遥感在森林精准培育中的应用现状与展望

作者:查重猫     发表时间:2021-04-28 06:30:53   浏览次数:32



  摘要:随着社会经济快速发展及人口增长,中国木材供需矛盾突出,对外依存度高。面对有限的土地资源,迫切需要更为高效、高质量地培育森林资源,在定向培育和集约经营等的各个环节实现培育技术精准化。现代遥感技术所构建的多平台、多角度、多模式立体观测体系及定量分析方法是森林精准培育的关键技术。以遥感技术为核心所构建的从土壤类型分析、土地适应性评价、生态环境模拟到林木育种、灌溉施肥、林木长势监测、病虫害防治等一体化、精准化的森林精准培育新体系,将全面支撑现代林业的整体提质增效和森林质量精准提升。本文首先介绍了RGB相机、多光谱、高光谱、激光雷达、热红外和荧光传感器在森林精准培育中应用现状,并对其应用特点及测量指标进行了综合比较;然后,重点介绍了遥感在林木良种选育、营养胁迫监测诊断及水肥精准喷灌以及森林病虫害防治与健康评估这3个森林精准培育重要方向上的应用,并分析了各应用方向的共性需求;最后,从3个方面,即多源遥感信息融合,人工智能、物联网及3S技术集成,以及遥感数据与生理生态模型和辐射传输模型等的集成应用,分析了未来遥感技术在森林精准培育中的发展趋势及应用前景。

  关键词:森林精准培育,遥感,表型,森林培育,林木遗传育种,森林健康

  1引言

  近年来,中国天然林面积和蓄积持续双增长。目前,人工林面积已居世界首位,是全球林产品生产第一大国(梅梦媛和雷一东,2019)。然而,由于历史上的长期过度采伐,中国天然林资源仍然存在数量较少、质量不高等问题;同时,随着社会经济快速发展和人口不断增长,中国木材供需矛盾突出,且对外依存度高。面对中国有限的土地资源,须在充分利用有限环境、森林和人力资源等的前提下更为高效地培育森林资源。同时,面向国家木材安全、生态安全和绿色发展等重大战略需求,也迫切地需要提升森林资源的供给能力并揭示森林培育的科学基础。森林培育是森林从林木种子、苗木、造林到林木成林、成熟的整个培育过程中所进行的主要生产环节及各项调控措施,其对象为人工林和天然林(张鹏等,2008)。为了更为高效、高质量的培育森林,迫切需要在人工林定向培育、集约经营以及天然林抚育等的各个环节实现培育技术的精准化,从而对森林生长进行实时、精确的计量和监测,获取森林生长的空间结构和时空异质性,并采取优化的空间结构调整方法实现集约管理和可持续经营。

  森林资源培育和科学化管理水平全面提升离不开智能化、精准、高效的森林资源培育与监测技术(李世东,2016)。通过遥感、物联网、大数据等现代信息技术构建从土壤类型分析、土地适应性评价、生态环境模拟到林木育种、灌溉施肥、林木长势监测、病虫害防治等一体化、精准化的森林培育新体系,将全面支撑现代林业的整体提质增效和森林质量精准提升。

  森林精准培育以非接触或接触式的传感器监测技术为主要手段,而现代遥感技术所构建的多平台、多角度、多模式立体观测体系及定量数据分析方法则是其关键核心。随着激光雷达、高光谱、荧光成像仪等各类遥感传感器以及无人机平台等的快速发展,通过将主被动遥感与植被结构和光谱综合分析及人工智能等方法相结合,可实现森林环境、土壤及结构和生理等关键森林培育参量的精准获取,从而为森林生长状况监测诊断和林木优良品种选育提供重要的支撑;有助于明确不同培育条件下森林信息特征与生长指标之间的关系,建立森林光谱数据库和生长指标适宜动态数据库,构建森林生长指标适宜动态及实时诊断模型;从而快速准确监测森林主要生长指标,实时诊断森林的营养亏缺或病虫害受损状况,指导适时的森林精准管理与调控。同时,遥感技术的发展,也为快速准确获取高精度、高质量的林木表型信息提供了新的途径,从单木到林分尺度追踪林木基因的表现,进而实现数量性状位点的准确定位和目的基因的鉴定,并可最终应用于林木良种选育(边黎明和张慧春,2020)。可见,遥感技术将与森林精准培育业务深度融合,有力推动人工林资源的高效培育、集约管理和可持续经营,有助于更透彻地掌握森林生长机理,从而实现森林培育、集约管理和森林质量的精准提升。

