东北天然林资源保护工程成效评估及热点区域识别

东北地区天然林资源保护工程的实施,改善了生态环境,提高了生态系统服务能力,对东北地区生态系统服务也起到了积极促进作用。为了更直观的反映东北地区天保工程的实施成效,研究基于长时间序列的遥感监测数据集-土地利用数据,采用InVEST模型和RUSLE模型对1990—2020年天保工程实施前后东北地区和天保工程区生态系统服务变化进行定量评估分析并采用Getis-Ord Gi∗指数识别热点区域。结果表明:(1)东北地区1990—2020年城乡/工矿居民用地和耕地面积分别增加25.37%,12.15%,水域减少21.42%,草地减少14.02%,未利用土地和林地分别减少8.41%,5.34%。(2)1990—2020年东北地区和天保工程区土壤保持量分别增加了95.81×106 t、24.05×10^(6) t,碳储量分别减少了7.49×10^(8) tC、3.92×10^(8) tC,水源涵养量分别增加了177.51×10^(9) m^(3)、58.65×10^(9) m^(3)。(3)东北地区的极显著热点区域主要分布内蒙古地区东北部、黑龙江省北部、吉林省东部和辽宁省东部。随着天保工程的实施,极显著热点区域显著增加,且范围与天保工程高度重合。研究拟为后续东北地区林业政策和生态工程的实施提供科学的参考依据。

星载激光遥感林业应用发展研究

林业测量调查是星载激光遥感的重要应用方向。迄今为止,国外发展了多台套的星载激光载荷已经用于林业遥感。国内资源三号(02)星搭载的激光测距仪实验载荷实现了我国星载激光对地观测的突破,即将发射的陆地生态系统碳监测卫星多波束激光雷达也将在林业遥感中取得重要应用。ICESAT-1/GLAS系统全波形数据成功用于全球林地垂直结构调查,ICESAT-2/ATLAS系统以光子探测的方式获取林地点云调查数据,星载激光遥感林业应用从实验、演示验证、进入实用阶段。这期间多型星载激光雷达经过了技术体制的选择、参数的优化,器件技术和处理技术的突破。本文综述了主要在轨服务林业遥感的星载激光雷达的配置和数据应用,研究了星载激光雷达林业遥感的探测机制、技术体制、应用现状、适用范围等,分析总结了各类星载激光雷达林业应用技术特点、发展演化趋势,提出星载激光雷达载荷研制应根据任务应用需求、科学和工程目标,充分发挥激光技术长项,与其他载荷手段优化配置,扬长补短,展望了星载激光雷达林业遥感技术和应用的发展趋势、研究热点及其应用拓展。

基于机载全波形LiDAR数据的森林地上生物量估测算法研究

为提高森林地上生物量(AGB)的估测精度,本研究以白桦林为研究对象,以机载全波形激光雷达(Li DAR)数据为研究数据,首先提出了机载全波形Li DAR数据读取与全波形特征信息提取的相关算法,然后结合具体算法的实现提取出每条全波形数据对应的各波形分量的能量信息,进而依据波形能量信息计算出每个样地的全波形激光穿透指数(Fi LPI),之后通过全波形激光穿透指数F i LPI建立其与对应样地实测森林AGB的统计回归模型,同时将森林AGB的估测值与森林AGB的实测值进行对比。结果表明全波形激光穿透指数F i LPI与森林AGB具有很好的相关性(R2为0.885,RMSE为0.095),并且森林AGB的估测值与实测值之间误差的波动较小,提高了森林AGB的估测精度,弥补和提供了机载全波形Li DAR数据估测森林AGB的方法和思路。

