落叶阔叶树

ASD | 利用高光谱反射率预测温带落叶阔叶树木的叶片性状：通用模型可适用于整个生长季节吗？追踪生长季和地理区域中叶片性状的变化是理解陆地生态系统功能的关键。野外光谱法是原位监测叶片功能性状的有力工具，在农业、林业和生态学中都有许多应用，例如，叶片光谱已用于表征许多叶片理化特性，预测倍体水平，估计叶龄，甚至可以预测入侵植物对凋落物分解的影响。但目前尚不清楚是否可以开发通用统计模型来根据光谱信息预测性状，或是否需要根据条件变化进行重新校准。特别是，生长季多个叶片性状同时变化，是否可以从高光谱数据成功预测这些时间变化是一个悬而未决的问题。基于此，为了填补研究空白，在本研究中，一组国际研究团队利用标准实验室方法（包括光捕获和生长：N（%），δ15N（‰），δ13C（‰），叶绿素，可溶性C（%）和叶片含水量（LWC）；防御和结构：每单位面积的叶片质量（LMA g m-2）、总C（%）、半纤维素（%）、纤维素（%）、木质素（%）、总酚类（mg g-1）和单宁（mg g-1）；岩石衍生营养素：P（%）、K（%）、Ca（%）、Mg（%）、Fe（μg g-1）、Mn（μg g-1）、Zn（μg g-1）和B（μg g-1））和叶片光谱（利用光谱范围为350-2500 nm的ASD FieldSpec 3进行测量，在350-1000 nm，采样间隔为1.4 nm，在1000-2500 nm，采样间隔为2 nm）追踪了整个生长季的变化，研究了温带落叶树木多种叶片性状和光谱特性之间的联系。旨在回答以下问题：（1）常见物种叶片的理化性状在生长季如何变化？（2）叶片反射率在生长季如何变化？（3）生长季叶片理化性状和光谱之间是否存在可预测的关系，从而使叶片光谱能够不受时间限制地远程追踪森林生态系统功能的变化？然后评估叶片光谱是否可以在季节效应的影响下稳定地捕获叶片性状，为通过机载和星载传感器的高光谱成像进行大尺度叶片性状调查奠定基础。【结果】理化性状和光谱在整个生长季变化很大，虽然6月和9月之间收获的成熟叶片变化较小。重要的是，叶片光谱可以准确预测大多数叶片性状的季节性变化，成熟叶片的预测精度通常较高。然而，对于一些性状，PLSR估算模型因物种而异，单一PLSR模型不能用于物种水平的准确预测。8个落叶树种叶片光谱及其变异性（平均反射率（a）和变异系数（b））的季节模式。2017 年 5 -10 月，不同季节对英国剑桥Madingley林地21种叶片性状全/特定光谱数据最佳PLSR性能的影响。2017 年 5-10 月，不同物种对英国剑桥Madingley林地21种叶片性状全/特定光谱数据最佳PLSR性能的影响。【结论】叶片光谱可成功预测整个生长季多种功能性叶片性状，为机载和星载成像光谱技术监测和绘制温带森林植物功能多样性奠定了一定基础。请点击下方链接，阅读原文：https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650309890&idx=1&sn=9bddcb74cbb31a26c18ad6aee87f4344&chksm=bee1a9fd899620ebd02f200799a9370626a1d8b6fee07375ad2580b562fa8ad686a495393775&token=1524960455&lang=zh_CN#rd

了解亚热带森林树种的准确信息对于森林可持续管理、生态系统服务评估、生物多样性监测以及生态环境保护至关重要。因此，亟待快速有效的方法对单个树种进行分类。传统的树种地面调查费事、费力、成本高，难以大面积实施。而遥感可以获取较大区域的特征信息。许多遥感数据，如超高分辨率RGB、机载高光谱和雷达数据，已广泛应用于单木分割和树种分类。然而以往都是利用其中一种或两种类型的数据进行研究，综合这三种遥感数据进行树种分类的研究十分有限。基于此，为填补研究空白， 研究者们于2019年8月在中国南方深圳的亚热带阔叶林聚龙山公园（114°23′28′′E，22°43′50′′N）基于UAV LiDAR，高光谱（Resonon Pika L高光谱成像仪）、超高分辨率RGB数据以及地面数据进行单个树种的分类。作者首次开发了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法进行单木分割。然后整合UAV LiDAR（提取结构特征），高光谱（提取光谱特征）和超高分辨率RGB数据（提取纹理特征）进行分类。最后通过总体精度（OA）和kappa系数（k）评估分类精度。主要研究目标为：（1）评估所提出的WST-Ncut算法在亚热带阔叶森林进行单木分割的准确性；（2）与单独使用这些数据相比，评估UAV LiDAR，高光谱和超高分辨率RGB数据相融合进行亚热带阔叶树种分类的有效性和改进以及（3）探索单木分割的准确性和树种数量对树种分类精度的影响。研究区位置【结果】18个树种在383-1020 nm波长下的反射率平均值和±标准差。18个树种在383-1020 nm波长下的平均光谱反射率。七种特征组合得到的树种分布图使用所有特征时获得的总体分类精度与树种数量之间的关系。【结论】在本研究中，作者利用UAV LiDAR，高光谱和超高分辨率RGB数据在亚热带阔叶森林树木尺度上进行18个树种的分类。作者首次提出了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法来描述单木。结果表明，WST-Ncut算法适合描述亚热带阔叶森林单木（Recall=0.95，Precision=0.86，F-score=0.90），可以减少过度分割。LiDAR获取的垂直结构特征，高光谱获取的光谱特征以及超高分辨率RGB数据获取的纹理特征在树种分类上相互补充。分类结果表明这三个数据集相结合可以有效区分18个树种，获得最高的分类精度（总体精度=91.8%，Kappa=0.910），比单独利用光谱特征，结构特征和纹理特征分别高10.2%，13.6%和19.0%。此外，结果表明，单木分割越好，树种分类越准确，树种数量增加将会导致分类精度下降。