  2遥感在森林精准培育中应用现状

  精确定量估算林木在不同生长阶段树高、冠幅、叶面积指数、蓄积量和生物量等生长结构信息,以及氮磷钾和水分状况等生理生化信息,对使用遥感手段在森林精准培育的应用至关重要。目前遥感手段解析森林精准培育信息采用的传感器主要为RGB数码相机、多光谱传感器、高光谱传感器、激光雷达、热红外传感器和荧光传感器等(表1)。

  2.1RGB数码相机

  RGB数码相机是应用广泛的高精度可见光成像传感器,具有低成本、操作简便、非破坏性等优点,可用于林木叶片叶绿素等生化参数估测(Santos等,2018;李文涛等,2018;王诣和闫志勇,2016;易时来等,2011)、氮素营养状况监测诊断(陈凤等,2014;刘连忠等,2019;赵静等,2011)、病虫害状况识别(Mutka和Bart,2015;曹乐平,2015)、苗木树高和绿色覆盖率等早期表型性状信息提取(Chéné等,2012;Montagnoli等,2016)。然而,这类直接使用RGB数码相机的近端距离测试,一般仅适用于单叶、果实、或苗木和灌木等低矮林木冠层生长状况的监测(刘连忠等,2019)。

  近年来,随着无人机等近地遥感平台的发展,通过无人机搭载RGB数码相机逐渐应用于森林精准培育研究。该方式可实现林木冠层高清图像的快速采集,显著提高影像采集的效率,具有低成本、机动灵活、可云下低空飞行、对光照环境要求相对较低等特点,并可提供林木的二维和三维成像数据,主要用于监测树高、密度、冠幅、覆盖度、材积等森林冠层结构参数(Goodbody等,2017;Mu等,2018;Zarco-Tejada等,2014;王枚梅等,2017)。

  RGB数码相机为森林精准培育研究提供了一种操作简单、低成本、普及率高的观测方式。通过结合无人机数字摄影测量技术,为获取树高、密度、冠幅、覆盖度、材积等森林结构参数提供了高效和可靠的方法。无人机搭载RGB数码相机显著地提升了获取林木冠层高清影像的效率,但该方式也常受限于续航时间,获取的信息多来自于森林冠层的中上部,且需要进行合理的曝光设定,以减轻云的遮挡和环境光线的变化引起的图像曝光不足或过度等(刘建刚等,2016)。

  2.2多光谱传感器

  植被对电磁波谱的吸收、透射和反射等光谱信息,可被用于估测生物量、水分含量、叶绿素含量等植被生理生化参数等(Berni等,2009)。常见的多光谱传感器包括主动式非成像和被动式成像两种类型,主要具有蓝光、绿光、红光、红边和近红外波段光谱通道,少量多光谱传感器还具备短波红外通道(Cheng等,2013)。

  主动式非成像多光谱传感器主要搭载于近地面遥感平台,具有时间灵活性高、不受天气光照影响等优点,目前已广泛应用于田块尺度的作物生长状况监测(Cao等,2013;Li等,2018),但在木本植物生长监测方面仍不多见(Mishra等,2011)。此外,SPAD叶绿素仪、MutispeQ等手持叶夹式非成像多光谱传感器,仅适用于于单叶尺度林木叶绿素、氮素营养状况的评估(Choi等,2011;Kuhlgert等,2016;杨亦扬等,2008;周济等,2018)。星载被动式多光谱成像仪是林业中主要使用的成像多光谱传感器类型,通过使用光谱指数(如NDVI、NDRE等)、纹理指数(Dube和Mutanga,2015;李明诗等,2006)等,可有效地探测森林生物量(Zhu和Liu,2014;郭云等,2015)、蓄积量等结构参数(王佳等,2015)。

