香格里拉4种典型针叶树种高光谱特征分析及判别

以香格里拉市云南松、高山松、云杉和冷杉4种典型针叶树种为研究对象,运用ASD Field Spec 3地物光谱仪测定野外叶片光谱,并对原始光谱进行微分变换处理,再采用Fisher判别分析方法对4种针叶树种最佳波段窗口进行分析.结果表明:Fisher判别分析能有效判别4种典型针叶树种原始光谱、一阶微分光谱和二阶微分光谱差异显著的波段,主要位于近红外波段,最佳波段窗口分别为980～989、415～424、960～969 nm;原始光谱的二阶微分处理更能有效判别4种针叶树种,Fisher总判别精度高达98.8%;根据4种典型针叶树空间分布特征,将其分为云南松、高山松和云冷杉两组,云南松、高山松的最佳波段窗口为870～879、1 020～1 029、530～539 nm,云杉、冷杉的最佳波段窗口为540～549、520～529、1 150～1 159 nm.本研究结果可为中大尺度机载、星载高光谱遥感树种精细分类提供指导.

运用机载激光雷达和陆地卫星数据对橡胶林地上生物量的估测

以景洪市机载激光雷达飞行条带内橡胶林地上生物量为研究对象,以机载激光雷达(LiDAR)和陆地卫星(Landsat8/OLI)影像数据为主要信息源,结合地面44块实测样地数据,采用偏最小二乘回归模型(PLSR)分别依据单一信息源、多源信息联合对橡胶林地上生物量进行遥感估测。结果表明:在单一信息源生物量遥感估测建模中,Landsat8/OLI光学影像数据的模型决定系数比激光雷达(LiDAR)数据低,模型决定系数(R2)分别为0.56和0.68;联合LiDAR和Landsat8/OLI数据对橡胶林地上生物量的估测效果比单一信息源精度高,模型决定系数(R2)为0.75,均方根误差为16.50t/hm2,验证精度为81%;飞行区域橡胶林地上生物平均值为98.86t/hm2,总生物量为556074t。

基于优化k-NN模型的高山松地上生物量遥感估测

针对传统k-最近邻法(k-nearest neighbor,k-NN)在搜索最近邻单元时赋予特征变量相等的权重,缺少对特征变量加权优化等不足问题,在云南省香格里拉市,以高山松Pinus densata为研究对象,基于49块实测标准地,116株高山松样木和Landsat 8/OLI影像,在前期进行基于遗传算法(genetic algorithm,GA)优化的k-NN模型实现的基础上,对k-NN的3个参数(k,t和d)进行反复测试优化组合,在像元尺度上对研究区高山松地上生物量进行遥感估算。结果表明:基于遗传算法优化的k-NN模型精度优于传统的k-NN模型,优化前均方根误差为30.0 t·hm^(-2),偏差为-0.418 t·hm^(-2),相对标准误差百分比(R_(MSE))为54.8%;优化后均方根误差为24.0 t·hm^(-2),偏差为-0.123 t·hm^(-2),R_(MSE)为43.7%。基于优化k-NN模型的研究区高山松地上生物量总储量估测结果为0.89×10~7t。

基于机载LiDAR和光学遥感数据的热带橡胶林叶面积指数反演

叶面积指数(LAI)作为表征植被冠层结构的重要参数,一直是气候变化和生态研究中的热点,遥感技术的发展为大范围叶面积指数的获取提供了可能。以景洪市热带橡胶林为研究对象,以机载LiDAR和Landsat8/OLI为信息源,结合44块样地实测数据,使用支持向量机回归(SVR)、BP神经网络(BPNN)和偏最小二乘回归(PLSR)3种模型,在前期建立基于林分水平的LAI估测模型的基础上,进一步构建区域尺度的LAI反演模型,实现景洪市橡胶林LAI的反演。结果表明,基于LiDAR的林分水平模型中,SVR模型最优,决定系数(R2)为0.76,相对均方根误差(rRMSE)为17%,估测精度(P)为83%;以SVR模型估测结果作为区域尺度遥感反演模型的先验样本,结合Landsat8/OLI数据的BP神经网络模型反演效果最好,估测精度达76%。

