【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】 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】植物病虫害准确检测是病虫害精准化防治的关键,笔者构建准确高效的植物病虫害监测模型,为病虫害的早期诊断与预警提供重要依据。【方法】针对现有植物病虫害检测模型泛化能力弱、小目标漏检率高等问题,提出一种基于视觉加强注意力改进的植物病虫害检测模型--YOLOv 5-VE(vision enhancement)。为方便检测实验样本中的小目标采用Mosaic 9数据增强方法;设计出基于视觉注意力的特征加强模块CBAM(convolutional block attention module);为确定不同目标重叠在一起和被遮挡的定位损失引入边界框定位损失函数DIoU。【结果】YOLOv 5-VE模型在实验数据集上的识别精度和检测平均准确率达到65.87%和73.49%,比原模型提高了1.07%和8.25%,在型号为1 080 Ti的GPU上检测速度可达35帧/s。【结论】该方法可以在背景复杂的野外场景快速有效地检测和识别种类多样的病害和虫害,可以提高检测的鲁棒性能,提升模型对病虫害目标的特征提取能力,降低野外复杂场景对检测带来的干扰,表现出良好的应用潜力,可广泛运用于大规模的植物病虫害检测。
【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】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】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】为了实现对虫害的精准监测,提出了一种融合Swin Transformer的图像实例分割优化方法,以期有效解决复杂真实场景下多幼虫个体图像识别分割困难的问题。【方法】选用Swin Transformer模型,改进Mask R-CNN实例分割模型的主干网部分,对黄野螟幼虫虫害图像进行识别分割。针对不同结构参数的Swin Transformer模型与ResNet模型,调整各层的输入输出维度,将其分别设置为Mask R-CNN的主干网进行对比实验,从定量与定性两个角度分析不同主干网的Mask R-CNN模型对黄野螟幼虫的识别分割精度与效果,确定最佳模型结构。【结果】①该方法在虫害识别框选方面的测度(F1)分数可达89.7%,平均精度(AP)可达88.0%;在虫害识别分割方面的F1分数可达84.3%,AP可达82.2%。相较于Mask R-CNN,在目标框选与目标分割方面分别提升8.75%与8.40%。②对于小目标虫害识别分割任务,该方法在虫害识别框选方面的F1分数可达88.4%,AP可达86.3%;在虫害识别分割方面的F1分数可达84.0%,AP可达81.7%。相较于Mask R-CNN,在目标框选与目标分割方面分别提升9.30%与9.45%。【结论】对于复杂真实场景下的图像实例分割任务,其识别分割效果极大地依赖于模型对图像特征的提取能力,而融合了Swin Transformer的Mask R-CNN实例分割模型,在主干网的特征提取能力更强,模型整体的识别分割效果更好,可为虫害的识别监测提供技术支撑,同时为保护农、林、牧等产业资源提供解决方案。
【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。
【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】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。
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】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】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】 采用深度学习方法开展基于叶片的油茶品种识别研究,开发油茶品系图像识别技术,为油茶品种鉴别提供科学依据。【方法】选择自然光照条件下生长的11个油茶品种叶片作为研究对象,采集完整、无明显病虫害的叶片,以白色硬纸板为背景,利用智能手机对叶片的正、背面进行图像采集,通过可用性筛选去除无效图像,构建图像数量为2 791张的油茶叶片品种数据集,采用深度学习网络(GoogLeNet、ResNet)对11个油茶品种的叶片图像进行识别研究。