【目的】通过构建多源遥感数据集并考虑不同坡度分级的地形校正对于估测的影响,以提升森林蓄积量反演精度,为地形复杂区域的森林蓄积量遥感估算提供参考。【方法】基于Sentinel-2和GF-6遥感影像,结合旺业甸林场野外实测数据,构建多个传统非参数模型和集成学习模型对内蒙古赤峰旺业甸林场森林蓄积量进行反演。为降低地形波动对反演的影响,分别利用Teillet、VECA和SCS+C方法通过坡度分级对影像进行地形校正以提高森林蓄积量反演精度。利用Boruta法和SRF法对不同数据源特征变量进行筛选。【结果】集成学习算法的估测效果整体优于传统非参数模型,其中随机森林模型在所有模型中表现最佳。与单一数据源构建的随机森林模型相比,联合Sentinel-2和GF-6数据源后森林蓄积量反演效果有所提升,基于Boruta法的联合数据源较单一Sentinet和GF-6数据源模型均方根误差(RMSE)分别降低了7.41%和9.61%。经过基于坡度分级的地形校正后,模型RMSE降低了18.48%,森林蓄积量空间分布与旺业甸林场实际情况一致性较高。【结论】以Sentinel-2和GF-6为数据源,构建的集成学习算法可更有效地对森林蓄积量进行估测,基于坡度分级的地形校正有效提高了森林蓄积量估测精度。
【目的】利用易测林木因子模拟林下辐射方法体系中林下散射辐射测度指数尺度化加权散射荫蔽度与加权进界邻体散射荫蔽度的模拟准确性,以及这两种指数相对于开敞度的性能优劣,寻求基于简单、易测林木因子合理、准确估算林下任意点位辐射模型的方法。【方法】基于阔叶红松林(Pinus koraiensis)林分调查信息建立林分体素模型,模拟均质环境背景下林分内部样地与非均质环境背景下包含林缘样地的林下散射透射率,将其作为林下散射辐射测度指数模拟准确性的评价基准。分别以爬山算法对尺度化加权散射荫蔽度中的局域尺度圆半径、背景尺度圆半径及加权进界邻体散射荫蔽度中的局域临界值、背景临界值进行参数寻优。进一步评价3种散射辐射测度指数的性能优劣。【结果】均质环境背景下,尺度化加权散射荫蔽度在局域尺度圆半径为5.401 m、加权进界邻体散射荫蔽度在局域临界值为2.800时拟合林下散射透射率最优,此时开敞度、尺度化加权散射荫蔽度、加权进界邻体散射荫蔽度与林下散射透射率间的Pearson、Spearman相关系数分别为0.397与0.425、-0.716与-0.692、-0.730与-0.694,线性回归决定系数分别为0.158、0.514及0.533;相较于开敞度,2种林下散射辐射测度指数对林下散射透射率的方差解释率分别提升了237.3%与225.3%。非均质环境背景下,保持局域尺度圆半径及局域临界值与均质环境背景相同时,尺度化加权散射荫蔽度的背景尺度圆半径为15.521 m及加权进界邻体散射荫蔽度的背景临界值为0.875时拟合林下散射透射率最优,此时,尺度化加权散射荫蔽度、加权进界邻体散射荫蔽度与林下散射透射率间的Pearson、Spearman相关系数分别为-0.930与-0.719、-0.927与-0.820,线性回归决定系数分别为0.866与0.860。【结论】两种林下散射辐射成分测度指数在合理的参数选择下能较好地模拟林下散射辐射,并解释较小尺度内林木结构特征差异与较大尺度环境背景差异对林下散射辐射的影响,二者对林下散射辐射的模拟精度优于开敞度方法。在以林木因子模拟林下散射辐射时,需将大尺度环境背景的差异性纳入考量;同时,研究样点周围邻体林木分布的均匀性是模拟林下散射辐射时的重要影响因素。
【目的】边缘效应是指在不同生态系统交界处,由于生态因子的差异及相互作用,引发系统内某些组分显著变化的现象。这一效应广泛存在于森林、湿地、草原等生态系统中。研究森林边缘效应对生态保护、营林管理、气候变化应对和碳储量计算具有重要意义。【方法】以黄河三角洲刺槐人工林为研究对象,利用UAV-LiDAR和Sentinel-2遥感数据,分别提取7个结构指标和3个生理指标,量化分析人工林三维结构和生态功能的边缘效应,并探讨不同边缘类型的边缘效应特点。【结果】①边缘效应对刺槐人工林分结构产生了负面影响。边缘区域的林分树高降低1~5 m、覆盖度减少7%~53%、叶面积指数(LAI)下降10%~77%,林分密度下降6%~52%,同时其冠幅面积和体积也减小。②边缘效应对森林生态功能也产生了负面影响,如削弱了植被的光合作用,其吸收的光合有效辐射(FAPAR)降低8%~50%,叶绿素含量下降9%~72%,冠层含水量也下降8%~50%。③不同边缘类型的影响范围不一样,河流边缘的影响范围可达150 m,而道路边缘影响强度较小,范围约为30 m。【结论】边缘效应对黄河三角洲滨海防护林的植被结构和生态系统功能产生了多维度影响。本研究有助于滨海防护林管理和生态保护,帮助应对气候变化与区域环境退化。
【目的】森林结构决定其功能,天然次生林是由原始林受干扰后形成的1种退化森林生态系统。本研究探究杨桦天然次生林的结构特征,并阐明其驱动因素,为促进天然次生林质量提升和生态功能恢复提供依据。【方法】对比分析不同发育阶段杨桦天然次生林林分空间结构参数和综合评价指数(FSS)的差异性,基于经营迫切性评价体系评估围场县境内杨桦天然次生林各发育阶段的经营迫切性等级。【结果】①随着杨桦天然次生林的发育,FSS逐步提高,经过抚育的林分FSS平均提高0.13。②未抚育杨桦天然次生林发育前期的林分经营迫切性评价指数均在0.60以上,林分远离健康稳定森林的特征,必须经营;发育中期,林分经营迫切性评价指数为0.40,十分需要经营;发育后期,林分经营迫切性评价指数为0.30,可适度经营。③经过抚育后的杨桦天然次生林,在各发育阶段的林分经营迫切性评价指数均低于抚育前,且基于8指标体系的经营迫切性指数普遍低于11指标体系的计算结果。【结论】随着杨桦天然次生林林分发育阶段的推进,林分结构逐渐优化、经营迫切性显著降低。研究结果可为集成围场地区杨桦天然次生林经营技术体系奠定基础。
【目的】以下层伐为约束条件,通过优化不同立地指数下红松(Pinus koraiensis)人工林的经营措施和构建经营模型,指导红松人工林的多目标经营并制订黑龙江省红松人工林多目标经营方案,提高我国人工林多目标经营水平。【方法】利用多属性效用函数构建以林分木材产量(WP)、大径材产量(LLP)和球果产量(CY)同时最大为经营目标的多目标方程WP、LLP、CY,3个经营目标的权重分别为:0.25、0.25、0.50。组合林分生长模拟器和差分进化算法,优化求解黑龙江省41块红松人工幼龄林样地的最佳采伐措施。以林分变量作为预测变量,构建采伐时林分密度、不同径阶的采伐强度(由logistic函数参数描述,该参数指示间伐强度为50%时的林分平均胸径)、主伐时林分平均胸径3个模型。【结果】最佳间伐时林分密度与平均胸径呈明显负相关,与立地指数呈正相关;logistic函数参数与平均胸径和立地指数呈正相关;主伐时林分平均胸径与立地指数呈正相关,与林分密度呈负相关。采伐时林分密度、采伐强度、主伐时林分平均胸径3个模型的校正后决定系数 ( R a 2)分别为0.930、0.798和0.965,平均偏差(ME)分别为2.000 株/hm2、-0.015和0.128 cm,平均绝对误差(MAE)分别为91.000 株/hm2、1.238和0.165 cm。【结论】采伐时林分密度与地位指数呈正相关,与平均胸径呈负相关;间伐时林分平均胸径随地位指数的增加而增加;主伐时立地较差的林分比立地较好的林分平均胸径更小。
