面向未来的中国智慧林业:观测仪器体系的演进与发展趋势

森林观测信息的生产是支持智慧林业工作开展的基础和先导。本文以森林观测仪器技术体系的构建历史、现状和未来为切入点,以基础性公共技术的发展脉络为支撑,深入分析森林观测仪器与森林观测需求的耦合程度。传统森林观测仪器体系在时效性和准确性上已经无法满足日益发展的林业调查的需要,观测仪器存在孤立性高、难以集成、操作繁琐、效率低等问题。这主要是由于当前针对森林观测研究偏重对成熟仪器使用和数据分析,观测仪器的研发偏重算法补偿和集成第三方元件,轻物理结构设计等因素造成。面对基本测量原理鲜有更新、森林观测标准制定滞后于新型技术发展等问题,本文从对观测仪器现在和未来的联合模式进行阐述,从逻辑架构到物理技术层面上分析森林观测仪器联合模式可能在未来出现的发展状况与应用前景。最后,基于当前基础性技术发展的趋势,对可能出现的几种新形态的森林观测仪器进行推测,并以此展望在近未来可能在中国实现的一种智能森林观测体系的雏形。

应用地基雷达和机载激光雷达数据反演落叶松冠层叶面积密度

为了实现落叶松冠层叶面积密度盲区互补的协同反演,以塞罕坝机械林场为研究区,根据地基雷达和机载激光雷达数据对落叶松林冠层点云信息进行提取;利用点云分割算法对点云信息进行枝叶分离,并对冠层点云进行体素建模,分析落叶松林最优体素和接触频率的相关性;采用体素模型冠层分析法(VCP)分别对机载雷达和地基雷达数据绘制冠层叶面积密度曲线,实现对区域林木叶面积密度的反演。结果表明:运用冠层分析法适用于估算落叶松的叶面积密度,机载雷达点云数据和地基雷达点云数据协同估算的相对误差最小(平均相对误差1.95%),机载雷达数据估算次之(平均相对误差5.09%),地基雷达数据估算误差最大(平均相对误差9.37%)。因此,机载和地基雷达数据协同反演可以提升落叶松林叶面积密度的估算精度。

基于BEPS模型的塞罕坝植被净初级生产力时空变化分析研究

叶面积指数(leaf area index,LAI)是北部生态系统生产力模拟模型(boreal ecosystem productivity simulator,BEPS)的关键驱动数据,获取高精度LAI对区域森林生态系统碳循环十分重要,然而当前大多研究采用的MODIS LAI产品缺乏可信度。为此,基于LAI动态模型、PROSAIL辐射传输模型和层状贝叶斯网络(Hierarchical Bayesian Network,HBN)构建数据同化系统,获得空间分辨率为20 m的LAI数据,驱动BEPS模型,模拟塞罕坝机械林场2011—2021年的植被净初级生产力(Net Primary Productivity,NPP),并对NPP时空变化特征及影响因子进行分析。结果表明,基于贝叶斯同化方法获得的高分辨率LAI数据极大提高了MODIS LAI产品的精度;基于同化后的LAI数据驱动BEPS模型获取模拟森林NPP,与样地实测数据计算NPP间相关性较高(R^(2)=0.77);2011—2021年塞罕坝机械林场植被NPP平均值为307.4 g/(m^(2)·a),森林NPP呈现平稳增长趋势;不同植被类型模拟NPP存在较大差异,针叶林、落叶林及混交林模拟NPP分别为484.9、402.4、287.9 g/(m^(2)·a);植被NPP与温度因子相关性较高,偏相关系数为0.2~0.8,而植被NPP与降水量的相关性总体而言相对较低,其偏相关系数为-0.3~0.4,在该地区降水量对植被NPP的影响较低,温度为该地区NPP变化的主导因子。研究结果可获取高空间分辨率的LAI数据,为森林生态系统碳循环的精准时空模拟提供依据。