【结果】GoogLeNet和ResNet网络均能满足基于叶片的油茶品种识别要求,总体识别准确率、召回率的调和平均值(F1)分别达94.0%和80.7%;其中GoogLeNet网络识别效果更好,平均准确率、召回率、多分类模型指标宏观F1(Macro F1)和微观F1(Micro F1)分别为94.1%、94.0%、94.0%和96.9%,其对油茶品种编号1和编号8的识别召回率高达100%。【结论】深度学习网络(GoogLeNet、ResNet)能够实现基于叶片的油茶品种识别,可为基于其他作物的品种识别提供参考。
【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】研究城市土地类型的变化,分析城市进化过程对环境气候、城市发展以及政府决策产生的影响。【方法】以15~30 m分辨率的NWPU-RESISC45标准数据集和哈尔滨城区Landsat 8遥感影像为实验数据,制作了包含城市建筑及道路、水体、植被、裸地4种土地类型的遥感影像数据集。在实验数据中加入纹理信息,提取SIFT(scale-invariant feature transform, SIFT)特征点。通过K-means聚类算法获取包含大量语义信息的视觉词典,从而构造视觉词袋模型(bag of visual words, BOVW)。然后将BOVW提取的特征点与支持向量机(support vector machine, SVM)分类器结合,对制作的数据集进行分类。最后,利用2013年、2019年同一季节Landsat 8影像,以哈尔滨市松北区为例计算各土地类型的位置及面积变化信息。【结果】基于BOVW和SVM的分类结果与5种单一分类模型和3种“特征提取+分类器”模型对比,发现使用尺寸为550个词汇的视觉词典时,本研究模型的分类与变化监测精确度分别为79.40%、79.29%。结合哈尔滨城市具体数据的监测结果表明,在2013-2019年间,哈尔滨市松北区城市建筑及道路与植被类型的覆盖面积减少明显,水体与裸地类型的覆盖面积增加,这一变化情况符合近年来哈尔滨市政府陆续推出的环境保护五年规划,以及其总体规划中合理控制城市规模的相关政策要求。【结论】对于时间跨度长、分辨率不高的Landsat遥感影像,BOVW和SVM的变化监测模型在土地类型变化监测方面效果良好,在一定程度上可提高分类与变化监测的精度,为土地类型变化监测提供借鉴。
国家森林资源(连续)清查是森林资源监测体系的重要组成部分,可为制定国家林业发展战略和调整林业方针政策提供及时有效的科学依据。遥感在推动NFI技术进步方面发挥了重要作用,已成为支撑NFI运行不可或缺的技术手段。在将遥感数据作为辅助数据用于提高NFI总体参数估测精度和效率方面,国内外学者已开展了大量估计模型和方法研究,可概括为4类:设计推断法(design-based inference method)、模型辅助法(design-based and model-assisted method)、模型法(model-dependent method)和混合法(design and model hybrid method)。笔者针对这4类估测方法,总结了国内外研究现状,分析了国内相关研究存在的问题,并就未来重点研发方向和内容提出了建议。在设计推断法方面,国内外技术水平没有太大差距;国外开展了大量模型辅助法研究并已应用于NFI业务,但国内相关研究较少,且业务应用仅体现在面积成数估计,今后应加强该方法的应用示范和推广工作。关于模型法在NFI中的应用国外对多源数据协同应用中的不确定性度量方法进行了深入研究;国内对模型法的研究也很多,但对科学评价模型的拟合效果、度量模型估测结果的不确定性等缺乏系统研究,应作为后续研究重点;国外已针对NFI应用开发了3类混合法,国内对第1类混合法研究较少,对第2类混合法的研究还仅局限于用双重回归抽样法估计地类面积,而对第3类汇合法尚未采用“数据同化”思路开展相关应用研究。建议未来加强这3类混合法在国内NFI中的深入研究和应用示范。
