联合LiDAR和多光谱数据森林地上生物量反演研究

【目的】森林地上生物量的准确估测对于实时掌握全球碳储量变化及应对气候变化有着重要的意义。组合多种遥感数据特征优选,分类建模反演森林地上生物量,是提高森林地上生物量精度的有效方法。【方法】以根河市大兴安岭生态观测站寒温带天然林为研究对象,以机载激光雷达(LiDAR)、Landsat8 OLI两种遥感数据源结合55块地面调查数据,采用偏最小二乘算法优化筛选变量,再以线性多元逐步回归和快速迭代特征选择的最近邻算法(KNN-FIFS)构建模型,在两种数据源的不同组合方式下进行森林地上生物量反演。【结果】①基于线性多元逐步回归模型下的单一LiDAR数据反演精度决定系数(R²)为 0.76,均方根误差(RMSE)为 21.78 t/hm²;单一Landsat8 OLI数据的反演精度R²为 0.24,RMSE为39.27 t/hm²;LiDAR和Landsat8 OLI联合反演精度R² 为 0.84,RMSE为18.16 t/hm²;②基于KNN-FIFS模型下的单一LiDAR数据反演精度R²为 0.74,RMSE为23.83 t/hm²;单一Landsat8 OLI数据的反演精度R²为0.60,RMSE为 29.63 t/hm²;LiDAR和Landsat8 OLI联合反演精度R²为0.80,RMSE为21.15 t/hm²。【结论】①特征优选支持下的3种组合方式中,LiDAR和Landsat8 OLI两种数据的组合在两种模型中反演精度均最高,其中线性多元逐步回归模型的反演精度最高,说明LiDAR和Landsat8 OLI数据组合,激光雷达与光学数据优势特征互补,协同反演可有效提高森林地上生物量的反演精度;②单一数据源反演森林地上生物量精度中,LiDAR数据比Landsat8 OLI数据在两种模型反演精度中均较高,这与LiDAR数据空间分辨高、可获得垂直结构特征参数有关。     

青钱柳幼林地上部分生物量生长模型研究

【目的】青钱柳是我国特有的珍稀多用途树种,研究青钱柳幼树地上部分生物量生长规律,为发展叶用林提供依据。【方法】以6年生的青钱柳人工幼林为研究对象,对其生长特性及生物量的分配进行了研究,同时选取了37株样木进行地上部分生物量及相关测树因子的分析评价,从19个生物量模型中进行筛选,构建了青钱柳人工林各生物量组分及地上部分生物量与相关测树因子的预估方程。【结果】青钱柳幼林地上部分生物量(W)与胸径(D)具有高度相关性,筛选的4个模型均以胸径作为自变量,则:①干生物量模型 W=0.15 D^2.1, R²=0.982;②枝生物量模型 W=0.05 D^1.88, R²=0.864;③叶生物量模型 W=0.07 D^1.55, R²=0.802;④地上部分生物量模型 W=0.28 D^1.95, R²=0.976。【结论】不同密度下6年生青钱柳幼林生长尚未郁闭,受密度效应的影响较低,胸径、树高和单株材积的总生长量之间差异不显著,单株和林分生物量分配模式基本相似,地上部分各器官生物量分配由大到小表现为干(73%)> 枝(16%)> 叶(11%)。     

基于极化干涉SAR数据的树高反演方法

为了利用极化干涉合成孔径雷达(SAR)实现精确、快速的树高反演,该文改进了基于极化干涉模型的传统线性度计算公式,提出了树高反演置信度。对置信度高的散射单元,用各极化方式下复相干点拟合得到的直线结合ESPR IT算法快速确定体散射复相干的位置,查表得到树高;对置信度低的散射单元直接用ESPR IT算法近似树高。实验结果表明,与传统方法相比,改进的线性度模型效果更好;体散射复相干估计结果符合极化干涉模型;用置信度指导树高反演,运行时间约为全部利用极化干涉模型反演的25%。     

基于双源遥感数据的杉木林分蓄积量估测模型研究

为了提高森林蓄积量估测精度,以福建省三明市将乐县国有林场中杉木林作为试验区,选择资源3号卫星多光谱高分辨率影像及Alos Palsar影像为数据源,将相关性较高的极化雷达参数与最优窗口下的纹理参数相结合,协同两种遥感数据反演蓄积量。利用灰度共生矩阵分别提取高分辨率影像在3×3、5×5、7×7、9×9和11×11的5组窗口大小下8种纹理特征信息,提取Alos Palsar影像双极化方式下后向散射系数并进行比值运算。采用多元逐步回归分析方法,分别利用5组纹理特征信息反演杉木林蓄积量,找出最优窗口; 检测不同极化方式下后向散射系数与蓄积量之间相关性。结果表明,单数据源反演蓄积量模型中,5×5窗口反演效果最好,模型复相关系数R=0.869,均方根误差σ_RMSE=23.38 m³/hm²,蓄积量总体的估测精度为80.32%; 多数据源反演蓄积量模型中,两种极化方式下的后向散射系数比值与高分影像纹理特征参数结合后,反演模型的效果更好,模型中R=0.901,σ_RMSE=22.32 m³/hm²,蓄积量总体估测精度达到85.42%。研究表明,基于多数据源数据的森林蓄积量反演精度更高,结果更准确。     

