法计算效率和精度的提升：平均计算时间从12.0 s提高至1.7 s,平均R从0.94提高至0.97,平均RMSE从1.94 K提高至0.74 K（相较于三维算法）。在大湾区的填补结果表明（日间结果：R=0.98、RMSE=0.79 K;夜间结果：R=0.99、RMSE=0.56 K）,优化后的DCT-PLS算法可以快速鲁棒地填补MODIS LST月值数据产品中的缺值,并且具有稳定性强、不依赖外部数据集的计算特性,能够适应长时间序列MODIS LST缺值填补。     

林木多样性模型及生长模拟

林木生存环境复杂多变,导致林木形态千差万别,为了准确描述林木的形态多样性特征,提出了一种基于模型分解的林木生长模拟方法。首先构建多样性林木三维模型,使用林木形态的实际测量数据,基于B样条函数约束树干、树冠形态,依据削度方程模拟树干直径的变化趋势,利用Direct3D实现林木形态的三维建模;其次,按林木形态特征进行林木模型分解,将林木模型分为9个子模型;最后,使用场景节点按照拓扑结构关系对子模型进行动态组织,基于胸径、树高、枝下高、冠高和冠幅生长模型,使用多核CPU多线程并行的计算方式,获得各年龄阶段林木东、南、西、北方向形态参数,从而对子模型生长状态进行控制,实现林木不同方向生长变化的可视化模拟。结果表明：该方法可将林木三维模型与生长模型紧密结合起来,林木各方向的枝下高、冠高和冠幅严格按照生长模型进行生长,可有效模拟出林木各方向生长状态的多样性;三维场景渲染帧率（FPS）保持在25以上,平均FPS可以达到50,实现林木生长的方向异质性模拟。     

生长模型驱动的单株杉木三维动态模拟

虚拟植物是一种潜在、有力的植物分析辅助工具,而单株木生长模拟是森林生态系统模拟的基础。为了动态模拟杉木生长发育过程,提出了参数化单株木三维形态结构建模和与距离无关的单木生长模型的集成方法,其主要过程为：首先,根据杉木的形态结构特征,采用参数化建模方法建立特定生长阶段的三维静态模型;其次,根据生长模型预测不同年龄杉木的树高、胸径、枝下高和分枝轮数,并与树木三维静态模型几何描述参数建立联动;最后,采用参数曲线调整干径和枝径变化、枝条长度、分枝角等形态结构参数,使模型形态随树龄增长而变化。在自主研发的ParaTree系统上,扩展杉木动态生长模拟模块,并以福建省漳平五一林场的二类调查数据为例,动态模拟了杉木的生长过程。模拟结果表明,本方法可直观表达林分中林木个体平均生长状况和大体形态结构特征。树木三维模型描述参数与传统树木统计生长模型结合,有利于重用林业领域淀积大量的生长模型。     

基于GF-3和Landsat 8遥感数据的土壤水分反演研究

基于我国首颗全极化雷达卫星高分三号（GF-3）和Landsat8数据,研究浓密植被覆盖地表土壤水分反演方法。为了提高浓密植被覆盖地表土壤水分反演精度,首先利用PROSAIL模型、实测植被参数及Landsat8光学数据分析了8种植被指数与植被冠层含水量的相关性,从中优选出归一化差异水指数（NDWI₅）用于反演植被冠层含水量,并通过分析植被含水量和植被冠层含水量的关系,构建植被含水量模型;然后结合植被含水量反演模型和简化MIMICS模型校正了植被对雷达后向散射系数的影响,最后基于AIEM建立裸土后向散射系数模拟数据集,发展一种主动微波和光学数据协同反演浓密植被覆盖地表土壤水分模型,并以山东省禹城市为研究区,实现了玉米覆盖下HH、VV和HH+VV 3种模式土壤水分反演。实验结果表明： ① NDWI₅为最佳植被指数,对于去除植被影响有较好效果;② 基于此方法,利用GF-3和Landsat8卫星数据反演得到的土壤水分具有较高的精度;③ 相比HH和VV两种极化模式,HH+VV双通道模式对土壤水分反演结果更好,决定系数（R2）为0.4037,均方根误差（RMSE）为0.0667 m ³m ^-3。     

