遥感用于森林生物多样性监测的进展

随着物种和栖息地的丧失,全球范围的生物多样性保护已经成为迫切的需要。航空航天技术的迅猛发展使遥感成为能提供跨越不同时空尺度监测陆地生态系统生物多样性的重要工具,这方面的研究在欧美等国已经有了小范围的开展,在国内刚刚起步。国外关于生物多样性遥感探测的方法基本有3种:1.利用遥感数据直接对物种或生境制图,进而估算生物多样性;2 .建立遥感数据的光谱反射率与地面观测物种多样性的关系模型;3.与野外调查数据结合直接在遥感数据上进行生物多样性指数制图。研究表明,物种直接制图法只能应用于较小的范围;生境制图的方法,应用广泛,技术相对成熟,研究范围局限于几百公里的范畴,但不能获取生境内部的多样性信息。光谱模型技术目前正处于探索阶段,对于植被复杂、生物多样性高的地域,具有较大的应用潜力。在遥感数据上直接进行生物多样性制图在加拿大已经得到了应用。     

新一代遥感技术助力生态系统生态学研究

随着气候变化和人类活动的加剧, 生态系统正处于剧烈变化中, 生态学家需要从更大的时空尺度去理解生态系统过程和变化规律, 应对全球变化带来的威胁和挑战。传统地面调查方法主要获取的是样方尺度、离散的数据, 难以满足大尺度生态系统研究对数据时空连续性的要求。相比于传统地面调查方法, 遥感技术具有实时获取、重复监测以及多时空尺度的特点, 弥补了传统地面调查方法空间观测尺度有限的缺点。遥感通过分析电磁波信息从而识别地物属性和特征, 反演生态系统组成、能量流动和物质循环过程中的关键要素, 已逐渐成为生态学研究中必不可少的数据来源。近年来, 随着激光雷达、日光诱导叶绿素荧光等新型遥感技术以及无人机、背包等近地面遥感平台的发展, 个人化、定制化的近地面遥感观测逐渐成熟, 新一代遥感技术正在推动遥感信息“二维向三维”的转变, 为传统样地观测与卫星遥感之间搭建了尺度推绎桥梁, 这也给生态系统生态学带来了新的机遇, 推动生态系统生态学向多尺度、多过程、多学科、多途径发展。因此, 该文从生态系统生态学角度出发, 重点关注陆地生态系统中生物组分, 并分别从生态系统类型、结构、功能和生物多样性等方面, 结合作者在实际研究工作中的主要成果和该领域国际前沿动态, 阐述遥感技术在生态系统生态学中的研究现状并指出我国生态系统遥感监测领域发展方向及亟待解决的问题。     

生物多样性近地面遥感监测: 应用现状与前景展望

近年来中国生物多样性监测与研究网络(Sino BON)建设得到了快速发展, 为我国生物多样性长期监测和研究提供了良好的平台条件。其中, 以激光雷达技术为核心的近地面遥感平台, 作为Sino BON综合监测与管理中心的重要组成部分, 已研发形成了较为成熟的软、硬件技术体系, 可以提供林下地形建模, 林分高度、林分表面结构, 林窗或内部分界线, 郁闭度动态, 植被群落划分、群落内部精细空间结构, 单木高度与胸径, 冠层形态、周长和盖度, 物种识别, 亚米级三维景观图等数字产品, 从而能够为国家相关部门和研究单位开展多种时空尺度的生物多样性监测、评价和保护工作提供精准、高效的技术支持。本文首先介绍了遥感技术在生物多样性研究中的应用发展历史及最新趋势。然后在生物多样性遥感监测直接和间接两种方法研究进展基础之上, 总结了从遥感数据中可提取的重要生物多样性指标, 以及选择不同类型遥感数据源时需要考虑的时空尺度信息。在详细阐述NEON、CEOS、GEO BON等国际合作组织推动遥感技术开展生物多样性监测的过程中指明: 以无人机为代表的近地面遥感平台具有机动灵活、高效低廉和高分辨率的特点, 可在卫星平台、载人航空平台和地面常规调查平台之间架构起生物多样性信息尺度推绎不可或缺的中间桥梁, 将是未来生物多样性监测的一个重要手段。最后, 文章指出: Sino BON近地面遥感平台的逐步建设完善将为我国生物多样性监测提供全方位的立体定量化信息, 在促进我国生物多样性监测网络向跨尺度等级动态系统监测、多源信息集成、智能决策与服务的平台方向发展意义重大。     

