- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
利用机载激光雷达和Landsat影像量化人工林覆盖数十年的变化
摘要： 持续监测森林覆盖状况是理解森林生态系统碳动态的关键。本文探讨了如何整合单年机载激光雷达与多时相Landsat影像来获取森林覆盖变化信息。利用激光雷达数据提取单年Landsat亚像元级森林覆盖，应用Landtrendr算法解析Landsat光谱数据的时序变化特征。通过四种不同方法建立森林覆盖与Landsat光谱数据的关系模型。结果表明：采用时序轨迹拟合过程纳入历史信息能显著提升模型预测能力。随机森林模型在定量估算森林覆盖方面表现最优，其中结合时序轨迹拟合的随机森林模型与验证数据吻合度最高（R2=0.82，RMSE=5.19%）。我们将该方法应用于中国山西省右玉县（三北防护林工程区）开展数十年尺度森林覆盖动态制图。随着全球多时相Landsat影像和可负?；丶す饫状锸莸钠占?，本方法具备大尺度森林覆盖动态监测的潜力。
关键词： 造林、森林资源清查、三北防护林工程、时间序列、森林监测
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 结合深度学习分类器的航拍图像油棕树检测
摘要： 棕榈油是世界上产量最大的植物油，全球75%的产量用于食品和烹饪用途。对种植区进行可持续管理需要频繁评估田间状况。本文研究了一种基于深度学习的自动算法，该算法能够利用无人机采集的航拍彩色图像建立单株油棕树清单。该方法通过结合两个独立卷积神经网络的输出实现——这两个网络分别训练于部分不同的样本子集和不同空间尺度上，以捕捉图像区块的粗略和精细细节。通过简单平均法整合估计后验概率，从而提高检测精度并评估每次单独检测的置信度。非极大值抑制用于消除弱检测信号。在巴西北部三个树龄分别为2年、4年和16年的商业油棕种植园进行的实验表明，使用分米级空间分辨率的正射影像时，总体检测准确率介于91.2%至98.8%之间。该方案可作为基于遥感的森林监测系统中的有效组件。
关键词： 卷积神经网络、分类、树木计数、遥感、森林资源清查
更新于2025-09-23 15:21:21
-
通过整合遥感与异速生长方程估算埃塞俄比亚哈瓦萨湖流域地上生物量与碳储量
摘要： 由于森林砍伐导致地球大气中二氧化碳浓度不断升高，迫切需要估算热带森林的生物量与碳储量。这在缺乏可靠生物量数据的非洲地区尤为重要。本研究旨在对哈瓦萨湖流域进行土地利用/覆盖分类，利用遥感数据与异速生长方程估算地上生物量，并确定物种重要值。研究采用适用于泛热带地区的异速生长方程（通过非破坏性测量获取树木参数与烘干生物量的关联），同时使用本地物种特异性生物量方程进行结果比对。结果表明：天然林平均地上生物量（200.9吨/公顷）低于人工林（223.6吨/公顷）。相较于本地方程，泛热带异速生长方程对天然林和人工林的地上生物量分别高估约13.0%和20.5%——这种偏差可能是使用通用方程计算生物量时的主要不确定性来源。每样地采样物种数介于1-22种之间，总体平均林分密度为785株/公顷。重要值最高的物种依次为葡萄牙柏木（60.09%）、银桦（28.65%）和柠檬桉（20.87%）。多数树种胸径集中在5-25厘米区间，占人工林和天然林的比重分别为79.1%和73.3%。2011年研究区域森林总地上生物量估算为172万吨。尽管通用异速生长方程与本地物种特异性方程的估算结果存在差异，但在缺乏区域特定模型时，本研究结果仍具应用价值。
关键词： 异速生长方程、遥感、重要值指数、地上生物量、森林资源清查
更新于2025-09-23 15:21:01
-
利用无人机激光扫描数据估算森林蓄积量：无需野外数据能否实现？
摘要： 无人机激光扫描数据（UAV-LS）为仅基于该数据估算森林蓄积量（V）提供了新途径。我们提出一种无需实地校准数据即可测量树体属性并估算蓄积量的方法，包含五个步骤：i) 利用UAV-LS数据全自动识别并全幅分割树冠；ii) 从所有检测到的树冠中抽样，通过UAV-LS数据目视评估确定可可靠记录胸径（DBH）的样本；iii) 另取能通过无人机影像识别树种的树冠样本；iv) 基于样本建立DBH和树种模型并应用于所有检测树冠；v) 结合预测树种、DBH及直接获取的UAV-LS树高，采用现有异速生长模型预测单木蓄积。该方法应用于平均密度1130点/平方米、3厘米正射影像的Riegl-VUX数据集（覆盖8.8公顷人工管理北方森林）。将识别树冠的蓄积量聚合估算样地、林分及森林层级蓄积，并通过58个独立实测样地进行验证。当空间尺度从样地（32.2%）扩大到林分（27.1%）和森林层级（3.5%）时，均方根偏差（RMSD%）递减。UAV-LS估算精度随森林结构变化，在开阔松林最高，稠密桦林或云杉林最低。森林层级估算值完全落在高强度地面调查估计值的95%置信区间内，两者精度相当。虽然结果为无人机激光扫描在完全航空森林清查中的应用提供了积极依据，但未来研究需在不同森林类型和条件下验证本发现。
