基于无人机多光谱的高山松地上生物量估测

doi:10.19692/j.issn.1006-1126.20240102

广西林业科学 ›› 2024, Vol. 53 ›› Issue (1): 10-17.DOI: 10.19692/j.issn.1006-1126.20240102

基于无人机多光谱的高山松地上生物量估测

杨正道¹, 舒清态¹, 黄金君², 周文武¹, 胥丽¹, 罗绍龙¹, 王书伟¹

1.西南林业大学林学院,云南昆明 650224;
2.广西壮族自治区中国科学院广西植物研究所,广西桂林 541006

收稿日期:2023-08-21 出版日期:2024-02-29 发布日期:2024-03-07
通讯作者: 舒清态（1970 — ）,男,博士,教授,主要从事森林生物量遥感估测研究。
作者简介:杨正道（1998 — ），男，硕士研究生，主要从事森林生物量遥感估测研究。
基金资助:
国家自然科学基金项目（31860205,31460194）

Estimation of Pinus densata Above-ground Biomass Based on UAV Multi-spectrum

Yang Zhengdao¹, Shu Qingtai¹, Huang Jinjun², Zhou Wenwu¹, Xu Li¹, Luo Shaolong¹, Wang Shuwei¹

1. College of Forestry, Southwest Forestry University, Kunming, Yunnan 650224, China;
2. Guangxi Institute of Botany, Chinese Academy of Sciences, Guilin, Guangxi 541006, China

Received:2023-08-21 Online:2024-02-29 Published:2024-03-07

摘要/Abstract

摘要： 以机载数据替代卫星影像的方式提高森林生物量估测精度,是目前林业遥感研究的重点领域。以高山松（Pinus densata）林为研究对象,进行无人机（Unmanned Aerial Vehicle,UAV）多光谱影像数据采集;结合36块样地实测数据,采用变异函数确定高山松地上生物量最佳观测窗口;提取并筛选出相关性较强的5个因子,分别建立PLS和RF模型,对飞行区高山松地上生物量进行估测。结果表明,高山松地上生物量最佳观测窗口为球状模型的变程α值5.2 m;RF模型（R²=0.90、RMSE=17.96 t/hm²、P=84.98%）优于PLS模型（R²=0.55、RMSE=38.94 t/hm²、P=71.13%）;基于RF模型,飞行区高山松地上生物量均值为130.48 t/hm²,总生物量为8 343.53 t。

关键词: 无人机, 变异函数, 生物量, 高山松

Abstract: Using airborne data instead of satellite images to improve accuracy of forest biomass estimation is key field of forestry remote sensing research. UAV multi-spectral image data acquisition was carried out in Pinus densata forests. Based on measured data of 36 sample sites, the best observation window for P. densata above-ground biomass was determined by variance function. Five factors with strong correlations were extracted and screened, and PLS and RF models were established respectively to estimate P. densata above-ground biomass in flight area. Results showed that the best observation window for P. densata above-ground biomass was variable range α value of 5.2 m in spherical model. RF model (R²=0.90, RMSE=17.96 t/hm², P=84.98%) was superior to PLS model (R²=0.55, RMSE=38.94 t/hm², P=71.13%). Based on RF model, average P. densata above-ground biomass in flight area was 130.48 t/hm², and total biomass was 8 343.53 t.

Key words: UAV, variance function, biomass, Pinus densata

中图分类号:

S771.8

杨正道, 舒清态, 黄金君, 周文武, 胥丽, 罗绍龙, 王书伟. 基于无人机多光谱的高山松地上生物量估测[J]. 广西林业科学, 2024, 53(1): 10-17.

Yang Zhengdao, Shu Qingtai, Huang Jinjun, Zhou Wenwu, Xu Li, Luo Shaolong, Wang Shuwei. Estimation of Pinus densata Above-ground Biomass Based on UAV Multi-spectrum[J]. GUANGXI FORESTRY SCIENCE, 2024, 53(1): 10-17.

