几种林场总体森林蓄积量密度均值估计方法的比较评价

【目的】以林场或县森林资源总体为调查对象,及时、准确地调查监测总体平均每公顷蓄积量,对上级(如市、省)部门开展森林资源宏观管理、生态保护价值评价、森林碳储量计量、领导干部任期绩效考核等工作都有重要支撑作用。将卫星、无人机等多源遥感数据作为辅助数据,采用较少抽样调查样地数据,实现总体参数有效估测的新方法,已成为国内外重要的研究方向,但目前,国内尚无多种现有估计方法的比较评价研究。为了促进新一代遥感技术在森林资源调查业务中的应用,提高我国森林资源天空地一体化调查监测技术水平,亟需对现有林场或县总体参数估测方法进行比较评价研究。【方法】以内蒙古旺业甸实验林场主要人工林树种为总体,基于2019年在林场获取的无人机激光雷达(LiDAR)抽样数据、Sentinel-2A多光谱数据(全覆盖)和少量样地数据,针对样地(p)、样地-卫星(ps)、样地-抽样无人机LiDAR(pl)以及样地-抽样无人机LiDAR-卫星(pls)4种模式,利用适合这4种模式的概率抽样法(DB)、模型辅助法(MA)、模型法(MD)和混合法(HY)4类共5种估测方法(DBp、MDps、MAps、HYpl以及MDpls)对总体森林蓄积量密度均值(MSVD)进行估计与对比分析。【结果】(1)DBp、MDps、MAps、HYpl、MDpls5种方法估测的MSVD分别为212.54、202.09、202.38、210.07以及208.96 m3/hm2,精度分别为90.44%、91.54%、91.69%、96.35%和96.45%,方差依次减小。(2)其他4种方法相对于MDpls方法的估计效率(RE)均大于1(REDBp,MDpls=5.39,REMDps,MDpls=3.82,REMAps,MDpls=3.69,REHYpl,MDpls=1.07);HYpl相对于MDpls的RE略大于1,但几倍于其他3种方法(REDBp,HYpl=5.02,REMAps,HYpl=3.43,REMDps,HYpl=3.56)。(3)包含LiDAR数据的HYpl与MDpls方法相对于包含Sentinel-2A数据的MDps与MAps方法均为正效率(REMAps,HYpl=3.43,REMDps,HYpl=3.56,REMDps,MDpls=3.82,REMAps,MDpls=3.69);MDps与MAps方法之间的RE接近1,但MAps的效率微高于MDps(REMDps,MAps=1.04)。【结论】和只利用样地数据的估计方法相比,将遥感数据作为辅助变量建立估测模型,无论是采用对蓄积量不够敏感的林场全覆盖Sentinel-2A多光谱遥感数据,还是采用对蓄积量很敏感的抽样式获取的LiDAR数据,都可有效提高林场总体MSVD的估测精度。涉及遥感数据应用的4种方法,估计精度最高的为MDpls,其次为HYpl,这2种方法都包含了LiDAR遥感抽样观测数据的应用,都是适应于林场总体MSVD估计的年度监测方法。可实现天空地3种观测数据协同应用的MDpls估测精度和相对效率最高,可作为林场森林蓄积量年度监测的首选方法。

