激光雷达和高光谱遥感技术在树种识别中的应用

编号 lyqk009526

中文标题 激光雷达和高光谱遥感技术在树种识别中的应用

作者 钟浩  刘浩然  林文树 

作者单位 东北林业大学工程技术学院，哈尔滨 150040

期刊名称 世界林业研究 

年份 2021 

卷号 34

期号 4

栏目名称 专题论述 

中文摘要 快速准确识别树种是研究和保护森林资源的基础，通过遥感技术进行树种识别已成为森林调查重要手段之一。激光雷达数据可以提供森林垂直结构的信息，而高光谱遥感数据可以提供树木详细的光谱信息，因此联合激光雷达和高光谱数据能够提高树种分类精度。文中阐述了激光雷达和高光谱遥感在森林树种识别中的研究现状，总结了单一遥感源进行树种识别的优缺点，介绍了联合激光雷达和高光谱遥感数据的树种识别方法，最后从数据平台、数据提取、数据融合及识别模型等4个方面探讨了当前树种识别研究中面临的问题以及未来的研究方向，旨在为提高树种识别精度提供参考。

关键词 树种识别  高光谱遥感  激光雷达  多源遥感 

基金项目 黑龙江省自然科学基金联合引导项目（LH2020C049）；国家自然科学基金（31971574）

英文标题 Application of Lidar and Hyperspectral Remote Sensing Technology to Tree Species Identification

作者英文名 Zhong Hao, Liu Haoran, Lin Wenshu

单位英文名 College of Engineering and Technology, Northeast Forestry University, Harbin 150040, China

英文摘要 Rapid and accurate identification of tree species is the basis for the research and protection of forest resources. Identification of tree species by remote sensing technology has become one of the important means of forest investigation. Lidar data can provide information on the vertical structure of forests, and hyperspectral remote sensing data can provide detailed spectral information of forests, so the combination of lidar and hyperspectral data can improve the classification accuracy of tree species. This study describes the current research on lidar and hyperspectral remote sensing in tree species identification, summarizes the advantages and disadvantages of applying single remote sensing source for tree species identification, and introduces the tree species identification method which combines Lidar and hyperspectral remote sensing data. Then, the problems in the current research on tree species identification and future research directions are discussed from four aspects of data platform, data extraction, data fusion and recognition model, aiming to provide references for improving the accuracy of tree species identification.

英文关键词 tree species identification;hyperspectral remote sensing;lidar;multi-source remote sensing

