基于两种无人机航拍影像的林窗和林冠提取分析

森林冠层和林窗的结构及其时空变化是理解森林生态系统格局、动态变化过程的重要基础。在当前生物多样性监测倍受关注的契机下,如何以合适的手段准确描述林窗面积、分布等特征,并与森林固定样地监测数据有效地结合,更好地回答群落构建的理论问题,使森林群落物种多样性维持机制得到更全面的认识,是目前亟待解决的问题。以鼎湖山南亚热带常绿阔叶林20hm2固定监测样地为研究对象,基于不同遥感影像提取方法对其林窗和林冠表层数据进行提取分析。结果表明:基于监督分类的提取方法适合RGB波段航片林窗的提取,在林窗分类中,应首先确定林窗高度、边界木与最小面积,不同分类方法差异主要表现在林冠分类中,林窗分类生产者精度和用户精度表现都较为一致。无人机航拍识别率受地形因素影响较大,在地形复杂林地应按坡度分区域进行飞行以降低误差。相对于地面调查,MD4-1000无人机航片的林窗识别率为98.7%;大疆Phantom4无人机航片的林窗识别率为72.3%,影像后期处理数据量小,同样适用于森林林窗定量研究,符合生态学、林业等从业人员对大型样地林窗长期监测的要求。无人机航拍南亚热带森林物种识别难度较大,基于MD4-1000无人机搭载的高分辨率相机,在地势平缓区域优选的4 hm2样地中可识别林冠表层物种数17种,共2 706个个体。搭载高分辨率无人机在降低飞行高度的基础上可进行部分物种识别。应用无人机近地面遥感对森林固定样地进行林冠监测,可为后期群落构建研究提供数据基础,有望从新的研究角度探讨森林群落物种多样性维持机制。     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距,不仅可以快速获取地面物体的三维坐标,还可以获得多个波段的地物光谱信息,可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征,完成多光谱LiDAR的随机森林地物分类;并分析随机森林的特征贡献度特性,采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度,而且可以适当地去除部分冗余和相关的特征,从而有效提高分类精度。     

祁连山亚高山灌丛林叶面积指数与冠层氮、磷的关系

氮和磷作为植物体内重要的生命元素,在植物群落的生长发育过程中发挥着重要的作用。为了明确祁连山亚高山灌丛林叶面积指数与冠层氮、磷之间的关系,本文通过对祁连山亚高山灌丛林不同植被类型(箭叶锦鸡儿、高山吉拉柳、金露梅)及不同放牧处理(羊群、牦牛,未放牧)条件下灌丛群落的叶面积指数(LAI)与叶片氮积累量(TFN)、叶片磷积累量(TFP)比较发现,在整个亚高山灌丛群落中,LAI与TFN和TFP之间都有较强的相关性,并且TFN和TFP比值的变化表明不同植被类型叶片的生长都受到N、P的共同限制,只是随着LAI的增加,高山吉拉柳主要受到氮素的限制,箭叶锦鸡儿主要受到磷素的限制,而金露梅则受到N、P的共同限制;在不同放牧条件下,单位面积LAI对应的TFN的值较高而TFP的值较低,说明动物通过对植被的啃食可能会改变群落的模式,在一定程度上限制磷的摄入。LAI、N、P之间的耦合关系表明了亚高山灌丛群落的LAI在物种组成、放牧和冠层密度上存在差异,但仍然受到N和P的约束。研究结果有利于探索水分限制条件下祁连山灌丛林生态系统植物叶片与养分元素之间关系,对于研究干旱区高寒灌丛生态系统在全球气候变化中的作用及其对全球气候变化的响应与反馈,具有重要的理论价值和实践意义。     

广西森林转型与森林扰动遥感监测研究

近20年来由于封山育林政策的实施和人工乔木林的大面积种植,广西森林面积大幅增加,正在经历深刻的森林转型,森林转型过程中农林交错带和森林内部的结构重组都给生态系统带来了不容忽视的扰动。本文基于2000—2016年MODIS-EVI影像数据、1∶100万地貌图和4期土地利用数据,采用变化矢量法和Sen+Mann-Kendall对广西进行森林转型背景下的森林转型路径和森林内部扰动特征分析。研究表明:自2000年以来广西森林的EVI变化强度以无变化和低变化类型为主,总体EVI上升趋势略大于下降趋势,EVI显著下降主要分布于十万大山、大瑶山、海洋山和越城岭等山地区域和桂西北的百色水利枢纽和龙滩水利枢纽周围,显著上升部分主要集中于桂中南的左江-邕江-郁江流域平原丘陵区、桂西南喀斯特区和桂东北山地区地势低平的河谷地带。广西森林面积增加的土地来源于耕地和草地,森林转型路径表现为"经济增长型"和"森林短缺型"两种路径并存,或者存在更为复杂的复合型路径。广西森林内部扰动的减少型和扰动型分布于桂西北喀斯特和桂东北山地起伏度较大的陡坡区域,增加型分布于桂中南的平原丘陵地区。由于山地陡坡区域和喀斯特地区的生态敏感性,应更多关注扰动型和减少型在桂西北和桂东北地区的集中分布问题。     

How forest gaps shaped plant diversity along an elevational gradient in Wolong National Nature Reserve?

