基于无人机激光雷达遥感的亚热带常绿阔叶林群落垂直结构分析

森林植被高度与树木分布格局是植物群落重要结构特征,也是计算森林生物量分布的重要参数。传统的森林群落调查方法耗费大量人力物力难以进行较大尺度的群落结构测量,而一般的遥感影像也难以获得精确的地形信息及垂直结构。近年来激光雷达(Light Detection and Ranging,LiDAR)技术快速发展,能够较好的进行植被三维特征的提取并被广泛应用于森林生态系统检测模拟。且随着无人机低空摄影技术的发展催生的无人机激光雷达(UAV-Lidar)更增加了激光雷达的灵活性以及获取较大范围植被冠层信息的能力。而受限于激光的穿透性以及不同植被类型郁闭度的影响,该技术的应用多局限于在针叶林群落的垂直结构研究,而在常绿阔叶林的研究中应用较少。为探究现有无人机激光雷达设备及垂直结构提取分析技术应用于常绿阔叶林的可行性,利用无人机载激光雷达遥感技术对哀牢山中山湿性常绿阔叶林3块面积1hm~2的样地进行基于数字表面模型以及数字地表高程模型做差得到树冠高度模型测量的植被冠层高度、基于局部最大值法进行单木位置提取并使用Clark-Evans最近邻体分析方法进行样地内高大乔木分布格局的计算。分析结果显示,植被高度提取精度平均大于95%,与地表实测的植被高度值拟合度较高,相关系数R~2介于0.833—0.927之间;3个样地冠层高度平均值分别为18.79、19.08、17.03 m,标准差分别为8.10、7.34、7.17 m。单木探测百分比平均86.3%,用户精度以及生产者精度平均分别为75.69%和65.15%。实测得出三个样地全部高大乔木空间分布格局均为聚集分布,而激光雷达测量结果显示为随机分布或均匀分布。实验显示基于无人机激光雷达技术能够很好地提取植被冠层高度信息并能够较好地获取树木位置,但对于树木空间分布格局判定的准确性有待于进一步探索。未来研究应从多角度对激光雷达测量造成的误差原因予以分析(如环境因素),并进一步研究更为精确的单木提取以及植被高度提取方法,为通过无人机激光雷达测算森林生物量及各种生态过程提供更加精准的指标数据。     

近地面激光雷达点云密度对森林冠层结构参数提取准确性的影响

基于激光雷达技术获取冠层结构为森林生态学研究增加了新的维度。搭载于多旋翼无人机的近地面激光雷达相比于固定翼有人机的机载激光雷达，能够更加灵活高效地获取森林群落样地高密度点云。但在实际操作中，往往出现局部低密度点云数据，影响了冠层结构参数提取的准确性。使用4块森林动态样地的近地面激光雷达点云数据；利用航带分解方法分析各样地低密度样方成因；采用点云抽稀模拟算法计算并拟合偏差曲线，对比不同样地、参数和取样尺度间的点云密度对冠层结构参数提取准确性的影响；根据偏差曲线计算各条件下保证参数提取准确性的最低点云密度。结果发现：1)低密度区域主要受地形或(和)近地面遥感设计规划的影响。地形复杂的测区(西双版纳和古田山样地),遥感规划难度大，整体难以获取高密度点云(在30点/m²左右),容易在沟谷和高海拔处出现低密度样方。平坦测区(长白山两块样地)虽可获取高密度点云(均超过150点/m²),但欠佳的遥感规划设计导致长白山1测区北部出现1hm²低密度区域。2)冠层参数提取准确性随点云密度减少而迅速降低，呈负指数幂函数关系。这一变化趋势在不同...     