森林地上生物量的多基线InSAR层析估测方法

【目的】发展一种森林地上生物量(AGB)的多基线干涉合成孔径雷达(InSAR)层析估测方法,解决热带雨林森林AGB遥感估测常规方法的信号"饱和"问题,为区域及全球森林生物量估测和碳储量研究提供关键技术支撑。【方法】以法属圭亚那巴拉库(Paracou)热带雨林为研究对象,以Tropi SAR 2009 P-波段多基线机载SAR数据和85块样地调查数据为主要数据源。首先,根据HH极化层析相对反射率的三维分布信息提取林下地表高度,对HV极化多基线InSAR数据进行地形相位去除;然后,对HV极化多基线InSAR数据进行三维成像,并对其进行地理编码,得到地理坐标空间层析相对反射率的三维分布信息;最后,利用样地调查数据,分析不同高度处层析相对反射率与森林AGB的相关性,进而建立以层析相对反射率为输入特征的森林AGB估测模型,同时采用留一交叉验证法(LOOCV)对其估测模型进行精度评价。【结果】20 m以下各高度处层析相对反射率与森林AGB呈不同程度的负相关关系,以5 m高度处层析相对反射率与森林AGB的负相关性最强(相关系数达到-0.58);20 m以上各高度处层析相对反射率与森林AGB呈不同程度的正相关关系,以25 m高度处层析相对反射率与森林AGB的正相关性最强(相关系数达到0.63)。采用5 m高度处层析相对反射率构建模型的估测精度为88.44%,均方根误差为49.85 t·hm-2(相对均方根误差为13.56%);采用25 m高度处层析相对反射率构建模型的估测精度为88.82%,均方根误差为47.30 t·hm-2(相对均方根误差为12.87%);同时采用5 m和25 m高度处层析相对反射率联合构建模型的估测结果最优,估测精度为89.17%,均方根误差为46.45 t·hm-2(相对均方根误差为12.63%)。【结论】通过多基线InSAR层析技术得到的层析相对反射率信息有效解决了热带雨林森林AGB遥感估测常规方法的信号"饱和"问题。采用5 m和25 m高度处层析相对反射率可反演得到高精度的森林AGB,表明多基线InSAR层析技术得到的特定高度处层析相对反射率对热带雨林森林AGB具有良好的指示作用;同时利用5 m和25 m高度处层析相对反射率进行联合估测可进一步提高森林AGB的估测精度,说明充分利用不同层次的森林垂直结构信息可进一步提高复杂森林空间结构条件下的森林AGB估测精度。

一种改进的高空间分辨率遥感影像森林类型深度学习精细分类方法:双支FCN-8s

【目的】对全卷积神经网络模型进行双支化改进,探索高空间分辨率遥感影像森林类型深度学习分类新方法,为提高森林资源遥感调查精度提供技术支撑。【方法】双支FCN-8s包含2个FCN-8s子模型,一个子模型基于R、G、B三波段特征,采用微调方式构建;另一个子模型基于五特征构建。将2个子模型8、16、32倍下的采样结果进行融合并分类,得到每个像元的类别。以旺业甸林场为研究区,采用GF-2卫星遥感影像提取标准化植被指数(NDVI),构建基于R+G+B三波段特征、R+G+B+NIR四波段特征和R+G+B+NIR+NDVI五特征的数据集,对双支FCN-8s优化方法的有效性进行定量评价。【结果】1)双支FCN-8s方法的总体分类精度为85.89%,Kappa系数为0.84;相比传统FCN-8s,双支FCN-8s方法可提高大部分森林类型的分类精度,尤其对油松、红松、白桦等类别改善效果明显。2)相对于传统基于特征优选的SVM模型而言,双支FCN-8s方法的总体分类精度由75%上升至85.89%,精度提升大于10%,各类别的分类效果均有改善。3)使用微调策略以及加入NDVI特征后,模型可有效改善油松、山杨及白桦等树种的分类效果。【结论】双支FCN-8s高空间分辨率遥感影像森林类型深度学习精细分类方法可有效提升森林类型的细分程度和分类精度。

综合应用多源遥感数据的面向对象土地覆盖分类方法

【目的】针对国家森林资源宏观监测业务对区域森林资源空间分布信息的迫切需求,发展一种基于国家森林资源连续清查固定样地数据,可充分发挥GF-1宽幅多光谱数据、MODIS遥感数据相应空间和时间分辨率优势的面向对象土地覆盖分类方法,以提高林地和森林资源的监测精度和自动化程度。【方法】以黑龙江省小兴安岭某林区为研究区,主要数据源包括GF-1宽幅多光谱数据、MODIS NDVI(250 m,8天合成)时间序列遥感数据、国家森林资源连续清查固定样地数据以及少量外业实地调查数据等。首先,基于GF-1宽幅多光谱数据进行多尺度影像分割,将研究区划分为许多区域性的分割对象;然后,以分割对象为分析单元,分别提取GF-1宽幅多光谱遥感影像的光谱特征、纹理特征、形状特征等以及MODIS NDVI时间序列遥感数据的时序特征,并采用随机森林算法进行特征选择;最后,利用训练样本建立基于分类回归树分类器完成面向对象的土地覆盖分类方法研究,分别比较单一GF-1 16 m宽幅多光谱数据、单一MODIS NDVI时间序列遥感数据以及综合多源数据的分类结果,并基于混淆矩阵对分类结果进行分析。【结果】精度检验和分析结果表明,面向对象的综合多源遥感数据分类方法总体分类精度达89.46%,Kappa系数为0.874,明显优于仅基于GF-1宽幅多光谱数据、MODIS NDVI时间序列遥感数据的分类方法。【结论】综合应用多源遥感数据的面向对象土地覆盖分类方法适用于综合GF-1与GF-4数据的土地覆盖类型分别制图,可有效提高主要土地覆盖类型的分类精度。针对国家森林资源连续清查的业务需求和特点,本文所发展的方法在分类对象生成、特征提取、特征选择、分类器训练和精度检验等关键环节均进行了优化设计,有利于提高森林资源连续清查业务中主要林地类型遥感分类制图的自动化、标准化程度。