  相关期刊推荐:《遥感学报》的前身是1986年创刊的《环境遥感》,创办于中国遥感事业的初创时期,是随着中国遥感事业的发展而成长起来的第一本遥感刊物。内容涉及遥感基础理论,遥感技术发展及遥感在农业、林业、水文、地矿、海洋、测绘等资源环境领域和灾害监测中的应用,地理信息系统研究,遥感与GIS及空间定位系统(GPS)的结合及其应用等方面。

  近年来,由于多光谱传感器价格低廉、受天气影响小,通过无人机挂载多光谱传感器可高位作业,在林木营养状况监测(Berni等,2009;Liu等,2016;Perry等,2018)、水分胁迫评估(Blanco等,2020)、森林病虫害胁迫探测(DiNisio等,2020;Pádua等,2020)等领域逐渐得到推广使用。

  星载多光谱传感器已被广泛用于林分尺度森林生物量、蓄积量等结构参数的获取,而无人机挂载的多光谱传感器则在森林精准培育中的氮素营养状况、水分状况和病虫害状况的探测具有较大的潜力。然而,由于多光谱传感器通道较少、光谱分辨率较低、且波段之间不连续,在一定程度上限制了其在森林精准培育研究中的应用。

  2.3高光谱传感器

  常见的高光谱传感器波段区间为400—1000nm,主要应用于色素含量估测(Malenovský等,2013;Zarco-Tejada等,2013)、产量预测(Gutiérrez等,2019)等;而1000-2500nm的高光谱传感器主要用于水分状况估测(Buddenbaum等,2012;Cheng等,2014a)、干物质含量估测(Cheng等,2014b)、氮含量估测(Wang等,2016)、森林病虫害探测(Cheng等,2010;Wu等,2020)等。

  高光谱分析方法主要包括光谱指数法(Wang等,2016),去包络线法(Malenovský等,2013)、红边参数法(朱西存等,2011)和小波特征分析法(Cheng等,2014a;Cheng等,2014b)等。通过优选与理化指标相关性高且可移植性强的光谱特征参数,建立统计回归估测模型,可在叶片尺度取得良好的估测效果(Cheng等,2014b),但光谱特征参数与理化指标的统计关系易受时间、地点和树种类型等的影响限制,而在冠层尺度还受环境条件、冠层结构、土壤背景等的影响。

  基于机理模型和高光谱数据估测林木理化指标的方式,也被广泛应用于林木生长状况监测。机理模型从光与叶片、冠层的相互作用机理出发,具有较好的普适性,但模型较为复杂,受模型拟合精度、算法复杂性、获取模型参数等的限制。在林业中应用较广的机理模型主要包括适用于模拟阔叶光谱的PROSPECT模型(Féret等,2008)和针叶光谱模拟的LIBERTY模型(Dawson等,1998),以及SAIL(Jacquemoud等,2009)、4-Scale(Croft等,2013)、FLIGHT(North,1996)、DART(Gastellu-Etchegorry等,2004)等冠层反射率模拟模型。基于机理模型估测林木理化指标,主要包括两种技术途径:1)通过使用机理模型前向模拟光谱反射率,构建目标参数的敏感光谱指数(Zarco-Tejada等,2013)。2)后向反演叶片和冠层辐射传输模型(Jay等,2016)。在后向反演中,常用的方法有数值迭代最优化方法、查找表法、神经网络法、机器学习法等。

  相较于使用多光谱数据,通过使用连续窄光谱带的高光谱数据,能更准确的探测到不同长势下的光谱差异,以及叶绿素、水分含量、氮素含量等生化参数的光谱吸收特征变化,因而可以更为精准地获取林木色素、营养和水分状况相关指标,为林木精准培育中优化水肥调控精准管理、森林病虫害精准防治提供重要的技术支撑。虽然高光谱传感器存在上述优点,其也存在一些局限性,如需要辐射校正和几何校正、预处理较为复杂(特别是山区地形);同时,其通常数据解译复杂、成本高、数据集较大、易受光照环境条件的影响。