参考文献

[1] 周友锋,谢秉楼,李明诗. 基于随机森林协同克里金法的区域森林地上生物量制图——以粤北森林为例[J]. 南京林业大学学报(自然科学版),2024,48(1):169-178.
[2] 谢福明. 基于优化k-NN模型的森林地上生物量遥感估测反演[D]. 昆明:西南林业大学,2019.
[3] SEEDRE M, JANDA P, TROTSIUK V, et al.Biomass carbon accumulation patterns throughout stand development in primary uneven-aged forest driven by mixed-severity natural disturbances[J]. Forest Ecology and Management, 2020, 455: 117676.
[4] HU X S, ZHANG L Y, YE L M, et al.Locating spatial variation in the association between road network and forest biomass carbon accumulation[J]. Ecological Indicators, 2017, 73: 214-223.
[5] 王飞平,张加龙. 基于碳卫星的森林碳储量估测研究综述[J]. 世界林业研究,2022,35(6):30-35.
[6] 邓伟,车俭,毛艳娇,等. 茂兰喀斯特森林地上生物量林层格局及驱动因子[J]. 森林与环境学报,2023,43(2):169-176.
[7] 姬永杰,张王菲,徐昆鹏,等. 森林地上生物量GF-3全极化SAR数据估测研究[J]. 遥感技术与应用,2023,38(2):362-371.
[8] 郑伟楠,吴勇,欧光龙. 基于Landsat 8 OLI的昆明市主要森林类型生物量遥感估测与反演[J]. 西南林业大学学报(自然科学),2023,43(6):107-116.
[9] 吴超凡. 区域森林生物量遥感估测与应用研究[D]. 杭州:浙江大学,2016.
[10] 王楠. 基于Landsat 8 OLI影像的森林地上生物量估算和空间尺度转换研究[D]. 南京:南京林业大学,2023.
[11] 张景路,朱雅丽,张绘芳,等. 基于Landsat 8遥感影像的阿尔泰山天然林生物量估测[J]. 中南林业科技大学学报,2022,42(6):33-44.
[12] 孙世泽. 基于无人机多光谱数据的天然草地生物量估算方法研究[D]. 石河子:石河子大学,2018.
[13] 李宗南,陈仲新,王利民,等. 基于小型无人机遥感的玉米倒伏面积提取[J]. 农业工程学报,2014,30(19):207-213.
[14] 申鑫,曹林,佘光辉. 高光谱与高空间分辨率遥感数据的亚热带森林生物量反演[J]. 遥感学报,2016,20(6):1446-1460.
[15] JONES A R, SEGARAN R R, CLARKE K D, et al.Estimating mangrove tree biomass and carbon content: a comparison of forest inventory techniques and drone imagery[J]. Frontiers in Marine Science, 2020, 6: 784.
[16] TAMIMINIA H, SALEHI B, MAHDIANPARI M, et al.Comparison of machine and deep learning methods to estimate shrub willow biomass from UAS imagery[J]. Canadian Journal of Remote Sensing, 2021, 47(2): 209-227.
[17] 李滨,刘可宁. 基于无人机光学遥感的森林生物量估算研究[J]. 森林工程,2022,38(5):83-92.
[18] 杨雪峰,昝梅,木尼热·买买提. 基于无人机和卫星遥感的胡杨林地上生物量估算[J]. 农业工程学报,2021,37(1):77-83.
[19] 黄金君,舒清态,王柯人,等. 基于分层贝叶斯方法的高山松单木生物量模型[J]. 西北林学院学报,2022,37(3):126-132.
[20] 唐凤莉. 植被特征尺度与尺度优化研究[D]. 西安:西安科技大学,2015.
[21] ATKINSON P M.Selecting the spatial resolution of airborne MSS imagery for small-scale agricultural mapping[J]. International Journal of Remote Sensing, 1997, 18(9): 1903-1917.
[22] 王强,舒清态,赖虹燕,等. 基于GF-2影像的人工龙竹林LAI遥感估测最优尺度选择[J]. 西南林业大学学报(自然科学),2020,40(1):160-165.
[23] 赵晓,吕玉龙,王聪,等. 毛竹林叶面积指数和郁闭度空间分布协同克里格估算[J]. 浙江农林大学学报,2014,31(4):560-569.
[24] 李德仁,王长委,胡月明,等. 遥感技术估算森林生物量的研究进展[J]. 武汉大学学报(信息科学版),2012,37(6):631-635.
[25] LU D S, BATISTELLA M.Exploring TM image texture and its relationships with biomass estimation in Rondônia, Brazilian Amazon[J]. Acta Amazonica, 2005, 35(2): 249-257.
[26] 庞勇,蒙诗栎,李增元. 机载高分辨率遥感影像的傅氏纹理因子估测温带森林地上生物量[J]. 林业科学,2017,53(3):94-104.
[27] SINGH M.Forest structure and biomass in a mixed forest-oil palm landscape in Borneo[D]. Oxford: University of Oxford, 2012.
[28] 李蓉辉. 亚热带人工林高分光学影像的纹理特征研究[D]. 北京:北京林业大学,2020.
[29] HALL-BEYER M. GLCM texture: a tutorial v.3.0 March2017[EB/OL]. (2017-05)[2023-07-22]. https://www.researchgate.net/publication/315776784_GLCM_Texture_A_Tutorial_v_30_March_2017.
[30] 王冬玲,舒清态,王强,等. 基于偏最小二乘回归的高山松生物量遥感模型空间尺度效应分析[J]. 西南林业大学学报(自然科学),2020,40(4):87-93.
[31] 薛薇. R语言数据挖掘[M]. 北京:中国人民大学出版社,2016.

