论文部分内容阅读
森林物种多样性在维持生态平衡、生态功能以及生态服务中发挥着重要的作用。然而,由于人类活动和气候变化的影响,全球森林物种多样性正在以惊人的速度丧失。为了更好的保护森林物种多样性,需要对当前森林物种多样性进行调查与评估。传统的森林物种多样性监测以实地调查为主,主要是点测量,费时费力,难以快速获取森林物种多样性分布信息。目前,森林物种多样性遥感监测主要有两种方法:一是利用机载或高分辨率星载传感器基于光谱变异假说直接进行森林冠层物种多样性遥感监测;二是利用多光谱遥感反演的环境参数、净初级生产力(NPP)、栖息地面积以及植被指数(如NDVI、EVI等)间接进行森林冠层物种多样性预测和估算。但在物种分布复杂区域,当前的研究方法难以满足精细尺度的要求。高光谱遥感图谱合一的优点以及激光雷达(LiDAR)监测冠层结构的潜力,为开展精细尺度森林冠层物种多样性监测提供了可能。 本文基于机载高光谱和LiDAR数据,结合地面调查,从光谱变异的物理和生物化学基础出发,探讨森林物种多样性、叶片生化多样性和光谱多样性三者间的关联性,并引入LiDAR结构特征,从叶片到冠层尺度分析叶片生化组分监测方法和结构多样性方法的可行性,建立森林冠层物种多样性遥感监测模型,实现龙门河森林自然保护区(中科院神农架生物多样性定位研究站)的森林冠层物种多样性区域成图。本文研究得出以下结论: (1)叶片层次的研究表明,森林物种占有唯一的化学脚印和光谱属性,不同森林物种的叶片生化组合和光谱特征差异明显;叶片光谱能定量表达森林物种的生化组分含量,尤其是叶绿素(包括叶绿素a和叶绿素b)、类胡萝卜素、比叶面积、叶片含水量、氮、磷、木质素和纤维素在驱动叶片光谱变化中作用显著(R2=0.57~0.85)。通过蒙特卡洛模拟分析,发现森林物种波谱多样性与生化多样性均表现出随物种丰富度的增加而先增加后趋于平稳的趋势,且越多的生化组分组合,其生化多样性越晚接近饱和,而饱和点对应的物种数即为该生化组分组合能够识别的最大物种数。叶绿素、类胡萝卜素、比叶面积、叶片含水量、氮、木质素和纤维素等7种生化组分是龙门河地区森林冠层物种多样性遥感监测的最优生化组合,对应的最大饱和物种数为14。 (2)在冠层层次上,提出了基于单木树冠的森林冠层物种多样性估算方法。对应于叶片层次选择的最优叶片生化组合,利用高光谱数据最终选择了7种对应的遥感冠层植被指数,包括TCARI/OSAVI、CRI、RVI、NDWI、NDNI、NDLI和PRI。基于LiDAR数据利用结合形态学冠层控制的分水岭算法识别和分割单木树冠,结合比尔-朗伯定律求取单木尺度LAI。为减少同一树冠内光谱异质性取单木树冠各像元光谱平均值作为该单木树冠的唯一的光谱值,以此计算上述7种冠层植被指数;同时,为减少冠层结构差异的影响,基于LiDAR数据,然后将7种冠层植被指数除以单木尺度LAI以消除冠层结构的影响,最后基于转换后的7种生化植被指数,利用自适应的模糊C均值聚类方法估算森林冠层物种丰富度和Shannon-Wiener多样性指数,预测精度R2=0.60,RMSE=0.38。 (3)利用LiDAR数据提取了8个代表森林结构信息的指数,包括95%百分位高度、标准偏差、平均绝对偏差、首次回波偏度、植被穿透率、平均植被高度、叶投影覆盖和叶高度多样性,其中偏度、植被穿透率和平均植被高度与Shannon-Wiener指数的相关性最高(ρ=0.46-0.53,p=0.05)。利用多元逐步回归模型,与Shannon-Wiener指数的相关性可以达到R2=0.55,RMSE=0.40。但是,单个LiDAR结构多样性指数仅能解释约17~28%的森林物种多样性。 (4)在基于最优叶片生化组分和LiDAR结构多样性指数监测森林冠层物种多样性的基础上,综合考虑森林物种生化和结构特征,结合7种最优叶片生化植被指数和LiDAR点云数据提取的单木树高(R2=0.90~0.94),提出了结合最优叶片生化组分和树高监测森林冠层物种多样性监测模型,森林冠层物种多样性预测精度R2=0.83,RMSE=0.25。 本论文创新点如下: (1)基于地面实测物种叶片光谱和叶片生化数据,诠释了物种多样性、生化多样性和波谱多样性的关联性,确定了用于森林冠层物种多样性遥感监测的最优叶片生化组分组合,及生化组分组合能够识别的最大物种数。 (2)基于机载高光谱和LiDAR数据,在单木尺度分离森林物种生化和结构特征,提出了综合最优生化组分和树高数据基于聚类方法的森林冠层物种多样性估算模型,实现了森林冠层物种多样性区域成图。