基于k-NN非参数模型的高山松生物量遥感估测研究

以香格里拉高山松为研究对象,Landsat8/OLI为信息源,在前期进行香格里拉市高山松遥感特征光谱提取的基础上,结合地面50个实测样地数据,建立了研究区高山松地上生物量k-最近邻法(k-NN)遥感估测模型。结果表明,采用欧式距离度量特征变量间的相似度,距离分解因子t、最近邻数k值分别取2和4的模型参数结构下拟合精度达到最佳,决定系数(R^2)为0.71,均方根误差(RMSE)为18.21 t/hm^2;基于像元尺度的优化模型估测得到香格里拉市的生物量约为0.22亿t,研究结果可为低纬度高海拔地区的森林生物量遥感估测提供案例。

香格里拉市云冷杉林蓄积量遥感估测非参数模型研究

以滇西北典型代表区域的迪庆州香格里拉市云冷杉为研究对象,运用Landsat 8遥感影像数据结合地面角控样地调查数据,建立云冷杉BPNN和SVM估测模型,进行对比分析。结果表明:SVM模型精度明显优于BPNN模型,其R2、r RMSE和P分别为0.67、27.91%和77.09%。利用SVM遥感估测模型得到香格里拉市云冷杉林总蓄积量与传统森林资源二类调查当年的统计结果误差仅为1.14%,SVM估测模型可为今后森林蓄积量估测提供参考。

基于GF-2影像的人工龙竹林LAI遥感估测最优尺度选择

以云南省沧源县大型丛生龙竹林为研究对象,以高分二号影像为主要信息源,结合地面32块标准地调查,采用地统计学变异函数和偏最小二乘回归模型,对区域尺度丛生龙竹LAI遥感估测最优尺度选择进行了分析。结果表明:基于变异函数分析的丛生龙竹最优尺度为6.9 m,基于PLSR模型分析的最优尺度为7 m,因此丛生龙竹的影像最优观测尺度为7 m。2种方法在空间最优尺度选择结果上接近,具有一致性,可为其他竹类参数遥感估测最优尺度的选择提供参考。

西双版纳普洱茶叶片生化参数高光谱估测模型研究

以西双版纳普洱茶为研究对象,利用ASD Field Spec 3地物光谱仪采集叶片高光谱数据,采用导数光谱分析技术对光谱数据进行处理,在实验室测定相应的茶氨酸和氮素含量,分析普洱茶叶片生化参数与原始光谱、光谱一阶微分、光谱对数一阶微分以及高光谱特征变量间的相关性,并利用遗传算法优化的BP神经网络建立了茶氨酸含量和氮素含量的高光谱估测模型。结果表明:普洱茶叶片生化参数含量与高光谱原始反射率间相关性弱,但与光谱一阶微分、光谱对数一阶微分和高光谱特征变量在可见光、近红外波段范围内相关性较强;遗传算法优化下的BP神经网络模型对普洱茶叶片生化参数的估测精度优于普通BP神经网络模型,茶氨酸含量估测精度RMSE为0.21 mg/g,R^2为0.73,氮素含量估测精度RMSE为0.36 g/kg,R^2等于0.88。

多源遥感数据协同的景洪橡胶林叶面积指数光饱和特征研究

本研究以云南省景洪市机载激光雷达飞行范围内的热带橡胶林为研究对象,基于LiDAR和Landsat 8 OLI数据,利用机载LiDAR点云数据提取地面LAI,借助地统计学中的半方差函数,对叶面积指数各原始波段光谱饱和特性进行分析。结果表明:近红外波段的反射率随着叶面积指数的增大而增大进而达到饱和,其余波段反射率随着叶面积指数的增大而减小进而达到饱和;在可见光范围内叶面积指数饱和值随着波长的增加而增加;在近红外和短波红外波段叶面积指数饱和值随着波长的增加而减小,结果虽然呈现出一定的规律性,但是差异并不是很明显。Landsat 8 OLI的1~7波段的饱和值分别为5.08、5.19、5.22、5.42、7.51、5.62、5.62,最大值为近红外波段,饱和值为7.51,最小值为海岸波段,饱和值为5.08,除近红外波段饱和值较大之外,其余波段的饱和值均介于5~6之间。