应用集合卡尔曼滤波算法对土壤呼吸速率同化及NEP估算

为了对净生态系统生产力(NEP)进行准确估算,以长白山通量观测站观测数据为基础,构建土壤温度、湿度耦合因子的更新模型(线性函数、指数函数、二次式函数),结合集合卡尔曼滤波算法(EnKF)获取高精度土壤呼吸速率数据,应用陆地生态系统碳循环综合模型(InTEC模型)准确估算NEP。结果表明:二次式模型的EnKF算法同化结果估算效果最好,决定系数(R^(2))为0.782,均方根误差为52.90 g·m^(-2)·a^(-1);指数模型EnKF算法同化结果估算值的R^(2)为0.755,均方根误差为56.47 g·m^(-2)·a^(-1);线性模型EnKF算法同化结果估算值的R^(2)为0.742,均方根误差为62.80 g·m^(-2)·a^(-1)。选取二次式模型优化后的土壤呼吸速率数据,InTEC模型模拟长白山通量观测站长时间序列净生态系统生产力的R^(2)为0.900,均方根误差为61.77 g·m^(-2)·a^(-1);InTEC模型模拟东北三省森林生态系统2003—2010年的净生态系统生产力年均值,由初始模拟的30.07 g·m^(-2)·a^(-1),经EnKF算法更新后提升到176.87 g·m^(-2)·a^(-1)。因此,采用EnKF更新土壤温度-湿度耦合因子获取的土壤呼吸速率数据,能够提高InTEC模型估算NEP的精度,为大区域尺度森林生态系统NEP估算提供技术支持。

基于集合卡尔曼滤波的帽儿山森林多源LAI产品重建及融合校正方法

【目的】现有叶面积指数(LAI)产品大多存在分辨率低、数据异常和精度低等问题,难以满足某些应用需求。因此,本研究提出一种多源LAI数据的融合方法,以减少不同来源数据的差异并提高产品精度。【方法】以帽儿山实验林场的阔叶林和针叶林区域为研究区,基于2017年的MODIS、VIIRS和PROBA-V的LAI产品,利用多年LAI数据作为先验知识建立LAI背景库修正低质量数据,对3种LAI数据集进行混合像元分解的降尺度处理,基于Sentinel-2反射率产品耦合集合卡尔曼滤波(EnKF)算法、LAI动态模型和辐射传输模型进行数据同化,最后对同化后的3种LAI数据进行赋权融合,使用实测数据进行精度评价。【结果】在阔叶林,同化后的MODIS、VIIRS和PROBA-V LAI与实测数据的相关系数分别为0.59、0.56和0.62,比原始数据提升了0.57、0.52和0.57;均方根误差分别为0.37、0.31和0.14,比原始数据减小了1.23、1.69和1.06。在针叶林,同化后的MODIS、VIIRS和PROBA-V LAI与实测数据的相关系数分别为0.59、0.49和0.56,比原始数据提升了0.52、0.30和0.40;均方根误差分别为0.24、0.28和0.19,比原始数据减小了1.22、0.67和1.35。通过融合方法,阔叶林LAI和针叶林LAI的相关系数分别为0.83和0.76,比同化后数据的相关性更高;均方根误差分别为0.15和0.13,比同化后数据的误差更小。【结论】通过数据同化提升了3种LAI产品精度,融合后LAI较同化后单一LAI具有更高的精度和可靠性。

应用双频合成孔径雷达(SAR)数据和干涉水云模型估算森林生物量

以河北省承德市塞罕坝机械林场为研究区域,应用哨兵1号(Sentinel-1A)C波段双极化数据和大地2号L波段全极化数据分别建立干涉水云模型(IWCM)估算森林地上生物量。结果表明:大地2号(ALOS-2)L波段全极化数据体散射比例为72%,二面角散射比例为4%;L波段HV极化和VH极化的估算结果较好,HV极化估算结果的决定系数(R^(2))为0.737,均方根误差(R_(MSE))为28.88 t/hm^(2);VH极化估算结果的决定系数(R^(2))为0.743,均方根误差(R_(MSE))为27.76 t/hm^(2);C+L波段的组合方式反演结果最优,决定系数(R^(2))为0.863,均方根误差(R_(MSE))为18.92 t/hm^(2)。采用干涉水云模型估算森林生物量,L波段合成孔径雷达(SAR)数据估算精度高于C波段估算精度,L波段SAR数据更适合进行森林生物量的估算;C波段和L波段SAR融合对森林生物量的估算精度显著提高。

高光谱遥感在荒漠化监测中的应用

论述并建立了适合于高光谱遥感技术的荒漠化监测指标。提出了基于高光谱分辨率数据处理算法的荒漠化监测评价指标信息的提取方法、初步构建了ＴＭ、高光谱分辨率成像光谱仪和地面调查相结合的荒漠化监测的技术框架。

华北落叶松林立地因子提取及立地指数遥感估测

根据2019年Landsat8 OLI光学遥感数据和塞罕坝机械林场地区2020年森林资源二类清查数据以及临时样地数据,编制塞罕坝机械林场华北落叶松林立地指数表,并得到华北落叶松林小班立地指数。在小班尺度上获取影像的光谱、纹理、植被指数、线性变换、地形等6个种类59个特征,利用极限梯度提升算法(XGBoost)提取华北落叶松林小班林分因子信息估测立地指数。结果表明:遥感-立地因子特征立地指数估测模型的精度更高,准确度为0.877376,召回率为0.894318,精确率为0.926923,F_(1)值为0.908221。因此,在立地指数估测中,将多光谱遥感特征与立地因子提取相结合具有应用潜力。

