应用多时序特征的哨兵系列影像对南方丘陵区树种识别

树种分类是森林资源调查和监测的重要工作,杉木和油茶作为袁州区主要经济树种,准确获取树种空间分布信息,对产量估算和资源管理具有重要意义。以江西省宜春市袁州区为研究区,试验融合时序哨兵-1(Sentinel-1)、哨兵-2(Sentinel-2)等数据,结合中国南方丘陵区树种特点,提取植被指数、红边植被指数、地形特征和纹理特征等构建特征变量组合,分别利用分离阈值法(SEaTH)和特征权重算法(ReliefF)进行特征重要性排序和特征优选,分析各特征对树种分类的影响。结果表明:(1)在使用光谱特征和植被-水体指数的基础上加入不同特征后,树种分类精度均有提升,其中纹理特征的加入更有利于树种分类。(2)结合随机森林算法和特征权重算法(ReliefF)对树种分类的精度最高,总体精度为85.33%,Kappa系数为0.81,优于相同特征组下的支持向量机算法和分类回归树算法。

快速城镇化地区生态环境质量时空格局演变及对土地利用变化响应——以廊坊市北三县为例

对生态环境质量时空格局及其对土地利用变化的响应进行研究可为区域制定生态保护修复政策提供参考。通过构建遥感生态指数,对廊坊市北三县2000-2020年生态环境质量分布格局分析评价,利用地理加权回归模型探索生态环境质量变化对土地利用变化的响应。结果表明,北三县2000-2020年生态环境质量等级以“良”和“一般”为主,整体呈下降趋势,等级“较差”面积呈快速增长趋势。建设用地变化、土地利用强度变化和生态环境质量变化呈负相关关系,回归系数在空间上呈现较大的异质性;生态用地变化与生态环境质量变化呈正相关关系,回归系数在空间上异质性不强。城镇快速扩张的区域生态环境质量变化对建设用地变化和土地利用强度变化响应最显著。大量耕地向建设用地转变是区域生态环境变化的最主要影响因素,在国土空间规划中应划定城市边界,严格控制建设用地规模,提高集约节约利用水平,确保区域可持续发展。

面向激光雷达点云数据的多结构树种识别

针对由于树木种间相似性和种内差异性带来的识别困难,以及由于采集环境及设备的多样性导致的点云质量差异,提出面向激光雷达点云数据的多结构树种识别方法(MSTSR)。首先借助改进的组合采样策略,在有效降低数据冗余的同时,保留单木的主体枝干结构;其次通过内建的近邻感知与增强模块(NAE)层次化聚合点云属性,以形成高阶的语义描述;最后通过融合树冠、主干以及整树的多结构信息,生成跨尺度的树木点云表征。在地面激光雷达采集的树种点云数据集上验证该方法的有效性,该数据集由7个树种共690棵树组成的。结果表明:该方法的总体准确率达到94.2%。相比主流的PointNet和PointNet++深度点云分类网络,分别提升13.04和9.42个百分点;相比基于点云的多视图2D投影方法,提升8.19个百分点;相比基于多个测树因子的随机森林方法,提升24.63个百分点,从而证实采用深度网络直接进行树种点云识别的潜力。

近40 a闽江流域森林景观格局动态变化

以1986年、2003年、2021年3期Landsat遥感影像数据和森林资源连续清查数据等为基础数据,从景观要素斑块特征、景观要素空间构型与景观异质性3个方面构建景观格局指数,分析闽江流域森林景观格局的动态变化及影响因素。结果表明:2021年,有林地面积占闽江流域林地面积的68.28%,是流域景观的基质类型;1986—2003年,有林地面积增加了349134.5 hm^(2);2003—2021年,有林地面积增加了392508.77 hm^(2)。有林地景观要素边缘密度、内缘比增大,平均形状指数与分维数均减小,斑块边界趋于光滑、简单、有规则。流域斑块总数减小,总周长与斑块平均面积增大,景观破碎化降低,分布趋于聚集。在景观异质性方面,优势度指数与香农多样性指数增大,均匀度指数减小,说明优势景观有林地对整个流域景观的控制作用增大,景观稳定性增强,异质性降低。综上可知,闽江流域森林景观边缘效应增加,破碎度降低,景观生态功能增强,生态环境质量提升。