随机森林算法在机载LiDAR数据林分平均树高 估算中的应用研究

采用机载LiDAR数据估算森林结构参数是当前林业遥感中的研究热点。本文以福建省长汀县朱溪河流域为示范区,探讨了随机森林算法（RF）在机载LiDAR数据林分平均树高估测中的适用性。首先,通过渐进三角网（TIN）算法进行点云滤波并获取相应林分样地的植被点云子集和高程归一化的植被点云;然后,从归一化后的植被点云提取出高度分位数变量以及点云统计特征值等24个变量参数;最后,根据提取的变量参数和野外实测林分均高数据建立研究区林分平均高随机森林回归估测模型。研究结果表明,模型估测的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.938,相关系数达到0.968。对样地的估测精度都在86%以上,总体平均精度达到了93.17%。研究认为,基于植被点云变量参数的随机森林模型估测林分平均树高具有较高的可靠性。     

基于贝叶斯机器学习的生态模型参数优化方法研究

参数优化方法是准确估计生态模型参数、降低其不确定性的有效手段。本文提出一种基于贝叶斯机器学习的No-U-Turn Sampler（NUTS）生态模型参数优化方法。NUTS是一种高效的参数优化方法,每次取样中利用递归算法生成候选参数集（二叉树）推断参数的后验信息,如果满足约束条件“非U型回转”,不断构建子树更新参数;否则,记录本次抽样的“最优”参数集,并开始下一次取样,直到获取足够样本。该算法在每次取样中充分优化参数,避免因随机游走行为产生冗余抽样,提高了参数优化效率。本文以千烟洲亚热带人工针叶林碳通量模拟为例,基于Pymc3框架利用NUTS参数优化方法实现了碳通量（Net Ecosystem Exchange,NEE）模型参数反演,并与Metropolis-Hastings（MH）方法进行对比。结果表明,本文算法的参数值达到稳定波动时的抽样次数减少了85%左右,参数优化效率提升3倍左右。参数优化后,2种NEE模型中7个参数不确定性降低10%~53%。此外,NEE模拟效果明显提升,模拟值与实测值的R²分别提高23%和17%,RMSE分别降低3%和4%。综上所述,本文提出的参数优化方法对生态领域的参数估计或数据同化工作具有一定的借鉴意义。     

珠江三角洲地区登革热流行风险空间模拟与预测

近年来日益严重的登革热疫情已在中国南部地区形成疫情高发区,并对中国的公共卫生安全形成了一定的威胁。登革热主要受到区域内复杂的自然环境条件以及社会经济因素的影响,而利用地理空间分析方法和模型探究登革热疫情的影响因素,并对其未来流行风险的空间分布进行模拟,是有效开展登革热预防控制工作的重要基础。本文收集了珠江三角洲地区2010-2014年的登革热病例资料和土地利用、人口密度两种社会经济要素数据,构建土地利用回归（LUR）模型以分析登革热疫情与不同空间范围内的土地利用和人口密度之间的关系,并结合SLEUTH模型获取的2030年土地利用数据以及基于人口密度预测模型获取的2030年人口密度数据,预测珠江三角洲地区2030年登革热疫情风险的空间分布。结果表明,社会经济要素对登革热疫情空间分布的影响在不同范围内存在差异,半径分别为10、7、10、2和1 km的缓冲区内的人口密度、草地、城镇用地、林地和耕地进入LUR模型并对疫情有显著的影响（相关系数分别为0.779、-0.473、0.818、-0.642和-0.403）,所构建的LUR模型效果较好（调整R²为0.796,F=390.409,P<0.01）,留一交叉检验结果显示模型的相对均方根误差为0.7046,预测值与实测值的拟合精度达到0.7101。2030年城市空间扩展的区域主要分布在深圳、东莞以及广佛的交界地区,而登革热风险预测模型表明2030年登革热疫情风险较大的区域与珠江三角洲城镇用地占比、人口分布较高的地区有高度的一致性,尤其是广佛地区。因此,LUR模型可以较好地预测登革热疫情的空间分布,从而为当地卫生部门防控登革热提供方法支持。