随着我国社会迈入生态文明发展新阶段,林业事业被赋予了更高层次的使命与要求,森林全周期经营成为林业工作者践行生态文明思想的基本要求。全周期经营需要以森林发育演替理论为依据,以人类对生态系统的功能需求为导向,规划从森林形成到成熟的全过程经营和管理,其目标与模式设计直接影响到林业的生态、经济和社会效益。本研究基于文献分析、理论模式比较和多学科视角整合,系统梳理不同自然条件和经营目标下全周期设计模式的理论基础、影响机制、划分指标、实现路径和应用价值,提出基于森林生态系统发育演替规律的5种全周期经营模式,并重点阐述各模式的理论依据、基本概念、阶段划分方法和应用条件。研究明确了在经营目标的引导下,将对象、方法、指标与处理等系统过程要素有机集成为“完整森林经营工艺过程” 的关键技术特征及其对现代林业发展的价值。在此基础上,提出适应气候变化与自然保护政策约束的多功能森林生态系统经营的全周期设计架构和优化策略,为推进人与自然和谐共生的林业实践和协同发展提供理论支撑与技术路径。
【目的】探究环杭州湾土地利用变化和碳储量时空分异特征,为未来区域碳平衡、内部土地利用结构优化和社会经济可持续发展提供思路。【方法】以环杭州湾为例,基于InVEST和PLUS模型,评估1980—2020年土地利用对碳储量变化和生态系统碳储量服务脆弱性的影响,并利用地理探测模型(GeoDectetor)分析碳储量分异变化的驱动因素,预测2030年多情景下土地利用格局和碳储量变化。【结果】①环杭州湾主要地类为耕地和林地,其土地利用强度近40年间提高了10.35,处于中等发展水平,呈逐年上升的趋势。同时,研究区碳储量总体呈现先增后减的趋势,1980—2000年整体表现为碳汇,而在2000—2020年表现为碳源。②单因子探测得出碳储量分异变化主要受坡度等自然因素影响,双因子交互探测得出碳储量的变化是诸多因素共同作用的结果。自然因素与人为因素共同制约植被覆盖度的增长,最终影响区域碳储量分布情况。③2030年除生态保护情景下碳储量有所增加,自然发展和经济增长情景下碳储量均不同程度减少,表明未来在生态保护情景下,生态用地的有效保护对碳储量的增加较自然发展情景和经济增长情景更有利。【结论】未来生态保护情景下的环杭州湾土地利用能综合统筹各地类功能,减缓碳储量损失,对区域国土空间优化具有重要意义。
【目的】基于深度学习及计算机视觉,提出一种小目标森林火灾检测模型SFIRE-DeNet。【方法】该模型采用轻量级主干网络,在特征融合层引入全局注意力机制,有助于减少信息损失并提升深度神经网络的性能。添加小目标检测层用于检测较浅的特征图,从而实现对小目标林火的高精度检测。此外,在不同数据集和多个场景下对模型的检测效果进行测试。【结果】构建的模型在平均精度均值(mAP)指标上达到84.79%,较YOLOv5s模型的mAP更高,每秒传输帧数(FPS)保持在60以上,这验证了该模型在航拍角度下检测小目标林火的合理性与有效性。【结论】提出的SFIRE-DeNet模型可减少参数量和计算量,提高模型对小目标林火的特征提取能力,提升深度神经网络的性能。模型在检测精度和速度方面表现出色。
【目的】针对现有森林火灾图像识别算法存在的效率不足、时序特征利用率低等问题,构建基于视频数据的森林火灾识别模型,以提升林火监测的实时性与识别准确率。【方法】提出融合三维卷积神经网络(3DCNN)与视觉Vision Transformer(ViT)的C3D-ViT算法。该模型通过3DCNN提取视频序列的时空特征,构建时空特征向量;利用ViT编码器的自注意力机制融合局部与全局特征;最终经MLP Head层输出分类结果。通过消融实验验证C3D-ViT模型的有效性,并与原模型3DCNN和ViT,以及ResNet50、LSTM、YOLOv5等深度学习模型进行对比。【结果】C3D-ViT在自建林火数据集上准确率达到96.10%,较ResNet50(89.07%)、LSTM(93.26%)和YOLOv5(91.46%)具有明显优势。模型改进有效,准确率超越3DCNN(93.91%)与ViT(90.43%)。在遮挡、远距离、低浓度烟雾等复杂场景下保持较高的平均置信度,满足实时监测需求。【结论】C3D-ViT通过时空特征联合建模,显著提升林火识别的鲁棒性与时效性,为森林防火系统提供可靠的技术支持。
【目的】森林火灾的频发严重破坏了自然环境并威胁到人身安全,因此及时检测出火灾源头是灭火的关键。森林中树木密度大、底层枯落物堆积和树冠层繁茂等自然环境对森林火灾的检测造成巨大的干扰。为了更准确地检测森林火灾,提出一种基于SBP-YOLOv7的森林火灾检测方法。【方法】首先,通过引入注意力机制增强的下采样模块 (BRA-MP),在下采样过程中增强特征选择能力,有效增强特征表示能力和语义关联性,从而提升模型对小目标的检测能力。其次,在模型的主干部分提出一种扩展部分卷积的高效层聚合模块(EP-ELAN),通过减少冗余计算以降低模型参数量。最后,采用Slim-neck颈部模块进行特征融合,在保证精度的同时降低模型的计算成本。【结果】在林火目标数据集上进行的对比验证结果显示,SBP-YOLOv7模型的平均精度(AP)达到87.0%,比原YOLOv7模型的AP增加2.3%。另外,SBP-YOLOv7模型参数量较YOLOv7降低22.77%,计算量降低17.13%。【结论】相比于传统YOLOv7算法,提出的SBP-YOLOv7模型拥有更高的精度和更少的参数,能够准确快速地检测出森林火灾。
【目的】高效监测长江源地区生态环境质量的时空分布特征及其变化趋势,对维护三江源地区生态环境质量、制定长期且有效的生态保护恢复措施具有重要意义。由于遥感影像空间分辨率和数据获取及处理的限制,大区域遥感生态指数(remote sensing ecological index,RSEI)评价仍然存在局限性,需要完善方法,发挥其快速、客观、高效、可视化和可预测的优势。【方法】以Landsat系列影像为数据源,基于云端运算平台Google Earth Engine(GEE)快速云计算获取1990—2020年植被生长季(6—9月)长江源地区的遥感影像,并计算区域长时间序列RSEI。使用变异系数、Sen+MK趋势分析、Hurst指数及趋势分析法,对长江源地区RSEI稳定性、时空变化特征、未来演化趋势及驱动力进行分析。【结果】①1990—2020年长江源地区RSEI主要分布于0.4~0.6,空间尺度上呈东高西低、南高北低的分布特征;②长江源地区RSEI变异系数均值为6.52%,表明东部和西部地区变化相对剧烈,中部地区变化相对稳定。RSEI整体呈现缓慢波动增加的趋势,年平均增速为0.004 7。在空间上,RSEI呈现整体改善,其中改善的区域占研究区面积的83.63%。③长江源地区RSEI的Hurst指数平均值为0.53,未来变化持续性强于反持续性。长江源地区生态环境质量未来变化以持续改善为主,但整体趋势性偏弱,仍然存在退化的风险。④长江源地区RSEI与气温、夜间灯光指数、潜在蒸散发量均表现为正相关,表明自然因子和人类活动在一定程度上均能够影响生态环境质量改善。【结论】使用GEE获取遥感数据并结合时间序列数据分析,有快速监测大尺度生态环境质量的潜力,可以为三江源地区生态环境监测和保护提供参考。
