云南典型山地森林树种高光谱-LiDAR协同分类

Figuring out the accurate situation of the Yunnan forest through forest inventory investigation is the premise of the forest protection and sustainable utilization. As both horizontal and vertical structures of Yunnan forest ecosystem are very complex, the outputs derived from single remote sensing source can not meet the need of the forest resource survey in accuracy and automation. Therefore, It is of great theoretical and practical values to select typical forest areas with rugged terrains as research areas, explore the synergy mechanism of multi-source remote sensing data sets, and classify the forest canopy species. The study intends to integrate the hyperspectral and LiDAR information through the whole extraction process of forest canopy information, and adopt flexible coordinated strategies to realize it. In detail, based on the terrain hypothesis of the steep slope in Yunnan province, the LiDAR data ground filtering algorithm is firstly studied. Therefore, By improving the 3D modeling precision of the surface, the accuracy of geometric and topographic radiation correction is promoted. Thirdly, based on the knowledge of plant physiology and remote sensing radiation transmission model, a feature library, which comprehensively characterizes the horizontal and vertical structures of tree, is established. Finally, by combining feature selection and decision-level fusion strategy, the curse of dimensionality accompanying with the multi-source data collaborative interpretation is solved and the improvement of the classification accuracy of tree species can be expected. This study provides key techniques and scientific support for improving the accuracy and automation of forest inventory investigation.

摸清森林资源“家底”，是对云南森林资源进行保护、可持续利用的前提。云南森林生态系统水平和垂直结构都非常复杂，导致现有遥感技术难以满足森林资源调查实践对精度和智能化的要求。因此，以云南典型山地森林覆盖区为研究对象，研究复杂地形多源遥感协同机理，探索多源数据协同的森林冠层物种分类新方法，具有重要的理论价值和实践价值。研究拟将高光谱-LiDAR信息协同的思想贯穿森林冠层植被信息整个提取过程，并采用灵活的协同策略加以实现。针对云南林区陡坡地形建立合地形假设，研究LiDAR数据地表滤波算法；通过地表三维建模精度提升，提高高光谱影像几何与地形辐射校正精度；基于植物生理学知识、遥感辐射传输模型，构建全面反映树种水平结构和垂直结构信息的特征库；最后，结合特征选择及决策级融合策略，解决多源数据协同解译面临的“维数灾难”问题，提高分类精度。研究为森林资源调查精度和智能化程度的提升提供关键技术和科学支撑。

摸清森林资源“家底”，是对云南森林资源进行保护、可持续利用的前提。云南森林生态系统的水平和垂直结构都非常复杂，导致现有遥感技术难以满足森林资源调查实践的对精度和智能化的要求。本项目研究以山地森林场景的冠层物种分类的关键问题为导向，以云南典型山地森林覆盖区为研究对象，将高光谱-LiDAR信息协同的思想贯穿于森林冠层植被信息的整个提取过程,研究复杂地形多源遥感协同机理，探索多源数据协同的森林冠层物种分类新方法。.主要研究内容可概括为以下三个方面：一、研究针对云南林区陡坡地形建立合理的地形假设，全面的对比研究了典型研究区高分辨率高光谱影像协同高精度DEM的地形、辐射校正方法及对树种分类的影响，有效提升了山地森林高光谱数据几何与地形辐射校正的精度，提升了山地树种分类的精度。二、构建了全面反映树种水平结构、垂直结构及物候差异信息的特征库，包括光谱、纹理、植被指数、时间序列、树种高度和森林场景语义对象关联等相关特征，为实现树种识别打下坚实的基础。三、结合流形学习算法等特征重要性评价方法，实现多源、多尺度特征选择和融合，解决高光谱和LiDAR协同树种分类面临的“维数灾难”问题，进而探索基于贝叶斯决策融合、马尔可夫随机场的决策级融合策略，最终实现树种分类精度的提升。.通过研究项目的开展，建立了一个涉及云南普洱、广西南宁多个地区的高光谱、LiDAR数据集，获得了典型树种识别的特征库，研发了特征融合和决策融合的有效算法模型，实现了典型场景的树种分类和覆盖云南全境的森林类型和主要树种分类，获得了可靠的森林场景分类结果。研究可为森林资源调查、森林碳汇计量、生态环境评价等应用提供基础数据、关键技术和科学支撑。.项目成果发表论文26篇，包含11篇SCI检索，8篇EI检索，7篇中文核心，培养研究生21名，授权软件著作权1项。