了解亞熱帶森林樹(shù)種的準(zhǔn)確信息對(duì)于森林可持續(xù)管理、生態(tài)系統(tǒng)服務(wù)評(píng)估、生物多樣性監(jiān)測(cè)以及生態(tài)環(huán)境保護(hù)至關(guān)重要。因此，亟待快速有效的方法對(duì)單個(gè)樹(shù)種進(jìn)行分類(lèi)。傳統(tǒng)的樹(shù)種地面調(diào)查費(fèi)事、費(fèi)力、成本高，難以大面積實(shí)施。而遙感可以獲取較大區(qū)域的特征信息。許多遙感數(shù)據(jù)，如超高分辨率RGB、機(jī)載高光譜和雷達(dá)數(shù)據(jù)，已廣泛應(yīng)用于單木分割和樹(shù)種分類(lèi)。然而以往都是利用其中一種或兩種類(lèi)型的數(shù)據(jù)進(jìn)行研究，綜合這三種遙感數(shù)據(jù)進(jìn)行樹(shù)種分類(lèi)的研究十分有限。

基于此，為填補(bǔ)研究空白， 研究者們于2019年8月在中國(guó)南方深圳的亞熱帶闊葉林聚龍山公園（114°23′28′′E，22°43′50′′N）基于UAV LiDAR，高光譜（Resonon Pika L高光譜成像儀）、超高分辨率RGB數(shù)據(jù)以及地面數(shù)據(jù)進(jìn)行單個(gè)樹(shù)種的分類(lèi)。作者首次開(kāi)發(fā)了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法進(jìn)行單木分割。然后整合UAV LiDAR（提取結(jié)構(gòu)特征），高光譜（提取光譜特征）和超高分辨率RGB數(shù)據(jù)（提取紋理特征）進(jìn)行分類(lèi)。最后通過(guò)總體精度（OA）和kappa系數(shù)（k）評(píng)估分類(lèi)精度。主要研究目標(biāo)為：（1）評(píng)估所提出的WST-Ncut算法在亞熱帶闊葉森林進(jìn)行單木分割的準(zhǔn)確性；（2）與單獨(dú)使用這些數(shù)據(jù)相比，評(píng)估UAV LiDAR，高光譜和超高分辨率RGB數(shù)據(jù)相融合進(jìn)行亞熱帶闊葉樹(shù)種分類(lèi)的有效性和改進(jìn)以及（3）探索單木分割的準(zhǔn)確性和樹(shù)種數(shù)量對(duì)樹(shù)種分類(lèi)精度的影響。

研究區(qū)位置

【結(jié)果】

18個(gè)樹(shù)種在383-1020 nm波長(zhǎng)下的反射率平均值和±標(biāo)準(zhǔn)差。

18個(gè)樹(shù)種在383-1020 nm波長(zhǎng)下的平均光譜反射率。

七種特征組合得到的樹(shù)種分布圖。

使用所有特征時(shí)獲得的總體分類(lèi)精度與樹(shù)種數(shù)量之間的關(guān)系。

【結(jié)論】

在本研究中，作者利用UAV LiDAR，高光譜和超高分辨率RGB數(shù)據(jù)在亞熱帶闊葉森林樹(shù)木尺度上進(jìn)行18個(gè)樹(shù)種的分類(lèi)。作者首次提出了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法來(lái)描述單木。結(jié)果表明，WST-Ncut算法適合描述亞熱帶闊葉森林單木（Recall=0.95，Precision=0.86，F(xiàn)-score=0.90），可以減少過(guò)度分割。LiDAR獲取的垂直結(jié)構(gòu)特征，高光譜獲取的光譜特征以及超高分辨率RGB數(shù)據(jù)獲取的紋理特征在樹(shù)種分類(lèi)上相互補(bǔ)充。分類(lèi)結(jié)果表明這三個(gè)數(shù)據(jù)集相結(jié)合可以有效區(qū)分18個(gè)樹(shù)種，獲得最高的分類(lèi)精度（總體精度=91.8%，Kappa=0.910），比單獨(dú)利用光譜特征，結(jié)構(gòu)特征和紋理特征分別高10.2%，13.6%和19.0%。此外，結(jié)果表明，單木分割越好，樹(shù)種分類(lèi)越準(zhǔn)確，樹(shù)種數(shù)量增加將會(huì)導(dǎo)致分類(lèi)精度下降。