基于星载光子计数雷达数据的森林郁闭度估测模型优化

【目的】旨在评估星载光子计数雷达数据估测森林郁闭度(Forest Canopy Closure,FCC)的潜力,为优化森林管理规划提出一种高效率、低成本估测区域尺度FCC的新技术方法。【方法】研究以星载激光雷达ICESat-2/ATLAS光子点云数据为信息源,以滇西北生态脆弱区香格里拉为研究区,结合54块地面实测样地数据,在前期对点云数据进行去噪、分类等预处理的基础上,对研究区74808个有林地光斑冠层参数进行提取(共计59个),使用支持向量机的递归特征消除算法(SVM-RFE)优选特征变量,采用普通克里格(OK)插值出区域尺度特征变量的空间分布,基于贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型建模,以决定系数(R^(2))、均方根误差(RMSE)、总体预测精度(P)、残差平方和(R_(SS))和相对均方根误差(R_(RMSE))作为模型评价指标,以此构建研究区FCC估测模型。【结果】1)由ICESat-2/ATLAS提取的光斑冠层参数经SVM-RFE优选后,6个(asr、n_toc_photons、n_ca_photons、h_min_canopy、toc_roughness、photon_rate_can)冠层参数的平均交叉验证精度高为0.60,可作为OK插值变量;2)以优选的冠层参数作为OK插值变量拟合最佳半方差函数,所有变量的块金效应(SR<25%)较弱,具有强烈的空间自相关性,除asr变量的最佳拟合模型为球状模型(R^(2)=0.689,R_(SS)=2.05×10^(-6),R_(RMSE)=0.1602)外,其余5个变量的最佳拟合模型均为指数模型(R^(2),0.71~0.93;R_(SS),2.34×10^(-9)~1.54×10^(-4);R_(RMSE),0.0239~0.1886);3)在BO-RF、BO-GBRT、BO-KNN郁闭度估测模型中,以BO-RF模型综合建模精度最高(R^(2)=0.73,RMSE=0.09、P=80.13%),可作为研究区FCC遥感估测模型;4)使用BO-RF模型估测的研究区FCC进行空间制图,均值为0.53,主要分布在0.3~0.6之间,占比77.44%。FCC高值区域总体呈现出由东南向北延伸分布的趋势,与研究区森林资源分布情况基本一致。【结论】该方法可为优化森林资源管理提供一种技术与方法上的参考。

滇西北森林郁闭度估测模型——基于全球生态系统动力学调查多波束激光雷达数据

探究全球生态系统动力学调查(GEDI)多波束激光雷达数据估测区域森林郁闭度(FCC)的潜力,对于评估森林生态系统状态和林分环境具有重要作用。选取滇西北典型生态脆弱区香格里拉为研究区,以GEDI波形数据为信息源,提取46245个有林地光斑参数,使用经验贝叶斯克里金法(EBK)获取光斑参数在研究区未知空间的连续分布,结合54块实测样地数据,采用支持向量机的递归特征消除法(SVM⁃RFE)、随机森林(RF)和Pearson分析分别优选特征变量,基于贝叶斯优化(BO)随机森林回归模型(BO⁃RFR)、贝叶斯优化梯度回归模型(BO⁃GBRT)和偏最小二乘法(PLSR)研建森林郁闭度最佳估测模型。结果表明:(1)EBK法预测精度高,估测结果可靠,R2:0.20—0.92,RMSE:0.004—2812.912,MAE:0.003—1996.258,MRE:0.007—4.423;(2)基于不同特征优选方法筛选的特征变量和数量略有差异,SVM⁃RFE法优选出6个参数(cover、pai、sensitivity、rv_a1、rv_a4、rg_a4)的平均交叉验证精度达0.84,RF法以贡献度5%为阈值筛选出5个参数(cover、pai、pgap_theta_error、modis_treecover、modis_nonvegetated),Pearson法以相关性大于0.3且在0.01水平显著优选出5个参数(cover、pai、rv_a5、rg_a5、pgap_theta_error);(3)不同特征变量优选方法筛选的建模参数研建估测模型精度差异性较大,以SVM⁃RFE和RF方法优选参数构建估测模型的精度更佳,SVM⁃RFE方法优选参数研建估测模型精度变化相对稳定,以RF方法中的BO⁃GBRT模型为最佳FCC估测模型(R2=0.85、RMSE=0.069,P=86.5%);(4)采用BO⁃GBRT模型估测研究区森林郁闭度和空间制图,与GEDI pai参数预测的FCC具有较高空间相关性达0.53,FCC均值分别为0.58、0.61,主要分布在0.4—0.7,分别占比65.45%、51.79%。研究区森林郁闭度主要处于中度郁闭,北部区域主要为高度郁闭区,与研究区植被覆盖度的空间分布具有一致性,说明使用GEDI数据估测森林郁闭度的方法具有可行性、结果具有可靠性。研究为使用GEDI数据高效、及时、低成本估测大空间尺度的森林水平结构参数的相关研究奠定了基础。

