卫星遥感监测产品在中国森林生态系统的验证和不确定性分析——基于海量无人机激光雷达数据

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。     

基于无人机高光谱影像和深度学习算法的长白山针阔混交林优势树种分类

快速、准确识别树种及其分布格局是森林资源经营管理和生物多样性保护的基础和前提。与传统实地调查的方法相比,近年来飞速发展的近地面遥感技术可以灵活、高效和便捷地获取高分辨率高光谱遥感影像,而如何从包含丰富信息的诸多特征中选择信息量大且冗余度低的特征进行树种自动识别,是当前研究亟待解决的问题。本研究以长白山25 hm~2温带针阔混交样地为主要研究平台,于2019年8月使用无人机搭载的光谱传感器获取面积为6 hm~2的高光谱影像,选择红松、春榆、蒙古栎、水曲柳、大青杨和紫椴6种林冠层树种作为实地标记树种,使用实时载波相位差分技术对所选目标树种进行精确定位,结合2019年样地复查结果对研究区的影像进行目视解译,分别使用卷积神经网络法、最大似然法和马氏距离3种分类方法进行冠层树种的自动分类研究。结果表明：(1)卷积神经网络的树种分类总体精度和Kappa系数(99.85%、0.998)优于最大似然法(89.11%、0.86)和马氏距离法(79.65%、0.75)。(2)在3种分类方法中,单个优势树种分类精度均在卷积神经网络中为最高精度,红松、春榆、蒙古栎、水曲柳、大青杨和紫椴的最高分类精度分别为10...     

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。     

基于Sentinel-2A数据的东北森林植物多样性监测方法研究

植物多样性监测是开展生物多样性评估, 制定生物多样性保护政策的基础。传统的森林植物多样性监测以实地调查为主, 难以快速获取森林植物多样性的空间分布及其动态变化信息。遥感技术的发展为评估区域尺度森林植物多样性提供了重要工具。该研究选取凉水、丰林和珲春3个国家级自然保护区, 利用Sentinel-2A卫星影像和野外实测数据, 探讨了基于像元和聚类的光谱多样性直接估算方法, 以及基于随机森林回归的森林植物多样性反演方法。研究结果表明: (1)在像元尺度, 基于凸包面积计算的光谱多样性指数对Shannon-Wiener多样性指数的估算精度(R² = 0.74)优于基于变异系数的方法(R² = 0.60); (2)基于像元的光谱多样性估算方法对Shannon-Wiener多样性指数的估算精度优于聚类分析方法(R² = 0.59); (3)基于6个特征变量, 利用随机森林回归算法对Shannon-Wiener多样性指数的估算精度最高(R² = 0.79); (4)上述方法均不能精确估算Simpson多样性指数和物种丰富度。研究发现基于Sentinel-2A卫星影像能较好地反演Shannon-Wiener多样性指数, 为下一步能在大尺度上进行森林植物多样性估算提供了参考和依据。     

激光雷达技术在动物生态学领域的研究进展

激光雷达(light detection and ranging, LiDAR)作为一门新兴的主动遥感技术, 近年来由于在提取和反演森林参数水平上不断提高, 被越来越多地应用于动物生态学研究中。本文通过整理和搜集国内外文献, 对激光雷达的技术特点及其在森林参数提取和动物生境上的研究进展进行综述, 指出当前基于LiDAR的森林参数反演算法主要服务于森林资源调查或林学研究, 缺少对动物生态或生理意义相关的参数量化信息。目前该技术在国内的动物生态学方面的应用较少, 尚未见文章发表。通过总结国外学者的研究, 分别从动物生境选择与三维森林结构的关系、栖息地立体生境制图、生物多样性评估和物种分布模型预测三个方面综述了LiDAR在动物生态学研究中的应用现状。相比传统方法, LiDAR技术提供的高精度三维结构信息, 能够显著提高动物生境质量的评估、生物多样性的监测水平和物种分布模型的评价精度, 有利于从机理上加深对物种生境选择和集群过程的理解。但目前LiDAR技术的应用主要集中在对已知的生态关系研究, 尤其是冠层结构与动物分布的关系, 缺少对林下层生活的动物生境质量和生物多样性的监测和评估, 同时很多有关动物生存和繁衍与立体生境的关系研究有待从LiDAR数据中进一步挖掘分析。未来应加强对森林林下层三维信息的提取, 提高林下层动物生境质量和生物多样性的监测水平, 同时建立适用于动物生态和生理意义相关的参数, 为动物生境质量和生物多样性的评估提供标准的量化指标。     