  2.4热红外传感器

  通过使用热红外传感器可探测植被自身红外辐射的能量,可在极短的时间内获取植被叶片的温度信息,而温度信息与气孔导度(赵田欣等,2012)、蒸腾速率、叶片水势和渗透调节等水分相关指标、以及光合速率等光合生理参数(Buddenbaum等,2015)显著相关。虽然干旱和病虫害胁迫对植物的伤害途径不一致,但均可引起树木水分平衡失调,造成叶片细胞缺水,从而导致叶片气孔细胞的关闭,影响蒸腾作用的强度,进而引起叶温的升高。因此,热红外传感器常被用于监测林木水分胁迫(Buddenbaum等,2015;Cohen等,2012)、病虫害胁迫(黄华国,2019;王景旭等,2019)等,在森林早期健康危害方面具有很大的潜力。

  在森林精准培育研究中,热红外传感器主要包含挂载于近地面遥感平台和航空平台两种类型。在林木受胁迫早期,水分亏缺还未达到植物生理的极限值,林木冠层形态状况和光谱特征变化不大,但通常会引起水分发生变化,从而引起植被温度的异常变化,而热红外传感器可以精准地获取温度变化,为森林精准培育研究提供了一种有效监测林木早期水分胁迫的技术手段。但由于热红外成像仪受环境的影响较大,需在晴朗、无风或微风的条件下获取林木冠层热红外影像,易受土壤背景温度等混合像元影响,常需要对传感器进行多次校准,且很难进行不同时间段数据的对比。

  2.5激光雷达传感器

  激光雷达传感器LiDAR(LightDetectionAndRanging)是一种通过激光器发射激光束照射物体表面和接收返回信号的主动遥感设备,具有穿透性强、抗干扰能力强、点云精度高等优点。离散回波点云和全波形两种模式为激光雷达系统的主要记录模式。其中,前者记录来自不同冠层位置的单个或多个回波信号,而后者理论上记录了返回信号的全部能量,可提取包含更多细节的植被冠层垂直剖面。目前,在林业遥感应用中,更多的使用小光斑离散回波数据(李增元等,2016),部分机载小光斑系统(如RIEGLLMS-Q680i)可获取波形数据。

  按照遥感平台的不同,在森林精准培育研究中主要使用的是机载和近地面激光雷达。近地面激光雷达包括地基式(Kankare等,2015)、手持式(Pont等,2016)、背包式(Xie等,2020)、无人机激光雷达(Liu等,2018),可获取高密度的点云数据,实现树高、胸径、冠幅等单木结构信息的精准测量。

  多项研究表明,通过结合激光雷达和高光谱传感器,可以进一步地协同分析不同高度层次(垂直信息)、不同方位(水平信息)的激光点云三维信息和光谱信号,用于提升理化指标和生物量等结构参数的估测精度、以及定量评估理化指标的空间分布值测结果。Shen等(2018)通过结合使用机载高光谱影像和全波形激光雷达数据,提取了激光雷达点云、全波形和光谱特征,提升了亚热带森林生物量、蓄积量、胸径、树高等森林结构参数的估测精度。Almeida等人(2019)利用机载激光雷达数据和高光谱数据对亚马逊森林的地上生物量进行估测,发现通过结合使用两类数据较单独使用任一类数据可取得更高的生物量估测精度。Shen等(2020)基于无人机高光谱影像和激光雷达点云数据的融合,分别使用光谱指数估测叶绿素和类胡萝卜素含量,进而结合三维点云数据,定量评估亚热带人工林中不同林龄的水杉和杨树在不同高度层次、不同方位的色素含量分布情况。

  通过使用激光雷达可获取精准的三维数据,用于提取单木和林分位置、树高、生物量、蓄积量等冠层结构参数信息(刘清旺等,2017),且在估算生物量高的地区不易出现光学遥感数据的“饱和”现象(曹林等,2013),为森林精准培育研究提供了精确量化林木三维结构信息的技术手段。然而,激光雷达在应用中也存在一些不足,如传感器的费用较高、数据处理量较大、缺乏光谱信息(大多为单波段)。

