融合星载LiDAR系统GEDI数据与Sentinel-2影像的长江中游洲滩典型禾本科植物高度动态研究

植物是大型河流生态系统的重要成分。但受气候变化和人类活动影响,洲滩禾本科植物高度不断发生调整,进而影响洲滩生境和河道防洪安全,故需长期监测。近年来,伴随着星载激光雷达(LiDAR)技术的发展,应用LiDAR卫星数据反演洲滩禾本科植物高度成为一种可能。本文融合新一代星载LiDAR系统GEDI数据与Sentinel-2影像,基于XGBoost算法构建了考虑物候、累积温度与光合有效辐射指标的洲滩典型禾本科植物高度外推模型,同时利用Attention-UNet算法搭建了洪淹区域识别模型。随后以长江中游洲滩为例,探明了星载LiDAR技术在获取洲滩植株高度方面的性能,分析了各指标对模型精度的影响,并初步得出了洲滩典型禾本科植物高度对不同淹没条件的响应模式。主要结论包括:(1)星载LiDAR系统GEDI具有准确探测洲滩植物高度的能力,与无人机航测数据相比RMSE=0.43 m;(2)运用GEDI数据构建禾本科植物高度外推模型时,考虑物候和累积温度等指标可有效提升模型精度,提升幅度为6.8%~10.7%;(3)利用无人机航测数据对模型外推植物高度进行评价,RMSE=0.80 m。同时从模型外推结果中可知,受2020年流域尺度洪水影响,中游各河段平均植物高度下降了0.03~0.24 m;(4)在2020年流域尺度洪水作用下,淹没历时≤10天的洲滩禾本科植物,其次年株高整体呈增长趋势;而淹没历时>10天时,其次年株高平均下降了2.3%~3.1%。此外,对于日均淹没水深与株高的比值>0.95的洲滩,随着比值增加,洪水对禾本科植株高度的负面作用逐步增强。

基于序贯高斯条件模拟的GEDI数据联合Landsat8反演森林地上生物量

[目的]单一遥感技术估测森林生物量存在较大局限性,本研究旨在利用多源遥感协同技术互补激光雷达和光学遥感的优势,提高生物量估测精度。[方法]以星载激光雷达GEDI和光学遥感Landsat8数据为主要信息源,采用序贯高斯条件模拟方法实现GEDI光斑数据由“点”到“面”的空间扩展,结合地面138块生物量调查样地,利用随机森林回归方法估测云南省香格里拉云冷杉林的地上生物量。[结果](1)采用序贯高斯条件模拟方法对GEDI光斑点进行空间插值,模拟的12个生物物理指标在空间分布上呈现出随机性、破碎化的特征,这与森林的空间分布聚集性非常相似,参与建模的9个指标OEC均大于0.90;(2)利用单一Landsat8光学遥感数据和地形因子构建的随机森林模型精度为:R2=0.82,RMSE=35.51 t·hm^(-2),P=0.77;Landsat8数据协同星载激光雷达GEDI数据构建的随机森林模型精度为:R2=0.86,RMSE=32.11 t·hm^(-2),P=0.80,模型精度明显提升;(3)利用多源遥感技术估测的香格里拉2019年云冷杉林地上的生物量总量为37 042 605.68 t,平均生物量为123.28 t·hm^(-2)。[结论]基于地统计学的序贯高斯条件模拟方法考虑到研究对象的空间异质性、能克服一定的平滑效应,用于实现激光点由“点”到“面”的空间扩展是可行的。星载激光雷达GEDI与光学遥感Landsat8协同的多源遥感数据可有效填补单一遥感数据源的缺陷,提高森林生物量的估测精度,能为激光雷达联合光学遥感估测大范围、全覆盖的森林生物量提供参考。