合成孔径雷达森林资源监测技术研究综述

合成孔径雷达(Synthetic Aperture Radar,SAR)技术凭借其全天时、全天候的成像能力以及对森林垂直结构信息敏感的特点,在森林资源监测中具有独特的优势,已成为当前森林资源遥感调查技术的研究热点.本文首先介绍了SAR森林资源监测技术的发展背景、发展轨迹和相关知识;然后,重点阐述了极化SAR、干涉SAR、极化干涉SAR和层析SAR在林地覆盖类型分类、变化检测以及森林参数定量化估测应用中的技术方法;最后,就SAR在森林资源监测研究和应用中存在的问题与发展趋势进行了总结与展望.

高分辨率SAR遥感综合实验与应用示范年度报告

该报告介绍了2013年度该课题在机载极化干涉SAR系统构建、高分辨率SAR遥感综合实验、高分辨率SAR遥感应用示范软件开发等方面的研发进展。在机载极化干涉SAR系统构建方面,完成了X-波段干涉SAR传感器的研制,进行了SAR系统的实验室联调测试和机载校飞试验。先后在四川若尔盖实验区和大兴安岭根河实验区开展了高分辨率SAR遥感综合实验,共获取8 619.8km2,约28.5TB的机载X-波段双天线In SAR和P-波段极化SAR数据,完成了所获取SAR数据的预处理;获取了覆盖大兴安岭根河实验区的多时相Radarsat-2极化SAR和Landsat-8多光谱卫星遥感数据;组织来自项目8家课题承担/协作单位的50多人次,参加了遥感同步、准同步调查工作,获取了森林叶面积指数(LAI)、农田植被参数、土壤参数、气象参数以及土地覆盖类别等的地面实况数据。在高分辨率SAR软件开发方面,已初步完成地形测绘、土地利用分类、植被覆盖类型分类和森林植被垂直结构参数估测等软件模块原型的开发,正在按统一的语言和标准进行完善和集成,以尽快形成界面友好的高分辨率SAR应用示范软件,为2014年的应用示范工作开展提供软件支撑。

基于多源遥感的森林地上生物量KNN-FIFS估测

【目的】针对多源遥感数据及其派生特征因子数据维度高、信息冗余、易造成估测模型过拟合等问题,从高维度遥感特征因子中高效优化特征组合,优化区域森林地上生物量(AGB)的k最近邻(k-NN)估测模型。【方法】提出基于快速迭代特征选择的k最近邻法(KNN-FIFS),以森林资源样地调查数据计算的森林AGB为参考,以留一法交叉验证(LOO)相应的k-NN模型反演的森林AGB均方根误差(RMSE)最小为原则,依次迭代选取遥感特征,优化区域森林AGB的k-NN估测模型。以大兴安岭根河森林保护区为研究区,结合Landsat-8 OLI各波段光谱信息、植被指数、纹理、地形因子、机载合成孔径雷达(SAR)P-波段HV极化后向散射强度信息(PHV)以及森林资源样地调查数据,利用KNN-FIFS方法估测研究区森林AGB,并与多元线性逐步回归法(SMLR)进行对比分析。【结果】利用KNN-FIFS方法,得到当k为3,特征组合为PHV、短波红外波段一均一性(H6)、短波红外波段一二阶矩(S6)、短波红外波段二二阶矩(S7)、海蓝波段相关性(Cr1)、近红外波段相关性(Cr5)、海蓝波段相异性(D1)、增强型植被指数(EVI)时,研究区森林AGB估测结果最优,其精度(R^2=0.77,RMSE=22.74 t·hm^(-2))显著优于SMLR估测精度(R^2=0.53,RMSE=32.37 t·hm^(-2))。【结论】KNN-FIFS方法相比SMLR更适用于森林AGB多源遥感估测;KNN-FIFS方法可以从高维度遥感特征因子中高效选取相关特征进行森林AGB估测。