【目的】预测无锡市未来不同情景下土地利用转移,研究产水量服务功能时空变化及驱动因素,为当地生态与社会经济可持续发展提供依据。【方法】基于FLUS及InVEST模型,利用历史用地转移趋势预测未来情景土地利用变化,分析1990—2030年无锡市产水量服务功能空间异质性,并通过情景分析法探究产水量主导驱动因素。【结果】无锡市的历史土地利用演变主要由耕地向发展用地转移,在研究期内,耕地面积减少32.69%,发展用地面积增加217.25%;研究区历史年均产水体积为2.552×109 m3,年平均产水深度为612.34 mm,年产水量与降水量和蒸散量的变化趋势保持一致,呈现出先下降后上升的模式。在空间上,产水量高值区集中在西南部林地和东北部草地区,低值区集中在中部水域。在1990—2000、1990—2010、1990—2020及2020—2030年4个时段内,产水量的变化受到土地利用转移和降水量变动的影响,这两个因素对4个时段产水量的贡献率分别为-10.00%和110.00%、12.50%和87.50%、1.00%和99.00%及5.46%和94.54%。降水量是影响产水量变化的主要因素。【结论】历史及未来情景下,降水量变化对产水量的影响显著高于土地利用对产水量的影响,降水量是无锡市产水量变化的关键驱动力,此结果可为研究区水资源配置提供科学依据。
【目的】摸清阔叶红松林中叶面积指数的垂直与短程水平空间分布规律,探索分层Voronoi图法在复层林生态系统叶面积指数空间分布模拟中的应用价值。【方法】以凉水国家级自然保护区核心区内中下坡位的原始阔叶红松林为研究对象,在将阔叶红松林林分内达到起测胸径(5 cm)的林木依据树高分入5个高度(H)级(Ⅰ.H<10 m;Ⅱ.10 m≤H<15 m;Ⅲ.15 m≤H<20 m;Ⅳ.20 m≤H<25 m;Ⅴ.H≥ 25 m)后,以Voronoi图法模拟红松林不同高度级中叶面积指数空间分布,并将各高度级中叶面积指数模拟结果叠加,形成林分总体叶面积指数空间分布模拟结果。在此基础上统计林分尺度上阔叶红松林叶面积指数的总体特征;分析各树种及林分总体的叶面积指数垂直分布规律;基于空间半变异函数及增量空间自相关法分析不同高度级及林分总体叶面积指数的短程水平空间自相关规律。【结果】①研究样地林分总体叶面积指数为10.807,红松(Pinus koraiensis)、色木槭(Acer momo)、白桦(Betula platyphylla)、紫椴(Tilia amurensis)及水曲柳(Fraxinus mandshurica)对林分叶面积指数的贡献居于前5位。林下局部叶面积指数在0~75,其中林下48.7%的区域的叶面积指数为0,而在具有树冠覆盖区域内叶面积指数的概率密度直方图呈峰值在15~25的单峰式分布。②阔叶红松林高度级Ⅰ—Ⅴ叶面积指数分别为0.420、2.420、2.210、2.707及3.050,林分总叶面积指数的垂直分布倾向度为1.171,不同高度级中总叶面积指数的变异系数为47.3%。不同高度级中各树种叶面积指数的变异系数均大于总叶面积的变异系数。在高度级Ⅰ—Ⅴ中,树冠斑块的数量分别为53、39、12、11、8个。随着高度上升,各树种树冠斑块下叶面积指数均呈上升趋势。③阔叶红松林叶面积指数空间半变异函数的块金值、基台值、变程及结构比分别为4.770、164.010、5.108 m及0.029。林分总体及各高度级的叶面积指数均体现为强空间自相关性。在滞后距小于27.0 m及滞后距大于38.5 m时样地内叶面积指数表现为相似聚集,滞后距在27.0~38.5 m范围时叶面积指数表现为空间随机(P<0.05)。随着滞后距的逐渐增加,叶面积指数的Z得分分别在14、24 m出现两处峰值。【结论】处于中下坡位缓坡的阔叶红松林中叶面积指数具有明显的垂直分层特征,不同树种的叶面积倾向分布于不同的高度中,红松、云杉(Picea asperata)、水曲柳等高大乔木的叶面积倾向分布于冠层上方;以槭属(Acer)和榆属(Ulmus)为代表的中乔和小乔木叶面积倾向分布于冠层下部。处于中下坡位缓坡生境的阔叶红松林的叶面积指数在水平方向上具有高度的短程空间自相关性。林分内叶面积指数的水平空间分布在大多数研究尺度下表现为相似性聚集,且受林木空间分布影响强烈。
【目的】以大兴安岭落叶松为研究对象,基于胸高形率、正形率以及地面形率,分别构建含有不同形率的单木材积模型,并与传统的一元和二元材积模型以及东北地区落叶松部颁二元材积模型进行比较分析。【方法】基于落叶松实测数据,将树干不同高度处的一系列胸高形率、正形率和地面形率引入传统材积模型中,分别构建含有不同形率的二元和三元单木材积模型,引入方差函数消除模型拟合时产生的异方差现象。选用平均绝对误差(MAE)、均方根误差(RMSE)、相对均方根误差(RMSE%)、决定系数(R2)、赤池信息准则(AIC)作为模型的评价指标,对各模型进行拟合与检验分析。【结果】①引入相对树高50%处的胸高形率,构建的二元和三元模型拟合效果最好,其中引入胸高形率的三元材积模型较二元材积方程的RMSE降低44.4%;②引入相对树高50%处正形率所构建的三元材积模型效果最佳,较引入正形率的二元材积模型的RMSE降低23.1%;③对于地面形率来说,三元材积模型的变量取相对树高60%时模型拟合效果最好,二元材积模型的变量取相对树高50%时模型拟合效果最好,引入地面形率的三元材积模型比二元材积模型RMSE降低32.5%;④与东北地区使用的落叶松部颁材积方程相比,引入胸高形率的三元材积模型RMSE、MAE、RMSE%分别降低 62.85%、65.02%、67.14%。含有胸高形率的三元材积模型相对于传统二元材积方程RMSE降低60.41%。【结论】形率因子是重要的干形指标,无论是胸高形率、正形率还是地面形率引入传统材积模型中均能提高单木材积预测精度。含有胸高形率的三元立木材积模型预测效果最好。因此,推荐使用该模型预测大兴安岭落叶松的单木材积。
【目的】全球生态系统动力学调查(GEDI)多波束激光雷达与冰、云和陆地高程卫星二代(ICESat-2) 光子云使用不同激光雷达技术,导致两个任务之间的树高提取值存在差异。比较两种星载激光雷达数据在不同情况下有效反演树高的能力,为空间连续大区域高分辨率森林树高制图提供理论基础。【方法】通过对GEDI L2A字段信息进行定位和筛选,并进行地形高程精度验证,对比6种算法组反演树高;对ICESat-2数据去噪并提出基于坡度变化的光子云分类算法,建立地面光子线和冠层顶线反演树高,利用实测数据和机载激光雷达数据,验证并比较GEDI和ICESat-2在研究区内反演树高的精度。最后,定量分析GEDI和ICESat-2数据在不同地形坡度、植被覆盖度和森林类型情况下反演树高的差异。【结果】针对GEDI L2A产品数据,通过比较6组GEDI L2A算法中最优算法的反演精度为:R2=0.94,均方根误差(RMSE)为2.31 m,绝对平均误差(MAE)为1.27 m。针对ICESat-2 数据,通过使用50 m窗口计算,基于坡度变化的光子云分类算法提取树高与机载树高的R2=0.81,RMSE为3.68 m,MAE为2.45 m。植被覆盖度相对于地形坡度和森林类型对两种星载激光雷达反演树高产生更大的影响。【结论】对于较为平缓且森林类型以针叶林为主的较密集区域,其GEDI数据相比于ICESat-2数据表现出更优的评价精度。
