了解亞熱帶森林樹(shù)種的準確信息對于森林可持續管理、生態(tài)系統服務(wù)評估、生物多樣性監測以及生態(tài)環(huán)境保護至關(guān)重要。因此，亟待快速有效的方法對單個(gè)樹(shù)種進(jìn)行分類(lèi)。傳統的樹(shù)種地面調查費事、費力、成本高，難以大面積實(shí)施。而遙感可以獲取較大區域的特征信息。許多遙感數據，如超高分辨率RGB、機載高光譜和雷達數據，已廣泛應用于單木分割和樹(shù)種分類(lèi)。然而以往都是利用其中一種或兩種類(lèi)型的數據進(jìn)行研究，綜合這三種遙感數據進(jìn)行樹(shù)種分類(lèi)的研究十分有限。
基于此，為填補研究空白， 研究者們于2019年8月在中國南方深圳的亞熱帶闊葉林聚龍山公園（114°23′28′′E，22°43′50′′N(xiāo)）基于UAV LiDAR，高光譜（Resonon Pika L高光譜成像儀）、超高分辨率RGB數據以及地面數據進(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（提取結構特征），高光譜（提取光譜特征）和超高分辨率RGB數據（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（k）評估分類(lèi)精度。主要研究目標為：（1）評估所提出的WST-Ncut算法在亞熱帶闊葉森林進(jìn)行單木分割的準確性；（2）與單獨使用這些數據相比，評估UAV LiDAR，高光譜和超高分辨率RGB數據相融合進(jìn)行亞熱帶闊葉樹(shù)種分類(lèi)的有效性和改進(jìn)以及（3）探索單木分割的準確性和樹(shù)種數量對樹(shù)種分類(lèi)精度的影響。
研究區位置
【結果】
18個(gè)樹(shù)種在383-1020 nm波長(cháng)下的反射率平均值和±標準差。
18個(gè)樹(shù)種在383-1020 nm波長(cháng)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)種數量之間的關(guān)系。
【結論】
在本研究中，作者利用UAV LiDAR，高光譜和超高分辨率RGB數據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-score=0.90），可以減少過(guò)度分割。LiDAR獲取的垂直結構特征，高光譜獲取的光譜特征以及超高分辨率RGB數據獲取的紋理特征在樹(shù)種分類(lèi)上相互補充。分類(lèi)結果表明這三個(gè)數據集相結合可以有效區分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），比單獨利用光譜特征，結構特征和紋理特征分別高10.2%，13.6%和19.0%。此外，結果表明，單木分割越好，樹(shù)種分類(lèi)越準確，樹(shù)種數量增加將會(huì )導致分類(lèi)精度下降。
請點(diǎn)擊下方鏈接，閱讀原文：
https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650315595&idx=2&sn=c98d2f21c5bbfe81d3573db211efe0dd&chksm=bee1b7b489963ea2eb088d8c5fc454d5a17ae87f0b0fd75fb0c4cd9f87d1cfdcdf3d5ac57b9c&token=971777346&lang=zh_CN#rd