利用聚类算法监测森林乔木物种多样性

编号 zgly0001728969

文献类型 期刊论文

文献题名 利用聚类算法监测森林乔木物种多样性

作者 衣海燕  曾源  赵玉金  郑朝菊  熊杰  赵旦 

作者单位 中国科学院空天信息创新研究院遥感科学国家重点实验室  中国科学院大学  中国科学院植物研究所植被与环境变化国家重点实验室 

母体文献 植物生态学报 

年卷期 2020,(6)

页码 598-615

年份 2020 

分类号 S718.45 

关键词 森林物种多样性  自适应模糊C均值聚类  高光谱  激光雷达  单木分离 

文摘内容 该研究基于机载激光雷达(LiDAR)和高光谱数据,从森林物种叶片的生理化学源头探寻生化特征与光谱特征的内在关联,探讨生化多样性、光谱多样性与物种多样性之间的响应机制,选择最优植被指数并结合最优结构参数,通过聚类方法构建森林物种多样性遥感估算模型,在古田山自然保护区开展森林乔木物种多样性监测。研究结果表明:(1)从16种叶片生化组分中,筛选出叶绿素a、叶绿素b、类胡萝卜素、叶片含水量、比叶面积、纤维素、木质素、氮、磷和碳可通过偏最小二乘法用叶片光谱有效模拟(R2=0.60–0.79,p《0.01),并选择有效的植被指数:转换型吸收反射指数/优化型土壤调整指数(TCARI/OSAVI)、类胡萝卜素反射指数(CRI)、水波段指数(WBI)、比值植被指数(RVI)、生理反射指数(PRI)和冠层叶绿素浓度指数(CCCI)表征相应的最优生化组分;(2)基于机载LiDAR数据利用结合形态学冠层控制的分水岭算法获得高精度单木分离结果(R2=0.77,RMSE=16.48),同时采用逐步回归方法从常用的森林结构参数中选取树高和偏度作为最优结构参数(R2=0.32,p《0.01);(3)基于6个最优植被指数和2个最优结构参数,以20 m×20 m为窗口通过自适应模糊C均值方法进行聚类,实现了研究区森林乔木物种丰富度(Richness,R2=0.56,RMSE=1.81)和多样性指数Shannon-Wiener(R2=0.83,RMSE=0.22)与Simpson(R2=0.85,RMSE=0.09)的成图。该研究在冠层尺度上获取了与物种多样性相关的生化、光谱和结构参数,将单木个体作为最小单元,利用聚类算法直接估算物种类别差异,无需判定具体的树种属性,是利用遥感数据进行区域尺度森林物种多样性监测与成图的实践,可为亚热带地区常绿阔叶林的物种多样性监测提供借鉴。