起始页码 41

截止页码 45

投稿时间 2020/12/24

最后修改时间 2021/1/25

作者简介 钟浩，博士研究生，研究方向为林业遥感，E-mail：zhonghao@nefu.edu.cn

通讯作者介绍 林文树，教授，博士，研究方向为森林遥感监测，E-mail：linwenshu@nefu.edu.cn

E-mail zhonghao@nefu.edu.cn;linwenshu@nefu.edu.cn

分类号 S757.2，S771.8

DOI 10.13348/j.cnki.sjlyyj.2021.0013.y

参考文献 [1] 王平. 基于机载LiDAR数据和航空像片的单木参数提取研究[D]. 哈尔滨: 东北林业大学, 2012.
[2] 韦雪花. 轻小型航空遥感森林几何参数提取研究[D]. 北京: 北京林业大学, 2013.
[3] 赵芳. 测树因子遥感获取方法研究[D]. 北京: 北京林业大学, 2014.
[4] 刘鲁霞, 庞勇. 机载激光雷达和地基激光雷达林业应用现状[J]. 世界林业研究,2014,27(1):49-56.
[5] 王妮, 彭世揆, 李明诗. 基于树种分类的高分辨率遥感数据纹理特征分析[J]. 浙江农林大学学报,2012,29(2):210-217.
[6] 郭庆华, 苏艳军, 胡天宇, 等. 激光雷达森林生态应用: 理论、方法及实例[M]. 北京: 高等教育出版社, 2018.
[7] 岳春宇, 郑永超, 邢艳秋, 等. 星载激光遥感林业应用发展研究[J]. 红外与激光工程,2020,49(11):105-114.
[8] 陈向宇, 云挺, 薛联凤, 等. 基于激光雷达点云数据的树种分类[J]. 激光与光电子学进展,2019,56(12):203-214.
[9] 卢晓艺. 基于LiDAR数据的树种识别研究[D]. 南京: 南京林业大学, 2019.
[10] 魏田. 基于静态地基激光扫描点云的单树结构表征[D]. 河北唐山: 华北理工大学, 2015.
[11] LI J L, HU B X, NOLAND T L. Classification of based on structural features derived from high density LiDAR data[J]. Agricultural and Forest Meteorology, 2013, 171:104-114.
[12] KIM S, MCGAUGHEY R J, ANDERSEN H E, et al. Tree species differentiation using intensity data derived from leaf-on and leaf-off airborne laser scanner data[J]. Remote Sensing of Environment, 2009, 113(8):1575-1586.
[13] ZHANG Z Y, LIU X Y. Support vector machines for tree species identification using LiDAR-derived structure and intensity variables[J]. Geocarto International, 2013, 28(4):364-378.
[14] 李盛阳, 刘志文, 刘康, 等. 航天高光谱遥感应用研究进展(特邀)[J]. 红外与激光工程,2019,48(3):9-23.
[15] 童庆禧, 张兵, 张立福. 中国高光谱遥感的前沿进展[J]. 遥感学报,2016,20(5):689-707.
[16] 林海军, 张绘芳, 高亚琪, 等. 基于马氏距离法的荒漠树种高光谱识别[J]. 光谱学与光谱分析,2014,34(12):3358-3362.
[17] 李军玲, 庞勇, 李增元, 等. 机载AISA Eagle Ⅱ高光谱数据在温带天然林树种分类中的应用[J]. 东北林业大学学报,2019,47(5):72-76.
[18] 王志辉, 丁丽霞. 基于叶片高光谱特性分析的树种识别[J]. 光谱学与光谱分析,2010,30(7):1825-1829.
[19] MODZELEWSKA A, FASSNACHT F E, STERENCZAK K. Tree species identification within an extensive forest area with diverse management regimes using airborne hyperspectral data[J]. International Journal of Applied Earth Observation and Geoinformation, 2020, 84:101960. DOI:10.1016/j.jag.2019.101960
[20] 吴艳双, 张晓丽. 结合多尺度纹理特征的高光谱影像面向对象树种分类[J]. 北京林业大学学报,2020,42(6):91-101.
[21] FRICKER G A, VENTURA J D, WOLF J A, et al. A convolutional neural network classifier identifies tree Species in mixed-conifer forest from hyperspectral imagery[J]. Remote Sensing, 2019, 11(19):2326-2348.
[22] 徐念旭, 田庆久, 申怀飞, 等. 基于微分变换的高光谱马尾松和杉木识别[J]. 国土资源遥感,2018,30(4):28-32.
[23] 李俊明. 基于HJ-1A高光谱遥感树种识别的研究[D]. 哈尔滨: 东北林业大学, 2013.
[24] WAN L M, LIN Y Y, ZHANG H S, et al. GF-5 Hyperspectral data for species mapping of mangrove in Mai Po, Hong Kong[J]. Remote Sensing, 2020, 12(4):656. DOI:10.3390/rs12040656
[25] 孔嘉鑫, 张昭臣, 张健. 基于多源遥感数据的植物物种分类与识别: 研究进展与展望[J]. 生物多样性,2019,27(7):796-812.
[26] 皋厦, 申鑫, 代劲松, 等. 结合LiDAR单木分割和高光谱特征提取的城市森林树种分类[J]. 遥感技术与应用,2018,33(6):1073-1083.
[27] 王彬. 基于机载LiDAR和高光谱数据的单木提取和树种识别[D]. 南京: 南京信息工程大学, 2018.
[28] MAN Q X, DONG P L, YANG X M, et al. Automatic extraction of grasses and individual trees in urban areas based on airborne hyperspectral and LiDAR data[J]. Remote Sensing, 2020, 12(17):2725. DOI:10.3390/rs12172725
[29] 鲁续坤. 基于机载LiDAR和高光谱数据的树种分类及三维显示[D]. 成都: 电子科技大学, 2018.
[30] SHEN X, CAO L. Tree-species classification in subtropical forests using airborne hyperspectral and LiDAR data[J]. Remote Sensing, 2017, 9(11):1180. DOI:10.3390/rs9111180
[31] SANKEY T, DONAGER J, MCVAY J, et al. UAV lidar and hyperspectral fusion for forest monitoring in the southwestern USA[J]. Remote Sensing of Environment, 2017, 195:30-43.
[32] 刘怡君, 庞勇, 廖声熙, 等. 机载LiDAR和高光谱融合实现普洱山区树种分类[J]. 林业科学研究,2016,29(3):407-412.
[33] DALPONTE M, BRUZZONE L, GIANELLE D. Tree species classification in the Southern Alps based on the fusion of very high geometrical resolution multispectral/hyperspectral images and LiDAR data[J]. Remote Sensing of Environment, 2012, 123:258-270.
[34] SUGUMARAN R, VOSS M. Object-oriented classification of LiDAR-fused hyperspectral imagery for tree species identification in an urban environment[C]. Urban Remote Sensing Joint Event, Paris, 2007.
[35] 董文雪, 曾源, 赵玉金, 等. 机载激光雷达及高光谱的森林乔木物种多样性遥感监测[J]. 遥感学报,2018,22(5):833-847.
[36] 廖小罕, 肖青, 张颢. 无人机遥感: 大众化与拓展应用发展趋势[J]. 遥感学报,2019,23(6):1046-1052.
[37] 张兵. 高光谱图像处理与信息提取前沿[J]. 遥感学报,2016,20(5):1062-1090.
[38] 黄华国. 林业定量遥感研究进展和展望[J]. 北京林业大学学报,2019,41(12):1-14.
[39] JIA W, PANG Y, TORTINI R, et al. A kernel-driven BRDF approach to correct airborne hyperspectral imagery over forested areas with rugged topography[J]. Remote Sensing, 2020, 12(3):432. DOI:10.3390/rs12030432
[40] 成中涛, 刘东, 刘崇, 等. 多纵模高光谱分辨率激光雷达研究[J]. 光学学报,2017,37(4):22-32.
[41] WANG L, SUN G, NIU Z, et al. Estimation of leaf biochemical content using a novel hyperspectral full-waveform LiDAR system[J]. Remote Sensing Letters, 2014, 5(8):693-702.

发布日期 2021-03-18

PDF全文 浏览全文