Resonon | Pika L高光谱成像在亚热带阔叶森林单木分割和树种分类上的应用

了解亚热带森林树种的准确信息对于森林可持续管理、生态系统服务评估、生物多样性监测以及生态环境保护至关重要。因此，亟待快速有效的方法对单个树种进行分类。传统的树种地面调查费事、费力、成本高，难以大面积实施。而遥感可以获取较大区域的特征信息。许多遥感数据，如超高分辨率RGB、机载高光谱和雷达数据，已广泛应用于单木分割和树种分类。然而以往都是利用其中一种或两种类型的数据进行研究，综合这三种遥感数据进行树种分类的研究十分有限。

基于此，为填补研究空白， 研究者们于2019年8月在中国南方深圳的亚热带阔叶林聚龙山公园（114°23′28′′E，22°43′50′′N）基于UAV LiDAR，高光谱（Resonon Pika L高光谱成像仪）、超高分辨率RGB数据以及地面数据进行单个树种的分类。作者首次开发了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法进行单木分割。然后整合UAV LiDAR（提取结构特征），高光谱（提取光谱特征）和超高分辨率RGB数据（提取纹理特征）进行分类。最后通过总体精度（OA）和kappa系数（k）评估分类精度。主要研究目标为：（1）评估所提出的WST-Ncut算法在亚热带阔叶森林进行单木分割的准确性；（2）与单独使用这些数据相比，评估UAV LiDAR，高光谱和超高分辨率RGB数据相融合进行亚热带阔叶树种分类的有效性和改进以及（3）探索单木分割的准确性和树种数量对树种分类精度的影响。

研究区位置

【结果】

18个树种在383-1020 nm波长下的反射率平均值和±标准差。

18个树种在383-1020 nm波长下的平均光谱反射率。

七种特征组合得到的树种分布图

使用所有特征时获得的总体分类精度与树种数量之间的关系。

【结论】

在本研究中，作者利用UAV LiDAR，高光谱和超高分辨率RGB数据在亚热带阔叶森林树木尺度上进行18个树种的分类。作者首次提出了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法来描述单木。结果表明，WST-Ncut算法适合描述亚热带阔叶森林单木（Recall=0.95，Precision=0.86，F-score=0.90），可以减少过度分割。LiDAR获取的垂直结构特征，高光谱获取的光谱特征以及超高分辨率RGB数据获取的纹理特征在树种分类上相互补充。分类结果表明这三个数据集相结合可以有效区分18个树种，获得最高的分类精度（总体精度=91.8%，Kappa=0.910），比单独利用光谱特征，结构特征和纹理特征分别高10.2%，13.6%和19.0%。此外，结果表明，单木分割越好，树种分类越准确，树种数量增加将会导致分类精度下降。