遥感技术在鸟类生态学研究中的应用

获取鸟类活动及生境信息是鸟类生态学研究的基础, 而遥感技术弥补了传统野外调查方法的缺陷, 提供了获取多种信息的新途径。应用遥感技术的鸟类生态学研究热点从最初的种群行为观察, 到栖息地选择, 再到生境适宜性、破碎化及人为干扰探究等, 随着技术的不断发展也在扩展和变化。不同波段或组合下的遥感技术各有所长。光学遥感应用广泛, 尤其是信息量较大的红外波段图像和作为野外鸟巢及物种活动监测常用工具的红外相机; 多光谱图像常用于栖息地制图以及地物识别, 高空间分辨率的数据甚至可对鸟类种群进行直接计数; 高光谱数据则可对光谱特征相似的地物进行更为精确的区分和反演; 激光雷达遥感主要用于栖息地植被结构的三维探测, 为了解鸟类栖息地选择提供更好的依据。微波遥感在飞鸟探测上应用颇多, 近年来多极化数据在复杂栖息地精确制图上也具有优势, 但成本较高、解译复杂且推广度较低。在实际应用中, 遥感数据时空尺度的选择会影响研究结果, 部分遥感反演参数也缺乏生态学意义。多源遥感数据的结合应用能够提升制图分类的精度, 实现数据的时空分辨率互补, 优化鸟类生态研究所需参数。未来的遥感技术在鸟类生态学中的应用应致力于提供更加明确的光谱信息、相对简便的解译方法, 以及更为合理的多源数据组合方式等。     

基于站点的生物多样性星空地一体化遥感监测

科学制定生物多样性保护和恢复政策, 需要空间上连续、时间上高频的物种和生境分布以及物种迁移信息支持, 遥感是目前能满足该要求的有效技术手段。近年来, 遥感平台和载荷技术高速发展, 综合多平台、多尺度、多模式遥感技术, 开展基于站点的星空地一体化遥感观测试验, 可以对地表进行时空多维度、立体连续观测, 为生物多样性遥感监测提供了新的契机。本文总结了使用遥感技术监测生物多样性的主要方法, 回顾了典型的星空地一体化遥感观测试验。综述以往研究发现, 一方面, 现有遥感试验还缺少对生物多样性直接监测指标的观测, 另一方面, 生物多样性遥感监测方法也缺少星空地多维立体观测平台的支撑, 亟需加强两者的融合, 开展基于站点的生物多样性星空地一体化遥感监测研究。以设于我国四川王朗大熊猫国家级自然保护区内的王朗山地生态遥感综合观测试验站为例, 展示了星空地一体化遥感综合观测试验平台在生物多样性监测中的应用潜力。星空地一体化遥感观测可以提供物种和生境的综合定量信息, 与生态模型有机结合, 可以刻画生物多样性的时空格局与动态过程, 有助于挖掘过程机理, 提高生物多样性监测的信息化水平。     