中国森林冠层生物多样性监测

林冠作为森林与外界环境相互作用最直接和最活跃的关键生态界面,承载了森林生物多样性的主体,在生物多样性的形成与维持以及生态系统功能过程中发挥着重要的作用,被称为地球的"第八大洲"。同时,林冠对气候变化和人为干扰高度敏感,在人类活动和全球气候变化加剧的背景下,森林生态系统正面临着严重的威胁,首当其冲的就是森林冠层。气候变化下的林冠生物多样性保护与可持续利用已成为现代生态学研究的热点问题,受到森林生态学、气候学、环境科学等研究领域的学者越来越多的关注。据此,中国生物多样性监测与研究网络以网络内拥有森林冠层塔吊的生物多样性监测样地为平台,建立了林冠生物多样性监测专项网。该专项网将参照国际标准,统一监测指标,规范监测标准,通过大尺度地带性森林冠层内植物(包括附生种子植物和附生孢子植物)多样性、动物多样性、微生物多样性及其动态变化的长期监测,结合林冠小气候环境特征监测,建立林冠小环境特征、植物多样性、节肢动物多样性和微生物多样性等4个动态更新的数据库,以阐明我国典型森林林冠生物多样性变化的规律,揭示其对森林生态系统功能过程的影响和对全球变化的响应。     

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。     

基于多源遥感的红树林监测

红树林是生长在热带以及亚热带海岸潮间带上的生态群落, 其生产力高, 固碳能力强, 对保持海岸带生物多样性具有十分重要的价值。本文介绍了利用多源遥感数据监测红树林的一些主要研究内容, 分为3个方面: (1)在时空模式研究方面, 利用高空间分辨率影像像素和对象结合的方法对红树林树种进行分类以及利用Landsat影像对红树林进行动态变化监测并分析其驱动因素; (2)在结构参数研究方面, 利用无人机多光谱数据及地面激光雷达数据对红树林叶面积指数进行反演; (3)在生理生化参数研究方面, 探讨了红树林叶绿素含量对淹没状况的响应、互花米草(Spartina alterniflora)入侵是否影响红树林光能利用率, 以及光化学反射指数(photochemical reflectance index, PRI)与光能利用率(light use efficiency, LUE)的关系。上述系列研究为提取红树林相关信息要素时如何选择合适的分析方法提供了有力的参考, 强调了遥感在研究红树林时空模式, 提取结构参数和生物生化参数监测的有效性, 从而更好地促进红树林生态系统的生物多样性保育工作。     

“中国森林生物多样性监测网络”丛书介绍

<正>为了让国内外同行全面了解中国森林生物多样性监测网络(Chinese Forest Biodiversity Monitoring Network,简称CForBio)的整体状况和研究成果,中科院生物多样性委员会组织出版了"中国森林生物多样性监测网络"系列丛书。该系列丛书由中国林业出版社出版,是我国森林生物多样性监测和森林生态系统联网研究的重要基础资料。目前已经出版的图书如下:浙江古田山森林——树种及其分布格局.陈彬、米湘成、方腾、陈磊、任海保、马克平编著.2009.该书介绍了浙江省古田山亚热带常绿阔叶林中常见的木本植物159种,每个树种既有文字描述,又有     

集成高分辨率UAV影像与激光雷达点云的亚热带森林林分特征反演

该研究集成高分辨率无人机(UAV)影像和激光雷达(LiDAR)点云数据估算亚热带天然次生林林分基本特征变量。首先, 基于LiDAR点云和反距离加权插值法构建林下高精度数字高程模型(DEM); 然后利用UAV影像对序列构建植被冠层上层三维点云, 并借助DEM进行高度信息归一化, 提取高度和冠层点云密度相关的特征变量; 最后, 构建预测模型并估算Lorey’s高、林分密度、胸高断面积、蓄积量。结果表明: 联合提取的特征变量与Lorey’s高的敏感性最高, 蓄积量次之, 林分密度和胸高断面积最低; 利用UAV灵活快速的手段获取森林冠层信息, 辅以高精度LiDAR数据获取的地形信息, 两者互补实现一种可重复的快速、廉价和灵活的林分特征的反演方式。     