【目的】探究利用地基激光雷达技术(Terrestrial Laser Scanning,TLS)评价树干形状的可行性,并分析不同间伐方案对人工黄花落叶松(长白落叶松,Larix olgensis)干形的影响。【方法】在黑龙江省佳木斯市孟家岗林场选取5块采用不同间伐处理方案的长白落叶松人工林样地进行地基激光雷达扫描,对预处理后的点云进行单木分割与单木枝干分离,并进一步提取出单木胸径、树高及不同高度处直径等参数,最终计算单木干形的指标并进行理论造材,分析不同间伐方案对人工长白落叶松干形及林分经济价值的影响。【结果】通过与样地实测单木数据对比,基于TLS数据提取得到的单木特征参数精度较高,胸径提取的平均误差仅为-0.39 cm,平均绝对误差百分比达到2.86%,树高提取的平均误差为-0.26 m,平均绝对误差百分比为3.12%;所有间伐措施均能提高林木的胸径和材积,而树高在不同间伐方案之间没有明显差异;林木的干形指标如胸高形数(f1.3)、胸高形率(q2)及材积分配方式等在不同的间伐方案中表现有所不同,两次高强度间伐的方式使树干材积更多地分配在树干中部;同一林分内不同大小的树木之间干形并无显著性差异;不同的间伐方案对树木根张程度并无影响;不同的间伐方案均可以不同程度的提高林分经济价值。【结论】地基激光雷达对单木参数提取精度较高,能够在无损情况下获取较为准确的单木干形特征;不同间伐方案对树木干形及林分经济价值有不同程度的影响,两次高强度间伐可以最大限度地提升林分的经济价值。
【目的】分析不同空间分辨率影像各季节林地植被覆盖度 (fractional vegetation cover,FVC) 提取的精度差异,为选择遥感影像提取林地植被覆盖因子提供理论支持和参考。【方法】选择江苏溧阳市林地为研究区,以Sentinel-2、Landsat-8、MODIS等几种常用的不同空间分辨率的遥感影像为数据源,基于像元二分模型提取FVC,利用半变异函数阐明不同季节FVC的空间变异特征,通过混淆矩阵对比分析各个季节不同分辨率影像提取FVC的精度差异。【结果】①用半变异函数可以有效描述FVC的空间变异特征,空间变异程度的季节差异表现为冬季>春季>秋季>夏季。②用不同分辨率影像提取的FVC在水陆交界处及林地斑块边缘差异最为显著,各个季节FVC的提取精度表现为夏季>秋季>春季>冬季。其中,夏季30、250以及500 m空间分辨率影像提取FVC的精度分别为90.99%、76.28%、76.71%。③植被盖度等级对FVC提取精度有显著影响,高覆盖等级提取精度较高,低覆盖等级提取精度较低。低分辨率影像FVC提取精度在植被生长茂盛的夏季显著提升。【结论】不同FVC等级地表对高分辨率影像的监测需求有较大的分异性,夏季利用低分辨率影像提取FVC的可替代性最高,本研究结果有利于提高植被动态监测的精度和效率。
【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】 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】分析混交林中不同树种组成情况对单木树高-胸径关系的影响,构建大兴安岭地区兴安落叶松和白桦的树高曲线模型,为森林质量精准提升提供理论依据。【方法】以大兴安岭中部地区112块兴安落叶松(Larix gmelinii)-白桦(Betula platypiylla)混交林的样地调查数据为基础,采用多元逐步回归建立包含单木、林分和树种组成信息的兴安落叶松和白桦树高-胸径预测基础模型,并采用层次分割方法量化不同变量对单木树高-胸径关系的影响程度。最后,采用混合模型方法解决样地调查数据中存在的嵌套效应和异方差问题。【结果】大兴安岭地区兴安落叶松-白桦混交林中主要树种(兴安落叶松和白桦)单木树高-胸径关系除受自身胸径大小影响,还受林分特征(优势木树高、林分平均胸径和林分平均树高)和树种组成(兴安落叶松、白桦蓄积比例)信息的共同影响,其对各树种树高-胸径变异的解释能力依次为单木胸径(82%)>林分因子(16%)>树种组成(2%);各树种树高-胸径混合模型均以包含3个随机参数、方差协方差结构pdSymm和异方差校正函数varPower的组合最优,兴安落叶松和白桦单木树高-胸径混合模型的调整决定系数(Radj2)分别较基础模型提升约2.50%和3.44%,达到了0.789 5和0.744 7。【结论】在具体的森林经营实践中,可通过采伐或补植的方式来调整林分的树种组成情况以达到促进林木树高生长的作用。
