基于DOM及LiDAR的多尺度分割与面向对象林隙分类

为研究分割尺度对航空正射影像(DOM)与LiDAR数据协同面向对象林隙分割与分类的影响,以东北典型的天然次生林帽儿山实验林场东林施业区为试验区,对DOM与LiDAR数据进行多尺度分割与面向对象林隙分类。分割过程中,采用基于DOM分割、基于LiDAR数据分割、DOM&LiDAR协同分割3种分割方案。每种分割方案采用10种尺度。在每种尺度应用两种数据提取的光谱和高度两种特征,采用支持向量机分类器(SVM)进行林隙分类。研究结果表明:3种分割与分类方案分类精度随尺度的增大整体呈现下降的趋势,与ED3(Modified)趋势相反。基于LiDAR数据在尺度参数10获得了最优分割结果。在所有尺度上(10~100),基于LiDAR数据分割与分类精度高于其他两种数据源的分类精度,相比单独使用DOM优势更加明显。基于LiDAR数据分割与分类方案在尺度参数10时获得了最高分类精度(Kappa系数为80%)。3种分割与分类方案最优尺度的分类精度显著高于其他尺度分类精度。分割尺度对面向对象林隙分类结果有重要影响。

林隙主被动遥感协同自动识别

【目的】研究林隙主被动遥感协同自动识别方法,为进一步量化林隙特征提供技术支持。【方法】以真彩色航空正射影像(0.2 m)和机载Li DAR(3.7点·m-2)为主被动遥感数据源,选取东北典型天然次生林——帽儿山实验林场东林施业区为研究区进行面向对象林隙识别。在面向对象分类过程中,通过对比3种分割方案(航空影像分割、Li DAR数据分割、航空影像&Li DAR协同分割)、10种尺度(10~100,步长为10)确定最优分割方案及尺度参数。在最优分割结果基础上应用航空影像的光谱特征、Li DAR数据提取的高度特征及共同特征,应用支持向量机分类器(SVM)进行林隙识别。【结果】3种分割方案的最优尺度均为20;所有尺度均是基于Li DAR数据分割ED3modified(0.52±0.11)低于基于航空影像分割(0.58±0.07)与航空影像&Li DAR协同数据分割(0.58±0.07)。在Li DAR数据最优尺度(20)下,采用光谱和高度共同特征的主被动识别与单独采用光谱特征的主动识别及单独使用高度特征的被动识别相比,分类精度分别提高36.71%和8.17%。【结论】3种分割方案中,基于Li DAR数据分割结果最好;使用主被动遥感协同自动识别进行林隙分类时精度最高(OA=87.73%,Kappa=0.81)。

基于HJ-1A星HSI数据的植被吸收光合有效辐射APAR估算

为了更准确地测量植被对太阳辐射的有效吸收量,本文对基于HJ-1A卫星的HSI数据进行植被吸收光合有效辐射APAR的研究,为阴阳叶的吸收有效光合辐射量的分离计算提供基础,并为森林生态系统净初级生产力计算提供准确的参数数据。研究的主要步骤有以下三步:首先对一景包含漠河气象站的HSI数据进行预处理,其中包括HSI数据的格式转换,去条带处理以及大气校正等;在此基础上应用逐日太阳辐射模型计算日总太阳辐射,并通过NDVI计算得到光合有效辐射吸收比率FPAR;最后用FPAR与太阳辐射共同计算出APAR。最终得到处理后的图像,并且验证了逐日太阳辐射模型和研究区域气象站数据的相关性,通过NDVI和SR的结合计算出FPAR,精度得到了提高;植被吸收光合有效辐射APAR计算完成后,将灰度图像显示为专题图像。从专题图中可以得出不同地区森林的APAR值,并最终推算出全年的APAR。

