排序方式: 共有39条查询结果,搜索用时 15 毫秒
21.
准确获取森林结构参数对森林生态系统研究及其保护有着重要意义。卫星遥感数据作为获取大尺度森林结构参数的重要数据源, 已被制作成各种植被监测产品并被应用于森林质量状况变化评估、森林生物量估算以及森林干扰和生物多样性监测等研究。然而, 这些卫星遥感植被监测产品针对中国复杂多样的森林区域缺乏有效验证, 在不同林况和地形条件下的不确定性也不明确。激光雷达具备高精度三维信息采集的优势, 在国内外已被广泛用于森林生态系统监测和卫星遥感产品验证。为此, 该研究利用在中国114个样地收集的153 km2的无人机激光雷达数据, 构建了我国森林结构参数验证数据集, 并以此为基础对3套全球遥感监测产品(全球叶面积指数(GLASS LAI)、全球冠层覆盖度(GLCF TCC)、全球冠层高度(GFCH))进行了像元尺度的验证, 并分析了其在不同坡度、覆盖度和林型条件下的不确定性。研究结果表明: 与无人机激光雷达获取的叶面积指数、覆盖度以及冠层高度相比, GLASS LAI、GLCF TCC、GFCH在中国森林区域均存在一定的不确定性, 且受林况和地形因素影响的程度不一致。对GLASS LAI和GLCF TCC影响的最大因素分别为林型和覆盖度; 而GFCH则更易受地形坡度和覆盖度的影响。 相似文献
22.
通过对猫儿山海拔梯度上常绿阔叶林(低海拔,1100 m)、常绿落叶阔叶混交林(中海拔,1500 m)和常绿针阔叶混交林(高海拔,1900 m)3种典型植物群落中乔木层植物构型性状以及环境因子的测定,分析乔木层植物构型性状在3个群落间的变异规律及其影响因素.结果表明:随海拔升高,乔木层树冠面积、45 cm基径、胸径和叶片聚集度持续增加,树高、枝下高和树冠厚度先增加后减小;枝条伸展方向表现为在低海拔群落中水平枝条比例最大,高海拔群落次之,中海拔群落最小;中海拔群落中乔木层植物构型性状之间的相关性更强.冗余分析表明,土壤有机质和总辐射是乔木层植物构型性状变异的主要环境影响因素,它们分别解释了构型性状39.6%和23.9%的变异.土壤有机质对树冠面积和枝下高影响较大,总辐射对胸径和45 cm基径影响较大,且都呈正相关.猫儿山乔木层植物在不同海拔群落间存在构型分异,影响乔木层植物构型变化的主要环境驱动力是土壤有机质和总辐射. 相似文献
23.
《植物生态学报》1958,44(6):598
该研究基于机载激光雷达(LiDAR)和高光谱数据, 从森林物种叶片的生理化学源头探寻生化特征与光谱特征的内在关联, 探讨生化多样性、光谱多样性与物种多样性之间的响应机制, 选择最优植被指数并结合最优结构参数, 通过聚类方法构建森林物种多样性遥感估算模型, 在古田山自然保护区开展森林乔木物种多样性监测。研究结果表明: (1)从16种叶片生化组分中, 筛选出叶绿素a、叶绿素b、类胡萝卜素、叶片含水量、比叶面积、纤维素、木质素、氮、磷和碳可通过偏最小二乘法用叶片光谱有效模拟(R2 = 0.60-0.79, p < 0.01), 并选择有效的植被指数: 转换型吸收反射指数/优化型土壤调整指数(TCARI/OSAVI)、类胡萝卜素反射指数(CRI)、水波段指数(WBI)、比值植被指数(RVI)、生理反射指数(PRI)和冠层叶绿素浓度指数(CCCI)表征相应的最优生化组分; (2)基于机载LiDAR数据利用结合形态学冠层控制的分水岭算法获得高精度单木分离结果(R 2 = 0.77, RMSE = 16.48), 同时采用逐步回归方法从常用的森林结构参数中选取树高和偏度作为最优结构参数(R 2 = 0.32, p < 0.01); (3)基于6个最优植被指数和2个最优结构参数, 以20 m × 20 m为窗口通过自适应模糊C均值方法进行聚类, 实现了研究区森林乔木物种丰富度(Richness, R 2= 0.56, RMSE = 1.81)和多样性指数Shannon-Wiener (R 2 = 0.83, RMSE = 0.22)与Simpson (R 2 = 0.85, RMSE = 0.09)的成图。该研究在冠层尺度上获取了与物种多样性相关的生化、光谱和结构参数, 将单木个体作为最小单元, 利用聚类算法直接估算物种类别差异, 无需判定具体的树种属性, 是利用遥感数据进行区域尺度森林物种多样性监测与成图的实践, 可为亚热带地区常绿阔叶林的物种多样性监测提供借鉴。 相似文献
24.