【目的】应用计算机视觉技术提取幼龄沉香的多图像特征,对沉香叶片全氮含量进行估测,为实现沉香氮营养状态的快速无损估测提供新方法。【方法】采用基于色调-亮度-饱和度(HIS)颜色空间的最佳直方图(KSW)熵法和形态学处理对幼龄沉香图像进行分割,并提取了图像的颜色、形状和纹理特征。然后利用偏最小二乘法(PLS)对多图像特征进行有监督降维,提取图像特征主成分。最后构建了天牛须搜索算法(BAS)优化后的Elman神经网络(Elman neural network,ElmanNN)模型对幼龄沉香叶片全氮量进行估测,并将模型验证结果与其他常用模型进行对比。【结果】以幼龄沉香可见光图像为研究对象,应用的基于HIS空间的分割算法效果优于常用的RGB和Lab颜色空间分割;PLS算法对图像特征提取了6个主成分,快速降低了图像特征的维数,并有效消除了特征变量间的多重共线性;提出的PLS-BAS-ElmanNN模型能实现模型参数的自适应选取,且估测效果较好,决定系数R2为0.740 7,均方根误差(RMSE)为1.265 3 g/kg,估测精度略高于偏最小二乘回归(PLSR)模型和偏最小二乘-广义可加模型(GAM)。【结论】提出以幼龄沉香为研究对象的图像处理方法,构建了能够稳定处理高维图像数据的PLS-BAS-ElmanNN估测模型,为幼龄沉香氮营养状态的监测及沉香培育的精准作业提供了新思路。
【目的】基于多模型模拟预测土地利用碳存储,为权衡环洞庭湖区的土地利用发展模式和提升区域固碳能力提供科学依据。【方法】以环洞庭湖区2005、2010、2015年土地利用变化为切入点,基于InVEST模型与人工神经网络CA(ANN-CA)模型,对碳存储进行量化和空间情景模拟,探讨环洞庭湖区水环境保护情景、生物多样性保护情景以及碳中和情景下的土地利用及其碳储量变化模式。【结果】①到2035年,环洞庭湖区在水环境保护情景下的主要土地利用变化为水域面积增长1.50 km2(增加0.02%),带来的碳储量变化程度极小;在生物多样性保护情景下的主要地类变化为林地增长10.78 km2(增加0.05%),可使碳储量增长27.10×106 t(增长44.28%);在碳中和情景下主要地类变化为耕地缩减432.02 km2(减少1.63%),导致碳储量减少0.81×106 t(减少1.64%);土地利用面积与碳储量变化呈正相关关系。②环洞庭湖区高程、坡度、到公路距离与碳储量呈负相关,向阳坡碳储量高于阴坡;影响环洞庭湖区土地利用变化的主要驱动因子为坡度、高程和人口密度。【结论】基于InVEST与ANN-CA模型可模拟多情景下的土地利用及碳储量,可为环洞庭湖区土地利用结构的优化配置以及生态保护和区域发展的权衡提供情景参考。
【目的】我国林业目前处于提高森林资源质量和转变发展方式的关键阶段,林分水平的经营决策对科学制订森林经营规程、提高森林质量具有重要意义。利用模拟-优化系统,探究不同林分条件下的最佳经营模式,可为提高黄花落叶松(Larix olgensis)(俗名长白落叶松)人工林多目标经营水平提供理论基础和实施方案。【方法】以标准长白落叶松人工幼龄林为研究对象,利用多属性效用函数和妥协性分析构建包括净现值、大径材产量和林木碳储量的多目标经营模型,链接林分生长模型与粒子群优化算法,优化不同经营方程并提出经营模式。【结果】在不同造林密度(2 500和3 300株/hm2)及不同地位指数(16~22 m)下两种多目标方程(MOF1和MOF2)估算的林分主伐年龄为54~96 a,净现值为38 047.8~109 194.9 元/hm2,大径材年均产量为1.8~4.4 m3/(hm2·a),轮伐期内年均林木碳储量为59.7~103.1 t/(hm2·a)。随着林木碳储量权重的增加(从MOF1到MOF2),大径材产量提高,但净现值降低。【结论】本研究提出的多目标经营模式可以满足对木材产量、质量和经济效益的需求,同时兼顾了森林碳储量,其中多目标经营方程MOF1是权衡各目标效益的折中方案,研究结论对提升我国森林多功能经营管理水平具有重要借鉴意义。
从森林作业法的发展历史和概念定义开始,19世纪初期在德国执行的作业法技术体系中,第1级产品目标分为两个大类,第2级按森林形态分为5个小类,第3级按作业方式划分出14个具体的作业法。简要说明了森林作业法技术体系在全球不同区域的演化和应用发展情况;在中国多功能森林经营科学定义的基础上,论述了我国三级结构的多功能森林作业法的方法学要点,理解应用“自然与人工协同合力”的核心科学机理和“多层次、多功能、近自然、全周期”的技术关键,阐述了规范经营方式和主导功能的一级森林作业法、规范森林类型或树种组成的二级作业法和规范林分全周期经营计划的三级作业法的体系架构及关键技术要领,展示了技术体系在国家、省级森林经营样板基地的示范应用情况和初步效益结果。综合分析认为,混交林、保留性择伐作业和保障部分优势林木生命过程的经营计划等三方面技术是实现森林生态系统经营的关键技术,是践行“绿水青山就是金山银山”重要思想的现代林业经营模式,持续执行将有利于推动生态文明社会的发展。