基于星载LiDAR波形数据的森林胸高断面积估测研究

为探索星载LiDAR在森林胸高断面积上的应用潜力,利用星载激光雷达ICESat/GLAS波形数据对吉林汪清林区的森林胸高断面积进行估测。通过对ICESat/GLAS波形数据波形进行处理,提取一系列波形特征参数,利用回归估计方法分析波形特征参数与胸高断面积的相关关系,建立预测模型对森林胸高断面积进行估测。结果表明:在所提波形特征参数中,波形长度、H5和H10与胸高断面积在三次函数拟合时具有明显的相关性,判定系数R2分别为0.813、0.737和0.613,预测精度P分别为0.951、0.932和0.901,综合分析最终确定波形长度估测模型最好,该模型可稳定准确地估测出胸高断面积。表明星载LiDAR是未来估测森林胸高断面积一种有效的方法,并为进一步的森林蓄积量研究提供了一种技术手段。

基于MODIS影像的决策树森林类型分类研究

基于MODIS影像的多种特征信息,以吉林省汪清林业局为例,结合该地区的地形分布,在空间维上分析影像的纹理特征信息和地形指标信息,时间维上分析植被的生长规律和地表温度信息,统计分析植被的特征信息差异,利用决策树方法对该林区的森林类型进行分类,并对分类结果进行精度评价。结果表明,总体分类精度为87.80%,卡帕系数为0.851 0,其中,针叶林、阔叶林、混交林、和其他用地的分类精度均达到80%以上。在分类决策中,时间和空间上的多种数据特征信息的加入,可有效地提高植被类型的分类精度。该结果有助于更好的了解植被在时间和空间上的分布情况,为大区域尺度的森林动态信息监测提供更好的依据。

小光斑激光雷达数据估测森林生物量研究进展

小光斑激光雷达可以直接获取森林的垂直和水平结构参数,因此广泛应用于森林树高、生物量和郁闭度等结构参数估计。本文主要分析小光斑激光雷达在森林生物量估测中的应用,根据研究尺度的不同,分别对小光斑激光雷达在单木、样方水平森林生物量的反演技术和方法进行详细分析,并对小光斑激光雷达与其他类型遥感数据进行融合,共同用于森林生物量研究的潜能进行阐述,通过对上述分析得出小光斑激光雷达用于森林生物量研究中存在的问题进行总结并对其未来的研究进行展望。

机载大光斑激光雷达数据估测森林结构参数研究进展

针对LiDAR对森林结构具有较强探测能力,从而能够准确地获取森林的三维结构的优势,该文试图将该技术运用于估测森林结构参数,并介绍了机载大光斑LiDAR系统的工作原理和主要技术规格,系统总结了机载大光斑LiDAR数据估测森林结构参数的研究现状,分析了机载大光斑LiDAR估测森林结构参数的局限性并对其进行了展望。

基于机载LiDAR多回波类型森林叶面积指数反演研究

森林叶面积指数(Lai)作为森林的重要结构参数,对于研究森林物质能量交换相关的生理活动具有重要意义。为提高森林Lai的反演精度,本研究充分利用激光雷达点云数据多回波类型之间所含信息的差异,通过对机载激光雷达点云数据预处理后,基于点云数据的多回波类型,共提取了6个激光穿透指数(Lpi),分别与野外样方实测Lai建立线性回归模型用于估测森林Lai。结果发现:单变量估测模型中,基于首次回波强度Lpi(i LPIfirst)模型最好(R2=0.836,Mad=0.091)。多变量模型中,基于首次回波强度Lpi(i LPIfirst)、冠层回波数量Lpi(n LPIcan)及冠层回波能量Lpi(i LPIcan)的三变量模型估测精度最高(R2=0.883,Mad=0.076),相比于单变量估测模型而言,R2提高了0.047,Mad减少了0.015。结果表明,基于点云回波类型分类的Lpi能够较好的估测森林Lai,且多变量模型的估测精度要优于单变量模型的估测精度。