Journal of Geographical Sciences - Understanding the underlying ecological processes that control plant diversity within (α-diversity) and among (β-diversity) forest gaps is important for...     

How changes of groundwater level affect the desert riparian forest ecosystem in the Ejina Oasis,Northwest China

Groundwater is a key factor controlling the growth of vegetation in desert riparian systems. It is important to recognise how groundwater changes affect the riparian forest ecosystem. This information will not only help us to understand the ecological and hydrological process of the riparian forest but also provide support for ecological recovery of riparian forests and water-resources management of arid inland river basins. This study aims to estimate the suitability of the Water Vegetation Energy and Solute Modelling(WAVES) model to simulate the Ejina Desert riparian forest ecosystem changes,China, to assess effects of groundwater-depth change on the canopy leaf area index(LAI) and water budgets, and to ascertain the suitable groundwater depth for preserving the stability and structure of desert riparian forest. Results demonstrated that the WAVES model can simulate changes to ecological and hydrological processes. The annual mean water consumption of a Tamarix chinensis riparian forest was less than that of a Populus euphratica riparian forest, and the canopy LAI of the desert riparian forest should increase as groundwater depth decreases. Groundwater changes could significantly influence water budgets for T. chinensis and P. euphratica riparian forests and show the positive and negative effects on vegetation growth and water budgets of riparian forests. Maintaining the annual mean groundwater depth at around 1.7-2.7 m is critical for healthy riparian forest growth. This study highlights the importance of considering groundwater-change impacts on desert riparian vegetation and water-balance applications in ecological restoration and efficient water-resource management in the Heihe River Basin.     

基于随机森林的光子计数激光雷达点云滤波

新一代星载激光雷达卫星ICESat-2首次采用了微脉冲光子计数激光雷达技术,由于单光子探测的灵敏性导致数据在大气和地表下层产生了大量噪声,因此对光子计数激光雷达点云数据实现信号和噪声的分离是开展进一步应用研究的前提和基础。本文选择美国俄勒冈州和弗吉尼亚州2个研究区,采用MATLAS数据,根据光子点云数据的特点构造了12个光子点云特征,对所构造的特征利用随机森林进行变量筛选,用机器学习方法对光子点云进行分类,并将建立好的模型推广到整个研究区。研究结果表明,本文构建的分类器分类总精度达到了96.79%,Kappa系数为0.94,平均生产者精度和用户精度分别为97.1%和96.8%。在相对弱噪声、平坦地形区域和强噪声、复杂地形区域都取得较好的分类结果。本文结果显示了基于少量样本通过机器学习的方法构建模型,可以推广到较大范围区域的光子点云分类应用中。     

基于深度学习的钨钼找矿靶区预测方法研究

随着矿产勘查工作由浅部矿向深部隐伏矿、由易识别矿向难识别矿发展,找矿难度日益增大,地质专家越来越重视新理论、新方法、新技术的应用。深度学习作为人工智能的前沿领域/技术,对于实现矿产资源预测“智能化预测评价”具有得天独厚的优势。本文以陕西省镇安县西部钨钼矿集区单元素化探异常原始数据为基础,提出了基于深度学习的钨钼矿产评价方法。该方法以归一化地球化学数据作为模型训练数据,通过深度学习中深度自编码网络方法实现异常值提取进而识别重点成矿有利地段,实现矿产资源找矿远景区定性预测。研究结果表明,在对957条单元素化探异常原始数据分类且做好模型标签后,整个过程在计算机的“黑盒子”中自动完成学习和预测,相较于传统预测研究方法,本文方法具有自动化程度高和客观性强的特征。此外,本文利用已知矿点构建训练数据集,采用随机森林方法对预测区进行矿产资源找矿靶区预测圈定,为进一步缩小找矿靶区范围提供科学依据。     

南方亚热带季风区将乐县森林植被动态变化及其对气候变化的响应

在全球气候变化背景下,植被动态变化以及植被对气候变化的响应方式已经成为生态学和地理学领域的热点。本文对比分析了南方亚热带季风区将乐县不同类型森林植被对不同时间尺度的干旱响应的差别。基于2000-2017年MODIS-EVI数据及气象站点数据,用最大值合成法、趋势分析法以及相关分析法,分析了森林植被及气象因子的动态变化特征,并对比不同森林植被对气候变化响应的差别。研究表明：① 2000-2017年,研究区植被覆盖度、EVI和降水均显著增加,区域内湿度增加,森林长势渐趋良好;② EVI在生长季初期和末期与同期的降水、温度均显著正相关（P<0.1）,初期森林受降水因子的影响更大,末期受温度因子的影响大;③ 1-3月和周年的气候变化对森林的生长至关重要,长时间尺度的湿度增加对森林生长具有显著的促进作用,SPEI的时间尺度越长与EVI的相关性也越大;④ 针阔混交林与同期温度、降水的相关系数最高,并且与不同时间尺度的SPEI相关性均比较高,属于气候敏感型林型,在生产经营中要谨慎预防气候变化对该林型带来的伤害;⑤ 森林覆盖度变化与降水和SPEI_24的相关性极显著,长时间尺度的降水变化是影响森林植被覆盖率变化的重要因素之一。