基于新遥感生态指数环境质量动态监测——以阜新市为例

气候灾害易影响生态环境,传统的遥感生态指数(RSEI)缺乏气候因素影响生态质量的研究,本研究引入气象因子并优化了生态因子的选择,更加综合全面评价区域内的生态环境质量。使用主成分分析法构建新遥感生态指数(NRSEI),对各因子及多因子交互分析。结果表明,NRSEI较RSEI各因子在第1主成分贡献率均值提升12.53%,并且NRSEI与各因子相关性为高度相关,3 a均值为0.853。分析了2013-2020年阜新市生态环境的变化特点和原因,并利用NRSEI对研究区域的生态环境质量进行动态监测和评估,总体来看,2013-2020年阜新市生态环境状况变好,对于阜新市与NRSEI相关性最高的单个因子是湿度因子,因此阜新市相关部门应注重对河流、湖泊和湿地的保护,减少建筑开发,以改善城市的环境质量。

基于变化更新的中东欧国家森林覆盖制图

[目的]分析中东欧国家森林资源覆盖状况,了解中东欧各国林业的现实情形和独特优势,为中国与中东欧国家加强林业合作提供基础数据。[方法]基于Google Earth Engine(GEE)平台获取中东欧国家2020年生长季无云影像,利用随机森林算法对影像进行分类,应用连续变化检测和分类算法得到森林变化信息并更新初步分类结果,最终获得中东欧国家土地覆盖分类结果。利用欧盟统计局土地利用/覆盖区域框架调查(LUCAS)数据、目视解译数据以及联合国粮农组织统计数据(FAOSTAT)对本研究分类结果进行验证和评估,结合谷歌高分辨率影像对制图结果进行分析。[结果]本研究分类结果利用LUCAS数据和目视解译数据的森林类型用户精度分别为0.930和0.911,生产者精度分别为0.860和0.956,总体精度分别为0.810和0.881,整体上优于GlobeLand30 2020产品(森林类型用户精度分别为0.920和0.900,生产者精度分别为0.690和0.840,总体精度分别为0.700和0.832)。根据研究结果计算出中东欧国家总体森林覆盖率为39.6%,相比GlobeLand30 2020结果(34.4%),与FAOSTAT的森林覆盖率(40.0%)更接近。目视上看,本制图结果在细节刻画上比GlobeLand30 2020产品更丰富,更能准确反映森林分布特征。截至2020年,中东欧国家森林覆盖呈北部、东南地区和西南地区丰富密集,中部分布广泛且相对较少的特点,爱沙尼亚、拉脱维亚、斯洛文尼亚、黑山等国家森林分布茂密,波兰、匈牙利等国家森林分布较为稀少。[结论]针对中东欧国家森林覆盖应用需求,本研究提出基于产品变化更新的森林覆盖制图方法,生产了中东欧国家2020年森林覆盖产品。本研究方法可为大区域森林覆盖制图提供新的借鉴和参考,结果有助于宏观了解中东欧国家森林覆盖状况。

2000-2020年丹江口库区植被覆盖与土地利用时空演变分析

厘清植被覆盖与土地利用变化关系对于区域人地关系协调发展具有重要意义。基于丹江口库区2000-2020年MODIS NDVI数据和土地利用遥感监测数据,利用像元二分模型估算库区植被覆盖度,分析其时空变化特征,并结合土地利用变化图谱和景观格局指数,揭示库区土地利用变化规律,探讨其对植被覆盖的影响。结果表明,1)2000-2020年丹江口库区植被覆盖度整体较高,呈增加趋势,增速为0.0014/a,呈极显著(P<0.01)、显著(P<0.05)增加趋势的区域分别占15.74%、14.16%,未来库区植被覆盖变化状况良好。2)库区土地利用主要以林地、草地、耕地变化为主,LPI、SHDI及AI整体以升高为主。3)库区林地、耕地、草地变化对植被覆盖的影响较大,土地利用类型变化促进了植被覆盖的增加,LPI、AI与植被覆盖变化呈正相关,而SHDI与植被覆盖变化呈负相关。丹江口库区植被覆盖受土地利用变化的影响显著,研究结果可为库区国土空间优化以及生态修复提供理论依据。