基于Sentinel‑1和Sentinel‑2数据的杉木林地上生物量估算

雷达和光学遥感数据可以提供不同方面的信息，利用Sentinel?1与Sentinel?2联合估算亚热带地区森林地上生物量，探索光学数据与合成孔径雷达（SAR）数据结合对于提高森林地上生物量估测的优势。     

水稻微波后向散射模型研究与计算

针对合成孔径雷达(SAR)的技术特点,以水稻为研究对象,从矢量辐射传输理论(VRT)出发,通过模拟水稻主要器官稻叶和稻杆对电磁波的散射、衰减作用等物理过程,建立了一套完整的水稻一次后向散射作用的物理模型,用以模拟水稻层的后向散射系数σ⁰,并根据模型模拟结果初步讨论了水稻后向散射系数随时相、入射角、波段和极化等因素的变化规律。     

分量模型和散射参数的全极化雷达图像分类

在分析了典型的极化目标分解和地物分类算法基础上,提出了融合Yamaguchi分解和H/α(H为散射熵,α为地物散射角)平面分解结果的迭代处理目标分类方法.首先,通过获取4种散射分量及地物的散射熵和散射角,结合6个参量,将极化合成孔径雷达图像中的地物初始分类;然后,利用相干散射矩阵服从Wishart分布的特性进行迭代,获得最终分类结果.实验结果证明,该算法提高了分类性能,运算量小,分类效果较好.     

一种基于Pauli分解和支持向量机的全极化合成孔径雷达监督分类算法

全极化合成孔径雷达(SAR)影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和支持向量机(SVM)的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征;并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的PauliSVM算法可以有效地提高分类的准确性。     

震后单幅全极化SAR图像中倒塌建筑提取研究

合成孔径雷达(SAR)以其全天时,全天候对地观测的能力,在地震等灾害应急应用中可以发挥难以替代的作用。针对只有一幅震后全极化SAR图像的应用场合,提出了一种倒塌建筑信息提取方法。该方法从少量样本中提取特征模板,采用基于特征模板匹配的图像检索的思路进行倒塌建筑信息的提取。特征模板是由以下13维特征构成,包括HH、HV、VV三通道幅度特征,基于Cloude分解的H/α/A极化特征,基于Yamaguchi分解的四散射分量,圆极化相关系数,归一化圆极化相关系数以及极化方位角等。选取2010年玉树地震发生后的一景RADARSAT-2全极化SAR数据进行倒塌建筑信息提取试验,结果表明该方法在保证较高检出率的情况下,降低了虚警率。     

激光雷达GLAS与ETM联合反演森林地上生物量研究

在实现大脚印激光雷达GLAS森林冠顶高度反演算法基础上, 建立了复杂地形条件下森林地上生物量神经网络反演模型, 制作了研究区森林地上生物量分布图。总体上, 激光雷达GLAS森林冠顶高度和地上生物量估算精度较高。森林冠顶高度针叶林精度最好(R²=0.692); 阔叶林次之(R²=0.5062); 地上生物量反演结 果与实测结果十分接近, 在空间分布上与土地覆盖分布特征非常一致。     