【目的】基于地基激光雷达(terrestrial laser scanning,TLS)点云数据,应用定量结构模型(quantitative structural model,QSM)以全自动的方式提取落叶松不同相对着枝深度处一级枝条的数量,构建一级枝条密度的线性混合预测模型,为落叶松冠层研究提供理论基础。【方法】基于30株落叶松(Larix gmelinii)TLS数据,应用QSM算法获取树木结构参数,将提取值与实测值进行回归分析,探究点云数据建模的准确性。采用点云分层方法探究不同相对着枝深度处一级枝条数量的提取精度。以Poisson回归模型作为基础的计数模型,建立基于样木效应的一级枝条密度最优混合模型,并对模型进行评价。【结果】30株落叶松一级枝条数量的平均提取精度为80.71%,均方根误差(RMSE)为6.9594。不同冠层的一级枝条数量提取结果存在差异,相对着枝深度范围在(0.7,0.8]的提取效果最好,平均精度为87.78%。一级枝条密度的最优模型为基于样木效应的混合模型;枝条密度的最优模型为基于相对着枝深度的自然对数[ln(RDINC)]、相对着枝深度的平方(RDINC2)、高径比(HT/DBH)3个随机效应参数的线性混合模型(R2=0.745 4、均方根误差为0.229)。【结论】基于地基激光雷达扫描数据,通过定量结构模型获取单木的分枝结构参数,该方法具有适用性和可靠性。基于样木效应建立落叶松一级枝条的密度混合模型,不仅可以反映冠层内一级枝条的分布密度变化,还可以预测树冠整体的生长趋势。
【目的】针对航空林火图像火点目标小、环境复杂等特点,提出一种基于自注意力机制的图像识别方法FireViT,以提高航空林火图像识别的准确率和鲁棒性。【方法】以张家口市崇礼区无人机采集的林火视频为数据源,通过数据预处理构建数据集。然后,选用10层Vision Transformer(ViT)为主干网络,采用交叠滑动窗格方式序列化图像,嵌入位置信息后作为第1层ViT的输入,将前9层ViT提取的区域选择模块通过多头自注意力和多层感知器机制批量嵌入第10层ViT,有效放大子图间的微差异以获取小目标特征。最后,采用对比特征学习策略,构建目标损失函数进行模型预测。为验证模型的有效性,设定训练集、测试集样本比例为8∶2、7∶3、6∶4和4∶6,并与5种经典模型进行识别性能对比。【结果】模型在4种训练集、测试集分配比例下,识别率均能达到100%,且准确率分别为94.82%、95.05%、94.90%和94.80%,平均准确率为94.89%,高于其他5种对比模型,本模型迅速收敛并达到较高准确率,且在后续迭代中准确率保持稳定,具有较强泛化能力;4种分配比例下识别率分别为99.97%、99.89%、99.80%、99.77%,高于其余5种模型。【结论】本研究模型采用自注意力机制与弱监督学习相结合方法,挖掘不同环境下航空林火图像局部特征差异,具有较好泛化能力和鲁棒性,可为提高火情、火险应对处置能力和效率以及预防森林火灾发生提供重要依据。
【目的】由于火焰和烟雾都是动态目标,使得航拍视角下的森林火焰小目标和烟雾检测变得富有挑战性。基于卷积神经网络的林火小目标和烟雾检测模型构建对于平衡森林火灾小目标和烟雾目标的参数量和检测精度具有重要意义。【方法】根据林火检测实时性要求,对基于高实时性的FasterNet进行改进,并构建了FRSCnet的主干网络层。利用分组洗牌卷积(group shuffle convolution,GSConv)构建了FRSCnet的颈部网络层。在头部网络中,引入了卷积块注意力模块(CBAM)注意力机制。最后,在颈部网络的第1层添加了感受野阻滞(receptive field block,RFB)特征提取模块。【结果】FasterNet采用独特的部分卷积(partial convolution,PConv)技术,有效减少了冗余计算和内存访问,从而保证了模型在处理航拍图像时的高速检测性能。GSConv能够平衡模型的参数量和特征融合性能,从而在保证检测精度的同时减少了模型的复杂度。通过CBAM注意力机制,在尽可能少地增加参数量的情况下,模型能够更好地关注森林火灾小目标和烟雾目标,提高检测性能。RFB特征提取模块,可增大模型的感受野,更好地提取航拍视角下的森林火灾小目标和烟雾目标。实验结果表明,提出的FRSCnet模型的平均精度(mAP@0.5)达到了89.2%,比YOLOv7-tiny和YOLOv5-s模型分别提高了2.9%和5.3%,但是参数量比YOLOv7-tiny和YOLOv5-s模型低。【结论】提出的FRSCnet林火小目标和烟雾目标检测模型,在参数量和检测精度之间取得了较好的平衡。
森林空间分析技术会议(ForestSAT)是国际林业遥感领域的一大学术盛事,已成为该领域的学术风向标。ForestSAT 2024于9月9—13日在新西兰罗托鲁瓦举行,吸引了来自超过40个国家的学者,共同探讨38个议题,包括统计遥感、森林清查、森林生态、遥感算法、遥感产品及未来展望。此次会议呈现5大特点:首先,统计遥感备受关注;其次,遥感技术的应用需求旺盛,服务于森林生态和清查;第三,强调数据融合,充分利用多源多模态数据优势;第四,遥感产品为全球“双碳”战略提供支持;最后,把脉林业遥感未来发展路径。会议期间举行了两场主旨报告并深入讨论无人机遥感、尺度上升、小域估计及误差传播等前沿问题。统计遥感作为抽样调查、统计模型与遥感技术的融合,是突破林业遥感瓶颈的重要手段,展现了林业遥感的新发展趋势。
【目的】针对行道树资源调查中的行道树单木分割问题,研究面向侧视移动激光扫描(mobile laser scanning,MLS)点云的行道树单木分割方法,对沿道路方向扫描采集到的街道两侧的点云,建立能够准确实现行道树单木分割的点云实例分割算法。【方法】对点云中的点提取局部特征,将局部特征输入行道树点云检测器,在点云中识别出行道树点云;对于识别出的行道树点云采用基于密度的聚类算法(density-based spatial clustering of applications with noise,DBSCAN)进行聚类,在聚类簇中筛选出行道树簇并滤除非行道树点云;提取各行道树簇的树干点云,使用DBSCAN算法聚类得到若干个树干簇,统计每个行道树簇中包含的树干簇个数;对于包含多个树干簇的行道树簇使用垂直切片与垂直切割结合的方法将其粗分割为多棵单株行道树;使用DBSCAN与K近邻(K-nearest neighbor,KNN)相结合的方法对单株行道树进行细分割,得到最终的行道树单木分割结果。采集街道两侧的点云数据,开展了行道树点云检测器训练、细分割精度测试及算法对比试验。【结果】面向侧视MLS点云的行道树单木分割方法在点云数据上的精确度、召回率、F1分数分别为0.970 4、0.951 0、0.960 6,优于以往研究报道的两种先识别再分割的方法。【结论】提出的方法可以准确实现对MLS点云中行道树的单木分割,为行道树资源调查工作节省人力成本。