松材线虫病无人机高光谱监测现状与展望

松材线虫病是松树林最具破坏性的灾害之一,在中国造成了巨大的生态和经济损失。无人机遥感在松材线虫病监测方面具有很大潜力。本研究综述了无人机高光谱在松材线虫病监测中的研究现状,监测传感器类型的选择,无人机遥感高光谱数据应用包括野外光谱数据的采集与处理,高光谱数据敏感参数的选择和监测模型的选择,最后对无人机遥感监测存在的问题与展望进行了叙述,为无人机遥感技术更广的发展提供参考。

基于PLUS模型和InVEST模型的西双版纳碳储量变化研究

为了探究西双版纳州2000—2030年不同土地覆被类型变化特征及其对碳储量的影响,提升区域碳储量的估算精度和准确度,采用PLUS模型和InVEST模型相结合的方法,分别预测了2030年不同情景下西双版纳的土地覆被情况以及不同土地类型下的碳储量的变化。结果显示:(1)PLUS模型在西双版纳的预测结果比较理想,2000年模拟2010年、2010年模拟2020年的Kappa系数分别为0.80、0.81。(2)2000—2020年,林地、草地、灌木地在逐渐减少,建设用地在不断扩张,20年间城镇用地增加了172.37 km^(2),至2030年,建设用地进一步扩张,面积达到了381.18 km^(2),林地和草地转移成一部分转换成耕地,另一部分转换成建设用地。(3)InVEST模型计算出来的2000—2030年西双版纳碳储量总体呈下降趋势,空间上存在着呈块状和条状交错分布的特点。2000年、2010年、2020年西双版纳州的碳储量分别为4.94×10^(7)t、4.82×10^(7)t、4.76×10^(7)t,2030年自然发展情景下碳储量为4.64×10^(7)t,城镇发展下为4.63×10^(7)t,生态保护情景下为4.65×10^(7)t。总体来看,城镇化的发展导致西双版纳碳储量呈现逐年降低的趋势,生态保护情景下碳储量相比城镇发展情景提高了1.50×105 t,说明实施生态保护措施可以较好地实现西双版纳固碳作用。实验结果表明,运用PLUS模型模拟未来土地覆被变化具有可行性,同时结合InVEST模型可以预测出未来土地覆被变化下碳储量的增减情况,为西双版纳低碳田园农村发展规划以及推进西双版纳州实现“双碳”目标提供参考依据。

基于遥感数据对地上生物量估测的应用

从碳源及生物能源政策到可持续森林管理,各种技术和科学应用都需要估算森林生物量。森林地上生物量密度的量化在森林碳循环研究,生物多样性保护和减缓气候变化行动中都有重要作用。本文基于各类遥感数据对地上生物量估测差异性进行整合,为研究者们提供可靠的参考。结果表明:光学传感器数据是最常用的数据源,它更适用于植被水平结构的研究,长波雷达数据对于生物量估测来说非常重要,能穿透一定深度的林冠层。光学和雷达数据中的饱和是影响复杂林分结构森林生物量估算精度的重要因素,而激光雷达对于生物量估测来说是最有前途的遥感技术。

无人机高光谱在松材线虫病监测中的应用

松材线虫病是中国的一大生态问题,已对数百万中国松树造成严重危害。为了控制松材线虫病的传播,有必要开发一种有效的方法,在感染早期进行检测。一个潜在的解决方案是使用基于无人机(UAV)的高光谱图像(HIs)。基于无人机的高光谱图像具有较高的空间和光谱分辨率,可以快速收集数据,有可能实现对大型森林的有效监测。尽管如此,很少有研究检验高光谱图像数据用于评估油松松材线虫病感染的阶段和严重程度的可行性。在广泛使用之前必须提高其准确性。