基于激光雷达与高光谱的荒漠绿洲农田防护林衰退程度评估

doi:10.13287/j.1001-9332.202304.026

应用生态学报 ›› 2023, Vol. 34 ›› Issue (4): 1043-1050.doi: 10.13287/j.1001-9332.202304.026

基于激光雷达与高光谱的荒漠绿洲农田防护林衰退程度评估

杨玉丽¹, 肖辉杰^1*, 辛智鸣², 范光鹏³, 李俊然⁴, 贾肖肖¹, 汪立韬¹

¹北京林业大学水土保持学院, 北京 100083;
²中国林业科学研究院沙漠林业实验中心, 内蒙古磴口 015200;
³北京林业大学信息学院, 北京 100083;
⁴香港大学地理系, 香港 999077

收稿日期:2022-11-01 接受日期:2023-02-14 出版日期:2023-04-15 发布日期:2023-10-15
通讯作者: *E-mail: soilandwater2006@hotmail.com
作者简介:杨玉丽, 女, 1995年生, 硕士研究生。主要从事激光雷达和高光谱识别荒漠绿洲农田防护林衰退程度研究。E-mail: yangyuli@bjfu.edu.cn
基金资助:
国家重点研发计划项目(2019YFE0116500)和省级其他科研项目(2022YFHH0065)

Assessment on the declining degree of farmland shelter forest in a desert oasis based on LiDAR and hyperspectrum imagery

YANG Yuli¹, XIAO Huijie^1*, XIN Zhiming², FAN Guangpeng³, LI Junran⁴, JIA Xiaoxiao¹, WANG Litao¹

¹School of Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China;
²Experimental Center of Desert Forestry, Chinese Academy of Forestry, Dengkou 015200, Inner Mongolia, China;
³School of Information Science and Technology, Beijing Forestry University, Beijing 100083, China;
⁴Department of Geography, The University of Hong Kong, Hong Kong 999077, China

Received:2022-11-01 Accepted:2023-02-14 Online:2023-04-15 Published:2023-10-15

摘要/Abstract

摘要： 为准确检测荒漠绿洲区农田防护林带衰退和健康状况,本研究以乌兰布和荒漠绿洲新疆杨林带和小美旱杨林带为对象,使用机载高光谱与地基式激光雷达分别采集整体林带的高光谱影像和点云数据,通过相关性分析、逐步回归分析筛选的光谱微分值、植被指数、林木结构参数为自变量,以实地调查的林木冠层枯枝指数为因变量,构建农田防护林衰退程度评估模型,并对模型进行精度检验。结果表明: 采用激光雷达方法对新疆杨和小美旱杨衰退程度的评估精度优于高光谱方法,激光雷达和高光谱相结合方法的评估精度最高。分别采用激光雷达方法、高光谱方法、两者结合方法,新疆杨最优模型均为轻量级梯度提升模型,总体分类准确度分别为0.75、0.68、0.80,Kappa系数分别为0.58、0.43、0.66;小美旱杨最优模型分别为随机森林模型、随机森林模型、多层感知机模型,总体分类准确度分别为0.76、0.62、0.81,Kappa系数分别为0.60、0.34、0.71。本研究方法可对人工林衰退状况进行精确的清查和监测。

关键词: 激光雷达, 高光谱, 随机森林模型, 衰退程度

Abstract: We examined the growth decline and health status of farmland protective forest belt (Populus alba var. pyramidalis and Populus simonii shelterbelts) in Ulanbuh Desert Oasis by using airborne hyperspectral and ground-based LiDAR to collect the hyperspectral images and point cloud data of the whole forest belt respectively. Through correlation analysis and stepwise regression analysis, we constructed the evaluation model of the decline degree of farmland protection forest with the spectral differential value, vegetation index, and forest structure parameters as independent variables and the tree canopy dead branch index of the field survey as dependent variables. We further tested the accuracy of the model. The results showed that the evaluation accuracy of the decline degree of P. alba var. pyramidalis and P. simonii by LiDAR method was better than that by hyperspectral method, and that the evaluation accuracy of the combined LiDAR and hyperspectral method was the highest. Using the LiDAR method, hyperspectral method, the combined method, the optimal model of P. alba var. pyramidalis was all light gradient boosting machine model, with the overall classification accuracy being 0.75, 0.68, 0.80, and Kappa coefficient being 0.58, 0.43, 0.66, respectively. The optimal model of P. simonii was random forest model, random forest model, and multilayer perceptron model, with the overall classification accuracy being 0.76, 0.62, 0.81, and Kappa coefficient being 0.60, 0.34, 0.71, respectively. This research method could accurately check and monitor the decline of plantations.

Key words: LiDAR, hyperspectrum, random forest model, degree of recession

杨玉丽, 肖辉杰, 辛智鸣, 范光鹏, 李俊然, 贾肖肖, 汪立韬. 基于激光雷达与高光谱的荒漠绿洲农田防护林衰退程度评估[J]. 应用生态学报, 2023, 34(4): 1043-1050.