GEDI与Tandem-X DEM估测密林林下地形性能评价

针对密林情况下,GEDI数据与现有的Tandem-X DEM数字地面模型估测林下地形精度没有进行整体评价问题,拟以密林情况作为主要分析场景,通过提取GEDI L2A数据产品对应光斑的经纬度、林下地形信息与数据质量筛选参数,开展数据质量筛选,用以估测基于GEDI数据的林下地形数据,与Tandem-X DEM数据估测密林情况下研究区林下地形开展比较,并进一步探究冠层高度、森林覆盖度与植被类型对估测精度的影响。GEDI与Tandem-X DEM的R~2分别为0.99和0.98,GEDI估测林下地形结果的RMSE、Average与STD分别6.49、-1.92、4.42 m, Tandem-X DEM估测林下地形结果的RMSE、Average与STD分别为18.15、14.63、7.35 m。GEDI数据在混交林和稀疏草原情况下RMSE与Average分别变化8.05 m和6.04 m, Tandem-X DEM数据在常绿针叶林与农田/天然植被情况下,RMSE与Average变化幅度为21.63、26.43 m。实验结果表明,GEDI与Tandem-X DEM数据与机载验证数据存在强相关性,且GEDI相对Tandem-X DEM数据表现出更优的评价标准;地表植被类型相对冠层高度和植被覆盖度会对两数据估测林下地形精度产生更大的影响。

深度学习方法下GEDI数据的天然云杉林地上生物量反演

森林作为陆地最大碳库,对人类的生活与发展至关重要,精准掌握森林资源动态变化并对其进行现代化可持续发展已成为当下研究热点。本文以天山山脉的天然云杉林为研究对象,利用地面实测数据、直升机机载激光雷达点云数据以及全球生态系统动态调查激光雷达(Global Ecosystem Dynamics Investigation,GEDI)数据,构建多源融合数据框架,通过使用AutoKeras框架下的深度学习算法,实现GEDI数据的多个相对高度百分位数(Relative Height Percentile,RH)与其光斑内地上生物量的回归模型预测,验证GEDI数据在较大范围的地上生物量反演方面的可行性,主要结论如下:(1)GEDI数据用于森林地上生物量估测研究具有较高可行性,通过自动化深度学习算法,训练集、验证集、整体数据的决定系数(Coefficient of Determination,R2)分别为0.69、0.63和0.67,平均绝对误差(Mean Absolute Error,MAE)分为3.73 mg·hm^(-2)、4.22 mg·hm^(-2)和3.89 mg·hm^(-2),具有较高的预测精度。(2)直升机激光雷达作为GEDI数据估算地上生物量的中间技术,整个研究区内的单木识别准确率高于0.75。最终本次研究通过多模态数据融合,定量化描述研究区单木基础结构参数的同时,验证GEDI数据在获取森林地上生物量方面的潜力,也为相近区域大面积的森林碳源汇、生物量、蓄积量估算、森林管理与经营、生物多样性保护等多个项目研究提供理论基础,具有一定的指导意义和基础数据支撑作用。

基于星载激光雷达GEDI数据的云南松林地上碳储量估测研究

本研究利用地面45块角规控制样地实测数据结合星载激光雷达GEDI,对研究区云南松林碳储量估测。结果表明:112个GEDI激光雷达特征参数经随机森林重要性准则优选,特征参数sensitivity、solar_elevation、pavd_z_1、pavd_z_0与森林碳储量具有较好相关性,可作为研究区碳储量遥感估测模型变量参数;对优选光斑特征因子空间变异分析,除特征参数solar_elevation的变异函数拟合球状模型为最优,其余以指数模型拟合效果最优,4种特征参数均表现出较强的空间相关性,经克里金插值可获取连续空间分布;经留一交叉验证,RF回归模型的决定系数和均方根误差分别为0.83和10.40t/hm2;基于RF回归模型获取研究区云南松总的地上碳储量为2776545.63t,平均碳储量为53.48t/hm2。研究结果可为低纬度高海拔山区森林碳储量的遥感估测提供新思路。

PICCO监测中GEDI同CVP相关性研究

目的:研究危重病人中时中心静脉压(CVP)和全心舒张末容积指数(GE-DI)的相关性,评价CVP在评估危重病人血容量的意义。方法:对25例危重病人(APACHEⅡ评分18～23)脉波指示剂连续心排血量(PICCO)监测的结果进行分析。采集CVP和GEDI两个参数。再对这些参数进行回归性分析,研究其相关性。结果:Pearson相关系数r=0.193,P=0.099(P>0.05),没有统计学意义,CVP和GEDI无线性相关性。结论:不同的病人CVP和GEDI没有线性相关性。临床中用CVP的绝对值评估价容量负荷不值得推荐。

