基于多源遥感及层次贝叶斯时空模型的多尺度森林参数估算的研究

The forest parameters estimation of multi-scale spatio-temporal based on multi-source remote sensing images has great significance for modern precision forest surveys. Taken Mao’ershan forest farm as study object, based on high spatial resolution satellite image (WorldView-2), airborne laser scanner (ALS) data and hyperspectral data as data sources, this project explores the problem of the individual scale, stand scale, forest scale and multi-scale joint estimation of forest parameters based on multi-source remote sensing data. This study constructs a spatial-temporal forest parameter estimation model of spatial multi-scale joint estimation based on hierarchical Bayesian space-time model and two-phase data and solves the scale-effect technical problem of spatial multi-scale on forest parameters estimation. Thus, it would provide new ideas and methods for the characteristics of space-time distribution and basic technical support for precision forestry, and also provide academic significances and application values for both remote sensing and forestry.

基于多源遥感影像的多尺度时空森林参数估算，对于现代化精准森林调查具有重要意义。本项目以东北林业大学帽儿山实验林场为研究对象，以高空间分辨率遥感数据（WorldView-2）、机载激光雷达数据和高光谱数据为数据源，探讨融合多源遥感数据的单木尺度、林分尺度和森林尺度以及多尺度联合估算森林参数的问题。本项目提出基于层次贝叶斯时空模型，采用两期数据，构建空间多尺度联合估算的森林参数估算时空模型，力求解决空间多尺度估算森林参数的尺度效应技术难题，该方法为森林参数的时空分布特征提供新的思路和手段，为精准林业提供依据和技术支持，在遥感和林学领域均有学术意义和应用价值。

森林参数的估算从传统的描述性学科逐步成为更加严格的定量化学科，逐渐向多空间尺度（单木尺度、林分（样地）尺度、森林尺度）结合多类型观测数据的方向发展。本研究以东北林业大学帽儿山实验林场为研究区域，以光学遥感数据、LiDAR数据以及野外调查数据为数据源，细致地研究了单木参数的估测，形成了一套以层次贝叶斯模型估算多尺度（单木、样地和森林）地上生物量（Aboveground Biomass, AGB）的研究方法体系。研究结果表明：优化的粗、和精配准耦合的自动化配准算法可整合多平台LiDAR点云数据（如UAV-LiDAR、TLS），以提高密林（包括针叶林、针阔混交林和阔叶林）中单木参数估测（DBH和树高）的准确性；基于图论的渐进形态学滤波算法（Graph-based Progressive Morphological Filtering, GPMF）生成树冠高度模型（Canopy Height Models, CHMs）CHM，可提高单木分割精度；对TLS数据采用点间距抽稀算法且密度水平为25%和50%时估测落叶松人工林单木参数效果最好、耗时少；二项高斯函数是不同林分（即不同样地大小）尺度下森林参数估算中拟合冠层高度分布（Canopy Height Distribution, CHD）的良好候选函数；获得了较精细的0.25m空间分辨率单木地上生物量产品；结合组合变量（Combined Optical and LiDAR Index, COLIs）和深度学习模型（Stack Sparse Auto-Encoder, SSAE）可有效地提高森林尺度AGB的估算；贝叶斯统计思想框架下的（层次）贝叶斯方法可提高估算多尺度（单木、样地和森林）地上生物量精度，提供了传统频率统计学派下的混合效应模型的替代方案。在多层空间数据结构应用方面具有更高的适用性，可以应用于林业多层或多时期数据的分析。