基于两种辐射传输模型的遥感数据大气校正及结果对比分析

通过辐射传输方程详述了大气效应对遥感图像的影响及大气校正的原理,并利用两种辐射传输模型——6S和FLAASH(基于MODTRAN)对同一区域ETM+数据的可见光、近红外波段分别进行了大气校正。从校正的结果看,两种模型均对由于大气效应引起的辐射失真进行了辐射校正,消除了因散射增加的辐射能量,同时补偿了因吸收而损失的辐射能量,但在校正结果上存在差异。只有将两种辐射传输模型方法结合使用,才能更好地消除大气效应对研究区域的影响。

长白山林区森林生物量遥感估测模型

采用黑龙江长白山地区TM图像和143块森林资源连续清查固定样地数据及野外调查补充样地数据,选择包括各波段灰度值、不同波段灰度值之间的线性和非线性组合(包括11种植被指数)、纹理信息以及环境因子在内的75个自变量,分别采用逐步回归分析法和偏最小二乘回归法建立黑龙江长白山林区森林生物量遥感估测模型:逐步回归法采用5个自变量所建模型平均拟合精度为76.5%,均方根误差为19.12t·hm-2,样地生物量真实值与预测值相关系数为0.5434;偏最小二乘回归法采用10个自变量所建模型平均拟合精度85.8%,均方根误差9.92t·hm-2,样地生物量真实值与预测值相关系数0.8603,偏最小二乘回归法要优于逐步回归法。利用建立的偏最小二乘回归模型计算得到黑龙江长白山2007生物量等级分布图,采用29个检验样本对反演结果进行检验,计算得到29个样本的平均预测精度为83.73%。

3S技术在哈尔滨市郊景观生态规划中的应用

利用哈尔滨市遥感数据资料,在RS、GIS和GPS技术支持下,获取哈尔滨市郊景观格局现状及哈尔滨数字高程模型(DEM).选取平均斑块面积、景观优势度、平均坡度、平均海拔和破碎度因子对其进行综合分析,并借助DEM模型进行景观生态规划.结果表明,3S技术为典型景观类型的确定提供了科学依据;建立了市郊景观类型数据库,并生成景观类型专题图;土地利用现状和景观空间分布以及地形地貌和土地利用类型相结合.DEM和遥感影像的叠加,从大尺度上定性刻画市郊的景观生态规划,而景观生态规划和DEM的叠加,更加直观地反映了市郊的景观结构,为提高区域生态功能,促进城乡一体化的健康发展提供科学依据.

哈尔滨热岛效应与植被指数关系的动态分析

采用哈尔滨2001年与1989的ETM+/TM影像,利用遥感影像所具有的热信息内容特点,以及地表温度反演原理建立了辐射温度空间模型(Radiant Temperature Spatial model),分别得到哈尔滨2001年与1989年热力场的分布情况。同样通过归一化植被指数(INDV)的原理也建立归一化植被指数空间模型,并用拟合法对热力场温度与归一化植被指数进行线性相关分析。结果表明:该区域2001年与1989的温度分布存在显著差异;地面温度与植被指数之间存在反相关关系。

科尔沁沙地地物光谱数据分析

根据测定各种地物的大量光谱数据 ,分析了内蒙古自治区奈曼旗荒漠化地区沙地、土壤、水体、水泥路面及部分植被的光谱特性及其变化规律 ,结果表明 ,研究区的水泥路面光谱变化均匀、平稳 ,是理想的光谱定标测试点。同时 ,利用导数和归一化的方法对植被光谱进行了处理 ,消除了因光照等因素造成的同一植被类型不同部位光谱的差异 ,从而提高了地物光谱重建的精度。

荒漠化地区土壤含水量的遥感定量反演

基于奈曼旗科尔沁沙地TM数据建立了反射率经验模型,据此计算了TM数据的地表反射率,同时通过光学植被盖度模型排除了植被干扰,建立了土壤含水量与地表反射率的回归模型,并以此模型反演出了研究区土壤含水量,最后对TM遥感数据反演的土壤含水量结果进行了精度检验.结果表明:遥感定量反演的理论精度达到81.81%,实际精度达到92.17%,说明荒漠化地区土壤含水量数据的遥感定量反演具有较高的科学性.