岷江上游植被冠层降水截留的空间模拟

 通过对岷江上游实地踏查和定位观测研究,结合MODIS遥感数据,利用“3S”技术对岷江上游植被冠层降水截留进行了空间模拟。研究结果表明：岷江上游植被叶面积指数（LAI）与增强性植被指数（EVI）以二项式关系拟合效果较好。由于归一化植被指数（NDVI）存在的饱和问题,研究采用EVI反演LAI,统计结果表明：岷江上游LAI值在0～2之间的占28.57%,在2～4.5之间的占63.06%,大于4.5的占8.37%,其中LAI最大值为7.394;从冠层最大降水截留模拟结果来看: 植被较好的地区,如卧龙、米亚罗的植被冠层最大降水截留量较大,而干旱河谷、上游高山草甸等地的植被冠层最大降水截留量相对较低;附加冠层降水截留与降雨量呈线性相关,模型验证时以此为基础,模型模拟的结果较为理想。     

白云山国家森林公园不同人为干扰强度的群落冠层结构和光照特征

为探究森林冠层结构与林下光照的变化规律及其相关性,在河南省白云山国家森林公园选取人工林、择伐林、皆伐林和老龄林建立四块面积为1 hm²（100 m×100 m）的固定监测样地,利用半球面影像技术获取冠层结构及林下光照数据。研究发现：1）随着人为干扰强度降低,冠层覆盖度与叶面积指数呈增加趋势,林下散射辐射与直接辐射呈减少趋势;2）择伐林冠层覆盖度与叶面积指数最大,平均叶倾角与透光比最小,林下光照（直接辐射、散射辐射）与冠层覆盖度和叶面积指数都呈显著负相关,林下散射辐射与冠层覆盖度和叶面积指数的负相关关系最强;3）处于不同干扰强度的群落由于冠层结构的差异,形成了不同群落内特定的光照环境。研究结果丰富了暖温带-亚热带生态过渡区森林冠层结构与林下光照动态变化研究资料,同时也为该区域森林的恢复与重建等提供科学的依据。     

SunScan冠层分析仪在测量大豆叶面积指数中的应用

SunScan冠层分析仪是一种利用间接测量法观测叶面积指数(LAI)的仪器,通过给定反映植被几何特征的椭球体叶倾角分布参数(ELADP),测量透射率获得LAI.于2005、2006年在黑龙江省嫩江县鹤山农场布设大豆试验地,通过比较LI-3100叶面积仪直接测量的LAI和SunSean冠层分析仪间接测量的LAI,得出ELADP率定结果,并验证了SunScan冠层分析仪测量LAI的精度.结果表明:用SunScan测量大豆冠层LAI时,ELADP取值为4.0;设定该参数后,SunSean测量的LAI与LI-3100测量结果一致,二者拟合的线性回归方程显著;随生长季叶面积的变化,SunScan测量误差略有变化;播种后50～85 d,Sun-Scan观测值偏低7.2%,播种96 d以后观测值偏高12.5%,播种后85～96 d与LI-3100观测值十分接近,误差只有2.0%;经过参数率定后的SunScan测量LAI效果较好.     

帽儿山地区森林冠层叶面积指数的地面观测与遥感反演

叶面积指数(leaf area index,LAI)是陆地生态系统最重要的结构参数之一,遥感和基于冠层孔隙率模型的光学仪器观测是快速获取LAI的有效方法,但由于植被叶片的聚集效应,这些方法通常只能获取有效叶面积指数(effective LAI,LAIe).本文以东北林业大学帽儿山实验林场为研究区,利用LAI2000观测森林冠层LAIe,并结合TRAC观测的叶片聚集度系数估算了森林冠层LAI,并通过分析基于Landsat5-TM数据计算的不同植被指数与LAIe之间的关系,建立了该区森林LAI遥感估算模型.结果表明:研究区阔叶林的LAI和LAIe基本相当,而针叶林的LAI比LAIe大27%;减化比值植被指数(reduced simple ratio,RSR)与该区LAIe的相关性最好(R2=0.763,n=23),最适合该区LAI的遥感提取.当海拔<400 m时,LAI随海拔高度的上升而快速增大;当海拔在400～750 m时,LAI随海拔高度的上升缓慢增大;当海拔>750 m时,LAI呈下降趋势.研究区森林冠层LAI与森林地上生物量存在显著的正相关关系.     