弱光束条件下森林区域光子云去噪算法精度研究

先进地形激光高度计系统(ATLAS)可为全球森林冠层高度测量提供科学数据,利用ATLAS光子云数据可获取森林冠层高度信息。为探究光子云去噪算法在弱光束条件下森林研究区的去噪效果,采用局部距离统计算法、基于密度的聚类(Density-based spatial clustering of applications with noise,DBSCAN)算法和基于粒子群优化(Particle swarm optimization,PSO)模型的PSO-DBSCAN算法在弱光束条件下的森林区域进行了光子云去噪试验,研究了算法的去噪精度,并分析研究区不同特性对于去噪效果的影响。结果表明:PSO-DBSCAN算法在弱光束条件下森林区域去噪精度达到了0.95,满足光子云去噪的精度要求,该算法相对局部距离统计算法和DBSCAN算法表现出更好的去噪效果;相对地形坡度和植被覆盖度,太阳高度角会对算法的去噪结果产生更大的影响。

基于3-PG模型的森林植被净初级生产力动态变化研究

森林植被净初级生产力(Net Primary Productivity,NPP)在进行碳储量以及碳汇的研究中发挥重要作用。为了解森林植被NPP的变化趋势及特征,实现NPP的动态研究,本文以黑龙江省伊春市带岭区作为研究区,利用3-PG(Physiological Principles Predicting Growth)模型,研究带岭区针叶林、阔叶林和针阔混交林2014-2044年森林植被NPP逐年生长量以及2014-2019年NPP的逐月生长量变化。结果表明:2014-2044年间带岭区森林NPP整体呈现增加趋势,但增长速度随年份增长逐渐降低;2014-2019年NPP的逐月生长量呈周期性变化;带岭区2015年5-9月NPP总量为30.725×10^5 t;NPP年值与月值在3种林分中均表现为幼龄林>中龄林>近熟林>成熟林>过熟林。研究结果为3-PG模型在我国东北地区的应用做出尝试,并为林业管理人员提供决策支持和科学参考。

基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究

土壤含水量是影响水文和气候变化的基本参数,研究土壤含水量分布,对气候变化、水资源分布、农作物估产等有着重要的现实意义和科学价值。本文以2015年6月21日的Sentinel-1A(哨兵1号)双极化合成孔径雷达影像为基础,结合同时段辅助光学影像Landsat 8,对北安—黑河高速沿线地区不同植被覆盖程度下复杂地表土壤含水量进行反演研究,探讨不同极化组合方式在不同土地利用方式下的土壤水分含量反演结果。结果表明:VH极化及VH与辅助变量NDVI(Normalized Difference Vegetation Index)组合反演精度分别为52.1%和53.6%,整体效果并不理想。VV极化(VV Polarization)图像和双极化VV/VH(VH Polarization)组合在裸露和低植被地区反演更具有优势,其精度分别为75.4%和59.5%,而在高植被覆盖度地区并不适用。VH极化反演结果中耕地土壤含水量比实际值低9.37%,VV极化在低植被区域土壤含水量比实际值低10.45%,在灌木及耕地地区VV/VH反演结果精度比单极化及其组合反演结果低,最高精度模型的反演是VV结合NDVI。VV与辅助变量NDVI结合能综合反映复杂地表环境下土壤含水量,其精度达84%,标准误差RMSE为2.07,比VV极化反演精度提高8.8%,RMSE比VV极化降低2.704。VV与辅助变量NDVI组合方式在中等植被覆盖地区土壤含水量反演更具有优势,并能够更好地发挥哨兵1号C波段合成孔径雷达在土壤水分研究中的潜力与有效性。

基于机载LiDAR落叶松树冠几何形状三维重建关键技术研究

森林冠层的三维重建研究能够更加直观反映森林空间结构,提高森林参数的测量精度。目前小光斑激光雷达已经广泛应用于林业研究中。为建立落叶松树冠三维形状模型,以长春净月潭实验区落叶松机载LiDAR(LiDAR,Light Detection And Ranging)数据为基础,采用K-means算法提取建模参数。该算法以单木树冠顶点作为初始聚类中心,经过4次迭代估测出单木树高和单木树冠直径,通过与试验区的单木实测数据对比,进行相关性分析,得到估测树高和估测树冠与实测数据相关系数分别为0.892 4和0.769 0,经过验证,估测树高和估测树冠的精度为94.06%和82.21%。利用激光雷达提取出的单木坐标、树高、树冠和冠基高采用旋转抛物线方法重建森林尺度三维模型呈现森林结构。