雷达遥感农业应用综述

雷达遥感具有全天时、全天候监测的能力,对植被具有一定的穿透能力,对植被散射体形状、结构、介电常数敏感;这些特性使得其在农业应用中极具潜力。该文首先介绍了雷达遥感在农业中的应用领域,概略总结了目前在农作物识别与分类、农田土壤水分反演、农作物长势监测等多个领域研究的综述文献;然后分别阐述了雷达散射计和各类SAR特征(包括:SAR后向散射特征、极化特征、干涉特征、层析特征)在农业各领域中应用的现状和取得的研究成果,最后结合农业应用需求和SAR技术发展总结了目前研究中存在的问题和原因,并对未来的发展进行了展望。

多极化星载SAR森林覆盖变化检测方法

【目的】利用多极化星载SAR数据,分析后向散射强度比值影像的概率密度分布特征,融合后向散射强度信息和影像空间上下文信息,提出一种具有较高检测正确率及较低虚警率和漏警率的森林覆盖变化检测方法,为多极化SAR卫星数据的业务化应用提供技术支撑。【方法】将"2期分别分类森林覆盖变化检测法"(CBFC)与"贝叶斯最大期望-马尔科夫随机场(EM-MRF)变化检测法"相结合,首先采用阈值分割法分别对2期多极化SAR影像进行森林-非森林分类得到初始森林覆盖变化图,然后以初始森林覆盖变化图作为训练数据对多极化比值影像进行Fisher特征变换和EM-MRF分类处理,2个时相的HH、HV极化比值影像经Fisher特征变换转化为一个综合差异影像,输入EM-MRF进行迭代分类得到森林覆盖变化检测结果。以黑龙江省逊克县为试验区,以2期ALOSPALSAR双极化数据为SAR遥感数据,以对2期Landsat-5影像、高空间分辨率遥感影像进行目视解译得到的森林覆盖变化图为参考,对本研究提出方法的有效性与CBFC方法及直接用CBFC提取的森林覆盖变化检测图掩膜EM-MRF地表覆盖变化检测图方法(CBFC-EM-MRF)进行比较评价。【结果】通过Fisher特征变换得到的差异影像可有效增强森林覆盖变化、未变化类别的对比度;CBFC通过阈值分割法进行森林-非森林分类,提取的森林覆盖变化图中出现很多面积很小的虚警检测,漏警率也很高,而本研究提出方法通过MRF加入影像空间上下文信息,提高了检测结果的空间连贯性,森林覆盖变化检测虚警率为1.58%,漏警率为11.87%,正确率为98.36%,检测效果和精度明显优于CBFC和CBFC-EM-MRF。【结论】多极化星载SAR森林覆盖变化检测方法具有收敛性好、检测结果可信度高、需要用户交互较少等特点,对我国高分三号及未来其他多极化SAR卫星的森林资源监测业务应用具有重要参考价值。