基于光学-ALS变量组合和非参数模型的天然次生林地上生物量估算

【目的】通过组合机载激光雷达(airborne laser scanning, ALS)数据和Sentinel-2A数据提取特征变量,探讨估算天然次生林地上生物量(aboveground biomass, AGB)最佳的变量组合方式和估算方法。【方法】以2015年ALS数据、2016年Sentinel-2A数据和黑龙江帽儿山林场森林资源连续清查固定样地数据为数据源,通过ALS数据提取高度特征变量(all the LiDAR variables, 记为A_L),Sentinel-2A数据提取若干植被指数变量(all the optical variables, 记为A_O),然后将光学-ALS结合变量(combined optical and LiDAR index, COLI,记为I_COL)结合成为新的变量 I_{\mathrm{CO}{\mathrm{L}}_1} 和 I_{\mathrm{CO}{\mathrm{L}}_2} ,以6组特征变量组合方式(A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} 、 I_{\mathrm{CO}{\mathrm{L}}_2} 、 I_{\mathrm{CO}{\mathrm{L}}_1} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入变量,分别使用多元线性逐步回归(stepwise multiple linear regression,SMLR)、K-最近邻法(K-nearest neighbor,K-NN)、支持向量回归(support vector regression,SVR)、随机森林(random forest, RF)和堆叠稀疏自编码器(stack sparse auto-encoder,SSAE)共5种方法构建了天然次生林AGB估算模型,探讨I_COLs变量以及不同模型对生物量估测精度的影响。【结果】结合变量I_COLs对于森林AGB的估算十分有效,加入I_COLs变量能够很大提高森林AGB模型的估算精度;与其他4种模型相比,无论使用哪些变量作为输入数据,SSAE模型的精度最高;当使用SSAE模型,以光学和ALS变量组合 ( I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入特征变量时,模型的准确性最高:R²=0.83,均方根误差为11.06 t/hm²,相对均方根误差为8.23%。【结论】结合变量COLIs能够有效地提高天然次生林AGB的估算精度,而且深度学习模型(SSAE)在估算天然次生林AGB方面优于其他预测模型。总体而言,利用ALS和Sentinel-2A数据组合变量的SSAE模型可以较准确地估算森林AGB,为天然次生林地上生物量的估算和碳储量评估提供技术支持。     

全极化SAR的方向角纠正在估算裸土含水量时的应用

应用JPL/AIRSAR的L波段全极化数据,分别计算理论模型算法和圆极化算法的方向角,并对全极化SAR数据进行角度纠正,将结果与改进的积分方程模型（AIEM）预测值进行对比。结果表明：HH和VV极化下后向散射系数和同极化比的均方根误差由1.93,1.37,1.89 dB分别下降到1.62,1.24,1.62 dB和1....     

基于机器学习算法的樟子松立木材积预测

【目的】 通过非线性和多种机器学习算法构建并对比不同的立木材积模型,为樟子松(Pinus sylvestris var. mongolica)立木材积的精准预测提供理论依据。【方法】 以大兴安岭图强林业局184株樟子松伐倒木数据为基础,建立非线性二元材积模型(NLR),并通过十折交叉检验和袋外数据(OOB)误差检验的方法得到3种最优机器学习算法,包括:反向神经网络(BP)、ε-支持向量回归(ε-SVR)和随机森林(RF)。对比分析不同模型间的差异,得到最优立木材积模型。【结果】 机器学习算法在立木材积的拟合和预测中均优于传统二元材积模型,具体拟合结果排序为RF>BP>ε-SVR> NLR。其中RF的决定系数(R²)比传统模型的提高了2.00%,均方根误差(RMSE)、相对均方根误差(RMSE%)、平均绝对误差(MAE)分别降低了22.90%、22.93%、36.34%,且与真实值相比平均相对误差(MRB)的绝对值更低,证明了RF在立木材积预测中的优越性。【结论】 机器学习算法作为一种新兴的建模方法可以有效地提高立木材积的预测精度,为森林资源的精准调查和经营管理提供新的解决方案。     

基于TLS辅助的长白落叶松一级枝条生物量模型构建

【目的】探究利用地基激光雷达(terrestrial laser scanning, TLS)点云数据估测枝条生物量的可行性,构建预测长白落叶松(黄花落叶松)枝条生物量的最优模型。【方法】以利用孟家岗林场26株长白落叶松点云数据提取出的733个一级枝条的特征因子[枝长(L_BL)、弦长(L_BCL)、基径(d_B)、着枝角度(A_B)、弓高(H_BAH)、枝条基部断面积(S_BAB)、相对着枝深度(d_RDINC)]和对应的实测数据为数据源,分别建立枝条水平上的一级枝条生物量基础模型,通过对比基础模型之间的差异来分析利用TLS数据建立枝条生物量模型的可行性。最后利用TLS数据分别对比基础模型、混合效应模型和随机森林模型的预测效果。【结果】基础模型中最终选定的自变量为S_BAB和L_BCL。利用TLS数据建立的枝条生物量基础模型具有更好的预测精度。对比3种模型预测能力结果显示,随机森林模型无论在训练集还是测试集...     