电子森林罗盘仪的研发与试验

树高和树木位置是森林经营决策中重要的指标,常用于估计森林生长量、树龄、材积、生物量和碳储量等立木参数,其精度对立木质量的评价及森林生长的预测分析影响较大。为解决当前森林调查仪器价格昂贵、移动不便、测量周期长、人力耗损大等问题,基于三维电子罗盘和激光测距雷达研发了一种电子森林罗盘仪。该仪器设计了嵌入式软硬件,开发了与之配套的Android端应用,实现了树高和树木位置数据测量的电子化和数字化。为验证仪器的精准度与效率,选取59株立木进行试验。结果表明:在精准度上,方位角的绝对误差均值为4.5°,树高的相对精度为96.95%;在作业效率上,该仪器约为全站仪的2倍。该仪器携带方便、制造成本低、内外业一体化,能够满足国家森林资源连续清查中的测量精度要求,在森林资源调查中具有广阔的应用前景。

基于LandTrendr算法的广东省1990-2020年森林干扰与森林恢复的动态变化分析

为准确掌握广东省森林干扰与森林恢复的动态特征,文章基于谷歌地球引擎(Google Earth Engine,GEE)云平台构建Landsat长时序年度无云地表反射率影像集,采用LandTrendr(Landsat-based detection of Trends in Distur-bance and Recovery)算法提取广东省1990—2020年森林干扰与森林恢复的时空分布特征,并分析其演变的驱动因素,比较不同森林类型的干扰与恢复特征。结果表明:(1)1990—2020年,广东省的森林干扰总面积约为1.35×10^(4)km^(2),集中分布在广东省西部、东部和中部小范围地区,干扰面积最大的3个城市分别为韶关、梅州、清远市;森林恢复总面积约为1.91×10^(4)km^(2),集中分布在广东省北部和西部地区,恢复面积最大的3个城市分别为韶关、清远、肇庆市。(2)广东省森林干扰与森林恢复均集中发生在海拔小于等于600 m的地区,高海拔地区的森林面积较为稳定;广东省森林干扰集中发生在坡度小于等于25°的地区,森林恢复集中发生在坡度小于等于35°的地区。(3)广东省森林干扰在1996年后发生较为频繁,其中2011年的森林干扰面积最大;森林恢复主要集中在2001—2016年,其中2012年的森林恢复面积最大。(4)广东省的森林干扰与森林恢复主要受雨雪冰冻灾害、台风、病虫害等自然因素以及森林火灾、城市化、采伐、林业政策等人为因素的综合影响,其中雨雪冰冻灾害对广东省北部地区的常绿针叶林的影响较大,但该类型的森林恢复也较快。

多策略融合改进北方苍鹰算法的森林冠层图像分割

针对森林冠层图像复杂,分割精度较差等问题,提出一种多策略融合改进北方苍鹰优化算法(Improved Northern Goshawk Optimization,INGO)的冠层图像分割方法。首先,在北方苍鹰初始化引入随机反向学习策略,以增加种群多样性,提高搜索效率;在北方苍鹰探索阶段,添加自适应权重因子提高算法搜索能力,加快算法收敛速度;在北方苍鹰开发阶段,添加非线性收敛因子平衡全局搜索和局部开发能力。其次,采用多阈值Kapur熵作为适应度函数,通过选取8个基准函数对改进的算法进行测试,测试结果表明,改进的算法可以有效提高精度和搜索速度。最后,将所改进的算法对森林冠层图像进行阈值分割试验,并在适应度值、森林图像分割时的峰值信噪比(PSNR)、结构相似性(SSIM)与特征相似度(FSIM)上进行对比分析。试验结果表明,改进的算法可以获得更精确的森林冠层分割阈值和更高的分割精度。