ZY3立体像对和机载LiDAR抽样数据协同估测森林平均高

【目的】探索一种适用于已具备林下地形,可协同利用少量实测样地数据、抽样式采集的机载激光雷达(LiDAR)条带数据和区域全覆盖的资源三(ZY3)立体像对数据有效估测区域森林平均高的方法,为提高森林资源调查效率和精度提供技术支撑。【方法】以广西高峰林场2个分场为研究区,2018年获取覆盖整个研究区的机载LiDAR、ZY3立体像对和少量实测样地数据。将LiDAR数据提取的DEM作为历史已存在的林下地形,从全覆盖的LiDAR数据中抽取12条飞行条带的LiDAR数据“模拟”抽样式采集的LiDAR数据,形成“林下地形+LiDAR抽样+ZY3立体像对+样地”数据集;以样地和LiDAR数据提取出LiDAR抽样数据对应的森林平均高为模型建立的参考数据(因变量Y),以ZY3立体像对提取的数字表面模型(DSM)减去数字高程模型(DEM)得到的CHMZY3为自变量(X),采用普通最小二乘(OLS)模型、k-邻近(KNN)模型和回归克里格(RK)模型估测森林平均高,并对其估测效果进行比较评价。【结果】OLS和KNN模型的均方根误差(RMSE)分别为1.88和1.96 m,估测精变(EA)分别为87.18%和86.64%;RK模型估测精度相对较高,RKOLS模型的RMSE=1.84 m,EA=87.42%;RKKNN模型的RMSE=1.86 m,EA=87.32%。【结论】本研究中2类4种模型均可有效估测森林平均高,回归克里格模型(RKOLS、RKKNN)优于非空间模型(OLS、KNN),RKOLS模型估测精度最高;在林下地形已知时,协同利用少量实测样地数据、抽样式采集的机载LiDAR条带数据和区域全覆盖的ZY3立体像对数据能够实现区域森林平均高的高效、高精度估测。

基于TanDEM-X相干系数的森林高度估测方法

【目的】采用TanDEM-X单极化InSAR数据,研究基于相干系数的SINC模型森林高度估测方法,并分析5 m高分辨率的LiDAR DEM和30 m中等分辨率的SRTM DEM对模型估测精度和稳定性的影响。【方法】首先对观测的相干性进行非体散射失相干校正得到体散射失相干γVol,然后基于SINC模型将γVol的相干系数作为输入估测森林高度。以LiDAR提取的森林高度为验证数据,均匀选取150个检验样本,分别在15 m×15 m、30 m×30 m、50 m×50 m和100 m×100 m大小的样本尺度上进行精度评价,并与DSM-DEM差分法进行对比,分析2种方法的精度和适用性。【结果】5 m和30 m分辨率的参考DEM对SINC模型森林高度估测结果影响较小,随样本尺度增大其影响可逐渐忽略,当样本大小为100 m×100 m时,LiDAR DEM和SRTM DEM估测结果的R2分别为0.54、0.51,RMSE分别为2.38、2.51 m,精度分别为77.19%、75.99%;相比SINC模型法,DSM-DEM差分法在各样本尺度上的表现更好,但森林高度估测结果存在明显低估现象,必须采用森林高度实测数据进行校正,当样本大小为100 m×100 m时,R2为0.79,校正前后的RMSE分别为2.57、1.63 m,精度分别为75.44%、84.41%。【结论】基于相干系数的SINC模型法估测森林高度,以30 m空间分辨率的SRTM DEM进行地形补偿和地理编码,可以取得较好结果;虽然该方法的精度相比DSM-DEM差分法略有下降,但既不需要实测森林高度数据进行标定,也不需要输入高分辨率的DEM,具有大范围森林高度制图的潜力和更大的实际应用价值。

容器成型过程对育苗基质物理性质的影响

选用泥炭(PE)和菇渣(MR)作为主要基质材料,配以珍珠岩和蛭石制成育苗基质,研究了无纺布容器育苗成型机的成型过程对基质物理性质的影响。结果表明:育苗成型机的成型过程显著增加了育苗基质的容重,但其对PE育苗基质容重的影响显著大于MR;且基质中珍珠岩的含量越高,成型过程对容重的影响越大。同PE相比,成型过程对MR基质总孔隙的影响相对较小。育苗基质中蛭石的添加比例增加,经育苗成型机的成型过程后,育苗基质的通气孔隙降低幅度提高;而珍珠岩比例增加,基质的总孔隙度、通气孔隙和持水孔隙的降低幅度增加。不同组分的育苗基质经成型过程后,田间持水量显著降低,持水能力明显下降。