基于无人机多光谱的高山松地上生物量估测

Estimation of Pinus densata Above-ground Biomass Based on UAV Multi-spectrum

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

[1]	王博, 许昊, 金学娟, 王晓华, 锁岚. 立地因子对柠条生物量动态变化的影响[J]. 广西林业科学, 2024, 53(1): 18-26.
[2]	杨卓颖, 梁文汇, 黄晓露, 李宝财, 杨日升, 廖健明. 不同基质处理对蒜头果幼苗生长的影响[J]. 广西林业科学, 2024, 53(1): 49-56.
[3]	林鑫, 陈琦, 王明婷, 麻小梅, 刘亚. 基于无人机多光谱影像的松材线虫病疫区枯死树识别[J]. 广西林业科学, 2023, 52(5): 589-593.
[4]	王琼芳, 张璐, 张晓庆, 陈智平, 闫月娥, 赵万奎, 赵方圆. 2016 — 2019年白龙江林区森林碳储量动态及碳汇特征分析[J]. 广西林业科学, 2023, 52(1): 31-38.
[5]	王雪纯, 黄德帅, 王瑜, 蔡年辉. 云南松苗期不同器官生物量相关性及异速生长关系[J]. 广西林业科学, 2023, 52(1): 60-65.
[6]	张祖宇, 滕永核, 秦元丽, 廖超明, 凌子燕. 基于U-Net模型的无人机影像数据地表覆被信息自动提取研究[J]. 广西林业科学, 2022, 51(4): 516-519.
[7]	席守鸿, 王玉凤, 谭玲, 覃林. 南亚热带乡土阔叶树种和桉树人工林土壤酶活性分析[J]. 广西林业科学, 2022, 51(3): 317-325.
[8]	吴友良, 卢宗军, 陈晓明, 陈代喜, 李富洲, 孙玮, 陈琴. 不同密度杉木成熟林土壤酶活性与微生物生物量分析[J]. 广西林业科学, 2022, 51(3): 353-356.
[9]	洪倩, 刘建林, 丰佳, 梁振明, 罗绍青, 胡笳. 人为干扰对特高压工程塔基区物种多样性与生物量的影响[J]. 广西林业科学, 2022, 51(2): 197-204.
[10]	张日施, 汤雷吼, 曹继钊, 何斌, 惠柳笛, 南雅薇. 桂西南不同林龄马尾松人工林生物生产力及其分布特征[J]. 广西林业科学, 2021, 50(4): 373-377.
[11]	李玉凤, 秦佳双, 梁燕, 马姜明, 颜培栋, 杨章旗, 李明金. 两种密度马尾松人工林地上生物量模型及分配特征[J]. 广西林业科学, 2021, 50(4): 378-385.