GEDI不同算法组数据反演森林最大冠层高度和生物量精度比较

【目的】利用星载激光雷达反演森林最大冠层高度和生物量会受到低能量的地面反射或较高的背景噪声等不利情况的影响。全球生态系统动力学调查(Global ecosystem dynamics investigation,GEDI)多波束激光雷达于2018年成功装备到国际空间站,旨在实现对森林冠层高度、生物量等参数的测量。为了减小不利情况的影响,针对不同的冠层和地面的场景,GEDI设定了不同的噪声阈值、信号阈值、起始阈值和结束阈值组合,共6种算法组数据。为了研究GEDI不同算法组数据反演森林最大冠层高度和生物量的精度,本研究对GEDI的L2A高程数据和L4A足印级生物量数据进行分析研究。【方法】针对L2A数据,本研究提取shot_number、lon_lowestmode、lat_lowestmode字段定位光斑经纬度,根据quality_flag、degrade_flag、sensitivity进行数据筛选,利用mean_sea_surface、elev_lowestmode、elev_highestreturn进行最大冠层高度反演。对于L4A数据,定位后利用l2_quality_flag、l4_quality_flag、algorithm_run_flag进行L4A数据筛选,然后根据agbd、agbd_pi_lower、agbd_pi_upper反演森林生物量,最后使用机载数据进行GEDI反演冠层高度和生物量精度验证。【结果】对L2A的6个算法组数据进行计算,结果显示a5的精度最低,精度最高的是a4组,R^(2)=0.97,RMSE=0.87 m,MAE=0.31 m。针对L2A中的相对高度指标进行研究,发现RH99是精度最高的,R^(2)=0.97,RMSE=0.85 m,MAE=0.25 m,而且研究表明随着RH的减小,精度逐渐降低。利用L4A反演森林生物量时,针对a5样本数量少,精度低的缺点,增加了信号阈值更高的a10组来替代a5组数据。最终结果显示,精度最高的是a2组,R^(2)=0.92,RMSE=10.80 t/hm^(2),MAE=4.99 t/hm^(2)。【结论】GEDI数据能够有效反演森林最大冠层高度和生物量,L2A反演冠层高度a4算法组的精度最高,L4A反演生物量a2算法组的精度最高。

GEDI L2A不同算法对地面高程和森林冠层高度精度的影响分析

全球生态系统动力学调查(global ecosystem dynamics investigation,GEDI)雷达是美国2018年12月发射的全波形激光雷达系统,可以为全球地面高程及森林冠层高度提供数据支持。为适应不同地表环境,GEDI L2A产品提供了6种不同算法来估算地面高程及森林冠层高度,这些算法的选择会影响地表参数的提取精度。以机载LiDAR得到的数字地形模型和冠层高度模型为参考数据,评估第2版GEDI L2A数据在不同植被覆盖度下不同算法的适应性以及对地面高程和森林冠层高度精度的影响。结果表明,在覆盖度小于0.2时,算法4的结果最优,在覆盖度大于等于0.8时算法2的结果最优,其余覆盖度下算法1的结果最优。将本文根据植被覆盖度选择的最优算法与GEDI L2A默认最优算法进行比较,整体看来本文的结果优于GEDI L2A默认最优算法的结果,特别是在覆盖度小于0.8,坡度大于等于10°时,本文选择的最优算法能有效提高GEDI L2A产品对地面高程和森林冠层高度估算的精度。

基于GEDI、Sentinel-2和机载激光雷达的森林冠层高度反演研究

持续且大规模地监测森林冠层高度对于估计与森林有关的碳排放和分析森林退化至关重要。全球生态系统动态调查(GEDI)搭载的激光雷达自2019年4月以来一直在收集与植被垂直结构相关的数据。本研究首先利用Sentinel-2影像、SRTM-DEM数据和GEDI提供的森林高度产品构建森林高度预测模型。然后,利用大疆禅思L1(DJI-L1)无人机系统获取的激光点云数据验证构建模型的精度(R=0.73,RMSE=2.62 m,MAE=2.23 m)。最后,获取了2021年黑龙江省松峰山林区空间分辨率为30 m的全覆盖森林冠层高度数据。本研究证实了利用GEDI数据与时序光学数据联合获取大范围内的全覆盖森林冠层高度变为可能,对于森林碳储量的估计和森林资源的监测具有非常重要的意义。

