基于多光谱影像的森林树种识别及其空间尺度响应

当前,不同空间分辨率卫星影像对森林类型识别结果中普遍存在的尺度效应,而且纹理参量对不同尺度下树种识别精度的影响仍缺乏广泛认知.本研究以中国东北旺业甸林场为研究区,采用观测时相同步、地理坐标匹配的GF-1 PMS、GF-2 PMS、GF-1 WFV,以及Landsat-8 OLI卫星传感器数据组成空间尺度观测序列(1、2、4、8、16、30 m),并结合支持向量机(SVM)模型,探讨了区域内5种优势树种遥感识别结果的尺度变化规律及其纹理特征参数的影响,同时检验了基于尺度上推转换影像的树种识别结果差异.结果表明: 影像空间分辨率对区域树种识别结果具有显著影响,其中,研究区森林树种识别的最佳影像分辨率为4 m,当分辨率降低至30 m时,树种识别结果最差.在1～8 m影像分辨率范围内,增加纹理信息能够显著提高不同优势树种的识别精度,使总分类精度提升了2.0%～3.6%,但纹理信息对16～30 m影像的识别结果没有显著影响.与真实尺度卫星影像相比,基于升尺度转换影像的树种识别结果及其尺度响应特征存在显著差异,表明在面向多个空间尺度的遥感观测和应用研究中,需要采用真实分辨率影像以确保结果的准确性.     

基于不同空间尺度遥感影像估算森林叶面积指数的差异

地面测量点对遥感像元的代表性如何,怎样获取像元的相对真值,多大的空间分辨率可以真实地反映森林区域的叶面积指数(LAI),这些都是定量遥感中的重要问题.本研究计算LAI-2200和TRAC两种冠层分析仪测量的空间范围,并结合GF-2(4.1 m)、Sentinel-2(10 m)、Landsat-8(30 m)3种不同空间分辨率遥感影像,找到各尺度下像元的相对真值,在保持真值观测面积和遥感获取面积一致的条件下,基于一元指数和多元回归模型,对比分析不同空间分辨率影像对估算森林LAI的影响,并对3种影像模型进行30和100 m尺度下的检验以及各自数据集的空间代表性评价,比较得出最适合表达研究区域森林LAI的尺度.结果表明:对于森林来说,高分辨率并不一定能充分反映森林LAI.基于3种分辨率影像的统计模型都能很好地估测森林LAI,其中,基于Sentinel-2的反演精度最高,基于GF-2的反演精度最低.30和100 m尺度下的检验结果表明,基于GF-2反演模型高估了森林LAI,基于Landsat-8的反演模型低估了森林LAI,基于Sentinel-2分辨率的统计模型可以很好地估测研究区域森林LAI.     

中国亚热带4个森林动态监测样地无人机可见光遥感影像数据集

常绿阔叶林是我国亚热带地区的地带性植被类型。由于亚热带森林植物群落垂直结构复杂、林冠郁闭度高, 对常绿阔叶林冠层的研究尚缺乏高质量的监测数据。本数据集包含浙江天童山、浙江百山祖、广东车八岭、广东鼎湖山4个大于20 ha的森林动态监测样地2014年8月或2016年9月采集的无人机可见光遥感影像。本数据集是通过将无人机影像、地面控制点和地面调查数据相结合而获得的。每个样地的数据集包括4个文件: ~5 cm空间分辨率的正射影像图和数字表面模型、1 m空间分辨率的森林冠层高度数据和正射影像质量报告。本数据集可为常绿阔叶林的林冠生态学、生物多样性、生态系统功能等研究提供数据支撑。     

基于面向对象的QuickBird遥感影像林隙分割与分类

传统的实地调查和人工解译方法已经不能满足区域尺度的林隙获取,高空间分辨率遥感影像的出现为区域尺度的林隙获取提供了可能.本研究采用QuickBird高空间分辨率光学遥感影像,结合面向对象分类技术对福建省三明市将乐县将乐国有林场进行林隙分割与分类.在面向对象分类过程中,采用10种尺度(10~100,步长为10)对QuickBird遥感影像进行分割,应用参考对象相交面积(RA_or)和分割对象相交面积(RA_os)进行分割结果评价.对每个尺度分割结果应用16个光谱特征,采用向量机分类器(SVM)进行林隙、非林隙和其他类型分类.结果表明:通过RA_or和RA_os等值法获得最优分割尺度参数为40.不同尺度参数之间的分类总精度最高相差22%.在最优尺度下,应用SVM分类器对林隙、非林隙和其他类型分类的总精度高达88%(Kappa=0.82).采用高空间分辨率遥感数据并结合面向对象的方法,可以代替传统的实地调查和人工解译对区域尺度的林隙进行识别分类.     