关键词： 原位数据、Riegl-VUX、无人机激光扫描、无人机、森林资源清查
更新于2025-09-23 15:19:57
-
利用机载激光雷达和超高分辨率影像对混交温带森林进行树种识别与单木检测以预测主要树木测量特征
摘要： 本研究旨在探究两种遥感数据（基于机载无人机传感器影像的激光雷达点云数据与数字航空摄影测量数据）及密集野外测量的联合应用，以提取和预测同龄混交林的树木与林分参数。研究区域位于罗马尼亚西南部，分析数据采集自混交林样地，各样地主要树种为挪威云杉（Picea abies L. Karst.）与欧洲山毛榉（Fagus sylvatica L.）。通过激光雷达数据提取数字高程模型（DTM）、数字表面模型（DSM）及归一化冠层高度模型（CHM），并采用面向对象图像分析（OBIA）分类技术自动识别主要树种。运用基于冠层高度的可变窗宽局部滤波算法，测定各样地内主要树种的位置、树高与冠幅直径——该滤波器分别针对各样地及OBIA分类所得的云杉/山毛榉分布区独立运行?；诩す饫状锸?，通过蒙特卡洛统计模拟及将各树种实测胸径与其对应激光雷达树高、冠幅直径相关联的线性回归模型预测胸径。所有样地中挪威云杉与山毛榉的总体均方根误差分别为5.8厘米和5.9厘米。结果表明：在同龄云杉-山毛榉混交林中，相较于山毛榉，挪威云杉具有更高的单木识别率及更精确的林分参数估算精度。针对温带同龄混交林中山毛榉单木检测方法的最优选择，仍需进一步研究。
关键词： 蒙特卡洛模拟、ALS（机载激光扫描）、森林资源清查、无人机、面向对象图像分析
更新于2025-09-11 14:15:04
-
利用机载激光扫描数据估算林分年龄以改进安大略省北方森林黑云杉木材密度模型
摘要： 能够估算木材质量的时空模型，可支持在采伐前就考虑树木市场潜力的价值链优化方案。研究表明，生态土地分类单元（如生态位点）和基于机载激光雷达（ALS）数据的结构指标，能有效预测加拿大安大略省北方森林黑云杉林分的木材质量属性。然而树龄是导致树木间木材质量差异的主要因素，却因在森林清查系统中表征不足而未被纳入既往预测模型。本研究目标为：（一）建立以黑云杉为主的林分平均树龄预测模型；（二）通过引入树龄预测变量来优化黑云杉木材密度模型?；谒婊郑╮f）距离度量的k最近邻（kNN）分类非参数树龄模型表现良好，其均方根差（RMSD）为15年且解释了62%的方差变异。后续利用树龄与生态位点预测变量构建的随机森林木材密度模型具有实用价值，均方根误差（RMSE）为59.1千克·米?3。这些通过纳入可从清查数据中获取的树龄与立地效应而建立的模型，使大尺度木材质量预测更接近实际应用。
关键词： 预测建模、林分年龄、激光雷达、北方森林、木材密度建模、黑云杉、森林资源清查、机载激光扫描（ALS）、k近邻算法
更新于2025-09-11 14:15:04
-
利用机载激光雷达数据和多季节卫星影像估算森林结构与组成变量
摘要： 先进的森林资源清查（FRI）信息对可持续森林管理至关重要。FRI依赖于遥感数据与处理方法，以及野外校准/验证环节，从而为大面积森林清查和生物物理变量建模提供高性价比方案。本研究旨在探讨加拿大安大略省异龄耐荫阔叶林中，结合多季节多光谱卫星影像与机载激光雷达（ALS）数据对估算断面积、树种混交度及林分密度的影响。通过以随机森林（RF）回归作为非参数诊断技术，比较了三种多光谱光学传感器（即Landsat-5 TM、Sentinel-2 A和WorldView-2），以确定建模FRI变量的最具成本效益的传感器配置。利用RF变量重要性评估了这些光学传感器衍生的光谱预测因子以及ALS高度和强度指标的贡献。作为变量选择框架的一部分，采用分层变量聚类技术将所有预测变量分组为相对独立的群集，揭示了光谱预测因子与基于高度和强度的指标所含信息的差异性——这表明ALS强度数据携带有区别于被动近红外数据的独特信息，可补充用于森林特征描述。单独使用ALS数据未能建立准确的断面积和树种混交度模型，但加入光谱预测因子后预测精度显著提升。与单时相影像相比，多季节影像对FRI变量建模更为准确，尤其是与ALS数据结合时。尽管空间分辨率有限，Sentinel-2 A仍被证实是增强ALS基础FRI模型的最具成本效益的影像源。采用变量选择程序确定的变量时，最优子集回归表现优于用于诊断分析的RF模型，最终建立了一系列准确且简约的预测模型：断面积、树种混交度和林分密度的决定系数分别为0.73、0.90和0.67。
关键词： 多季节卫星影像、变量选择、哨兵2A号卫星、机载激光扫描（ALS）、森林资源清查
更新于2025-09-10 09:29:36