中国遥感实验与真实性检验的发展思考

遥感实验与真实性检验始终在遥感科学与技术发展中发挥重要的作用,遥感实验是真实性检验的基础,真实性检验是遥感算法精度的重要保障,是遥感产品质量提升的重要途径。中国遥感实验和真实性检验发展历经遥感应用实验、定量遥感机理研究实验以及真实性检验综合实验等3个主要发展阶段,遥感系列实验有力推动了中国遥感真实性检验理论和方法的发展,形成了从遥感观测到像元“真值”的遥感产品真实性检验系统性技术链条,发布实施了遥感真实性检验系列国家标准,构建了中国算法测评与真实性检验平台。2022年11月4—6日,中国举行了“首届遥感实验与真实性检验学术论坛”,围绕遥感实验与真实性检验理论与实践、地面观测与不确定性、真实性检验实践与平台、遥感实验与真实性检验的未来发展等多个议题展开了热烈的交流与讨论。论文在总结和回顾中国遥感实验与真实性检验领域主要进展的基础上,阐述中国遥感实验与真实性检验面临的问题与挑战,文章最后对其发展前景进行了展望。

国家森林资源清查遥感应用主要技术进展

国家森林资源(连续)清查[national (continuous) forest inventory, NFI/NCFI,文中统称NFI]是森林资源监测体系的重要组成部分,可为制定国家林业发展战略和调整林业方针政策提供及时有效的科学依据。遥感在推动NFI技术进步方面发挥了重要作用,已成为支撑NFI运行不可或缺的技术手段。在将遥感数据作为辅助数据用于提高NFI总体参数估测精度和效率方面,国内外学者已开展了大量估计模型和方法研究,可概括为4类:设计推断法(design-based inference method)、模型辅助法(design-based and model-assisted method)、模型法(model-dependent method)和混合法(design and model hybrid method)。笔者针对这4类估测方法,总结了国内外研究现状,分析了国内相关研究存在的问题,并就未来重点研发方向和内容提出了建议。在设计推断法方面,国内外技术水平没有太大差距;国外开展了大量模型辅助法研究并已应用于NFI业务,但国内相关研究较少,且业务应用仅体现在面积成数估计,今后应加强该方法的应用示范和推广工作。关于模型法在NFI中的应用国外对多源数据协同应用中的不确定性度量方法进行了深入研究;国内对模型法的研究也很多,但对科学评价模型的拟合效果、度量模型估测结果的不确定性等缺乏系统研究,应作为后续研究重点;国外已针对NFI应用开发了3类混合法,国内对第1类混合法研究较少,对第2类混合法的研究还仅局限于用双重回归抽样法估计地类面积,而对第3类汇合法尚未采用“数据同化”思路开展相关应用研究。建议未来加强这3类混合法在国内NFI中的深入研究和应用示范。

高分六号宽幅多光谱数据人工林类型分类

高分六号(GF-6)卫星于2018年成功发射,2019-03正式投入使用。由于GF-6宽幅相机的WFV(Wide Field of View)影像较GF-1的同类影像新增2个红边波段,将会提高对农业、林业、草原等资源监测能力。为了分析GF-6的WFV影像在人工林分类方面的能力,促进高分数据在林业领域的应用,本文选取广西高峰林场为研究区,以最新的GF-6 WFV影像为数据源,结合地面实测类型数据,进行广西南宁高峰林场的桉树,杉木等人工林类型提取。主要运用随机森林(random forests)的分层分类法:首先计算6种植被指数,并利用随机森林法进行植被指数的特征优选,然后确定4种波段组合数据集的分类方案,4种数据集分别为(1)无红边的前4个波段,(2)有红边的8个波段,(3)8个波段加上未优化的植被指数特征组合,(4)8个波段加上优化的植被指数特征组合。再进行WFV影像4种数据集的随机森林分类,随机森林采用分类回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。最后比较4个方案的分类结果并进行精度验证。结果表明:方案2比方案1精度提高了4.99%,Kappa系数提高了0.058。说明包含红边的8波段数据比4个波段数据精度有大幅提升。方案4的8波段加上优化植被指数特征组合的分类精度最高,达到了85.38%,比方案2包含红边波段组和方案1无红边波段组的精度分别提高了3.98%,8.97%,Kappa系数分别提高了0.046,0.104。说明WFV影像加入红边波段比无红边波段精度明显增高。由结果可知,红边指数的引入,增强了植被信息,能够较准确地反映人工林类型特征差异,明显提升了人工林的分类精度。本研究方法可以有效改善广西人工林类型信息提取效果,为GF-6影像质量的评价及其在林业应用潜力提供科学参考依据。