红外相机安放于地面和林冠层对野生动物监测结果的影响

红外相机技术在野生动物研究中日趋普及, 逐渐成为重要的生物多样性监测手段。过去的监测常局限于地面, 而针对林冠层的监测较少, 这对野生动物的多样性评估影响尚未可知。为此, 本研究在生物多样性丰富的碧罗雪山南段, 将20台红外相机分别拍摄地面层(0.5-1.5 m)和林冠层(5-10 m)配对比较, 累计拍摄2,319个有效相机日, 平均每对相机同步进行112.5 d的监测。监测期间共拍摄到44种野生动物(不包括鼠形啮齿类), 其中兽类20种, 鸟类24种; 冠层和地面红外相机监测的物种相似度为29.54%; 15种动物仅拍摄于林冠层, 16种动物仅拍摄于地面, 13种动物拍摄于两个林层。研究结果表明不同林层监测的物种组成存在显著差异, 林冠层与地面层监测都具有不可替代性; 不同林层红外相机的监测手段也能用于研究野生动物的空间选择和生态位分化。红外相机监测中根据目标物种的习性在相应的林层设置相机能提高物种发现率; 为全面掌握区域森林生态系统野生动物的多样性, 红外相机监测需要兼顾不同林层这一点需要在监测规范中明细。     

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。     

基于无人机高光谱影像的薇甘菊分布提取研究——以云南德宏州为例

为有效控制薇甘菊入侵,及时掌握其空间分布和动态变化,基于无人机高光谱数据,通过深度学习（DL）、支持向量机（SVM）、随机森林（RF）等方法提取云南省德宏州微甘菊分布情况。结果表明,DL、SVM和RF等3种方法均有效实现了薇甘菊的分布提取,以DL方法的提取效果最佳,制图精度和用户精度分别为96.61%和95.00%;其次为RF方法,制图精度和用户精度分别为94.83%和91.67%;SVM方法的制图精度和用户精度分别为92.45%和81.67%。这3种方法均能很好提取薇甘菊集中分布区域,且DL和RF方法对零散分布薇甘菊的识别效果优于SVM。因此,无人机高光谱影像为薇甘菊的监测、预警和精准防治提供了支撑和依据,对保护当地生态系统安全具有重要意义。     

Species classification from hyperspectral leaf information using machine learning approaches

Information on plant species is fundamental to forest ecosystems, in the context of biodiversity monitoring and forest management. Traditional methods for plant species inventories are generally inefficient, in terms of cost and performance, and there is a high demand for a quick and feasible approach to be developed. Of the various attempts, remote sensing has emerged as an active approach for plant species classification, but most studies have concentrated on image processing and only a few of them ever use hyperspectral information, despite the wealth of information it contains. In this study, plant species are classified from hyperspectral leaf information using different machine learning models, coupled with feature reduction and selection methods, and their performance is optimized through Bayesian optimization. The results show that including feature selection and Bayesian optimization increases the classification accuracy of machine learning models. Among these, the Bayesian optimization-based support vector machine (SVM) model, combined with the recursive feature elimination (RFE) feature selection method, yields the best output, with an overall accuracy of 86% and a kappa coefficient of 0.85. Furthermore, the confusion matrix revealed that the number of samples correlates with classification accuracy. The support vector machine with informative bands after Bayesian optimization outperformed in classing plant species. The results of this study facilitate a better understanding of spectral (phenotype) information with plant species (genotype) and help to bridge hyperspectral information with ecosystem functions.     

Mapping tree species diversity of a tropical montane forest by unsupervised clustering of airborne imaging spectroscopy data

With the ongoing global biodiversity loss, approaches to measuring and monitoring biodiversity are necessary for effective conservation planning, especially in tropical forests. Remote sensing has much potential for biodiversity mapping, and high spatial resolution imaging spectroscopy (IS) allows for direct prediction of tree species diversity based on spectral reflectance. The objective of this study was to test an approach for mapping tree species alpha diversity that takes advantage of an unsupervised object-based clustering. Tree species diversity of a tropical montane forest in the Taita Hills, Kenya, was mapped based on spectral variation of high spatial resolution IS data.Airborne IS data and species data from 31 field plots were collected in the study area. Species diversity measures were obtained from the IS data by clustering spectrally similar image segments representing tree crowns. In order to do this, the image was segmented to objects that represented tree crowns. Three measures of species diversity were calculated based on the field data and on the clustering results, and the relationships were statistically analyzed.According to the results, the approach succeeded well in revealing tree species diversity patterns. Especially, tree species richness was well predicted (RMSE = 3 species; r² = 0.50) directly based on the clustering results. The optimal number of clusters was found to be close to the estimated number of tree species in the forest. Minimum tree size was an important determinant of the relationships, because only part of the trees are visible to the airborne sensor in the multi-layered closed canopy forest.In general, the object-based approach proved to be a viable alternative to a pixel-based clustering. The approach takes advantage of the capability of IS to detect spectral differences among tree crowns, but without the need for spectral training data, which is expensive to collect. With further development, the approach could be applied also for estimating beta diversity.     