基于森林调查数据的长白山天然林森林生物量相容性模型

森林生物量估算是进行陆地生态系统碳循环和碳动态分析的基础,但现有估测模型存在着总量与分量不相容的问题.本文以吉林省汪清天然林区为例,提出了基于森林调查的相容性森林生物量模型设计思想,并采用联立方程组为不同森林群落构造了一系列引入林分蓄积因子的相容性生物量模型,得到的预估精度较高.其中,针叶林、阔叶林和针阔混交林群落的森林生物量模型预估精度均在95%以上,基本上解决了森林生物量模型的相容性问题.

基于ICESat-GLAS波形估测平均树高的研究

以吉林省汪清林业局经营区域为例,基于星载激光雷达ICESat-GLAS回波参数,构建了平均树高回归模型,预估精度为84.05%;利用反距离加权法,对ICESat-GLAS光斑平均树高估测值进行差值运算,得到初始CHM(Canopy Height Model),实现了平均树高空间连续分布制图;再利用坡度校正和3×3移动窗口差分滤波平滑初始CHM,得到研究区平均树高修正CHM,预估精度达到91.52%。研究结果表明,坡度校正和移动窗口差分滤波方法能有效削弱坡度影响,剔除异常点,提高平均树高估测精度。

基于机载LiDAR全波形数据白桦林林分LAI反演研究

为提高森林叶面积指数(LAI)的估测精度,本研究以白桦林为研究对象,以机载激光雷达(LiDAR)全波形数据为研究数据,首先提出了机载LiDAR全波形数据读取与波形特征信息提取的相关算法,结合具体算法的实现分析出每条全波形对应的各波形分量的能量信息,然后依据波形能量信息在传统激光穿透指数(LPI)计算的基础上结合全波形数据的特点,计算出全波形激光穿透指数(LPIfi),最后获得样地体元激光穿透指数(LPIf-mean),用于估测森林林分LAI,并将估测结果与机载LiDAR离散回波点云数据估测森林LAI的结果进行了对比。结果表明,全波形样地体元激光穿透指数LPIf-mean与森林林分LAI之间的建模精度R^2=0.815,RMSE=0.105,预测精度R^2=0.864,RMSE=0.139,同时在同等样地尺度下,全波形数据返回脉冲能量信息估测森林LAI的精度要高于离散回波点云数据的,因而,基于机载LiDAR全波形数据能够实现森林林分LAI的高精度反演。可以为进一步森林生态参数模拟与估测提供高精度的基础数据,弥补和提供了机载LiDAR全波形数据估测森林LAI的方法和思路。

基于窗函数的林区ICESat-GLAS波形数据消噪研究

在利用对地学激光测高系统(the Ice,Cloud and land Elevation-Geoscience Laser Altimeter System)数据估测森林结构参数时,需对原始波形进行去噪处理,以提高估测精度。以吉林汪清林区为例,提出了基于窗函数的林区GLAS数据消噪方法,选取了5种窗函数对GLAS数据进行消噪并比较其消噪精度。结果表明:窗函数对林区波形数据消噪具有较好的效果,窗函数消噪法的信噪比SNR最高为40.488 679,均方根误差RMSE最低为0.000 335;GLAS数据经窗函数消噪后能够合理地预测林区冠层高度,预测冠层高度与实测冠层高度的回归精度r从0.725增至0.820;本研究所选的几种窗函数中布拉克曼窗函数的消噪效果较好。结果说明了窗函数在对ICESat-GLAS波形数据消噪中具有很大的应用潜力。

基于TM遥感影像的森林类型分类方法比较

以吉林省汪清林业局为例,基于Landsat5-TM影像,充分利用遥感影像光谱信息,分别采用动态聚类法和组合监督分类法对该林区的森林类型进行分类,并对分类结果的精度进行比较分析。研究结果表明,利用组合监督分类的精度比动态聚类法分类的精度要高,总体分类精度高11%,其中针叶林、阔叶林、混交林和其他用地的分类精度分别高8%、11%、17%和10%。