【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】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】 研究森林火灾发生的时空特征,掌握云南省林火发生的时空分异特征,定量分析林火发生规律,识别林火高发区和易发区,以进行森林火险分布科学区划。【方法】 基于云南省2001—2020年中分辨率成像光谱仪(MODIS)火灾位置/热异常产品数据(MCD14DL),利用火位置信息中所具有的关联性与异质性等,采用统计分析、中心点分析、标准差椭圆法、Ripley’s K 函数、核密度等方法,分析云南省林火发生的时空分布特征。【结果】 ①云南省2001—2020年间林火发生的年际波动较大,2010年出现火点高峰值;季节变化显著,林火主要集中在冬、春两季,春季火点最多且在3月出现高峰值。②林火发生具有显著的区域性特征,林火高发区主要分布在云南省西南部,其次是东南和西北部,东北部林火发生数最少。普洱市是林火发生的中位数中心,其西北部森林火点分布密度最高,核密度值约为0.43;其次是西双版纳州中西部区域,核密度值约为0.34;再者是大理州西北部和文山州东北部区域,这两处核密度值均约为0.26,这4个区域为云南省森林火点分布的热点区。③20年间,林火空间分布的方向性明显,云南省森林火点的总体重心位置正逐步由普洱一带向大理—楚雄—玉溪—红河州一带偏移。④云南省林火的整体空间分布类型为凝聚模式,但聚集程度不高且在逐渐分散。【结论】 2001—2020年云南省林火发生不是完全随机分布的,而是呈现一定的时空分布规律。该特征规律有助于强化区域火情管理,增强重点防火区域的防火建设与宣传,科学安排防火工作,降低林火发生率,实现森林可持续发展。
【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】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】 利用增强Frost局部滤波和单木距离图重构标记技术对冠层高度模型(CHM)进行分割,以提高无人机激光雷达在单木树冠分割的精度和效率。【方法】 选取江西分宜山下实验林场阔叶混交林、针叶混交林和针阔混交林3个不同类型的林分为研究对象,以无人机激光雷达数据为数据源,构建CHM。针对高分辨率CHM树冠区域孔隙较多的问题,利用增强Frost局部滤波处理优化CHM,优化结果与不同滤波方法进行了比较分析;然后应用距离图重构标记分割技术对增强Frost局部滤波优化后的0.1、0.2、0.5及1.0 m分辨率的CHM进行分割与分析;最后确定最佳分辨率的CHM,并其将分割结果与同等分辨率下分水岭算法以及点云分割均值偏移算法结果进行比较。【结果】 采用增强Frost局部滤波处理的CHM优化效果显著,在有效抑制树冠噪音的同时,也能较好地保留图像细节信息。0.2 m分辨率的CHM分割效果最佳。距离图重构标记分割方法分割针叶混交林、针阔混交林、阔叶混交林3种不同林分类型的分割精度(OA)分别为0.96、0.84、0.75;根据树冠分割结果计算单木冠幅,冠幅估测的决定系数R2分别为0.83、0.82、0.71。【结论】 基于增强Frost局部滤波及距离图重构标记技术可实现对激光点云CHM的单木分割和树冠估算,能够满足森林调查和监测的基本需求。
【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(LBL)、弦长(LBCL)、基径(dB)、着枝角度(AB)、弓高(HBAH)、枝条基部断面积(SBAB)、相对着枝深度(dRDINC)]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SBAB和LBCL。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上都表现出最好的效果,具体顺序为:随机森林模型>混合效应模型>基础模型。其中随机森林模型的决定系数(R2)相较于混合模型和基础模型分别提高了1.32%和4.89%,均方根误差(RMSE)分别降低了11.23%和13.60%。【结论】基于TLS利用随机森林算法能够准确对枝条生物量进行估测,不仅为随机森林算法在林分生长模型上的应用奠定了一定的实践基础,也为TLS在树冠结构研究中的应用提供了重要的参考价值。