【目的】借鉴林业调查中的无人机遥感摄影测量技术,探索一套适用于城市行道树调查的无人机飞行方案优选流程,解决多种飞行参数和飞行方案导致的行道树调查数据源参差不齐的问题。【方法】针对行道树调查,设计6种无人机飞行方案,使用层次分析法(AHP)优选出兼顾精度与效率的飞行方案。根据优选方案提取的树高建立胸径反演模型,通过决定系数(R2)、平均相对误差(MRE)和均方根误差(RMSE)等指标选取最佳胸径模型。对株数、树高、冠幅和胸径获取精度与提取效率进行比较,证明经过优选的飞行方案可以在保持一定精度的前提下提高行道树调查效率。【结果】经过AHP分析,“井”字形(飞行模式)和70 m飞行高度为兼顾精度与效率的无人机飞行最佳方案;采用该方案提取的株数精度达到查准率(Precision值)94.44%,查全率(Recall值)80.95%,以及二者衡量指标(F1值)87.18%;提取树高的平均相对误差为8.66%,均方根误差为1.22 m,决定系数为0.88;提取冠幅的平均相对误差为27.77%,均方根误差为1.30 m,决定系数为0.69;所建胸径预测模型决定系数达到0.81。该方案节约时长70%,且获取株数、树高、冠幅和胸径数值的准确性在所有方案中较高。【结论】经过优选的无人机飞行方案在达到行道树调查所需精度的前提下节约了70%时长,并获得较好株数、树高、冠幅和胸径数据。本研究提出的无人机飞行方案优选流程有效,可应用于城市行道树调查。
【目的】通过对城市蓝绿开放空间中使用者使用需求和活动方式的分析,识别城市蓝绿开放空间服务于人的社会介质属性,科学构建评价体系,为丰富“人-蓝绿开放空间-社会”关系的研究及相应管理规划提供参考。【方法】基于文献分析、网络数据抓取及实地调查,从蓝绿开放空间作为城市社会介质的视角出发,构建城市蓝绿开放空间社会介质属性评价模型,并以南京市的3个城市公园为例,运用BP神经网络进行模型验证及指标权重定量分析。【结果】基于样本构建的评价模型包含4项一级指标、12项二级指标,其中一级指标包括空间本底、连接类型、参与方式和空间意义,空间本底(权重0.440)是评价社会介质水平的关键要素;二级指标中影响较大的是自然支持水平(权重0.157),其次是基础设施完善度(权重0.127)、微气候舒适度(权重0.125)和地方认同(权重0.121),其余参数的影响相对较小。分析认为,空间本底质量是吸引使用者进行社会活动的基础,“人-蓝绿开放空间-社会”的亲近关系有助于提升空间的社会介质水平。【结论】采用BP神经网络通过对调查数据的学习,能够实现对城市蓝绿开放空间社会介质属性的评价。将社会学与风景园林领域理论与实践相耦合,从人与空间关系的角度出发,可为城市蓝绿开放空间社会效益的识别与评价提供新的研究思路和方法。
【目的】基于2000、2010和2018年无锡市30 m分辨率土地利用数据,利用生态系统服务与权衡的综合评估(InVEST)模型评估了无锡市生境质量及生境退化度演变规律,为无锡市的生态保护和修复提供依据。【方法】基于InVEST模型模拟了无锡3个不同时期的生境质量、生境退化度,并利用土地利用转移矩阵分析了土地利用与生境质量、生境退化度变化的关系。【结果】2018年无锡市高等级生境质量占全市面积约31.11%,一般等级比例较大,约占全市面积的40.60%;无锡市生境质量空间分布差异较大,高等级生境质量主要分布在宜兴市、滨湖区等地区,而低等级生境质量主要位于无锡市主城区及江阴市等地;过去20年,无锡市生境质量总体上有明显退化趋势,其中梁溪区等无锡主城区以及江阴市退化最明显,宜兴市退化度变化不大;无锡市生境质量变化与土地利用变化是密不可分的,其中,无锡市建设用地从2000年的717.40 km2增加至2018年的1 291.40 km2,增幅约12%,而建设用地增多的区域与生境质量下降比较明显的区域在空间上有较高的一致性。【结论】无锡市的生境质量退化与耕地面积减少及城市建设用地增多等密切相关,需合理利用土地,严格控制建设用地规模,保持生态用地规模,不断提高湿地保护和修复工作。
【目的】构建长白落叶松-水曲柳单木叶面积模型,以提升长白落叶松-水曲柳人工混交林单木叶面积的预测精度,了解模型变量与叶面积关系,为进一步研究林分生产力和树冠结构提供理论基础。【方法】选取黑龙江省尚志市不同混交比例长白落叶松-水曲柳混交林中111株落叶松以及113株水曲柳,测量其叶面积。采用全子集回归法建立两树种的非线性单木叶面积预估模型。通过相对权重法分析各变量对模型的贡献,同时考虑样地对叶面积的随机影响,构建混合效应模型,并对模型进行评价。【结果】相对权重计算结果显示,在最优模型中,胸径(DBH)对长白落叶松和水曲柳单木叶面积的影响最大。考虑样地层次随机效应的最优长白落叶松单木叶面积混合效应模型包括冠长率(PCR)、DBH、林木树高与林分优势木平均高之比(PHDH),模型调整后的决定系数( R a d j 2)为0.89,均方根误差(RMSE)为11.68 m2,平均偏差(ME)为-0.202 7 m2,平均绝对偏差(MAE)为7.943 0 m2,预测精度(Pa)为99%;考虑样地层次随机效应的最优水曲柳单木叶面积混合效应模型包含PCR、DBH、PHDH及冠幅(PCW),模型的 R a d j 2为0.87,RMSE为13.61 m2,平均偏差(ME)为-0.281 7 m2,MAE为9.397 6 m2,Pa为99%,具有较好的拟合和预测效果。【结论】考虑样地水平的混合效应模型提升了两树种单木叶面积预测准确性,DBH是影响单木叶面积最重要的变量,且在混交林叶面积模型中考虑林木竞争变量是有必要的,建立的模型可为准确预测长白落叶松和水曲柳单木叶面积提供技术支持,同时有助于深入研究林分的生长发育和树冠结构。