森林冠层地面叶面积指数光学测量方法研究进展

作为表征植被冠层结构的核心参数之一,叶面积指数（LAI）控制着植被冠层的多种生物物理和生理过程,如光合、呼吸、蒸腾、碳循环、降水截获、能量交换等.本文首先阐述了森林冠层地面LAI光学测量方法的理论基础和数学模型;其后介绍了目前主流光学测量方法的测量原理及其优缺点;归纳了LAI光学测量方法的主要误差来源（聚集效应、非光合作用组分、观测条件和地形效应）,并分析总结了聚集效应、非光合作用组分和地形效应的定量评估现状;最后展望了森林冠层地面LAI光学测量方法的未来发展方向.     

森林冠层叶面积指数遥感反演——以小兴安岭五营林区为例

以中国东北小兴安岭五营林区为研究区,基于MODIS BRDF遥感模型参数产品数据,首先利用4-Scale模型建立查找表计算像元尺度上各组分比例,估算研究区森林乔木冠层反射率,然后利用冠层反射率数据,获取研究区3种常用森林冠层植被指数,最后基于植被指数与实测叶面积指数构建研究区冠层叶面积指数反演模型,并选取最优模型实现研究区森林冠层叶面积指数反演。结果表明:研究区冠层LAI遥感反演模型中,基于比值植被指数SR(simple ratio,SR)构建的二次多项式反演模型精度最高,且反演精度比未考虑背景反射影响的SR反演模型精度有较大幅度提高,模型决定系数由0.38提高至0.54;反演获取的研究区冠层LAI在2.38~12.67,平均值6.52,LAI值在阔叶林区域相对较高。     

新疆喀纳斯国家自然保护区植被叶面积指数观测与遥感估算

叶面积指数(Leaf Area Index,LAI)是重要的植被结构参数,调控着植被与大气之间的物质与能量交换,在生态环境脆弱的我国西北部开展植被LAI的研究对阐明该地区植被对气候变化和人类活动的响应特征具有重要的科学意义.利用LAI-2200和TRAC仪器观测了新疆喀纳斯国家级自然保护区森林和草地的有效叶面积指数(LAIe)和真实LAI,构建了其遥感估算模型,生成了研究区LAIe和LAI的空间分布图.在此基础上,分析了LAI随地形因子(海拔、坡度、坡向)的变化特征,探讨了将其应用于估算研究区森林生物量密度的可行性,并评估了研究区MODIS LAI产品的精度.结果表明:研究区阔叶林、针阔混交林、针叶林、草地LAIe的平均值分别为4.40、3.18、2.57、1.76,LAI的平均值分别为4.76、3.93、3.27、2.30.LAIe和LAI的高值主要集中分布在湖泊和河流附近;植被LAI随海拔、坡度和坡向的变化表现出明显的垂直地带性的特点.LAI随海拔和坡度的增加呈现先增加后减小的变化趋势,坡向对针叶林和草地LAI的影响明显,但对阔叶林和针阔混交林LAI的影响较弱;森林生物量密度(BD)随LAI增加而线性增加(BD=44.396LAI-25.946,R2=0.83),研究区森林生物量密度平均值为120.3 t/hm2,估算的总生物量为5.0×l06 t;MODIS LAI产品与利用TM数据生成的LAI之间具有一定的相似性(森林R2=0.42,草地R2=0.53),但森林和草地的MODIS LAI产品分别比利用TM数据生成的LAI偏低16.5％和24.4％.     