Resonon+LR1601 | 机载高光谱成像和激光雷达相融合用于洋白蜡EAB危害的早期监测及新的EAB监测指数-NDVI北京百万亩平原造林项目种植了大面积的北美外来树种—洋白蜡。作为一种外来树种，它极易受到中国本土害虫—白蜡窄吉丁（EAB）的危害。在EAB危害早期，洋白蜡没有明显的受害症状，危害严重后洋白蜡则会大量死亡，因此，亟须开发出一个精准有效的EAB危害的早期监测技术以阻止其进一步扩散蔓延。遥感技术对识别树木大尺度生理和形态变化至关重要，激光雷达可以准确采集物体的三维信息，进行单木分割，提取每棵树的位置和结构信息，从而对森林进行精准管理。无人机系统的快速发展极大地增强了激光雷达在森林健康监测方面的能力。然而，目前尚未有相关研究将机载高光谱图像（UAV-UI）和激光雷达（LiDAR）相结合进行EAB监测。基于此，在所附的文章中，来自北京林业大学的研究团队于2019年8月和9月在中国北京通州区漷县镇（37.7125°N，116.8528°E）（图1）的一片白蜡树林进行了相关研究。作者将机载高光谱图像（Resonon Pika L高光谱相机）和激光雷达（LR1601-IRIS机载激光雷达系统（依锐思，北京理加联合科技有限公司））相融合（图2）监测了EAB对白蜡木的危害，主要研究目标为：（1）确定哪个窄波段光谱HI数据和3D LiDAR数据最有利于白蜡树EAB危害的早期监测；（2）结合UAV-HI和LiDAR，开发一种有效且快速方法进行EAB相关胁迫的早期监测；以及（3）开发半自动分类器用于北京地区白蜡树EAB的早期监测。图1 北京EAB研究区。黄色方框表示UAV飞行区域，红色方框表示两个采样点位置。图2 LR1601-IRIS LiDAR和Pika L高光谱成像仪机载系统。图3 试验流程图。【结果】通过PLS-VIP算法，确定R678 nm是对EAB危害最敏感的高光谱单波段。在此基础上，提出了一个新的EAB早期监测指数-NDVI（776，678）。LiDAR数据被用来进行单木分割和提供单木三维结构信息。通过使用NDVI（776，678）指数，不同受害程度白蜡树的分类准确率得到了较大提升。其中，健康树木的准确度为90%，轻度受害的准确度为76.25%，中度危害的准确度为58.33%，重度危害的准确度为100%，总准确度为82.90%。图4 在选定的敏感波段范围内：（a）400-1000 nm；（b）484-571 nm；（c）608-698 nm；（d）938-1000 nm，不同EAB危害阶段白蜡树冠层平均反射率值。表1 六个数据集对四个EAB危害程度的RF分类结果。图5 （a）飞行区内的HI。（b）包含NDVI（776，678），11个其他植被指数和10个LiDAR指标在内的EAB危害制图。【结论】阔叶树钻蛀性害虫的精准治理是可持续森林管理不可或缺的一部分。由于钻蛀性害虫管理的复杂性，需要高技术手段进行有效和准确管理。无人机高光谱、激光雷达和人工智能技术相结合为精准森林提供了有效解决方案。本研究从HI中收集了窄带光谱信息，从LiDAR中收集了3D数据，并开发了新的植被指数，NDVI（776,678），用于白蜡树EAB危害的精准管理。在HI的原始窄波段反射率光谱中，678 nm处的反射率是检测白蜡树EAB危害最敏感的波段。LiDAR成功用于单木分割。单独使用LiDAR数据区分白蜡木危害阶段的准确度很低，表明LiDAR对洋白蜡EAB危害早期监测不敏感。新指数，NDVI（776,678），在白蜡树健康，轻度和中度阶段存在统计学显著差异（p 0.0001）。同时，当结合HI和LiDAR时，其识别轻度EAB危害阶段的准确度为76.25%，对所有危害阶段的总准确度为82.90%，这高于未使用NDVI（776,678）情况下的准确度。因此，NDVI（776,678）是一个很好的新窄波段植被指数，可用于洋白蜡不同EAB感染阶段制图，也可用于指导北京地区阔叶树健康遥感监测。