遥感在生物多样性研究中的应用进展

随着人口的持续增长, 人类经济活动对自然资源的利用强度不断升级以及全球气候变暖, 全球物种正以前所未有的速度丧失, 生物多样性成为了全球关注的热点问题。传统生物多样性研究以地面调查方法为主, 重点关注物种或样地水平, 但无法满足景观尺度、区域尺度以及全球尺度的生物多样性保护和评估需求。遥感作为获取生物多样性信息的另一种手段, 近年来在生物多样性领域发展迅速, 其覆盖广、序列性以及可重复性等特点使之在大尺度生物多样性监测和制图以及评估方面具有极大优势。本文主要通过文献收集整理, 从观测手段、研究尺度、观测对象和生物多样性关注点等方面综述了遥感在生物多样性研究中的应用现状, 重点分析不同遥感平台的技术优势和局限性, 并探讨了未来遥感在生物多样性研究的应用趋势。遥感平台按观测高度可分为近地面遥感、航空遥感和卫星遥感, 能够获取样地-景观-区域-洲际-全球尺度的生物多样性信息。星载平台在生物多样性研究中应用最多, 航空遥感的应用研究偏少主要受飞行成本限制。近地面遥感作为一个新兴平台, 能够直接观测到物种的个体, 获取生物多样性关注的物种和种群信息, 是未来遥感在生物多样性应用中的发展方向。虽然遥感技术在生物多样性研究中的应用存在一定的局限性, 未来随着传感器发展和多源数据融合技术的完善, 遥感能更好地从多个尺度、全方位地服务于生物多样性保护和评估。     

普洱季风常绿阔叶林乔木物种多样性高分辨率遥感估测

季风常绿阔叶林是我国南亚热带典型的地带性植被,也是云南省普洱地区重要森林类型。季风常绿阔叶林乔木物种多样性遥感估测对研究区域尺度生物多样性格局及其规律具有重要作用。根据光谱异质性假说和环境异质性假说,首先使用1m空间分辨率的机载高光谱数据和激光雷达数据提取了光谱多样性特征和垂直结构特征。然后利用基于随机森林算法的递归特征消除方法选择对研究区森林乔木物种多样性指数具有较好解释能力的遥感特征,并对Shannon-Winner物种多样性指数进行建模、制图。研究结果表明：（1）基于机载LiDAR数据提取的垂直结构特征和机载高光谱数据提取的光谱多样性特征均对研究区森林乔木物种多样性具有较好的解释能力,随机森林模型估测结果分别为R²=0.48,RMSE=0.46和R²=0.5,RMSE=0.45;两种数据源融合可以进一步提高遥感数据的森林乔木物种多样性估测精度,随机森林估测模型R²和RMSE分别为0.69和0.37。（2）机载激光雷达数据对研究区针阔混交林乔木物种多样性的估测能力优于机载高光谱数据。（3）机器学习方法有助于从高维遥感数据特征中选择适合于森林乔木物种多样性建模的少量特征。该研究在云南普洱开展对季风常绿阔叶林的遥感估测研究,可为森林生物多样性调查提供补充手段,有助于森林生物多样性大尺度、长期动态监测。     

高光谱遥感技术在植物功能性状监测中的应用与展望

植物功能性状作为指示植物对环境适应和进化的可量度特征, 其变异格局和驱动机制是植物生态学和地球系统建模的重要研究内容。传统野外测定方法费时费力费钱, 且通常关注生长季和优势物种, 使得功能性状的尺度延展和时空覆盖存在极大挑战。近些年兴起的多尺度高光谱遥感技术为解决当前植物功能性状数据时空覆盖度差的问题提供了新的思路和方法。该文在概述高光谱遥感技术监测植物功能性状的基本原理和发展简史的基础上, 详细介绍了当前光谱-性状关系的主要建模方法, 即经验或半经验方法、物理模型反演方法, 其中以经验统计模型方法中的偏最小二乘回归使用最为广泛。进一步结合实例, 重点讨论了高光谱遥感技术在叶片、群落和景观尺度监测植物功能性状的应用及存在的主要问题。最后, 为促进高光谱技术在植物功能性状及其多样性监测方面的研究, 提出以下4个未来应该重点关注的方向: 1)检验光谱-性状模型的普适性, 并解析其背后的调控机理; 2)发展光谱-性状关系尺度延展的方法体系; 3)解析植物功能性状及其多样性的时空变异和调控机制; 4)探究环境-植物功能多样性-生物多样性-生态系统功能间的关联。     