基于多源遥感数据的面向对象林分类型识别

林分类型的识别是森林资源监测的核心问题之一.为研究多源遥感数据协同的面向对象林分类型分类识别,采用Radarsat-2数据和QuickBird遥感影像协同进行面向对象分类.在面向对象分类过程中,采用3种分割方案:单独使用QuickBird遥感影像分割;单独使用Radarsat-2数据分割;Radarsat-2&QuickBird协同分割.3种分割方案均采用10种分割尺度(25～250,步长25),应用修正的欧式距离3指标评价不同分割方案的分割结果,确定最优分割方案及最优分割尺度.在最优分割结果的基础上,基于地形、高度、光谱及共同特征的不同特征组合,应用带有径向基(RBF)核函数的支持向量机(SVM)分类器进行杉木林、马尾松林、阔叶林3种林分类型识别.结果表明:与单独使用一种数据相比,Radarsat-2数据和QuickBird遥感影像协同方案在面向对象林分类型分类方面具有优势.Radarsat-2&QuickBird协同分割方案,以最优尺度参数100进行分割时,分割结果最好.在最优分割结果的基础上,应用两种数据源提取的全部特征进行面向对象林分类型识别的精度最高(总精度为86%,Kappa值为0.86).本研究结果不仅可为多源遥感数据结合进行林分类型识别提供参考和借鉴,而且对于森林资源调查和监测有现实意义.     

基于Landsat 8遥感影像反演干旱区净初级生产力的尺度效应

遥感影像是不同尺度景观分析的数据源,不同尺度上占主导地位的地物景观信息是不同的;描述或解释许多环境问题时,都不能在单一尺度解决,因此多尺度分析已成为景观生态领域中的必要条件。本研究以玛纳斯河流域为研究区,以2013年分辨率为30 m的Landsat 8遥感影像作为原始数据,对其分别进行聚合平均,得到不同分辨率(30、150、330、660、990、1650、1980和3300 m)的遥感数据,并作为NPP遥感估算模型的输入参数,探究不同分辨率的植被净初级生产力情况。结果表明:随着尺度的扩展,农田净初级生产力均值随之下降,林地、草地和裸地净初级生产力估算值基本保持不变,就整体而言,分辨率30 m的植被NPP模拟值比分辨率990 m的NPP模拟值多5.36%。随着尺度的扩展,玛纳斯河流域净初级生产力平均值发生变化,产生尺度效应,主要是由土地覆盖类型引起的;而不同尺度的玛纳斯河流域NPP具有相似的空间格局,且其基本特征不变。     

基于多时相SAR数据和SPOT数据的盘古林场林分类型识别

林分类型信息的提取是遥感影像分类中的热点和难点。而大兴安岭地区又是我国重点林区和天然林主要分布区之一,植被类型丰富,种类繁多,为林分类型精确识别带来了很大的难度。为了比较和提高林分类型的分类精度,研究以大兴安岭地区盘古林场为实验区,综合利用SPOT-5影像和不同时相的RADARSAT-2全极化SAR影像,采用3种分类方案及最大似然分类方法对研究区遥感影像进行分类,并比较不同分类方案对林分类型识别的精度。3种方案分别是:(1)单独采用SPOT影像对林分类型进行识别;(2)对全极化SAR数据进行极化分解提取参数并结合SPOT数据参与分类;(3)结合SPOT数据与多时相全极化SAR分解参数进行分类。结果表明:对比SPOT、加入单时相和加入多时相3种方案的分类结果,方案三加入多时相SAR影像与SPOT数据对白桦林、落叶松林、樟子松林和云杉林的分类中总分类精度最高,为84.64%,Kappa系数为0.79,对林分类型的识别最为有效,而单用SPOT数据对林分类型识别的精度最低,精度为76.66%,Kappa系数为0.70。     

