Estimates of subtropical forest biomass based on airborne LiDAR and Landsat 8 OLI data

 快速、定量、精确地估算区域森林生物量一直是森林生态功能评价以及碳储量研究的重要问题。该研究基于机载激光雷达(LiDAR)点云与Landsat 8 OLI多光谱数据, 借助江苏省常熟市虞山地区55块调查样地数据, 首先提取并分析了87个特征变量(53个OLI特征变量, 34个LiDAR特征变量)与森林地上、地下生物量的Pearson’s相关系数以进行变量优选, 然后利用多元逐步回归法建立森林生物量估算模型(OLI生物量估算模型和LiDAR生物量估算模型), 并与基于两种数据建立的综合生物量估算模型的结果进行比较, 讨论预测结果及其精确性。结果表明: 3种模型(OLI模型、LiDAR模型和综合模型)在所有样地无区分分析时, 地上和地下生物量的估算精度均达到0.4以上, 基于不同森林类型(针叶林、阔叶林、混交林)分析时地上和地下生物量的估算精度均有明显提高, 达到0.67及以上。利用分森林类型模型估算生物量, 综合生物量估算模型精度(地上生物量: R²为0.88; 地下生物量: R²为0.92)优于OLI生物量估算模型(地上生物量: R²为0.73; 地下生物量: R²为0.81)和LiDAR生物量估算模型(地上生物量: R²为0.86; 地下生物量: R²为0.83)。     

基于高分辨率与高光谱遥感影像的北亚热带马尾松及次生落叶树种的分类

利用遥感数据开展森林资源树种的分类对森林资源的监测、森林可持续经营及生物多样性研究都有重要意义。该文以江苏南部丘陵地区的北亚热带天然次生林为研究对象, 利用LiCHy (LiDAR、CCD、Hyperspectral)集成传感器同期获取的高分辨率和高光谱数据, 进行冠幅识别和多个层次的树种分类: 首先, 对高分辨率影像进行基于边缘检测的多尺度分割, 提取出单木冠幅; 其次, 对高光谱影像进行特征变量提取, 并对提取出的特征变量利用信息熵原理选取优化特征变量; 然后, 分别利用全部特征变量和经优化的重要特征变量对森林树种及森林类型进行预分类; 最后, 在预分类结果中加入单木冠幅信息对森林树种及森林类型进行重分类, 并分析分类结果的精度。研究表明: 1)利用全部特征变量进行4个典型树种分类时, 总体精度为64.6%, Kappa系数为0.493; 而针对森林类型的分类精度为81.1%, Kappa系数为0.584。2)利用选取的优化特征变量分类精度略低于利用全部特征变量的分类精度, 其中对4个典型树种分类时, 总体精度为62.9%, Kappa系数为0.459; 而针对森林类型的分类精度为77.7%, Kappa系数为0.525。通过集成传感器同期获取的高分辨率和高光谱数据可以有效地进行北亚热带森林的树种分类及森林类型的划分。     

西藏拉萨机场周边风沙源空间分布及演变趋势

运用3S技术,通过大量野外调查与遥感数据人机目视解译方法,解译了拉萨机场周边5县1990年、2000年和2008年3期近20a遥感数据,并结合1∶250000DEM数据和气象资料,分析了风沙化土地的空间分布及其随高程、坡向的变化特征,以及近20a来风沙化土地的演变趋势和驱动因素。结果表明:(1)2008年拉萨机场周边各类型风沙化土地共有42462.38hm2,其中,由风积和风蚀活动引起的风沙化土地面积分别为33088.87hm2和9373.51hm2,风积沙地比例为77.93%。(2)拉萨机场周边0—20km风沙化土地面积为14200.54hm2,20—40km面积为10351.03hm2,在40km内风沙化土地占总面积的57.82%。(3)拉萨机场周边风沙化土地增长趋势开始放缓,近20年增长率为53.78hm2/a,其中,20世纪90年代增长率为62.83hm2/a;2000年后增长率为43.72hm2/a。(4)近20a间,气温平均增长率1990—1999年和2000—2008年分别为1.29℃/10a和1.96℃/10a。气温升高是造成风沙化土地进一步发生发展的主要动力。平均风速下降和降水量增长是抑制其发生发展的原因之一。(5)2000年后拉萨机场周边河谷地段人工林面积大幅度增加,裸露河床面积显著减少,在一定程度上减缓了河床沙源向河岸及山坡的搬运,这是近10a风沙化土地增长速度有所放缓的原因之一。