黑木相思家系适地适树品种综合评价

[目的]为选出适宜南方山地的黑木相思家系,揭示黑木相思长势土壤养分的空间分异规律与地形变化的关系。[方法]本文以杉木采伐迹地上营造的15年生7个黑木相思家系(M1~M7)为研究对象,采用经典统计学、描述性统计、地统计学方法和GIS技术,研究了7个黑木相思家系分别在不同坡位的土壤理化性质的变化规律和土壤养分的空间分布,并通过因子分析法和模糊评价法对7个黑木相思家系进行综合评价选优。[结果]7个黑木相思家系的理化性质在不同坡位的含量大多表现为下坡位>中坡位>上坡位,下坡位显著高于其他坡位;家系间土壤结构和养分含量均表现出M7、M6和M5较好;研究区各养分含量总体呈块状或条带状分布,呈现从东北和西北方向往南方向递增的趋势。[结论]综合评价值在上下坡位黑木相思家系M7值最高,其生长对土壤理化性质的改良效果最佳,在中坡位黑木相思家系M6最佳。研究结果对南方山地适地适品种和可持续发展研究具有参考价值,可用于黑木相思人工林经营管理实践中。

无人机在新疆兵团青格达湖自然保护区管理中的综合应用

文章通过介绍“大疆经纬M300”无人机使用流程和技术要领,提出在新疆兵团青格达湖自然保护区使用无人机在野生动植物资源调查、日常巡护、影像制作、科普宣教等方面的综合应用探索,以期为自然保护区管理工作中无人机技术的应用提供借鉴。

基于无人机低空遥感数据的时序动态生物量计算研究

为解决林分自然生长和人工剪伐修枝引起的单木特征参数变化所造成的生物量变化问题,采用地基激光雷达数据(TLS)和无人机激光雷达数据(UAV-LS)为数据源,通过单木分割的方法,以地基激光雷达数据提供的高精度数字高程模型为基础,提升无人机激光雷达数据的单木召回率;基于无人机激光雷达数据进行单木树高的提取及一致性评定,通过优化的生物量模型,利用树高参数计算2022年和2023年各树种单木生物量。结果表明,联合地面激光雷达数据可以将无人机激光雷达数据的单木召回率从60.0%提升至73.1%;对2022年、2023年树高参数提取得到近两年树木自然生长、修剪状况;对树高一致性评定得到一致性相关系数(Concordance correlation coefficient,CCC)为0.98,均方根误差(RMSE)为1.12 m;对生物量计算得到近两年各树种单木生物量、林分生物量,2022年、2023年单位面积生物量分别为77.39、81.56 t/hm^(2)。研究证实在研究区通过无人机低空遥感数据获取树高时序动态计算各树种单木生物量可行,可以掌握林分自然生长和人工修剪引起的生物量变化。

基于机载激光雷达点云数据和Catboost算法的杉木单木蓄积量估测研究

选取福建顺昌县洋口国有林场6块杉木标准地内200株杉木的激光雷达点云数据和地面调查数据,基于机载激光雷达点云数据生成的冠层高度模型,运用局域极大值算法检测树冠顶点,提取树高;采用标记极值的分水岭算法估测冠幅面积,将估测的树高和冠幅面积结合单木蓄积量真值,构建基于Catboost算法的单木蓄积量估测模型。结果表明:使用局域极大值算法估测树高,R^(2)为0.91,RMSE为0.81 m;采用标记极值的分水岭算法估测冠幅面积,R^(2)为0.81,RMSE为1.18 m^(2);采用Catboost算法构建单木蓄积量估测模型R^(2)为0.934。因此,机载激光雷达点云数据可以有效估测树高和树冠面积,采用Catboost算法能够实现杉木单木蓄积量的估测,为高精度反演森林蓄积量提供新的思路。