轻小型无人机低空遥感及其在生态学中的应用进展

无人机低空遥感系统弥补了航天和航空遥感在影像分辨率、重访周期、云层影响以及高成本等方面的不足,为中观尺度的生态学研究提供了新方法.本文介绍了轻小型无人机低空遥感系统的组成,从物种、种群、群落和生态系统尺度综述了其在生态学中的应用现状,并指出目前存在的不足和未来的发展方向,以期为无人机生态学的后续研究提供参考.无人机生态学当前面临的挑战和未来发展的方向主要有物种形态和光谱特征库的建立、物种自动识别、光谱数据与植物生理生态过程之间关系的进一步挖掘、生态系统三维立体监测、多来源多尺度遥感数据融合等.随着无人机平台技术、传感器技术以及数据传输处理技术的成熟,以无人机低空遥感技术为基础的无人机生态学将迎来发展的机遇和曙光.     

光谱多样性在植物多样性监测与评估中的应用

光谱多样性是一种基于植物反射电磁辐射光谱的生物多样性维度, 反映了不同波段光谱反射率在植物种内与种间个体之间的变异程度。由于植物反射光谱特征的差异可以综合地反映植物间生化组分和形态特征的差异, 光谱多样性成为植物多样性监测和评估的重要技术手段。该文介绍了光谱多样性的概念及其生态学意义, 比对了多源、多平台光谱数据各自的技术优势和局限性, 并概述了基于光谱多样性的植物多样性监测和评估方法及其应用, 探讨了光谱多样性整合不同维度生物多样性的能力, 展望了光谱多样性在生物多样性研究中的发展前景。光谱多样性能在多空间尺度服务于植物多样性的监测与评估, 特别是依托基于无人机技术的近地面遥感, 可以实现精细尺度植物多样性的监测与评估, 在生物多样性的保护和管理中具有广阔的应用前景。     

High resolution satellite imagery for tropical biodiversity studies: the devil is in the detail

While high resolution satellite remote sensing has been hailed as a very useful source of data for biodiversity assessment and monitoring, applications have been more developed in temperate areas. The biodiverse tropics offer a challenge of an altogether different magnitude for hyperspatial and hyperspectral remote sensing. This paper examines issues related to hyperspatial and hyperspectral remotely sensed imagery, which constitutes one of the most potentially powerful yet underutilized sources of for tropical research on biodiversity. Hyperspatial data with their increased pixel resolution are possibly best suited at facilitating the accurate location of features such as tree canopies, but less suited to the identification of aspects such as species identity, particularly when spatial resolution becomes too fine and pixels are smaller than the size of the object (e.g., tree canopy) being identified. Hyperspectral data on the other hand, with their high spectral resolution, can be used to record information pertaining to a range of critical plant properties related to species identity, and can be very effective used for discriminating tree species in tropical forests, despite the greater complexity of such environments. There remains a glaring gap in the easy availability of hyperspectral and hyperspatial satellite data in the tropics due to reasons of cost, data coverage, and security restrictions. Stimulating discussion on the applications of this powerful, but underutilized tool by ecologists, is the first step in promoting a more extensive use of such data for ecological studies in tropical biodiversity rich areas.     

UAVs as remote sensing platforms in plant ecology: review of applications and challenges

无人机遥感在植物生态学中的应用与挑战 无人机为获取高时空分辨率的遥感数据提供了经济灵活的工具,为植物生态学家开展从个体到区域尺度的生态学研究提供了新的机遇和手段。但作为一种新兴的技术手段,当前无人机遥感在植物生态学中的应用仍充满了挑战,植物生态学的科研需求与无人机遥感的生态应用需要更为深入的融合。本文综述了无人机遥感技术在植物生态学中的应用,展望了无人机在植物生态学研究中的应用前景。在所综述的400篇文献中,59%的文章发表于非植物生态学领域的遥感类期刊,遥感学者与生态学者的关注点存在较大差异。当前的研究集中在无人机遥感的技术层面,如数据处理和遥感反演方法等,对生态学问题本身的关注较少。综述的文献中,61%的研究案例集中在群落尺度,可见光(RGB)相机和多光谱相机是最常用的传感器类型(75%)。无人机遥感数据中蕴藏着诸多待挖掘的、有重要意义的生态参数,这些参数有助于我们识别林窗的几何特征,构建林冠的化学组合,更好地了解林冠表面的不规则性和群落的异质性。无人机遥感技术在植物生态学研究中的深入应用,需要集植物生态学家和遥感专家之合 力共同推进。     