【目的】为发挥不同单分类器各自的优势进而采用集成学习方式提高土地覆盖分类精度,据此比较不同土地覆盖变化模拟模型性能从而执行最优的土地覆盖变化预测,为土地资源合理开发与利用决策制定提供参考。【方法】基于南京市江宁区2000、2010和2020年的Landsat TM/OLI影像,结合研究区实际定义了水体、建筑、林地、草地、耕地和未利用地等6种土地覆盖分类体系,在测试了最大似然法、马氏距离法、最小距离法、神经网络和支持向量机等基分类器性能基础上,采用随机森林和证据理论2种不同的集成学习方法对5种基分类器的分类结果进行集成,比较了集成性能后构建了最终的土地覆盖分类结果。然后,基于2000和2010年的最优集成土地覆盖分类图,运用CA-Markov、PLUS和ANN-CA模型分别对2020年研究区的土地覆盖格局进行模拟,并将不同的模拟结果与2020年真实集成分类结果进行了空间一致性检验,以此确定土地覆盖变化预测的最佳模型并用其预测2030年江宁区的土地覆盖模式。【结果】在单分类器分类结果中,2000年支持向量机算法取得了最佳分类效果,总体精度达到了88.75%,Kappa系数为0.77;2010年神经网络方法表现最佳,总体精度为88.75%,Kappa系数为0.83;2020年最大似然法取得了最佳分类效果,总体精度为82.75%,Kappa系数为0.74。在2种集成方法中,随机森林在2000年取得了最佳集成分类效果,总体精度和Kappa系数分别为91.25%和0.85;证据理论在2010年取得了最佳集成效果,总体精度和Kappa系数分别为90.80%和0.86;随机森林在2020年取得了最佳集成效果,总体精度和Kappa系数分别为93.75%和0.91。就土地覆盖预测而言,PLUS模型获得了98.54%的空间一致性。根据PLUS模型预测2030年土地覆盖结果可知,江宁区各土地覆盖类型变化较小,建设用地略有扩张但范围有限,耕地稍减少但在可控范围内。林地、草地和未利用地变化较小,水体面积相对减少。【结论】恰当的集成策略能明显改进土地覆盖分类精度,合适的、适应局部土地利用状态和政策调控的预测模型可有效预测区域未来土地覆盖分布模式,它们能为区域土地利用、城市管理决策等提供更可靠的方法和数据支持。
【目的】应用遥感技术进行树种识别已成为森林调查的重要手段之一,但利用近地面遥感手段进行树种识别时存在地基激光雷达(LiDAR)点云数据树冠上层信息不足和无人机影像树冠下层的信息缺失的问题,联合多源遥感数据快速准确识别树种,对研究和保护森林资源具有重要意义。【方法】以哈尔滨市东北林业大学城市林业示范基地中樟子松(Pinus sylvestris var. mongolica)、黑皮油松(P. tabuliformis var. mukdensis)、水曲柳(Fraxinus mandshurica)、胡桃楸(Juglans mandshurica)为研究对象进行树种识别研究,获取地基LiDAR与无人机影像数据,通过对高重叠度无人机影像进行处理得到无人机影像点云,将无人机影像点云与地基LiDAR点云数据进行配准融合,对融合后数据进行单木分割得到单木点云,基于单木点云提取形状特征、结构特征、树干颜色特征和树冠颜色特征,借助支持向量机分类算法进行树种识别并结合随机森林算法对不同特征的识别能力进行了分析。【结果】利用所有特征进行树种识别取得试验最优结果,其总精度和Kappa 系数分别为93.48%和0.91。相较于其他对比方案,其总精度和Kappa 系数分别提升4.35~16.31个百分点和0.06~0.22。【结论】提出了一种地基LiDAR数据与无人机影像点云数据进行融合的树种识别方法,该方法能够在一定程度上弥补树种识别中特征提取时地基LiDAR点云数据树冠上层信息不足,以及无人机影像树冠下层信息缺失等问题。充分利用多源数据所包含的丰富信息进行树种识别,可有效提高树种识别精度。
【目的】针对直接使用地面激光雷达生成的冠层高度模型(canopy height model,CHM)和归一化点云(normalized point cloud,NPC)在复杂林分探测中存在单木探测能力不足的问题,研究引入点云切片结合聚类的方法以提高单木探测精度。【方法】以广西壮族自治区6个不同林分密度的人工林样地为研究对象,利用地面激光扫描获取样地的归一化点云数据,提取高度在1.3 m处的点云切片,分别采用基于密度噪声应用空间聚类(DBSCAN)和均值漂移聚类(MS)算法对切片中的树干点云进行聚类。利用野外实测调查数据进行精度验证,并与基于CHM的局部最大值算法和基于NPC的点云分割算法(point cloud segmentation,PCS)的探测结果对比,评价和分析不同探测方法的适用性与参数敏感性。【结果】所有方法均可获得良好的探测结果,各样地的最优总体探测精度得分F≥ 0.86;点云切片结合聚类算法的单木探测方法结果最优。DBSCAN算法的聚类阈值(Eps)和均值漂移算法的聚类半径可显著影响单木探测率,最大Eps取决于最大林木间距,聚类半径接近最大单木胸径时的探测结果最优。【结论】基于点云切片结合聚类算法的单木探测能提高下层林木探测率,可有效改善高密度林分的单木探测精度,为不同林分的单木探测方法选择提供参考。
【目的】传统的树木枝叶点云分类模型结构与特征过于复杂,存在稳定性差、精度低、模型过拟合及计算成本高等问题。研究以阔叶树青冈(Quercus glauca)地面激光点云数据为基础,提出一种改进的分类回归树(classification and regression tree, CART)枝叶点云分类模型。【方法】首先根据点的邻域特征构造特征描述子,确定邻域搜索参数的最佳取值。通过逐步引入变量和调整决策树模型结构实现对分类回归树模型的改进。将改进后模型的分类结果与Logistics回归和K近邻模型进行对比。【结果】特征描述子作为变量引入后,模型测试数据分类准确率有所提升,比Logistics回归和K近邻模型分别高出13.1%和13.6%;改进后的分类回归树模型准确率有较大提升,稳定性好且模型大小显著降低,模型大小较改进前减少了99.9%,数据训练时间仅为调整前的51.3%;改进后的方法在树干和树叶上的综合评价指标均在0.9左右,差距小于0.001,无过拟合现象。【结论】改进的CART模型具有较高的精度,在小样本上也能取得较好的分类效果,稳定性好。研究结果可为地面激光雷达枝叶点云精准快速分类提供参考。
【目的】利用Sentinel-1 & 2主被动遥感数据结合森林冠层高度,对区域森林净初级生产力(NPP)进行高效、准确的估测,为森林精准经营措施以及“双碳”目标的制定提供科学依据。【方法】以南方重点林区资兴市为研究区,基于Sentinel-1和Sentinel-2主被动遥感数据,采用了多元逐步回归、人工神经网络、K最邻近、随机森林4种模型估算NPP。在此基础上加入了Sentinel-1通过InSAR与SRTM DEM差分得到的冠层高度,分析其对NPP估测精度的影响。【结果】①研究区2019年的森林NPP均值为7.79 t/hm2,呈中南部高、西北低的空间分布特征。②4种模型中,主被动遥感结合估测NPP的精度均高于单源遥感方式;随机森林估测区域森林NPP的精度最高,模型表现最好。③加入冠层高度可一定程度提高森林NPP估测精度,R2从0.70提高到了0.75。【结论】基于Sentinel 1 & 2主被动遥感数据并结合DEM差分法获取的冠层高度因子,可有效提高NPP估测精度。