基于无人机多维数据集的森林地上生物量估测模型研究

森林地上生物量(Aboveground biomass,AGB)是评价森林生长情况的重要指标。基于数字航空摄影(Digital aerial photography,DAP)生成的二维和三维数据,分别计算了41个点云高度变量和16个可见光植被指数,利用6种回归算法(随机森林(RF)、袋装树(BT)、支持向量回归(SVR)、Cubist、类别型特征提升(CatBoost)、极端梯度提升(XGBoost))分别构建了单一变量集和综合变量集AGB估测模型,探索了不同变量对于AGB估测模型的贡献。研究结果表明光谱数据集和点云数据集AGB预测模型精度最高分别为Cubist和XGBoost,R^(2)分别为0.5309和0.6395。组合数据集最高精度模型为XGBoost,R^(2)达到0.7601,XGBoost模型具有更高的AGB估测稳定性。研究还表明6种机器学习模型的贡献主要取决于所考虑的回归方法,所选择的特征个数和特征对模型的重要性在不同的模型中并不一致。DOM光谱特征在AGB的估测中具有更高的重要性。总体来说,二维和三维数据的结合能够有效提高森林AGB估测精度,基于无人机倾斜摄影获取的RGB影像能够实现森林AGB的快速无损估计。

基于机载激光雷达技术的山区针叶林单木分割方法研究

以杉木为研究对象,利用无人机激光雷达点云数据,结合地面实测样地数据,探索创新现有的森林资源调查模式,提升森林资源外业调查效率,更新资源调查数据,保证数据的现势性。考虑到研究区为山地林区,地面起伏较大,选取了一种基于改进加密三角网滤波算法进行滤波和分类,并对比分析了分水岭、点云分割、层堆叠种子点三种不同的单木分割方法,完成了研究区单木位置、树高、冠幅等林木参数的提取研究,优化了激光雷达林木参数反演的技术流程。从30个样地中抽取10个样地,对比样木实测值与单木分割的估测值,结果表明:层堆叠种子点算法分割效果最优,F评分在64.61%~85.29%之间;点云分割算法居中,F评分在56.00%~80.60%之间;分水岭算法分割效果最差,F评分在45.57%~69.45%之间。同一种方法中,不同样地分割效果也存在差异,这可能与样地地形、树木结构形态等因素有关;样地中林木分布存在树木遮挡或树木分布结构不规则时,一定程度会降低单木分割精度。因此,根据不同林分情况,建立适用性较强的无人机激光雷达森林参数反演模型是未来努力的方向。

基于机器学习算法的森林生物量多源遥感估测

为进一步探索不同空间分辨率影像在10 m×10 m样地尺度下森林生物量估测性能及协同机器学习算法(RF、SVM、DT、GBM、k-NN、Stacking)的估测效果,利用光学遥感GF2(高分二号卫星)、sentinel 2A、Landsat 8 OLI、SUM(整合3种遥感数据源)影像及辅助变量DEM高程数据、环境因子、林分因子(森林类型、优势树种),在Boruta算法变量选择下用机器学习算法对元谋地区乔木林森林生物量(地上+地下)进行遥感估测,并比较4种影像下的估测精度。研究表明:(1)基于Boruta算法分别对3种影像及整合3种影像条件下进行变量选择,单一影像中sentinel 2A的植被指数PEIP、Landsat 8 OLI的纹理因子b2_ME_9×9、GF2的GNDVI分别为3种影像下的最高得分变量,多源融合估测森林生物量中GF2的GNDVI为最佳得分变量;(2)基于Boruta算法选择的变量构建RF、SVM、DT、GBM、k-NN算法以及对5个模型的Stacking集成算法,SUM的Stacking集成算法的估测效果最优,模型决定系数(R2)为0.73,均方根误差(RMSE)为28.46 t·hm^(-2),集成算法下的SUM的估测性能优于sentinel 2A、Landsat 8 OLI,GF2优于sentinel 2A,sentinel 2A的估测性能优于Landsat 8 OLI。研究结果说明在生物量遥感估测中高分辨率影像具有较好的估测效果,同时多源遥感协同估测、集成算法均可提高森林生物量遥感估测精度,可为森林生物量遥感估测提供参考和借鉴。