不同时间尺度植被近红外反射率指数与生态系统总初级生产力关系研究

新型植被指数植被近红外反射率(Near-Infrared Reflectance of Vegetation,NIRv)近年来成为研究植物光合作用的有效工具,研究多时间尺度下NIRv与总初级生产力(Gross Primary Productivity,GPP)的关系,对探索全球及区域尺度长时间序列GPP具有重要意义。利用中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)遥感数据和站点通量观测数据,分析比较了2004~2006年中国区域内不同植被类型的8个典型站点的归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)和NIRv两种植被指数与GPP的关系,并分析不同时间尺度(天、8天和月)NDVI和NIRv表征GPP季节变化的能力,结果表明:NDVI和NIRv均能表征GPP,且表征程度由高到低次序均为混交林、草地、常绿针叶林、农田和常绿阔叶林,除常绿阔叶林类型外,其余植被类型NIRv表征效果均更优;内蒙古和西双版纳的NDVI在生长季始末存在提前和滞后,NIRv的生长季偏移现象弱于NDVI;随着时间尺度的增加,NDVI和NIRv与GPP之间的决定系数R^(2)逐渐增大,月尺度的NDVI和NIRv与GPP的R^(2)最高,表征GPP效果最好,平均R^(2)分别为0.78和0.81,且不同站点之间的R^(2)差异逐渐减小;不同植被类型之间差异明显,混交林、常绿针叶林、草地和农田的两种植被指数和GPP的R^(2)较高,常绿阔叶林R^(2)最低。研究结果可为植被指数与GPP相关关系的建立,进一步提高区域尺度碳通量模拟精度提供重要依据。

不同叶面积指数遥感数据模拟中国总初级生产力的时空差异

陆地生态系统总初级生产力(GPP)反映了植物吸收固定大气中CO2的能力,是碳循环过程中的重要环节。光能利用率(LUE)模型被广泛应用于GPP模拟。叶面积指数(LAI)数据是LUE模型的重要输入数据,不同的LAI数据差异较大,从而导致GPP模拟存在很大差异。利用3种常用的卫星遥感LAI数据(MCD15、GLASS和GlobMap)和气象数据模拟中国2003~2017年的GPP,比较了3种LAI数据在中国区域的时空差异,分析不同LAI数据模拟的中国GPP的时空差异。研究结果表明:3种LAI数据在中国区域的年平均值和LAI变化趋势的空间分布格局存在明显差异,森林区域的差异较大;2003~2017年间,中国区域3种LAI年平均值均呈显著增加趋势(p<0.01),但不同LAI数据年平均值的年际变化差异明显;站点尺度GLASS LAI模拟的GPP与观测值相关性较好;不同LAI数据模拟的中国GPP总量多年平均值差异明显,最大值为7.46 Pg C a-1(GLASS),最小值为6.39 Pg C a-1(GlobMap);3种LAI数据模拟的中国GPP总量在2003~2017年呈显著增加趋势(p<0.05),但不同的LAI数据模拟的中国GPP年总量的年际变化差异明显;不同LAI数据模拟的年均GPP和GPP变化趋势的空间分布格局存在明显差异,森林和农田区域的差异较大。研究结果有助于评估由于LAI数据造成的区域GPP模拟结果的不确定性。

基于面向对象的QuickBird遥感影像林隙分割与分类

传统的实地调查和人工解译方法已经不能满足区域尺度的林隙获取,高空间分辨率遥感影像的出现为区域尺度的林隙获取提供了可能.本研究采用QuickBird高空间分辨率光学遥感影像,结合面向对象分类技术对福建省三明市将乐县将乐国有林场进行林隙分割与分类.在面向对象分类过程中,采用10种尺度(10~100,步长为10)对QuickBird遥感影像进行分割,应用参考对象相交面积(RA_(or))和分割对象相交面积(RA_(os))进行分割结果评价.对每个尺度分割结果应用16个光谱特征,采用向量机分类器(SVM)进行林隙、非林隙和其他类型分类.结果表明:通过RA_(or)和RA_(os)等值法获得最优分割尺度参数为40.不同尺度参数之间的分类总精度最高相差22%.在最优尺度下,应用SVM分类器对林隙、非林隙和其他类型分类的总精度高达88%(Kappa=0.82).采用高空间分辨率遥感数据并结合面向对象的方法,可以代替传统的实地调查和人工解译对区域尺度的林隙进行识别分类.