【目的】针对行道树对靶施药技术中的靶标实时在线分割需求,研究基于移动激光扫描(mobile laser scanning,MLS)的行道树靶标点云在线实时分割方法,建立能够实时在线准确分割行道树靶标点云的点云实例分割算法。【方法】本研究以300 m长街道一侧的行道树为研究对象,通过建立FIFO(first input first output)缓冲区,每隔一段时间读取MLS采集到的三维街道点云数据中的若干帧街道点云数据。将读取过后FIFO缓冲区中的街道点云数据转换为三通道街道图像,使用图像实例分割模型对街道图像进行分割,得到行道树候选实例。然后,对行道树候选实例与已检测到的行道树实例进行实例融合,对已检测到的行道树实例进行完整性检测,对检测完整的行道树实例执行图像-点云映射,得到行道树点云实例。最后,使用阈值滤波与K最近邻(K-nearest neighbor,KNN)两种方法在点云层面对行道树点云实例进行优化。【结果】在阈值滤波参数设置为0.65 m、KNN的半径参数设置为0.5 m时,行道树靶标点云实例分割结果最优,准确率为0.986 5,召回率为0.940 7,F1分数为0.957 6,平均每帧分割时间为5.261 ms。【结论】本研究提出的行道树靶标点云在线分割方法有效,可以满足行道树靶标实时在线分割的要求。
【目的】为提取林区主要地物分布信息,基于注意力机制和DeepLabV3+语义分割网络提出一种面向无人机林区图像的地物分割方法Tree-DeepLab。【方法】根据不同的林区地物类型对图像进行标注,标注类型分为法国梧桐(Platanus orientalis)、银杏(Ginkgo biloba)、杨树(Populus sp.)、草地、道路和裸地6类,以获取语义分割数据集。对语义分割网络进行改进:①将带有分组注意力机制的ResNeSt101网络作为DeepLabV3+语义分割网络的主干网络;②将空洞空间卷积池化金字塔模块的连接方式设置成串并行相结合形式,同时改变空洞卷积的扩张率组合;③解码器增加浅层特征融合分支;④解码器增加空间注意力模块;⑤解码器增加高效通道注意力模块。【结果】在自制数据集基础上进行训练和测试,试验结果表明:Tree-DeepLab语义分割模型的平均像素精度和平均交并比分别为97.04%和85.01%,较原始DeepLabV3+分别提升4.03和14.07个百分点,且优于U-Net和PSPNet语义分割网络。【结论】Tree-DeepLab语义分割网络能够有效分割无人机航拍林区图像,以获取林区主要地物类型的分布信息。
【目的】 林火的发生不仅会对森林生态环境造成严重的破坏,影响生态系统功能,还会给人类造成一定危害和损失。基于深度学习对森林火灾图像进行识别,旨在更高效精准地对森林火灾发生初期的图像进行识别并预警,从而降低森林火灾对森林生态系统和人类社会产生的危害。【方法】 借助SSD算法目标检测算法在TensorFlow上的实现,根据林火特征对其网络结构进行适当优化,提出一种可以识别森林火灾图像中火焰特征的模型方法。首先对获取的图像进行归一化处理,然后使用Imgaug图像数据增强库对林火图像进行数据增强以构建林火数据集,搭建深度学习运行环境并设定超参数。通过对测试集中的数据进行测试获取模型对图像中林火特征的识别效果,并利用Loss曲线、P-R曲线的可视化对模型进行评估,最后得到模型对于林火的识别精度。【结果】 随着迭代次数的增加,损失值由训练初期的35.31逐渐下降,训练至20 000步时损失值稳定在7.10左右,此时模型的识别精度达到较高水平,对测试数据中林火特征的识别置信度达到0.9以上。基于FLAME公开数据集中的林火图像搭建测试集,经过测试评估本模型对林火特征的mAP可以达到97.40%,漏检率为0.03,对测试图片的平均检测时间仅为0.07 s,对比Faster R-CNN模型在同等数据集上的实现,SSD可以获得更为理想的检测速度。【结论】 提出的针对林火特征识别的SSD算法能兼顾检测速度和检测精度,对林火早期的图像能够快速识别并拥有较低的漏检率,有助于林区工作人员对火灾及时做出处理,从而为森林火灾早期预防提供技术参考。
【目的】 针对雾霾天气下林地无人机航拍图像存在对比度低、饱和度低和色调偏移等现象,基于Resnet网络,提出一种适应林地航拍场景的无人机图像去雾方法(DHnet)。【方法】 林地场景下无人机图像具有纹理特征、高低频信息丰富的特点,在主干网络各个层级附加信息传递模块,将特征图转化为权值图进行筛选过滤并发送到其他层级,接收端设置阈值避免冗余信息的不良影响,再经密集链接增强全局去雾效果,提高图像高低频区域的去雾质量,最后在林地无人机有雾图像测试集上进行去雾实验。【结果】 DHnet在林地图像测试集上的平均结构相似性为0.83,平均峰值信噪比为22.3 dB,分别较Resnet方法提高了4.8%和39.3%。【结论】 本研究提出的算法能有效降低图像色调偏移,去除残留雾气信息,有效提高无人机航拍林地雾气图像的色彩保真度和细节信息保持度。
【目的】 研究不同密度下兴安落叶松径向生长与气候因子动态关系,为全球变暖背景下兴安落叶松林可持续经营中合理的林分密度确定提供依据。【方法】 根据林分密度指数(SDI)选取大兴安岭中北部地区低、中和高3种林分密度梯度兴安落叶松(Larix gmelinii)纯林为研究对象,采用Mann-Kendall检验确定研究区气温突变点,基于野外调查和树轮数据,分析气温突变点后各林分密度下兴安落叶松径向生长趋势,并利用皮尔森相关和滑动相关分析其与各气候因子的关系及稳定性。【结果】 在气温突变点后,研究区域兴安落叶松生长出现增强和衰退趋势,且随着林分密度增加,树木生长衰退比例增高。高林分密度下兴安落叶松生长受抑制程度最高,1988—1990年平均生长变化率为-25%,处于衰退状态。林分密度改变了兴安落叶松生长对气候的响应关系,高密度下衰退组树木生长与8月标准化降水蒸散指数(SPEI)正相关关系最强(P<0.05),与夏季温度呈稳定的显著负相关关系(P<0.05)。研究区气候呈现明显暖干化趋势,而低林分密度兴安落叶松保持54%的生长增强比例,树木与温度由低密度下的正相关关系向高密度的负相关关系转变。【结论】 气温发生显著改变后,随着林分密度增加,树木生长衰退比例增高。低密度林分对干旱的抵抗力较强,而高密度林分增强了树木生长对气候因子的敏感性。因此,较低林分密度可以减缓气候变暖对兴安落叶松生长带来的负面影响,调整林分密度成为减缓兴安落叶松林树木生长衰退趋势的必要经营措施。
【目的】 探索利用光学遥感和雷达遥感数据进行湖泊湿地水生植被信息提取方法。【方法】 以洪泽湖国家湿地公园为研究区,基于Sentinel-1的SAR影像和Sentinel-2的MSI影像,利用面向对象影像分析技术,结合EVSI、NDVI、SR特征指数和对象之间的上下文特征,以及挺水植被高度的差异所对应SAR影像上的后向散射系数,在对象级的基础上建立决策树模型对湿地水生植被进行分类,分析洪泽湖国家湿地公园水生植被以及挺水植被的分布状况。【结果】 研究区水生植被类群分类精度为89%,Kappa系数为0.85;挺水植被种群分类精度为85.2%,Kappa系数为0.76。与基于像元分析方法的结果相比,面向对象的影像分析方法具有更高的精度;湿地水生植被以沉水植被和挺水植被为主,其中挺水植被中以荷叶和芦苇为主。【结论】 本研究提出的湖泊湿地水生植被信息提取方法具可行性,可为湿地管理与决策提供科学依据。