森林叶面积指数(LAI)是描述森林冠层结构和树木生长状况的一个重要指标.本研究以内蒙古依根地区为研究区,在充分考虑机载激光雷达不同回波脉冲之间差异的基础上,对LiDAR点云数据进行分束处理,同时利用传感器与目标之间的距离对LiDAR点云强度进行校正,在由点云校正强度计算传统激光穿透指数(LPI)的同时提出了一个新的激光穿透指数,即单束激光穿透指数(LPIs),并分别采用LPI和LPIs两种激光穿透指数在4种不同LiDAR数据采样尺度(直径分别为5、10、15和20 m)下分别应用理论模型和经验模型两种不同的建模方法对森林LAI进行估测,以期通过激光分束来提高森林LAI的估测精度.结果表明: 分束激光穿透指数均值(LPImean)估测LAI的效果明显好于未分束LPI的估测效果,且当LiDAR数据采样尺度为15 m时,LPImean的经验模型(R2=0.80,平均绝对偏差MAD为0.11)和理论模型(R2=0.77,MAD=0.16)的估测结果均达到最佳.最后综合应用最佳经验模型与理论模型各自的优点绘制了研究区的白桦林LAI分布图. 相似文献
25.
26.
雷达系统能够同时探测森林的水平结构和垂直结构, 结合地面控制点还可以高精度地描绘森林中的树干、树冠及林下植被. 基于此理念, 通过计算雷达激光束被拦截的比例估算红松(Pinus koraiensis)、日本落叶松(Larix leptolepis)和栎类(Quercus sp.)的有效植被面积指数(PAIe). 从冠层表面或冠层内部反射的雷达数据中利用k-均值聚类方法提取林隙分数(GLIDAR), 根据比尔-朗伯吸收定律和GLIDAR计算PAIe. 结果显示, 利用雷达数据推算的红松、日本落叶松和栎类的PAIe与实际测量的PAIe之间的相关系数分别为0.82, 0.64和0.59. 不同树种之间雷达测量值与实测值之间相关性的差异, 主要来自于叶片与枝条数量的不同. 如果没有树叶, 激光雷达的脉冲只能由枝条反射, 然而枝条的大小往往小于激光雷达的分辨率(1 m), 所以与长满树叶的枝条相比, 光秃的枝条反射雷达脉冲的几率非常小. 因此, 若在春季末期树叶出现后进行此类研究, 估算的准确度将有所提高. 相似文献
27.
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。 相似文献
28.
林分结构可以表征森林群落光的可利用性和光环境的异质性,对群落物种组成的变异具有重要驱动作用。然而,目前还鲜有研究将林分结构用于解释群落物种组成的变异。本研究以哀牢山亚热带中山湿性常绿阔叶林20 ha森林动态监测样地及其周边区域按公里网格设置的19个1 ha森林动态样地为研究对象,将林分结构参数、环境因子和空间结构变量共同作为解释变量,采用基于冗余分析的变差分解和层次分割方法,在局域和区域尺度上同时解析群落物种组成变异的驱动因素。结果表明,在局域和区域尺度上,纳入林分结构后均提高了对物种组成变异的解释率。在局域尺度上,加入林分结构作为解释变量后,单纯的空间结构的解释率明显下降,林分结构与环境因子累计贡献了41.0%的解释率。在区域尺度上,林分结构与环境因子累计贡献了23.0%的解释率。从局域到区域尺度,环境过滤的相对作用明显增强。林分结构指示的光的可利用性对林冠下方的树种组成具有较强的塑造作用,今后的研究应进一步探讨林分结构对亚热带常绿阔叶林物种组成变异的驱动机制。 相似文献
29.
强烈地震会造成建筑物倒塌甚至人员伤亡。而建筑物下面的地基极为重要,那些含沙质土壤的地表一旦发生地震,土壤就会像液体一样出现“流动”现象,位于其上的建筑物很容易发生振动或震动,强烈地震则造成其受损或倒塌。为弥补沙质土壤地基的弱点,可采取两方面的对策措施:一是化学方法,即注入某些化学物质如环氧的化学物质以增强建筑物地基的抗震性,从而可减少地震带来的损失;但缺点是该化学物质对土壤和地下水均有毒性,不适宜采用。 相似文献
30.
使用小兴安岭温带森林机载遥感-地面观测同步试验获取的机载激光雷达(light detection and ranging, Lidar)点云数据和地面实测样地数据, 估测了典型森林类型的树叶、树枝、树干、地上、树根和总生物量等组分的生物量。从激光雷达数据中提取了两组变量(树冠高度变量组和植被密度变量组)作为自变量, 并采用逐步回归方法进行自变量选择。结果表明: 激光雷达数据得到的变量与森林各组分生物量有很强的相关性; 对于针叶林、阔叶林和针阔叶混交林三种不同森林类型生物量的估测结果是: 针叶林优于阔叶林, 阔叶林优于针阔叶混交林; 不区分森林类型的各组分生物量估测与地面实测值显著相关, 模型决定系数在0.6以上; 区分森林类型进行建模可以进一步提高生物量的估测精度。 相似文献