浅议统一自然资源调查监测体系下森林资源数据管理与更新

森林资源数据管理和更新是森林资源管理的重要基础性工作,机构改革后,在统一自然资源调查监测体系下,森林资源数据管理和更新面临新的形势和挑战。本文以辽宁省为例,阐述了森林资源数据管理和更新的现状,剖析了目前存在的问题,并提出了做好新形势下森林资源数据管理和更新工作的对策和建议,为林草主管部门科学高效开展森林资源管理工作提供参考。

应用UAVSAR数据及改进极化水云模型对热带森林地上生物量反演

针对热带森林地上生物量遥感估测中容易饱和区域大尺度森林地上生物量估测精度低的问题,以非洲加蓬中部的洛佩达国家公园为研究区,以NASA提供的L波段全极化机载合成孔径雷达(SAR)数据和LiDAR网格化森林地上生物量产品为数据源开展森林生物量估测方法研究。采用极化分解方法提取森林的多种散射机制,从中选择反映森林结构差异的地面散射特征和森林体散射的特征构建体-地散射比,采用极化水云模型(PWCM)进行森林地上生物量反演和精度评价。为了提高PWCM模型的适应性,建模过程中根据体散射分量(V_(ol))分段进行模型的参数优化。结果表明:以Freeman三分量极化分解后得到的体散射(V_(ol))、表面散射(O_(dd))、地-干散射(D_(bl))为基础构建的6个体-地散射比在极化水云模型估算森林地上生物量中,以μ_(VG2)作为体-地散射比时估测效果最好,模型决定系数(R^(2))为0.60,均方根误差(R_(MSE))为127.78 Mg/hm^(2);在此基础上,进一步根据体散射分量分段优化极化水云模型,模型决定系数(R^(2))增加到0.74,均方根误差(R_(MSE))降低了约20%,预测精度从50.76%提升至60.28%,并改善了低值高估、高值低估问题,在地上生物量高达450 Mg/hm^(2)时未出现饱和现象。

联合微波与光学时间序列影像的马尾松林松材线虫病遥感识别

【目的】大范围准确监测林区松材线虫病感染情况对森林疫情防治和经营管理具有重要作用。现有研究往往采用单时相或少量时相数据,松材线虫病遥感监测易受森林背景和非寄主树木影响,导致监测精度存在较大的不确定性。此外,单一数据源往往对病害特征刻画不足,例如被动光学数据侧重描述森林冠层水平结构信息,但易受云雨影响造成数据缺失,而主动微波数据对森林垂直结构和水分含量敏感,但存在噪声高、色素敏感性低以及地形影响大等问题。因此,联合主动微波与被动光学时间序列遥感影像数据,有望在降低环境因素影响的同时追踪同一林分的时序变化特征,进而提升松材线虫病探测的准确性与鲁棒性。【方法】利用厘米级分辨率无人机影像标记样本,联合Sentinel-1 C波段微波和Sentinel-2光学时间序列数据,构建基于极端梯度提升算法的松材线虫病害监测模型。分别评估微波模型、光学模型和微波与光学联合模型在松材线虫病监测方面的性能,以及最优模型在不同环境因子下的表现。【结果】(1)联合了微波和光学的模型精度(总体精度为80.62%,Kappa系数为0.61)略高于单一光学模型的精度(总体精度为79.58%,Kappa系数为0.59),并明显高于单一微波模型的精度(总体精度为68.87%,Kappa系数为0.36),说明了微波与光学时间序列联合数据在松材线虫病害监测中具有优势;(2)模型通常在缓坡、阳坡、低海拔、高覆盖度条件下展现出更高精度。【结论】本研究充分利用多源遥感卫星数据,为松材线虫病大范围准确监测提供了新的技术支撑。