联合ICESat-2和GEDI星载激光雷达数据的森林地上生物量估算

本研究重点对比分析ICESat-2和GEDI两种星载激光雷达数据用于森林地上生物量估算的适用性,首先在古田山典型研究区采用线性逐步回归方法分别构建基于ICESat-2的条带和基于GEDI的光斑尺度森林地上生物量估算模型,再结合MODIS光学遥感数据和ASTER GDEM地形数据,采用随机森林法在浙江省分森林类型构建逐像元尺度的森林地上生物量外推模型,根据40个森林地上生物量地面调查样点的精度验证探讨大区域尺度森林地上生物量的最优估算方法,实现了2020年浙江省森林地上生物量成图。研究结果表明:(1)在古田山典型研究区基于ICESat-2的条带尺度森林地上生物量估算模型精度(R^(2)=0.7057,RMSE=0.3571 ln(t/ha))高于基于GEDI的光斑尺度模型(R^(2)=0.5186,RMSE=0.2805 ln(t/ha));(2)外推到浙江省的森林地上生物量估算结果表明基于ICESat-2的精度(R^(2)=0.59,RMSE=31.2525 t/ha)明显优于GEDI(R^(2)=0.4113,RMSE=39.2652 t/ha),且研究区的高程对两种数据的估算差异影响最大,仅采用高程在600 m以下的GEDI光斑数据来构建外推模型,发现估算精度有显著提高(R^(2)=0.5387,RMSE=25.4017 t/ha);(3)将ICESat-2条带与高程在600 m以下的GEDI光斑联合起来构建外推模型,是利用两种星载激光雷达数据进行浙江省森林地上生物量估算的最优方法(R^(2)=0.678,RMSE=27.3592 t/ha)。该研究融合地面、机载与星载遥感数据,以浙江省为例开展森林地上生物量的区域尺度估算研究,可为森林碳储量的动态监测与固碳能力评估提供方法借鉴与应用示范。

结合ICESat-2和GEDI的中国东南丘陵地区ASTERGDEM高程精度评价与修正

星载激光雷达ICESat-2和GEDI可以为数字高程模型产品的精度评价与修正提供全球覆盖的、可靠的高精度参考数据源。然而,现有的DEM修正方法主要是针对DEM误差中的植被高信号且多采用线性回归模型。为此,本文分析了ASTER GDEM v3精度与土地覆盖类型、高程、坡度、起伏度及植被覆盖率的关系。在此基础上,提出了一种考虑上述多种精度影响因素并结合XGBoost和空间插值的DEM误差修正方法。结果分析表明:原始ASTER GDEM的误差整体呈正态分布,平均误差为-3.463 m,存在较大负偏差,高程精度随着高程、坡度、起伏度及植被覆盖率VCF的增大呈降低趋势;经过修正后,ASTER GDEM平均误差降低到了-0.233 m,负偏差得到有效改善,整体平均绝对误差降低了26.04%,整体均方差降低了23.56%,耕地、林地、草地、湿地、水域及人造地表的DEM平均绝对误差和均方差都有不同程度的降低;本文提出的方法对多种特征要素与地形误差间的非线性关系进行拟合建模,在研究区取得了较好的修正效果。

星载激光雷达GEDI数据林下地形反演性能验证

【目的】新一代天基测高系统全球生态系统动力学调查(GEDI)对森林观测及经营具有重要意义,为探究GEDI V2(GEDI第2版)数据反演林下地形的性能,利用机载雷达数据验证林下地形反演精度,并探究反演精度的影响因素。【方法】分别以美国西波拉森林与中国帽儿山森林为研究对象,利用G-liht及帽儿山高精度机载雷达数据验证GEDI V2数据在针叶林及针阔叶混交林下反演地形的性能,并分析不同光束强度、光斑时间、坡度及植被覆盖度对地形反演精度的影响。【结果】美国西波拉针叶林地区地形反演精度均方根误差(RMSE)为2.33 m,平均绝对误差(MAE)为1.48 m;帽儿山针阔叶混交林地区地形反演精度RMSE为4.49 m, MAE为3.33 m。随着坡度、植被覆盖度增大,两种森林类型地形反演精度均降低。【结论】GEDI V2数据反演针叶林林下地形精度要优于针阔叶混交林,强光束优于覆盖光束,湿润地区白天效果更优,干旱地区黑夜效果更优;平缓地区数据使用效果极好,陡峭地区精度降低;中低植被覆盖度区域地形反演精度较高,高植被覆盖区域地形测定性能有所下降。