基于阈值法的山区森林常绿、落叶特征遥感自动识别方法——以贡嘎山地区为例

森林的常绿、落叶特征是土地覆被产品的重要属性。由于山区地形复杂,地表遥感辐射信号地形效应明显,导致山区森林常绿、落叶特征遥感自动识别一直是难点。提出了一种基于阈值法的山区森林常绿、落叶特征遥感自动识别简单实用方法。该方法利用多源、多时相遥感影像,选择归一化植被指数(NDVI)为指标,通过统计参考样本的NDVI在生长季和非生长季的差异,自动找出区分常绿、落叶特征的阈值,基于判别规则识别山区森林常绿、落叶特征。以贡嘎山地区为例,分别以多时相Landsat TM影像(简称TM)、多时相环境减灾卫星影像(简称HJ)为单源数据,多时相的HJ、TM组合影像为多源数据,验证该方法的有效性。实验结果表明,该方法能够有效识别山区森林常绿、落叶特征,总体精度达到93.87%,Kappa系数为0.87。该方法适用于山区大面积森林常绿、落叶特征遥感自动提取,已被成功应用于"生态十年"专项西南地区土地覆被数据的生产。     

基于无人机的昆明海口林场宽地坝林区植物群落建群种格局研究

建群种是植物群落优势层中的主要物种,对群落环境有显著控制作用。空间格局是植物种群的基本特征之一,探讨建群种的空间格局是理解生物与生境之间关系和认识群落生态过程的有效途径。空间格局特征包括种群空间关联性及其空间分布型。利用无人机技术,获取昆明海口林场半湿润常绿阔叶林和落叶栎类林的多光谱遥感影像,采用ArcGIS Pro软件进行遥感影像分类并提取滇青冈(Cyclobalanopsis glaucoides)、光叶石栎(Lithocarpus mairei)、滇石栎(L.dealbatus)、栓皮栎(Quercus variabilis)、槲栎(Q.aliena)植株树冠中心点空间坐标。在Programita Febrero 2014软件中进点格局分析。结果表明:各物种10m以下呈均匀分布或随机,随尺度增加,渐渐表现为聚集分布。光叶石栎种群和滇石栎种群空间关联性表现为负相关。     

基于过程模型的长白山自然保护区森林植被净第一性生产力空间尺度转换方法

净第一性生产力(Net Primary Productivity,NPP)是反映林分和生态系统结构特征的最重要的参数之一,其空间分布可为自然资源管理和可持续发展提供高度综合的信息,是全球变化和碳循环研究中的一个非常重要的组成部分。为了得到NPP的空间尺度转换算法,利用改进的北部生态系统生产力模拟模型(Improved Boreal Ecosystem Productivity Simulator,IBEPS),分别采用高分辨率(30m)的ETM 和低分辨率(1km)的MODIS遥感数据,模拟了长白山自然保护区不同分辨率森林植被的净第一性生产力。对模拟得到的30m分辨率的NPP结果,采用尺度上推(upscaling)的方法将其转换为1km分辨率的NPP结果(分布式的NPP,Distributed NPP),并将转换后的NPP与直接利用1km分辨率的遥感数据计算得到的NPP结果(聚合式的NPP,Lumped NPP)进行比较,以分布式模式计算的结果为基准,对聚合式的计算结果进行尺度效应校正。在对NPP进行尺度效应校正时,根据不同分辨率下土地覆盖类型(Land cover)的亚像元面积比信息,采用基于结构的分析方法对模拟的NPP结果进行校正,结果表明经过尺度效应校正后NPP的模拟精度要比原始的NPP计算精度有所提高,相关系数从校正前的0.898提高到0.960,标准偏差由校正前的49.84gC/m2减小到41.02gC/m2。采用这种方法可以很好的解决大尺度遥感应用的需要,为定量遥感分析和应用提供理论基础。     