基于分类知识利用神经网络反演叶面积指数

叶面积指数（LAI,Leaf Area Index）是陆面过程中一个十分重要的输入参数,其遥感反演方法研究一直是国内外遥感应用研究的热点问题。基于统计的遥感反演方法由于缺乏物理基础,其可靠性和普适性差。基于物理的冠层反射模型的LAI反演方法克服了上述弊端,但是由于反演过程是病态的,模型反演结果一般不唯一。神经网络算法的介入可在一定程度上改善这一问题,但是模型反演的病态问题至今仍无法很好地解决。在PROSAIL模型敏感性分析的基础上提出了一种基于影像分类的神经网络反演方法,引进了土壤反射指数用于替代原模型中难以确定的土壤背景反射参数,分别针对不同植被类型建立各自的神经网络,对经过大气纠正后的Landsat ETM＋影像进行了模拟实验并同野外实测LAI数据进行比较。结果表明,对于LAI小于3的植被区该方法的反演精度比较可靠,而LAI大于3的植被区,反演的LAI偏小,原因归结为密植被的冠层反射在LAI大于3以后趋于饱和而无法敏感地表征LAI的变化所导致的。     

山西灵空山天然松栎混交林群落特征与冠层结构

以2011年建设的山西灵空山4 hm²天然松栎混交林森林动态监测样地为研究平台,以400个10 m×10 m样方为测量单元,于2016年进行群落特征研究,采用半球面影像法(DHP)分析冠层结构和林下光照特征.结果表明: 样地内共有乔木5558株,共计25种,分属于10科15属.冠层开阔度(CO)集中在15.0%～25.0%,叶面积指数(LAI)集中在1.5～2.5,林下光环境参数集中在10.0%～30.0%.建群种在样地内的分布对冠层结构和林下光环境影响显著;冠层结构对林下光环境所有参数的影响方向一致,其中采用叶面积指数评价冠层结构动态的效果更佳;冠层开阔度和叶面积指数对林下光环境产生相反的影响,且均对散射光入射率影响程度最大.温性松栎混交林的林冠层整体较为均匀,林下光分布较为集中,林分树种组成与冠层结构对林下光照影响显著.     

广东省2004-2016年植被冠层降雨截留模拟及时空变化特征

评价植被冠层降雨截留能力,是生态系统水循环的重要研究内容。以广东省中小流域为例,结合地面监测站点的降雨量数据和MODIS叶面积指数遥感数据,利用植被冠层降雨截留模型,定量模拟和分析了广东省流域尺度2004-2016年的地表植被冠层降雨截留能力及其时空变化特征。结果表明：（1）2004-2012年广东省年均植被冠层降雨截留率持续下降,2016年略有上升,并且随着时间的推移,流域之间的植被冠层降雨截留率差异越来越小。（2）广东省植被冠层降雨截留能力呈现山区东西两翼高,山区中部以及沿海地区低的显著空间差异格局,这种空间格局与植被覆盖LAI主要呈现由珠三角向外围递增的圈层空间格局特征密切相关,而与由南向北逐渐递减的降雨空间格局特征相关性不大。（3）森林覆盖对流域植被冠层降雨截留能力有着一定的影响,其中流域内阔叶林占森林面积的比例对这种影响的程度起着最为关键的作用。     

林地叶面积指数遥感估算方法适用分析

叶面积指数是与森林冠层能量和CO2交换密切相关的一个重要植被结构参数,为了探讨估算林地叶面积指数LAI的遥感适用方法和提高精度的途径,利用TRAC仪器测定北京城区森林样地的LAI,从Landsat TM遥感图像计算NDVI、SR、RSR、SAVI植被指数,分别建立估算LAI的单植被指数统计模型、多植被指数组合的改进BP神经网络,获取最有效描述LAI与植被指数非线性关系的方法并应用到TM图像估算北京城区LAI。结果表明,单植被指数非线性统计模型估算LAI的精度高于线性统计模型;多植被指数组合神经网络中,以NDVI、RSR、SAVI组合估算LAI的精度最高,估算值与观测值线性回归方程的R2最高,为0.827,而RMSE最低,为0.189,神经网络解决了多植被指数组合统计模型非线性回归方程的系数较多、较难确定的问题,可较为有效的应用于遥感图像林地LAI的估算。     