【目的】森林地上生物量(aboveground biomass,AGB)是森林生态系统健康状态和碳汇潜力评估的重要指标,本研究提出了一种快速、准确地获取区域尺度 AGB 信息的制图方法。【方法】基于 Landsat 5 TM、ALOS-1 PALSAR-1、STRM DEM和国家森林资源清查数据,提取光谱特征、纹理指数、后向散射系数和地形因子等特征因子,采用随机森林进行AGB建模。考虑到AGB是典型的具有空间自相关特性的生物物理参量,针对模型残差,使用以高程为协变量的克里金空间插值法分离残差项中的结构化成分,并将其叠加到随机森林模型预测值上形成最终的AGB预测值,从而提高区域尺度的AGB制图精度。【结果】协同克里金法将高程数据作为协变量,在预测AGB残差结构化成分方面的性能优于普通克里金法,协同克里金法与随机森林协同的AGB预测性能明显提升。经独立AGB数据的模型验证表明,随机森林模型预测的AGB与实际观测的AGB间的决定系数 R2为0.46,随机森林结合普通克里金的验证 R2提高到了0.51,而随机森林结合协同克里金模型的验证R2为0.57。相应的均方根误差(RMSE)分别从32.48 t/hm2降低到31.58、29.80 t/hm2,平均绝对误差(MAE)从27.28 t/hm2 降低到26.63、25.12 t/hm2,相对改进指数为0.03和0.08。【结论】总体而言,本研究提出的随机森林协同克里金模型提供了一种更准确、可靠地进行复杂地形区域的亚热带森林AGB制图新方法,所生成的AGB专题图有助于发展针对固碳效能的森林经营方法,为全球气候变化背景下的森林碳增汇和森林可持续经营提供参考。
【目的】森林各发育阶段的经营方式有所不同,温带森林虽占全球森林面积的近20%,但分布分散且多位于易受干扰的人口密集地区,面临物种多样性丧失等生态问题。如何准确划分温带森林的发育阶段,为各阶段森林经营提供方法和理论依据,实现温带森林的高效经营,是亟待解决的问题。【方法】本研究以2017年吉林省汪清县森林资源二类调查中5 124个小班的树种组成为研究对象,采用双向指示种分析方法(TWINSPAN)进行数量分类,划分森林发育演替阶段揭示该地区温带森林的演替阶段与生长发育规律。【结果】通过选取林分年龄、平均胸径、平均树高、每公顷蓄积量、总蓄积量、每公顷株数等林分结构和生长变化指标,确定演替发育阶段,并将研究区温带森林分为:白桦(Betula platyphylla)阔叶混交林、柞树(Quercus mongolica)阔叶混交林、柞树针阔混交林、白桦云杉(Picea asperata)针阔混交林、云杉白桦针阔混交林、红松(Pinus koraiensis)云杉针阔混交林、阔叶红松云杉混交林等7类。其中,红松云杉针阔混交林面积占比最大,是该地区的主要森林类型。各森林类型演替特征明显,演替过程中以红松、云杉为代表的顶极树种和以椴树(Tilia tuan)、色木槭(Acer pictum subsp. mono)为代表的伴生树种由弱变强,数量占比逐渐扩大,以白桦、山杨(Populus davidiana)为代表的先锋树种逐渐变少,最终形成阔叶红松云杉混交林顶极群落。【结论】本研究基于大量调查数据,应用TWINSPAN分类方法,在汪清县温带森林中划分出7种演替阶段,总结各演替阶段特征,证实各演替阶段在时间梯度上符合生长发育的特点,为在不同演替阶段中开展高效营林措施提供理论支持,同时也为维持森林结构和功能的相对稳定及形成优质高产林分提供参考。
【目的】针对目前森林变化检测中高精度标签样本缺失或不足的问题,提出一种基于全卷积神经网络和低分辨率标签的森林变化检测方法,旨在实现林地区域内森林变化的简易快速提取。【方法】首先对获取的数据进行去云、筛选、标签融合等预处理,利用全卷积神经网络模型分别提取2020年和2021年研究区森林高分遥感影像,并评价模型精度;利用分类后比较法获取森林变化区域,得到变化结果并与目视解译结果进行对比,基于像素面积计算森林变化检测的精确率等评价指标。【结果】所用全卷积神经网络(FCN)模型在2020年森林提取结果的精确率和召回率的调和均值(F1分数)为97.09%,2021年森林提取结果的F1分数为95.96%,与分割网络模型(U-Net、FPN、LinkNet)相比更优。比较两期森林提取结果得到变化区域,森林增加与森林减少的合计变化精确率为73.30%,召回率为77.37%,F1分数为75.28%。【结论】该方法实现了基于低分辨率标签对高分遥感影像森林变化区域进行快速、准确的获取。采用少量的低分辨率标签完成森林变化检测任务,同时可为大面积林地变更调查提供参考。
【目的】探明大兴安岭北部天然林森林生态系统恢复过程中森林生态系统结构、功能、气候和立地类型因子的动态变化,筛查出关键影响因素,对其森林生态系统恢复能力进行科学评估,为探索大兴安岭天然林有效经营措施从而提升生态功能提供参考。【方法】以野外调查数据为基础,采用区分效度检验确定森林生态系统恢复能力评价指标体系,依据传导机制建立森林生态系统恢复能力评价的结构方程模型并进行指标权重确定,基于K-means聚类分析和等距划分法,建立大兴安岭森林生态系统恢复能力等级划分标准。【结果】大兴安岭森林生态系统恢复能力评价指标体系中的4个准则因子森林生产力、林分结构、气候因子、立地类型的权重分别为0.339、0.192、0.256和0.213。研究区2种森林生态系统恢复能力评价的综合分值为1.70~3.53,恢复能力等级分布符合正态分布,恢复能力等级主要集中在差、较差、良好3种状态;总体上,2种森林生态系统恢复能力等级为混交林>纯林。【结论】森林生态系统恢复能力主要受森林生产力的影响,林分结构、气候因子和立地类型对生态系统恢复能力的影响相对较小,大兴安岭部分地区的生态系统恢复能力仍然较差。混交林有利于森林生态系统恢复能力的提升,合理的林分改造措施可改善森林生态功能发挥。
【目的】针对行道树树冠在线检测问题,研究基于移动激光扫描(mobile laser scanning,MLS)的行道树树冠点云逐点检测方法,构建能够在线、快速、准确检测出行道树树冠点云的高性能树冠检测器,为行道树对靶施药提供基础数据。【方法】应用搭载一个2D激光雷达(light detection and ranging,LiDAR)的MLS系统实时采集街道轮廓线测量数据,从中提取点云三维坐标、一次回波强度和回波次数等属性;构建点云半径为δ的球域搜索方法,实现点云邻域在线快速查询;从待识别点δ球域中提取宽度、深度、高度、维度、密度、次数和强度7类点云局部特征;采用监督学习算法融合点云局部特征、训练树冠检测器,预测待识别点的类别。采集一段长137 m街道的点云数据,开展了邻域搜索方法、监督学习算法、点云局部特征和树冠逐点检测器4个对比实验。【结果】构建的δ球域搜索方法的搜索时间为k-D树法的10.90%;在神经网络(neural network,NN)、支持向量机(support vector machine,SVM)、Boosting和随机森林(random forest,RF)4种监督学习算法中,RF算法得到的树冠检测器分类精度最好;与单类特征相比,组合特征具有更好的泛化性能;本研究方法设计的树冠逐点检测器在检测精度和效率上均优于已有方法,球域半径δ在0.1~1.0 m范围内变化时,测试集F1分数≥97.74%。【结论】提出的方法能够从实时采集的MLS点云数据中快速、准确地检测出行道树树冠点云,为行道树对靶施药提供数据支撑。