西双版纳热带雨林林窗空间分布格局及其特征数与林窗下植物多样性的相关性

林窗作为森林群落中一种重要的干扰方式, 对林下物种构成有着重要的影响。开展林窗空间格局及其特征指数与林下植物多样性关系研究对于探讨林窗对林下生物多样性的影响有重要意义, 有助于进一步了解群落动态, 在物种多样性保护方面也具有指导作用。本研究在西双版纳热带雨林地区随机选取3块大小为1 ha的热带雨林为研究样地, 采用轻小型六旋翼无人机搭载Sony ILCE-A7r可见光传感器, 分别获取各个样地的高清数字影像, 结合数字表面高程模型以及各个样地的地形数据用以确定各样区的林窗分布格局, 并进一步提取出各林窗的景观格局指数。结合地面样方基础调查数据, 对各样地各林窗下植物多样性情况进行统计, 旨在分析热带雨林林窗空间分布格局以及林窗下植物多样性对各林窗空间格局特征的响应情况。研究表明, 西双版纳州热带雨林林窗呈大而分散的空间分布, 林窗空间格局特征指数如林窗形状复杂性指数、林窗面积都与林下植物多样性呈显著正相关关系。在面积小的林窗下, 较之林窗形状复杂性因子, 林窗面积大小对林下植物多样性影响更显著; 在面积达到一定程度后, 相对于面积因子, 林窗形状复杂性指数对林下植物多样性影响更显著, 各样地林窗皆趋于向各自所处样地顶极群落发展。     

Using unmanned aerial vehicle‐based multispectral,RGB and thermal imagery for phenotyping of forest genetic trials: A case study in Pinus halepensis

The assessment of genetic differentiation in functional traits is fundamental towards understanding the adaptive characteristics of forest species. While traditional phenotyping techniques are costly and time‐consuming, remote sensing data derived from cameras mounted on unmanned aerial vehicles (UAVs) provide potentially valid high‐throughput information for assessing morphophysiological differences among tree populations. In this work, we test for genetic variation in vegetation indices (VIs) and canopy temperature among populations of Pinus halepensis as proxies for canopy architecture, leaf area, photosynthetic pigments, photosynthetic efficiency and water use. The interpopulation associations between vegetation properties and above‐ground growth (stem volume) were also assessed. Three flights (July 2016, November 2016 and May 2017) were performed in a genetic trial consisting of 56 populations covering a large part of the species range. Multispectral (visible and near infrared wavelengths), RGB (red, green, blue) and thermal images were used to estimate canopy temperature and vegetation cover (VC) and derive several VIs. Differences among populations emerged consistently across flights for VC and VIs related to leaf area, indicating genetic divergence in crown architecture. Population differences in indices related to photosynthetic pigments emerged only in May 2017 and were probably related to a contrasting phenology of needle development. Conversely, the low population differentiation for the same indices in July 2016 and November 2016 suggested weak interpopulation variation in the photosynthetic machinery of mature needles of P. halepensis. Population differences in canopy temperature found in July 2016 were indicative of variation in stomatal regulation under drought stress. Stem volume correlated with indices related to leaf area (positively) and with canopy temperature (negatively), indicating a strong influence of canopy properties and stomatal conductance on above‐ground growth at the population level. Specifically, a combination of VIs and canopy temperature accounted for about 60% of population variability in stem volume of adult trees. This is the first study to propose UAV remote sensing as an effective tool for screening genetic variation in morphophysiological traits of adult forest trees.     

阔叶红松林林隙结构与树种多样性关系研究

对阔叶红松林林隙与林下不同层次树种多样性进行比较,探讨林隙大小及发育阶段与树种多样性间的关系.结果表明,林隙与林下树种多样性存在显著差异（P<0.01）.与林下相比,林隙更新层树种多样性、丰富度和均匀度增大,生态优势度减小（P<0.01）;演替层树种多样性、丰富度和均匀度减小,生态优势度增大（P<0.0001）.林隙中不同层次树种多样性随着林隙大小呈现出相反的变化趋势.长白山阔叶红松林林隙演替层树种多样性和丰富度总体上呈单峰形变化,中等大小林隙（100～250 m²）中树种多样性和丰富度较高,生态优势度较小.而更新层树种多样性和均匀度在≥250 m²和<100 m²的林隙中最大,在200～250 m²的林隙中最小;生态优势度在200～250 m²的林隙中达到最大.更新层和演替层树种对林隙面积大小反应不同,有利于更新层幼苗建立的林隙面积并不是演替层幼树发育和成活的最适面积;随林隙年龄的增加,更新层和演替层树种多样性在不同层次上呈互补关系.