基于PROSAIL模型的水稻田缨帽三角-叶面积指数模型及其应用

缨帽三角(tasseled cap triangle,TCT)-叶面积指数(leaf area index,LAI)等值线模型是一种反映植被叶面积指数等值线在红光(Red)-近红外(NIR)波段反射率组成的光谱空间中分布规律的模型,在此基础上建立LAI遥感反演模型比常用的统计关系模型更加精确.本文利用水稻田实测数据,验证了PROSAIL模型对水稻冠层反射率模拟的适用性,并对模型的输入参数进行率定,最终确定了PROSAIL模型模拟水稻冠层反射率的输入参数的取值范围.在此基础上构建了水稻田TCT-LAI等值线模型,建立了LAI遥感反演所需的查找表,将其分别用于Landsat 8和WorldView 3数据进行水稻田LAI反演.结果表明: 利用基于TCT-LAI等值线模型建立查找表反演的LAI与实测LAI具有良好的线性相关关系,R²=0.76,RMSE=0.47;与Landsat 8的LAI反演结果相比,WorldView 3反演的LAI值域范围更大,数据分布更离散.将Landsat 8、WorldView 3反射率数据重采样至1 km后进行LAI反演, MODIS LAI 产品的反演结果存在明显低估现象.     

中国区域植被叶面积指数时空分布——机理模型模拟与遥感反演比较

叶面积指数是表征植被冠层特征的重要参数,同时也是决定生态系统净初级生产力的重要因子,它对全球变化和生态系统碳循环研究具有重要意义。目前大范围的叶面积指数只能通过遥感反演和机理模型模拟获得,而通过这两种方法获取的叶面积指数都存在一定的不确定性。利用大气-植被相互作用模型(AVIM2)在0.1°×0.1°经纬度网格上模拟产生了中国区域叶面积指数并与两套使用不同遥感反演方法生成的叶面积指数在空间分布和季节变化特征方面进行了比较。通过比较说明中国区域植被叶面积指数分布主要受水分条件限制,整体呈现东南部高西北部低的趋势。中国区域植被生长的季节变化受季风影响显著,与气温及地表太阳辐射的季节变化趋势相一致。中国区域叶面积指数整体呈现夏季高、春秋季次之而冬季低的趋势。     

基于PROSAIL辐射传输模型的毛竹林叶面积旨数遥感反演

采用PROSAIL辐射传输模型建立毛竹林叶面积指数(LAI)-冠层反射率查找表,并结合Landsat TM卫星遥感数据,实现了毛竹林LAI的定量反演.结果表明:PROSAIL模型各输入参数的敏感性由高到低依次为LAI＞叶绿素含量(Cab)＞叶片结构参数(N)＞平均叶倾角(ALA)＞等效水厚度(Cw)＞干物质含量(Cm),并以LAI、Cab两个主要敏感因子用于构建毛竹林LAI-冠层反射率查找表;基于PROSAIL模型的毛竹林LAI遥感反演结果与实测LAI具有很好的一致性,二者相关系数为0.90,均方根误差和相关的均方根误差也较小,分别为0.58和13.0％,但也存在反演LAI平均值高于实际值的问题.     

杨树林全生长期LAI遥感估算模型适用性

基于时间序列的植被叶面积指数(LAI)估算方法一直是遥感领域研究的热点,对植被全生长期LAI进行估算以跟踪其生长情况具有重要的实用意义。以此为出发点,以滁州地区杨树林为研究对象,获取多时相环境卫星CCD(简称HJ-CDD)遥感影像,并利用LAI-2000同步测量杨树林叶面积指数(LAI)。使用归一化植被指数(NDVI)分别建立展叶期、花果期、叶面积稳定期和落叶始期的LAI估算模型,通过对比分析得到了全生长期LAI估算模型,并利用实测LAI对估算LAI进行了验证。最后进一步对该模型的适用性进行了验证,结果表明,此模型对于各个时期LAI的估算具有一定的适用性和有效性,可用于全生育期的遥感LAI生成,从而为LAI的动态变化监测提供了一种有效的研究思路和方法途径。     