空间分辨率对绿潮覆盖面积、密集度卫星遥感信息提取的影响

研究表明,多源卫星数据提取的绿潮信息存在较大差异,通常认为可能的主要原因是不同卫星遥感器的的空间分辨率、过境时间差、波段设置等各不相同,但对此仍缺乏深入的研究。本文采用波段设置和过境时间完全相同、仅空间分辨率不同的四景 MERIS 全、降分辨率（300 m 和1200 m）影像,利用统一的算法（NDVI）进行绿潮信息提取,量化了空间分辨率对绿潮覆盖面积、密集度（由斑块个数、聚合度表征）卫星遥感信息提取的影响。结果表明：空间分辨率对绿潮覆盖面积卫星遥感信息提取影响显著,全、降分辨率 MERIS 影像提取的绿潮覆盖面积最大相对偏差可达67％,遥感影像的空间分辨率对绿潮面积提取结果的影响既与绿潮 NDVI 探测阈值有关,还可能与绿潮发展阶段有关。绿潮密集度卫星遥感提取结果也受遥感影像空间分辨率的影响,全分辨率 MERIS 影像提取的绿潮斑块个数为降分辨率影像的7～21倍,绿潮聚合度较降分辨率影像高15％～25％。     

4-Scale几何光学模型冠层反射率模拟的空间尺度适用性

明确4-Scale模型模拟森林冠层反射率适用的空间尺度,有助于提高其应用于不同植被类型冠层反射率模拟时的精度,进而提升其开展叶面积指数、郁闭度和其他参数的反演精度。以黑龙江省尚志市帽儿山实验林场2块100 m×100 m森林样地(阔叶林与混交林各一块)为研究对象,分别分割为10、20、30、40和50 m空间尺度,使用4-Scale模型模拟森林冠层反射率,采用局部平均法、最邻近法、双线性内插法和立方卷积法对空间分辨率为10 m的Sentinel-2影像升尺度转换至其他尺度并评价,对比分析模拟冠层反射率和遥感像元反射率,明确混交林和阔叶林适合4-Scale模型高精度反演参数的空间尺度。结果表明：4-Scale模型整体低估了像元森林冠层反射率,混交林和阔叶林冠层反射率在20 m尺度的模拟效果均最差,红光波段和近红外波段的均方根误差(RMSE)和平均绝对偏差(MAE)均较大;>20 m尺度的模拟效果开始变好,混交林40 m、阔叶林30 m时模型的适用性最佳,红光波段和近红外波段下,模拟值与遥感像元反射率之差的均值和标准差最小,RMSE和MAE同样最小;10 m尺度混交林和阔叶林模拟结果...     

基于NOAA-AVHRR数据的中国东部地区植被遥感分类研究

该文采用 19幅 (时间跨 8个月 ) 时间序列的NOAA_AVHRR的归一化植被指数 (NDVI) 最大值合成影像遥感数据, 经过主分量分析 (Principlecomponentanalysis, PCA) 处理后, 用非监督分类方法的ISODATA算法, 对中国东部地区的 (五省一市 ) 植被进行分类, 结果可以分出 2 8种土地覆盖类型, 除了两种类型为水体和城市或裸地外, 其余 2 6种类型均为植被类型, 根据中国植被分类系统, 这 2 6类可以归并为 6大植被类型 :1) 常绿阔叶林 ;2 ) 针叶林 ;3) 竹林 ;4 ) 灌草丛 ;5 ) 水生植被 ;6 ) 农业植被。用 1∶10 0 0 0 0 0数字化《中国植被图集》的植被类型检验遥感分类结果表明, 针叶林、灌草丛、常绿阔叶林和农业植被的分类具有较高的位置精度和面积精度, 位置精度分别为 79.2 %、91.3%、6 8.2 %和 95.9%, 面积精度分别达到 92.1%、95.9%、6 3.8%和 90.5 %。这 6大植被类型在地理空间上的分布规律与中国东部常绿阔叶林区植被的地带性分布基本一致。     