YANG Yuli, XIAO Huijie, XIN Zhiming, FAN Guangpeng, LI Junran, JIA Xiaoxiao, WANG Litao. Assessment on the declining degree of farmland shelter forest in a desert oasis based on LiDAR and hyperspectrum imagery[J]. Chinese Journal of Applied Ecology, 2023, 34(4): 1043-1050.

参考文献 29

[1]	周钢, 陈强, 古丽亚尔·阿布都肉苏里. 浅议新疆农田防护林退化现状及保护修复对策. 农业灾害研究, 2021, 11(5): 155-156
[2]	张宏武, 赵小军, 吴宏宇, 等. 乌兰布和沙漠绿洲农田防护林营建技术. 内蒙古林业调查设计, 2020, 43(6): 41-44
[3]	王文涛, 杜野. 低效农田防护林改造技术. 江西农业, 2020, 13(2): 53
[4]	张云. 新疆农田防护林建设存在的问题与对策. 新疆林业, 2020, 46(1): 18-20
[5]	薛文瑞, 满多清, 徐先英. 河西地区农田防护林体系建设与发展趋势. 防护林科技, 2019, 37(12): 61-64
[6]	黄侃. 联合微型激光雷达和红外相机的林木枯梢率估算方法研究. 硕士论文. 北京: 北京林业大学, 2020
[7]	朱宇, 刘兆刚, 金光泽. 大兴安岭天然落叶松林单木健康评价. 应用生态学报, 2013, 24(5): 1320-1328
[8]	樊晶, 杨燕琼. 基于遥感的森林健康度分析: 以东莞桉树林为例. 林业与环境科学, 2017, 33(1): 40-45
[9]	董灵波, 高小龙, 朱宇, 等. 基于Landsat TM数据的大兴安岭盘古林场森林健康评价. 北京林业大学学报, 2021, 43(4): 87-99
[10]	赵阳, 余新晓, 信忠保, 等. 地面三维激光扫描技术在林业中的应用与展望. 世界林业研究, 2010, 23(4): 41-45
[11]	罗旭, 冯仲科, 邓向瑞, 等. 三维激光扫描成像系统在森林计测中的应用. 北京林业大学学报, 2007, 29(增刊2): 82-87
[12]	李岩, 史泽林, 程坤, 等. 运用激光雷达数据的单木树冠提取算法对帽儿山林场单木参数估测的影响. 东北林业大学学报, 2019, 47(11): 59-65
[13]	蒙鹏宇. 基于无人机激光雷达的刺槐人工林森林健康指标的构建. 湖北农业科学, 2022, 61(3): 156-160
[14]	Feng Y, Wen C, Huang P, et al. Dection and health analysis of individual tree in urban environment with multi-sensor platform. IEEE International Geoscience and Remote Sensing Symposium, Valencia, Spain, 2018: 7548-7551
[15]	韦彩丽, 谢正生, 何晓慧, 等. 黄牛木种群的空间结构和三维绿量研究. 西南林业大学学报:自然科学版, 2020, 40(2): 71-78
[16]	谭鑫鑫, 常江, 谭莹莹. 三维绿量——城市森林评价指标的新方法. 山东林业科技, 2009, 39(3): 114-115
[17]	吴楠, 李增元, 廖声熙, 等. 基于机载高光谱的思茅松林光谱特征及其影响因子分析. 林业科学研究, 2018, 31(2): 63-68
[18]	刘梦盈, 石雷, 马云强, 等. 基于高光谱特征和光合参数监测松小蠹不同危害时期的相关分析. 林业科学研究, 2020, 33(2): 118-127
[19]	白雪琪, 张晓丽, 张凝, 等. 基于高光谱遥感的油松毛虫危害程度监测模型. 北京林业大学学报, 2016, 38(11): 16-22
[20]	Meng R, Dennison PE, Zhao F, et al. Mapping canopy defoliation by herbivorous insects at the individual tree level using bi-temporal airborne imaging spectroscopy and LiDAR measurements. Remote Sensing of Environment, 2018, 215: 170-183
[21]	罗凤敏, 高君亮, 刘芳, 等. 乌兰布和沙漠东北部近地层沙尘水平通量和降尘量变化特征分析. 中国农业科技导报, 2019, 21(2): 163-169
[22]	黄雅茹, 李永华, 辛智鸣, 等. 乌兰布和沙漠人工梭梭夏季茎干液流变化特征及其与气象因子的关系. 中国农业科技导报, 2020, 22(7): 155-165
[23]	王亚东, 魏江生, 周梅, 等. 大兴安岭南段不同生长衰退程度山杨林生态化学计量特征. 土壤通报, 2021, 52(4): 854-864
[24]	Li J, Wu H, Xiao Z, et al. 3D modeling of laser-scanned trees based on skeleton refined extraction. International Journal of Applied Earth Observation and Geoinformation, 2022, 112: 102943
[25]	Huo L, Zhang N, Zhang X, et al. Tree defoliation classification based on point distribution features derived from single-scan terrestrial laser scanning data. Ecological Indicators, 2019, 103: 782-790
[26]	汪红, 石雷, 马云强, 等. 云南切梢小蠹危害云南松监测模型与判定规则. 林业科学研究, 2018, 31(4): 53-60
[27]	马云强, 杨斌, 赵宁, 等. 基于高光谱和机载LiDAR技术的云南松受云南切梢小蠹危害程度分类诊断研究. 西南林业大学学报:自然科学版, 2022, 42(3): 80-89
[28]	Lin Q, Huang H, Wang J, et al. Detection of pine shoot beetle (PSB) stress on pine forests at individual tree level using UAV-based hyperspectral imagery and lidar. Remote Sensing, 2019, 11: 2540
[29]	Chi D, Degerickx J, Yu K, et al. Urban tree health classification across tree species by combining airborne laser scanning and imaging spectroscopy. Remote Sen-sing, 2020, 12: 2435