遥感图像与矢量图形叠合显示方法

利用帽儿山林场的TM图像、AutoCad图和Arc/Info的coverage矢量图层 ,给出了 3种不同的RS图像与矢量图形叠合方法 ,并分别对其实现的原理与方法进行了分析。结果表明 :3种方法的显示效果差异不大 ,因此 ,根据不同的条件选用适合的方法 。

多时相遥感影像相对辐射校正方法对比

针对目前大区域多时相遥感影像在进行相对辐射时,如何选择合适的校正方法的问题,该文对比分析了目前比较流行的相对辐射校正方法,分析影响因素和适用条件。选择直方图匹配法、基于统计量的校正方法、图像回归法、伪不变特征法和暗集-亮集法5种相对辐射校正方法,以大兴安岭地区两期TM遥感数据为实验数据,运用均方根误差、归一化植被指数与像元灰度值变动范围3种统计特征参数和差值法对采用5种方法校正后的遥感图像进行分析与评价。研究结果表明:5种相对辐射校正方法都减小了遥感图像之间的变化程度,提高了动态监测精度。综合研究区域特征、校正方法对图像变化程度的影响以及易操作性等因素分析,暗集-亮集法和伪不变特征法校正效果最好。

基于3S的哈尔滨市城区绿地现状分析

为了解、研究哈尔滨市区的绿化现状,给城市决策者在长期规划时提供良好的理论支持,达到城市生态环境建设的要求,利用3S技术与外业调查相结合的方法,对哈尔滨市的3条环线区域和5个市级行政区绿地的现状进行了分析,结果表明:哈尔滨市区中公园绿地为城市绿地的39%,占绝大部分,居民区绿地的建设规模较小,为6%;从乔木、灌木以及草本的比例结构中可以看出,草本植物所占比例较大,为19%。植被单一出现情况比较多,单一草本面积占绿地百分比较高,乔灌草混交类型这种城市中比较合理的绿化方式在哈尔滨城市绿化过程中应用较少,有待改进。

科尔沁沙质荒漠化评价遥感信息模型

采用遥感信息模型对科尔沁沙地奈曼旗荒漠化主要评价因子(植被盖度、生物量和土壤含水率)进行定量反演;利用线形混合光谱分析(SMA)模型计算裸沙占地百分比.通过每个像元可获取全部评价因子的指标值.在现有荒漠化评价方法的基础上,建立以像元为单位的荒漠化程度评价的定量化遥感信息模型,并输出荒漠化程度分布图.选取了60个样点进行评价模型的精度验证,被正确评价的点数为55个.结果表明,该模型对研究区域荒漠化程度进行定量评价,其精度可达91·7%,说明利用遥感信息模型评价土地荒漠化的方法具有较高的科学性.

荒漠化程度评价高光谱遥感信息模型

本文用国产高光谱分辨率成像光谱仪系统数据对荒漠化评价建立定量化遥感信息模型。对荒漠化评价因子中的主要定量因子 (植被盖度、生物量和土壤含水率 )进行了定量反演 ;对难于进行定量计算的评价指标 ,先通过目视解译获得各因子的编码图 ,分别进行影像化后参加荒漠化程度评价遥感信息模型计算。通过每个像元都可获取全部评价因子的指标值 ,在现有的荒漠化评价方法的基础上 ,建立以像元为单位的荒漠化程度评价的定量化遥感信息模型并输出荒漠化程度分布图。结果表明 ,用高光谱数据定量反演荒漠化地区植被生物量、盖度和土壤含水率是比较可靠的。当反演区域内灌木和草地同时存在时多项式模型的精度要明显高于线性模型 ;当植被类型单一时 ,模型即为较高精度的线性模型 ,但模型的应用地域范围受到限制 ,只能分块进行计算。因此 ,在只有灌木和草地的区域用多项式模型反演会提高效率。土壤含水量的反演方法适合于地形平坦、植被比较稀疏的条件。但研究发现 ,基于土壤热惯量的含水量模型具有一定的抗植被干扰能力。荒漠化程度评价的遥感信息模型的精度主要取决于现有荒漠化评价的方法 (即评价指标是否科学合理、专家给定的权重和等级标准是否客观 )

GIS输入的摄影测量方法

为了拓宽ＧＩＳ的输入范围。文章研究了ＧＩＳ输入的摄影测量方法。该方法应用摄影测量理论的空间解析模型，选取已知地图坐标的控制纠正点．求解模型参数、经过坐标变换．以象片区划线的弧为基本单位进行数字化处理，得到地图坐标数据．由此坐标数据提取出弧和结点数据、最后生成与ＡＲＣ／ＮＦＯ系统相兼容的拓扑数据结构。经检验用该方法完全满足成图要求。