  2.6叶绿素荧光传感器

  叶绿素荧光传感器的工作原理为通过接受人工激发光后获取发出的荧光信号,或通过探测太阳日光诱导叶绿素荧光信号,进而提取有关植物光合状况和代谢状态的信息。其中,前者通过使用主动式单色激光光源诱导植物发出荧光,后者主要基于夫琅禾费暗线原理进行提取自然光照条件下的日光诱导叶绿素荧光(SIF)信号(孙刚等,2009)。相较而言,前一种方式发出的荧光与太阳光诱导发出荧光的物理意义差别较大,且仅适用于小尺度观测(常用于单叶尺度),而后者探测到的SIF在反映植物光合作用方面更为直观,适用于单叶尺度、冠层尺度、卫星尺度。

  叶绿素荧光在研究干旱胁迫(Buddenbaum等,2015;Salvatori等,2016)、高温胁迫(Brestic和Zivcak,2013)、营养亏缺(Watt等,2020)、病虫害胁迫(Zarco-Tejada等,2018)等逆境对林木光合作用和生长状况时被广泛应用。

  叶绿素荧光与植被光合作用、热耗散等密切相关,是光合作用的无损探针,能有效反映光能吸收、传递、利用与分配和光化学反应等光合作用过程,为森林精准培育研究提供了一种可以直接从生理上探测植被光合作用变化的技术手段。但叶绿素荧光传感器(尤其是主动式)多针对单一植株的荧光信号进行精准测量,较难精准测量冠层尺度的荧光参数,易受冠层结构、土壤背景、混合像元等的综合影响。

  3遥感在森林精准培育中应用方向

  遥感技术贯穿于森林培育主要生产环节,包括了育种、育苗、栽植方案设计、精准林分管理等。其中,遥感技术在森林精准培育中应用较广的领域主要为林木良种的精准选育、水肥胁迫与精准喷灌以及森林病虫害精准防治与健康评估等(表2)。

  3.1林木良种的精准选育

  林木种子是森林培育的物质基础,其承载了林木遗传基因并促进了森林的世代繁衍。林木种子的质量和数量与森林生产力等质量指标密切相关。因此,只有采用具有优良遗传品质和播种品质的良种,才能为人工林培育提供优良的基因保障,形成具有速生、丰产、优质、抗逆性强的林分(沈国舫,2001)。

  林木良种的精准选育是森林培育的主要任务之一,而林木通常树体高大,达到生殖成熟期时间较长,基因组较大,且所处的立地环境条件较为复杂(多为山地)。传统的林木良种选育是一个具有高昂成本且缓慢的过程,需要较长时间的大规模林地栽培实验,用以测量相关的表型性状参数(如树高、生物量、材积等)。近年来,随着遥感、林学、现代生物科学等多学科技术的进步和交叉融合(边黎明和张慧春,2020),植物表型检测技术已逐渐应用于林木的良种选育,可有效加速育种进程,提升育种效率和质量。针对林木良种的精准选育,应用植物表型监测技术的意义主要在于实现森林遗传增益(geneticgain)与森林的可持续经营、增加选择优异树种的几率、以及根据现有森林表型(forestperformance)推测未来森林在不同环境下(特别是全球变暖和极端气候等气候变化)的表现(Dungey等,2018)。

  植物表型研究起源于20世纪末,其核心是获取可重复的有效表型性状数据,进而定量分析基因型和环境互作效应,以及其对质量、抗逆等主要性状的影响(Tester和Langridge,2010)。传统表型性状的获取大多还处在林地人工测量阶段,费时费力,严重制约着林木良种的选育工作。近年来,随着人工智能、大数据、物联网、云计算等新一代信息技术的发展(赵春江,2019),成像光谱、激光雷达等多元遥感技术的革新,无人机等平台的开发应用,多层次立体化遥感监测技术正逐步应用于植物表型性状数据采集(周济等,2018)。同时,随着植物表型组学理论的不断丰富和发展,高通量获取植物表型信息,并在此基础上高分辨、高效地解析性状调控的分子机制和基因功能(Cardona和Tomancak,2012)、植物表型及环境响应三者的相互作用机理,已成为进行林木优良品种选育的重要组成部分。——论文作者:周凯,曹林