内蒙古大兴安岭根河植被覆盖度动态变化及影响因素的分析

研究植被覆盖度(Fractional Vegetation Cover,FVC)动态变化,可增强了解森林群落的抵抗力和恢复力,为森林生态系统定量评价提供科学依据。基于像元二分模型、Landsat-5TM(2006、2010)及高分一号(GF-1,2016)数据估算了3个时期的根河市FVC,引入变化率和动态度2个指标评价其动态变化情况,并且分析了多因素对该变化的影响。实验结果显示:中度以上等级占总面积80%以上,2016年低、较低、中度、较高、高等级FVC分别为1 645.02、1 655.97、3 536.59、5 556.87、7507.15km2。采用0.2m航空CCD影像进行植被/非植被点提取后,针对2016年的FVC估算结果进行交叉验证的精度为0.92。变化分析结果显示:除部分地区外(敖鲁古雅),2006～2016年间FVC变化整体上呈增加态,尤其是高等级增加了1 668.78km2。综合来看,根河市植被覆盖良好,多重因素共同影响其动态变化,局部FVC对火灾干扰的变化极为敏感,低海拔和平坡FVC明显降低,与人类生产生活密切相关。

基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型

森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型(UnetR)。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明,UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。

高分三号影像水体信息提取

国内外针对陆地水体信息提取、洪涝灾害快速响应方面具有较深入的研究,但是多采用发展较早、图像质量可靠的可见光影像及国外星载SAR影像。中国合成孔径雷达(SAR)卫星高分三号(GF-3)已获取了大量多极化、全极化SAR数据,为了将GF-3影像快速应用到环境保护、水资源管理等行业中,本研究分析了水体与其他目标具有的不同后向散射特性,将阈值分割法与马尔可夫随机场(MRF)相结合,发展了一种检测精度较高、自动化程度强的水体信息提取方法。该方法首先通过直方图统计的方法对不同成像模式、不同极化的GF-3影像进行后向散射强度分析,在阈值分割的研究基础上,比较了最大类间方差法(Otsu)和Kittler and Illingworth(KI)二值化法在水体-非水体分类中的效果。然后结合DEM和GF-3轨道参数排除因阴影现象产生的辐射失真对图像概率分布的影响,得到初始的水体信息分布图,再经过Fisher变换和马尔可夫随机场(MRF)的迭代运算,综合利用GF-3影像的多极化信息和空间上下文信息,以最大后验概率准则输出最终的水体分布图。利用了湖南省东北部不同成像模式的两景GF-3影像进行试验,在成像时间接近的光学影像中随机选择检验样点进行精度评价。实验结果表明,KI方法在GF-3水体提取应用中比Otsu方法具有更强的优势,剔除图像阴影区域后,自动化确定的阈值与目视解译阈值更加接近,通过MRF模型优化以后,实现了对水体信息的连贯提取,对图像噪声具有较强的抑制作用。本研究对水体目标的提取精度均达到了85%以上,实验结果精度优于基于光学影像的水体指数法,整个流程需要很少的人工经验参与,具有自动化程度强、检测精度高的优势。

Feature analysis of LIDAR waveforms from forest canopies

Airborne light detection and ranging (LIDAR) can detect the three-dimensional structure of forest canopies by transmitting laser pulses and receiving returned waveforms which contain backscatter from branches and leaves at different heights.We established a solid scatterer model to explain the widened durations found in analyzing the relationship between laser pulses and forest canopies,and obtained the corresponding rule between laser pulse duration and scatterer depth.Based on returned waveform characteristics,scatterers were classified into three types:simple,solid and complex.We developed single-peak derivative and multiple-peak derivative analysis methods to retrieve waveform features and discriminate between scatterer types.Solid scatterer simulations showed that the returned waveforms were widened as scatterer depth increased,and as space between sub-scatterers increased the returned waveforms developed two peaks which subsequently developed into two separate sub-waveforms.There were slight differences between the durations of simulated and measured waveforms.LIDAR waveform data are able to describe the backscatter characteristics of forest canopies,and have potential to improve the estimation accuracy of forest parameters.