基于激光雷达与高光谱的荒漠绿洲农田防护林衰退程度评估

Assessment on the declining degree of farmland shelter forest in a desert oasis based on LiDAR and hyperspectrum imagery

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 29

相关文章 15

编辑推荐

Metrics

本文评价

[1]	杨涛, 于颖, 杨曦光, 杜红萱. 无人机高光谱联合LiDAR估测林分与单木尺度叶绿素含量 [J]. 应用生态学报, 2023, 34(8): 2101-2112.
[2]	贾肖肖, 肖辉杰, 辛智鸣, 范光鹏, 李俊然, 杨玉丽, 汪立韬. 农田防护林不同树种三维模型构建与风场模拟 [J]. 应用生态学报, 2023, 34(7): 1892-1900.
[3]	王怡婧, 陈睿华, 张俊华, 丁启东, 李小林. 基于分数阶微分技术的土壤水盐信息高光谱反演 [J]. 应用生态学报, 2023, 34(5): 1384-1394.
[4]	胡源, 邓云, 王波, 周荣华, 袁盛东, 李俊松, 卢华正, 林露湘. 地形和历史干扰对西双版纳勐仑地区热带森林林冠高度结构的影响 [J]. 应用生态学报, 2023, 34(3): 597-604.
[5]	王怡婧, 丁启东, 张俊华, 陈睿华, 贾科利, 李小林. 基于无人机高光谱遥感和机器学习的土壤水盐信息反演 [J]. 应用生态学报, 2023, 34(11): 3045-3052.
[6]	崔晏华, 刘淑德, 张云雷, 徐宾铎, 纪毓鹏, 张崇良, 任一平, 薛莹. 海州湾春季短蛸的栖息分布特征及其与环境因子的关系 [J]. 应用生态学报, 2022, 33(6): 1686-1692.
[7]	陈睿华, 尚天浩, 张俊华, 王怡婧, 贾科利. 不同光谱类型对银川平原土壤含盐量反演精度的影响与校正 [J]. 应用生态学报, 2022, 33(4): 922-930.
[8]	王深华, 江军, 刘丰彩, 俞梦笑, 陈洋, 许萍萍, 常中兵, 王应平. 中国成熟天然林土壤有机碳垂直分异特征 [J]. 应用生态学报, 2021, 32(7): 2371-2377.
[9]	张颖, 贾炜玮. 基于地基激光雷达的落叶松人工林枝条因子提取和建模 [J]. 应用生态学报, 2021, 32(7): 2505-2513.
[10]	袁钰娜, 彭道黎, 王威, 曾伟生. 利用机载激光雷达技术估测东北林区典型针叶林的蓄积量 [J]. 应用生态学报, 2021, 32(3): 836-844.
[11]	高小梅, 李燕丽, 卢碧林, 熊勤学, 吴启侠, 李继福. 基于高光谱和数字图像特征指数的受渍冬小麦SPAD估算 [J]. 应用生态学报, 2021, 32(3): 959-966.
[12]	尚天浩, 陈睿华, 张俊华, 孙媛, 贾萍萍. 基于实测高光谱与Sentinel-2B数据的银北土壤Na⁺含量估测 [J]. 应用生态学报, 2021, 32(3): 1023-1032.
[13]	秦雯怡, 陈果, 李小臻, 王翔, 王鹏. 基于机器语言的岷江上游流域表层土壤氢氧稳定同位素空间分布模拟 [J]. 应用生态学报, 2021, 32(12): 4327-4338.
[14]	宋晓, 许端阳, 黄绍敏, 黄晨晨, 张水清, 郭斗斗, 张珂珂, 岳克. 基于地面观测光谱数据的冬小麦冠层叶片氮含量反演模型 [J]. 应用生态学报, 2020, 31(5): 1636-1644.
[15]	高添, 于立忠, 于丰源, 王兴昌, 杨凯, 卢德亮, 李秀芬, 闫巧玲, 孙一荣, 刘利芳, 徐爽, 甄晓杰, 倪震东, 张金鑫, 王高峰, 魏晓华, 周新华, 朱教君. 中国科学院清原森林生态系统观测研究站塔群平台的功能和应用 [J]. 应用生态学报, 2020, 31(3): 695-705.