中国知网查重入口:https://www.chachongmao.net/jiance/

本站声明:网站内容来源于网络,如有侵权,请联系我们,我们将及时删除处理。

论文写作相关资讯

学术不端查重入口


检查语种:中文,英文,小语种 预计时间:3小时-72小时
系统说明中国知网查重,知网硕士博士研究生tmlc2/vip5.3查重系统是全国高校检测硕士、博士、MBA等论文的检测系统,检测结果和高校一致,定稿首选!
检查范围硕士、博士毕业论文
498.00元/篇
立即检测
检查语种:中文,英文,小语种 预计时间:24小时-72小时
系统说明知网大学生论文检测系统,是全国高校研究生院用来检测研究生毕业论文、科研论文学术不端行为重复率的专用查重系统。采用最新版本专用数据库,首选权威查重网站入口,报告结果与高校一致!可检测全日制,自考等本科学位学历等论文重复率。
检查范围本/专科毕业论文
388.00元/篇
立即检测
检查语种:中文,英文,小语种 预计时间:3小时-24小时
系统说明比定稿版少大学生联合比对库,其他数据库一致。出结果快,价格相对低廉,不支持验证,适合在修改中期使用,定稿推荐PMLC。——不支持验证!!!
检查范围本/专科毕业论文
288.00元/篇
立即检测
检查语种:中文,英文 预计时间:60分钟
系统说明学位论文查重,维普论文检测系统:高校,杂志社指定系统,可检测期刊发表,大学生,硕博等论文。检测报告支持PDF、网页格式,性价比高!
检查范围毕业论文、期刊发表
4.00元/千字
立即检测
检查语种:中文 预计时间:60分钟
系统说明论文查重平台,PaperPass的比对指纹数据库由超过9000万的学术期刊和学位论文,以及一个超过10亿数量的互联网网页数据库组成。指纹库是指提取的文章关键性特征信息,并非全文。
检查范围学术期刊和学位论文
3.00元/千字
立即检测
检查语种:中文 预计时间:60分钟
系统说明毕业论文查重,万方查重系统,涵盖期刊、学位论文、学术成果、学术会议论文的大型网络数据库;比肩中国知网的学术数据库。最多支持10万字符。仅支持中文。
检查范围学位论文
4.00元/千字
立即检测
检查语种:中文,英文 预计时间:60分钟
系统说明大雅相似度分析(论文检测系统),拥有图书、期刊、论文、报纸、网络全文等丰富的对比资源库,有图书检测优势,保证书刊检测并重,为论文查重提供多一层保障。
检查范围对学位论文(专科、本科、硕士、博士)、新投稿论文
2.50元/千字
立即检测
检查语种:中文,英文,小语种 预计时间:60分钟
系统说明“鼓励原创,杜绝学术不端行为”是学术家检测系统运营以来的初衷,”大数据,精准查重”是我们服务于广大学者的使命。品牌自创建以来凭借优秀的检测算法和良好的用户体验,赢得市场热烈反响。学术家自助检测平台拥有丰富的对比数据库,支持大学生、研究生、编辑部、职称认定等论文的重复率检测。在与高校及科研机构等资源单位的长期合作中,学术家积累了超过500亿篇对比文献,不断增长完善的对比数据库,旨在为用户提供更好、更快速、更细微的检测服务。
检查范围毕业论文、期刊发表
2.00元/千字
立即检测
检查语种:中文,英文,小语种 预计时间:1小时-24小时
系统说明知网查重期刊系统是杂志社专用系统,针对编辑部来稿、已发表文献、学校、事业单位业务报告、职称等论文的重复率检测系统。
检查范围职称论文/学术发表
88.00元/篇
立即检测
检查语种:中文 预计时间:60分钟
系统说明格子达依托学术期刊库收录了海量对比资源,其中包括中国论文库、中文学术期刊库、中国学位论文库等国内齐全的论文库以及数亿级网络资源,同时本地资源库以每月100万篇的速度增加,是目前中文文献资源涵盖全面的论文检测系统,可检测中文、英文两种语言的论文文本。
检查范围毕业论文、期刊发表
4.00元/千字
立即检测
在线客服 返回顶部