基于线性混合模型和NDVI阈值法的MODIS影像黄海浒苔监测

水体富营养化等原因,导致浒苔(Enteromorpha prolifera)灾害自2007年在中国黄海海域频发,成为黄海最严重的生态灾害。卫星遥感具有大范围监测、瞬时优势,成为浒苔灾害最重要的监测手段之一。中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)影像因其幅宽大、时间分辨率高、免费分发,成为浒苔业务化监测的主要数据源。由于空间分辨率(250 m)较低,混合像元的存在导致传统阈值法获取的浒苔面积误差较大。本文结合线性混合模型(linear mixing model,LMM)和归一化差值植被指数(normalized different vegetation index,NDVI)阈值法对250 m空间分辨率的MODIS影像进行浒苔面积提取。选择1个大区及其内部3个小区,以准同步5.8 m空间分辨率资源三号(ZY-3)卫星影像提取浒苔结果为准进行精度评价。发现NDVI阈值为0.04提取的浒苔像元对线性混合模型分解结果掩膜所得浒苔面积误差最小,大区及其3个小区的误差分别是7.86%、14.59%、-7.65%、-0.15%。应用本文提供方法可有效排除浒苔混合像元和非浒苔像元对浒苔面积信息提取的干扰,与阈值法相比大幅提高了反演精度,且在不同区域精度较稳定,可为浒苔生态灾害的处置决策和评估提供支撑。     

神农架川金丝猴栖息地优势乔木树种遥感识别及其分布特征

针对神农架川金丝猴生境基础研究中乔木树种大范围分布数据难以获取问题,尝试利用多源多时相遥感数据结合专家知识分层次实现树种识别。首先采用冬季Landsat8/OLI数据根据物侯特性分层提取常绿、落叶林的地域范围;进而依据夏季Worldview-2高分遥感影像的实地乔木样本的光谱特征分层次完成常绿树种(巴山冷杉、华山松、青$、刺叶栎)和落叶树种(红桦、日本落叶松、米心水青冈、漆树、锐齿槲栎、椅杨)的识别;并通过实地植被样方及专家知识通过高程数据完成分类结果的修正;最后结合GIS对主要优势树种的地形及地域分布特征进行了空间分析。实验精度表明常绿林中巴山冷杉、华山松、刺叶栎、虫害华山松整体精度较高,落叶林中红桦、漆树等识别精度相对较高,部分树种如椅杨、锐齿槲栎识别精度较低;总体上常绿树种的精度要优于落叶树种。从植物地理学、遥感、GIS三者相结合的角度,将多源、多时相遥感数据与物种物候特性、专家知识进行有效整合,提出了一种乔木树种识别的方法(1)提供了复杂山地环境的主要乔木优势种识别途径,且具有通用性;(2)完成了物种物候特性与遥感数据特性的整合利用,有效降低数据成本费用;(3)配合地面样方及专家知识修正结果,避免了过分依赖光谱特征引起的误判。这将为神农架川金丝猴栖息地保护与恢复提供更精确的数据依据。     

表征亚热带常绿林光合作用季节变化特征的多种植被指数

利用遥感方法可以在区域尺度反演地表植被的光合生理状况和生产力变化,但亚热带常绿林冠层结构季节变化较小,传统的光谱植被指数对植被光合作用难以准确捕捉。利用2014—2015年中国科学院广东省鼎湖山森林生态试验站多角度自动光谱观测系统的光谱反射数据,分别反演传统冠层结构型植被指数(NDVI)、光合生理生化型植被指数(CCI)和叶绿素荧光型植被指数(NDFI_(685)和NDFI_(760)),并利用不同类型植被指数的组合,构建多元线性回归模型。结果表明:亚热带常绿针阔混交林三种类型植被指数均与GPP的动态变化有显著的相关性,其中,NDVI是表征GPP较优的植被指数(R~2=0.60,P0.01),其次为CCI(R~2=0.55,P0.01),而NDFI能够作为辅助指数,有效提高NDVI(R~2=0.68,P0.001)和CCI(R~2=0.67,P0.001)表征GPP的程度。多个植被指数参与构建的多元回归模型能够有效提高亚热带地区常绿林GPP季节动态变化的拟合精度,提升遥感精确评估亚热带森林生产力的能力。     