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。

GEDI地面高程和森林冠层高度的精度评价与影响分析

精确地提取地面高程和植被冠层高度,对于地形地貌、生态学等方面的研究具有重要意义。2018年12月发射的新一代全球生态系统动力学调查雷达(GEDI)为地面高程和植被冠层高度大范围精确提取提供了前所未有的机会。研究旨在利用机载激光雷达数据验证GEDI提取的地面高程和冠层高度精度,并探讨地理定位误差、地形坡度、坡向、植被覆盖度、方位角、采集时间、光束类型和不同森林类型因素对其精度的影响。结果表明:通过校正GEDI数据地理定位误差,可以明显提高其提取的地面高程和冠层高度精度;影响冠层高度提取精度最主要的因素是植被覆盖度,其次是坡度;影响地面高程提取精度的主要因素为坡向、坡度。植被覆盖度大于25%时,数据精度更高;坡度为0°—5°的缓坡地区地面高程和冠层高度精度最高。该研究结果将为GEDI数据筛选与应用提供依据。

信息检索标准化的发展动向

介绍ISO标准化的信息检索协议Z39.50、馆际互借协议ILL及电子文档交换协议GEDI,探讨下一代信息检索协议SRW/SRU、CQL的应用及发展动向。

信息活动中的协议标准

对信息活动中所涉及的协议标准,如信息检索协议Z39.50和ZING、馆际互借协议ILL和电子文献交换协议GEDI、书目信息标准ISBD、MARC及元数据标准MODS等进行了概述。

英雄主义激情的理与智

中华民族任何时候都需要英雄主义激情与精神,但是毋庸置疑的是,具有史诗意义的御侮抗倭的英雄主义激情与精神的优秀之作,新时期来似乎吉光片羽,文学艺术家应该不忘自己的天职,不断警醒中华民族浓浓蕴蓄的英雄主义激情与精神。具有英雄主义激情与精神的形象不是“神”,而是现实生活中的人。它需要戏剧性激情、情节和可能的悲剧性情节的智慧去进行艺术的表达。

常山江阁底枢纽通航水流条件及方案优化试验研究

常山江阁底枢纽处于"S"形弯曲河段中部,上游引航道处于河道凹岸主槽,下游引航道处于河道下弯道凸岸,引航道口门区及连接段水流条件复杂,流速指标难以满足通航安全要求。针对坝址河段的特点和枢纽设计通航要求,依托1:80正态枢纽整体水力学模型,研究上下游引航道口门区及连接段的通航水流特性,并提出优化布置方案。结果表明,合理疏浚河道并适当调整引航道航线布置,可改善引航道口门区及连接段的水流条件,使口门区流速指标满足通航要求,实现船舶安全通航和枢纽正常运行。

论嵇康的文化悲剧意义

透过魏晋时期大文学家嵇康的悲剧命运,我们会发现政治对文学的干涉所导致的文化意义上的遗失,从而加深对魏晋文学时代氛围的感受和理解。

葛地枣丹汤加减配合西药治疗原发性高血压疗效观察

目的:观察葛地枣丹汤加减配合西药治疗原发性高血压的临床效果。方法:将原发性高血压患者102例随机分为观察组与对照组各51例。对照组采用西药常规治疗,观察组在对照组治疗的基础上采用葛地枣丹汤加减治疗,比较2组患者临床疗效,治疗前后收缩压和舒张压改变情况以及中医临床症状体征积分情况。结果:观察组有效率为92.2%,高于对照组的76.5%(P<0.05);治疗后2组患者血压均降低(P<0.05),且观察组低于对照组(P<0.05);治疗后2组患者头晕、头痛、畏寒肢冷、大便溏薄、气短、喜热饮、神疲乏力、夜尿频、腰膝酸冷以及面色苍白等中医临床症状体征积分均降低(P<0.05),且观察组低于对照组(P<0.05)。结论:葛地枣丹汤加减配合西药治疗原发性高血压的临床效果优于单纯西药常规治疗。