模拟氮沉降对典型阔叶红松林土壤微生物群落特征的影响

【目的】探究氮沉降增加对阔叶红松(Pinus koraiensis)混交林土壤微生物群落特征的影响。【方法】对阔叶红松林进行模拟氮沉降实验,设置对照(N0,0 kg/(hm²·a))、低氮(N1, 30 kg/(hm²·a))、中氮(N2, 60 kg/(hm²·a))和高氮(N3, 120 kg/(hm²·a))共4组处理,在实验样地内采集0～10 cm、≥10～20 cm土层中的土壤,测定土壤微生物生物量碳(SMBC)及土壤微生物生物量氮(SMBN)含量及变化。【结果】① 模拟氮沉降未改变SMBC、SMBN及SMBC/SMBN的垂直分布; SMBC、SMBN在生长季月动态曲线均为以8月中旬为峰值的单峰型曲线,SMBC/SMBN的曲线波动较大,0～10 cm土层以N0处理的结果波动范围最小(2.83～6.97)。② 模拟氮沉降仅对0～10 cm土层6、8月中旬的SMBC以及5、6、8月中旬的SMBC/SMBN有显著影响(P<0.05),而对SMBC、SMBN及SMBC/SMBN的生长季平均值无显著影响。【结论】模拟氮沉降对阔叶红松林土壤微生物生物量的影响仅在个别月份中表现明显,而对于整个生长季而言,更长时间的模拟氮沉降实验才可能对土壤微生物生物量产生明显的影响。     

内蒙古温带草原的根冠比及其影响因素

温带草地大部分生物量分布在地下,地下生物量在草地生态系统碳循环中起着重要作用。利 用根冠比(R : S)和地上生物量来估算地下生物量是目前常用的方法,但目前缺乏根 冠比的数据。本研究利用内蒙古温带草原的生物量实测数据,分析了R : S及其影响因素。结果显示: (1) 内蒙古温带草原地上和地下生物量分别为135.3, 775.2g·m^-2,不同草原类型生物量差异显著,荒漠草原、典型草原和草甸草原的地上生物量分别为56.6、133.4和196.7 g·m^-2,地下生物量分别为301.0、688.9和1385.2g·m^-2。(2) 研究区3种草原类型的R : S差异较小,荒漠草原、典型草原 和草甸草原R : S中值分别为6.7、5.3和5.2,总体上,内蒙古温带草地的R : S为6.3。(3) R : S与年均温、年降水和土壤含水率之间没有显著相关关系。     

结合树冠体积的油茶树高与产量估测研究

【目的】以长沙县明月村油茶林基地为研究区,探讨利用无人机倾斜摄影提取树冠体积进行油茶树高和产量估测的可行性。【方法】基于无人机正射影像和密集匹配点云,提取波段反射率、植被指数、纹理因子、高度特征等遥感变量和冠幅等冠层参数,同时利用克里金法、反距离权重法、自然邻近点法和过滤三角网法分别获取油茶树冠体积,建立多元线性回归、随机森林、K最邻近模型估测油茶树高和产量,并以地面三维激光点云获取的树冠体积、样地实测树高和产量作为实测值分别对估测结果进行精度评价。【结果】过滤三角网是获取油茶树冠体积最有效的方法,其平均相对误差(31.54%)优于反距离权重法(36.73%)、克里金法(37.04%)和自然邻近点法(38.54%)。将树冠体积作为特征变量参与建模后,树高和产量的多元线性回归、随机森林、K最邻近模型的精度均有所提升(树高相对均方根误差分别减小了3.77%、0.78%、0.64%,产量相对均方根误差分别减小了1.32%、0.34%、0.16%)。对比3种估测模型,随机森林模型的决定系数均优于多元线性回归和K最邻近(树高决定系数分别为0.78、0.51和0.19,产量决定系数分别为0.61、0.48和0.24)。研究发现,分别使用估测树高和实测树高参与产量建模的精度无明显差异。【结论】结合树冠体积和树高参与建模可有效提高油茶产量估测精度,研究结果可为区域范围内利用无人机遥感技术开展油茶树高和产量调查提供参考。     

长三角小流域AnnAGNPS模型参数敏感性及适用性评价

【目的】研究年度农业非点源污染模型(Annualized agricultural non-point source pollutant loading model,AnnAGNPS)在沛桥河小流域的参数敏感性与适用性,为长三角地区的流域综合管理工作提供数据支撑和科学依据。【方法】以长江中下游水阳江水系沛桥河小流域为研究区,采用差分灵敏度分析(differential sensitivity analysis,DSA)方法进行参数敏感性分析,通过相关系数(R²)、效率系数(E)以及相对误差(E_R)来综合评价模型的适用性。【结果】对研究区径流、总氮与总磷输出模拟最敏感的参数是径流曲线数(CN),对泥沙输出模拟敏感性程度最高的参数是CN、土壤可蚀性因子(K)、水土保持因子(P)与作物管理因子(C),且均呈正相关影响特征。验证期(2015—2018年)汛期与非汛期径流、泥沙、总氮与总磷的相关系数(R²)、效率系数(E)均大于0.80,相对误差(E_R)的绝对值均小于12%;模型对径流与泥沙汛期的模拟精度均高于非汛期,而对总氮与总磷负荷非汛期的模拟精度略高于汛期。【结论】校准后的AnnAGNPS模型应用于沛桥河小流域的模拟效果较好,可用于辅助长三角低山丘陵区农业小流域非点源污染与水土流失管理决策。