基于ICESat-GLAS全波形数据的坡地森林冠层高度估测

地形坡度对星载LiDAR的回波波形会产生很大的影响,并会进一步影响森林结构参数的正确估测。比较两类参数量化地形坡度的能力:辅助地形DEM数据的地形指数和波形自身参数后缘长度,以在反演坡地森林冠层高度时仅从回波波形本身出发,而不需要借助于其他辅助数据。采用估测坡地森林冠层高度的两组对比模型来比较:第1组对比模型是Xing模型和基于未改进的后缘长度的线性模型;第2组对比模型是Xing模型和基于改进的后缘长度的线性模型。结果表明,在两组对比模型中,基于波形自身特征参数的模型结果均优于基于辅助地形DEM数据的地形指数的Xing模型,说明在量化地形坡度时,波形的自身特征参数的量化能力要高于辅助地形DEM数据的量化能力。

一种基于地面特征与树木位置关系的无人机和地基LiDAR点云配准方法

【目的】无人机激光雷达与地基激光雷达的工作方式不同,导致无人机点云缺乏林内信息,地基点云缺乏林冠信息,单一平台的LiDAR点云难以完整描述森林三维垂直结构,将这两者点云融合有利于消除各自的扫描盲区,估测更为准确的森林结构参数。基于此,提出了一种基于地面特征与树木位置关系的无标识自动化配准方法。【方法】选取哈尔滨城市林业示范基地内的蒙古栎和樟子松作为研究对象,采用大疆禅思L1激光雷达设备与FARO Focus3D X330三维激光扫描仪分别获取样地内的无人机和地基LiDAR点云。首先,利用改进的渐进式加密三角网滤波算法分别从无人机点云和地基点云中提取地面点云,基于两者相似的快速点特征直方图(FPFH)特征,使用随机采样一致性算法得到初始配准参数,完成初始配准。然后,从初始配准后的无人机点云和地基点云中提取相同高度处的树干点云的水平投影位置作为配准基元,分别构建不规则三角网,并基于三角形的角度相似性原理寻找同名三角形对。最后,使用奇异值分解法得到旋转平移参数,从而完成精细配准。【结果】蒙古栎样地内对应树木水平偏移距离的平均值为0.173 m,樟子松样地内对应树木水平偏移距离的平均值为0.283 m,2个样地的树木点云均取得了较高的配准精度。【结论】提出的点云配准方法有效实现了林区无人机点云数据和地基点云数据的配准,二者的融合可为快速完整地获取林木构型信息提供数据基础,从而推动多源激光雷达技术联合应用于林木三维重建和森林资源精细调查等方面。

基于特征选择的TLS蒙古栎人工林点云分类研究

【目的】针对点云分类过程中多依据经验盲目构造特征的问题,本研究提出使用基于xgboost的特征选择弥补上述不足。【方法】本研究的数据为地面激光雷达扫描获得的蒙古栎人工林数据。本研究考虑构造适当的特征训练分类器将TLS点云快速分离为地面、树干与枝叶3个类别。在分类过程中,先在训练集中逐点搜索100个近邻构造19个特征,然后使用这些特征训练xgboost分类器,并依据控制分类器节点分裂的特征频率获得特征重要性。获得特征重要性之后将特征按重要性做降序排列,并依据该序列依次增加特征数量训练xgboost。因为构造了19个特征,所以在上述训练分类器的过程中可获得19个关于特征重要性的分类器模型。依次将上述模型应用于测试集的分类,在保证分类器性能的情况下,依据测试集的表现选择了前6个特征,从而实现了TLS点云分类的特征选择。【结果】使用基于特征选择获得的6个特征与依据经验构造的19个特征训练分类器的测试准确率分别为0.954 8与0.956 2。相较于使用19个特征,使用6个特征的分类器性能仅降低了0.001 4。在训练集与测试集中计算6个特征用时分别占计算19个特征用时的53.13%与54.33%。【结论】结果表明特征选择策略可有效提高特征计算效率,而且在保证分类器性能的前提下可以避免特征构造的盲目性。