多尺度遥感数据协同的干旱地区植被覆盖度提取

纯植被像元获取是植被覆盖信息遥感反演的必要环节。干旱地区植被分布零散稀疏,使用中、低分辨率遥感数据提取植被覆盖度时,难以获取纯植被像元,致使植被覆盖度提取精度较低。针对上述问题,本文提出一种基于多尺度遥感数据协同的干旱区植被覆盖度反演方法。该方法利用空间分辨率较高的Landsat-8 OLI数据确定纯植被像元,考虑到不同传感器之间的光谱差异,使用实测地物光谱数据进行光谱转换,代替中等分辨率MODIS数据的纯植被像元,应用于像元二分模型,选择典型的干旱区新疆阜康市为研究区,进行植被覆盖度反演实验,最后使用无人机航拍影像对反演结果进行精度验证。结果表明,植被覆盖度反演结果精度较高,与实测值间存在较高的相关性(R2=0.75),均方根误差较低(RMSE=0.10)。该方法能够有效提高干旱区植被覆盖度反演精度,可为利用中低分辨率数据研究干旱地区生态环境变化提供一种新思路。     

黑河流域叶面积指数（LAI）空间尺度转换

为有机地整合利用不同分辨率遥感数据获取的陆面过程以及其他相关的环境变量,尺度问题越来越受到人们的重视.选取黑河张掖绿洲区为实验研究区,利用ETM 影像反演的LAI通过升尺度转换到900m分辨率,对LAI尺度转换过程中引起的误差进行了定量分析,尝试提出一种新的基于NDVI像元分解的更有效的升尺度转换方法.研究发现非线性的升尺度算法引起的误差不超过 10.5%,且误差大小与地表异质性程度正相关,而地表异质性是导致LAI尺度转化误差的主要原因,严重时可能造成 45%的偏差,但纯像元LAI的计算不受尺度影响.提出的基于NDVI像元分解的LAI升尺度转换算法,分两步考虑了地表异质性问题,很好的实现了研究区30m空间精度 LAI向900m的尺度转换,该方法应用于干旱、半干旱的中国西北黑河流域NASA 发布的MODIS LAI产品校正,取得了良好效果.     

古田山与中国其他东部典型常绿阔叶林物种组成特征的比较

古田山国家级自然保护区保存着大面积低海拔典型常绿阔叶林,为了解不同地点常绿阔叶林物种组成的差异和驱动因素,该研究在古田山常绿阔叶林内共设置29个20 m × 20 m的样地,收集其他14个典型常绿阔叶林的数据,探究古田山常绿阔叶林的物种组成特征,并将15个亚热带东部典型常绿阔叶林进行比较,分析了我国东部典型常绿阔叶林的物种组成差异及驱动因素。结果表明:(1)古田山广泛分布有我国东部典型常绿阔叶林中的栲类林、青冈类林等植被,物种组成在东部典型常绿阔叶林中具有代表性。(2)我国东部典型常绿阔叶林间物种组成差异明显,主要是受环境因素影响而非地理距离,气候因素中最冷月最低温(MTCM)的影响最显著。(3)我国东部典型常绿阔叶林叶生活型组成受最冷月最低温的影响最显著,受最热月最高温(MTWM)的影响是其次,降水量没有显著影响。综上结果发现,生境过滤是我国东部典型常绿阔叶林物种组成差异的主要驱动因素,反映了极端低温对我国亚热带常绿阔叶林物种组成具有重要影响,为常绿阔叶林的保护提供了科学依据。     

西双版纳热带雨林和哀牢山亚热带常绿阔叶林雾特征研究

以西双版纳热带雨林和哀牢山亚热带常绿阔叶林为研究对象,利用PWS100天气现象仪获取两种森林类型的能见度数据。基于2014年西双版纳热带雨林和哀牢山亚热带常绿阔叶林的能见度数据,对两种森林类型雾的特征进行定量研究。研究结果表明:(1)西双版纳热带雨林全年雾日数为196 d,占全年的53.7%,哀牢山亚热带常绿阔叶林全年雾日数为100 d,占全年的27.4%,热带雨林全年雾日数几乎为亚热带常绿阔叶林雾日数的两倍;(2)热带雨林雨季和干季各占28.06%和71.94%,而亚热带常绿阔叶林雨季和干季各占72%和28%;(3)热带雨林一日内雾持续的最长时间为10.5 h,而亚热带常绿阔叶林雾生成和消散时间不定,一日内雾最长持续时间可达24 h,但雾发生的频率低于西双版纳热带雨林。两种森林类型全年雾日特征有明显的差异性,通过定量评价地处过渡带上的两种多雾森林生态系统雾特征,可为未来气候变化对不同森林生态系统碳水交换影响提供数据支撑。