小兴安岭白桦次生林叶面积指数的估测

叶面积指数(LAI)是量化冠层结构最常用的参数之一,准确估测LAI对森林生态系统结构特性的研究具有重要意义.利用半球摄影图像法和LAI-2000法及半球摄影图像法结合凋落物法估测了小兴安岭白桦次生林LAI及其动态变化.首先对该林型叶凋落末期(11月初)的半球摄影图像进行合理校正(包括木质部分所占比例α,冠层水平集聚指数ΩE,校正值作为该时期常绿树种的真实LAI(LAIt),结合各调查期的凋落物数据,得到落叶季节(7-11月)的LAIt,并以该值为参考值,对比分析了两种光学仪器法估测值.结果表明:两种光学仪器法在LAI最大时期低估(分别低估2.83％、6.20％),其他时期显著高估(平均高估118.13％、89.34％),但两种光学仪器法与探讨方法估测值存在很好的相关性:LAIt=-1.1393+1.0934·LAIHP,R2=0.80; LAIt=-0.1712+0.6259·LAILAI-2000,R2=0.83.研究结果可为将来方便、快捷、准确的估测白桦次生林的LAI提供参考.     

无人机高光谱影像与冠层树种多样性监测

冠层树种多样性是自然森林生态系统功能和服务的重要基础。及时掌握冠层多样性的现状及变化趋势, 是探讨诸多重要生态学问题的前提, 更是制定合理生物多样性保护策略的基础。但受制于传统的多样性信息采集方法, 区域尺度的高精度冠层多样性监测发展较为缓慢; 许多在气候变化和人类干扰下的生物多样性分布信息得不到及时更新。近年来基于无人机的冠层高光谱影像收集与分析技术的发展, 使得冠层多样性监测迎来了新的发展契机。本文从森林冠层高光谱影像出发, 介绍了与多样性监测相关的无人机航拍和基于深度学习的图像处理技术, 并结合已有文献, 探讨了无人机高光谱应用于森林冠层树种多样性监测的研究现状、可行性、优势及缺陷等。我们认为冠层高光谱影像为多样性监测提供了不可或缺且丰富的原始信息; 而无人机与高光谱相机的结合, 使得区域化高频率(如每周)、高精度(如分米乃至厘米级)的冠层多样性信息自动化收集成为可能。然而高光谱影像数据量大、数据维度高与数据结构非线性的特点为影像处理带来了挑战, 而深度学习技术的飞跃, 使得从冠层高光谱影像中提取个体及物种信息达到了极高精度。恰当地使用这些技术将大大提升冠层树种多样性的自动化监测水平, 由此也将帮助我们在当前剧变环境下及时掌握森林冠层多样性的现状与变化, 为生物多样性研究与保护提供可靠的数据支撑。     

基于多源遥感数据协同的滇西北森林郁闭度估测

森林郁闭度(FCC)是评价森林资源和生物多样性的重要参数,利用多源遥感协同手段以较小成本高精度实现区域FCC反演是当前研究热点。本研究以星载激光雷达ICESat-2/ATLAS为主要信息源,结合54块实测样地数据,采用贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型获取光斑尺度ATLAS光斑内FCC,协同多源遥感影像Sentinel-1/2及地形因子基于BO算法优化后的全连接深度神经网络模型(DNN)进行区域尺度的滇西北香格里拉市FCC遥感估测。结果表明：在提取的50个ATLAS激光雷达光斑参数指标中,经RF特征变量优选后,6个特征参数(乔木冠层百分比、冠层顶光子相对高度的标准差、冠层高度最小值、区段内98%冠层高度值与冠层高度中位数的差值、冠层顶部光子数、表观反射率)贡献率较大,可作为光斑尺度遥感估测模型变量。在BO-RF、BO-KNN、BO-GBRT模型中,以BO-GBRT模型估测的FCC结果最优,留一交叉验证的决定系数(R²)为0.65、均方根误差(RMSE)为0.10、绝对残差均值(RS)为0.079,预测...