基于无人机多源遥感数据的亚热带森林树种分类

树种多样性是生态学研究的重要内容,树木的种类和空间分布信息可有效服务于可持续森林管理。但在复杂林分条件下,获取高精度分类结果的难度大。而无人机遥感可获取局域超精细数据,为树种分类精度的提高提供了可能。基于可见光、高光谱、激光雷达等多源无人机遥感数据,探究其在亚热带林分条件下的树种分类潜力。研究发现:(1)随机森林分类器总体精度和各树种的F1分数最高,适合亚热带多树种的分类制图,其区分13种类别(8乔木,4草本)的总体精度为95.63%,Kappa系数为0.948;(2)多源数据的使用可以显著提高分类精度,全特征模型精度最高,且高光谱和激光雷达数据显著影响全特征模型分类精度,可见光纹理数据作用较小;(3)分类特征重要性从大到小排序为结构信息,植被指数,纹理信息,最小噪声变换分量。     

面向生态系统评估的多源数据融合体系

基于生态系统服务功能的生态系统评估是识别生态环境问题、开展生态系统恢复和生物多样性保护、建立生态补偿机制的重要基础，也是保障国家生态安全、推进生态文明建设的重要环节。生态系统评估涉及生态系统多个方面，需要多要素、多类型、多尺度的生态系统观测数据作为支撑。地面观测数据和遥感数据是生态系统评估的两大数据源，但是其在使用时常存在观测标准不一、观测要素不全面、时间连续性不足、尺度不匹配等问题，给生态系统评估增加了极大的不确定性。如何融合不同尺度的观测数据量化生态系统服务功能是实现生态系统准确评估的关键。为此，从观测尺度出发，阐述了地面观测数据、近地面遥感数据、机载遥感数据和卫星遥感数据的特点及其在问题，并综述了这几类数据源进行融合的常用方法，并以生产力、固碳能力、生物多样性几个关键生态参数为例介绍了“基于多源数据融合的生态系统评估技术及其应用研究”项目的多源数据融合体系。最后，总结面向生态系统评估的多源数据融合体系，并指出了该研究的未来发展方向。     

LiDAR GEDI derived tree canopy height heterogeneity reveals patterns of biodiversity in forest ecosystems

The “Height Variation Hypothesis” is an indirect approach used to estimate forest biodiversity through remote sensing data, stating that greater tree height heterogeneity (HH) measured by CHM LiDAR data indicates higher forest structure complexity and tree species diversity. This approach has traditionally been analyzed using only airborne LiDAR data, which limits its application to the availability of the dedicated flight campaigns. In this study we analyzed the relationship between tree species diversity and HH, calculated with four different heterogeneity indices using two freely available CHMs derived from the new space-borne GEDI LiDAR data. The first, with a spatial resolution of 30 m, was produced through a regression tree machine learning algorithm integrating GEDI LiDAR data and Landsat optical information. The second, with a spatial resolution of 10 m, was created using Sentinel-2 images and a deep learning convolutional neural network. We tested this approach separately in 30 forest plots situated in the northern Italian Alps, in 100 plots in the forested area of Traunstein (Germany) and successively in all the 130 plots through a cross-validation analysis. Forest density information was also included as influencing factor in a multiple regression analysis. Our results show that the GEDI CHMs can be used to assess biodiversity patterns in forest ecosystems through the estimation of the HH that is correlated to the tree species diversity. However, the results also indicate that this method is influenced by different factors including the GEDI CHMs dataset of choice and their related spatial resolution, the heterogeneity indices used to calculate the HH and the forest density. Our finding suggest that GEDI LIDAR data can be a valuable tool in the estimation of forest tree heterogeneity and related tree species diversity in forest ecosystems, which can aid in global biodiversity estimation.