陳小花，陳宗鑄，雷金睿，吳庭天，李苑菱

海南省林業(yè)科學(xué)研究院（海南省紅樹林研究院），海南海口571100

森林是地球上最主要的陸地生態(tài)系統(tǒng)之一，擁有世界陸地生物多樣性的3/4 以上，并提供各種環(huán)境材料和生態(tài)系統(tǒng)服務(wù)[1]。然而，過去幾十年的氣候變化對森林生態(tài)系統(tǒng)造成了嚴(yán)重影響，并給森林管理帶來了重大挑戰(zhàn)[2]，森林監(jiān)測也從實地調(diào)查轉(zhuǎn)變?yōu)榛谶b感方法。監(jiān)測森林動態(tài)需要對森林生物物理變量進(jìn)行空間、時間和準(zhǔn)確定量[3]。如何準(zhǔn)確地從各個方面和尺度認(rèn)識和理解森林生態(tài)系統(tǒng)成為全球關(guān)注的焦點之一。近年來，學(xué)者們利用遙感技術(shù)與地面調(diào)查相結(jié)合，從空間和時間尺度上對森林植被各類理化特性進(jìn)行動態(tài)的監(jiān)測與定量分析。而高光譜遙感技術(shù)發(fā)展至今已經(jīng)具有納米級的超高光譜分辨率，能充分提取到反映森林冠層結(jié)構(gòu)和生理狀況的窄波段光譜信息，在利用遙感手段提取森林參數(shù)中具有重大潛力。

1 樹種分類與識別的應(yīng)用

近年來，高光譜遙感在林業(yè)中的重要應(yīng)用是識別森林物種的類型，尤其是復(fù)雜地形下多種樹種的精細(xì)分類，以彌補(bǔ)常規(guī)人力現(xiàn)場調(diào)查中效率低、勞動強(qiáng)度大和成本高的缺陷。隨著遙感傳感器的飛速發(fā)展，高光譜遙感數(shù)據(jù)的采集變得更加容易，成本大大降低。特別是具有高空間和高光譜分辨率的機(jī)載高光譜數(shù)據(jù)的獲取是靈活而快速的[4]，這使得機(jī)載高光譜數(shù)據(jù)下的樹種分類研究變得切實可行，有利于生態(tài)學(xué)家和決策者做出正確的決策[5]。隨著數(shù)據(jù)源的增多和計算機(jī)技術(shù)的升級，高光譜遙感數(shù)據(jù)對樹種識別與分類的總體精度得到提高，其中有學(xué)者對芬蘭南部北方森林進(jìn)行樹種分類，精度達(dá)90%[6]，對阿爾卑斯山附近的森林進(jìn)行樹種分類，精度達(dá)92%[7]，對澳大利亞南部森林進(jìn)行分類識別，17 種樹種的分類精度達(dá)86%[8]，對亞熱帶天然次生林樹種識別總體精度為87.51%[9]，對亞熱帶地區(qū)森林樹種分類總體精度達(dá)95.89%[10]。目前，基于高光譜技術(shù)在樹種分類上的應(yīng)用主要集中在寒帶和溫帶生態(tài)系統(tǒng)，對地形復(fù)雜，樹種豐富和遮蓋度高的熱帶生態(tài)系統(tǒng)研究較少，主要原因在于光譜數(shù)據(jù)維度大、不易處理，同時也受限于大尺度范圍的高光譜數(shù)據(jù)獲取費用和大量訓(xùn)練樣本的需求。為此，學(xué)者們在應(yīng)用過程中將數(shù)據(jù)進(jìn)行多源組合，填補(bǔ)單一數(shù)據(jù)獲取難、信息提取受限等難點，其次在算法上也實現(xiàn)了優(yōu)化。綜上可知，下一步樹種分類應(yīng)用在融合多數(shù)據(jù)多特征的基礎(chǔ)上，更多是在算法上進(jìn)行深入學(xué)習(xí)和多分類器組合，實現(xiàn)利用有限的樣本來訓(xùn)練有效的模型。

2 葉面積指數(shù)反演的應(yīng)用

在森林植被生物物理變量中，葉面積指數(shù)作為主要指標(biāo)控制著植被冠層內(nèi)的光合作用、蒸散作用及降雨攔截等多項生理過程[11]。在林業(yè)方面，葉面積指數(shù)與生物量密切相關(guān)，使得其生理生化指標(biāo)的提取成為一個熱點問題。如今，利用高光譜遙感技術(shù)對森林葉面積指數(shù)進(jìn)行反演的技術(shù)已經(jīng)成熟，通常，有兩種常用的方法用于LAI 的遙感估算，分別是基于物理模型方法和經(jīng)驗?zāi)Ｐ头椒āＨ缤羟邈黐12]構(gòu)建基于高光譜特征參數(shù)和紅邊參數(shù)的LAI 估算模型，得出回歸模型是估測亞熱帶典型樹種的葉片LAI 最佳模型；魏丹丹等[11]利用資源一號02D 衛(wèi)星高光譜數(shù)據(jù)實現(xiàn)了植被葉面積指數(shù)的估算，并且得到較高的模型精度（R2=0.77）；郭云開等[13]人提出了一種GLIBERTY-DSAIL 耦合模型組合多元線性回歸反演LAI 的方法，得到模型預(yù)測決定系數(shù)R2為0.7086，精度整體較高。有些學(xué)者為了提高LAI 估算精度，引入機(jī)器學(xué)習(xí)模型進(jìn)行LAI 的監(jiān)測。如莢文[14]基于核函數(shù)組合形式的BRDF 校正影像用于森林葉面積指數(shù)建模反演，總體精度為93%，優(yōu)于未經(jīng)BRDF 校正的影像（R2=0.23）；雷宇斌等[15]利用極限學(xué)習(xí)機(jī)（ELM）對湖南省醴潭高速路域植被LAI 進(jìn)行建模反演，預(yù)測精度為86.26%；譚德宏等[16]利用遺傳算法（GA）優(yōu)化后的BP 神經(jīng)網(wǎng)絡(luò)建立高山松LAI估測模型精度更高，預(yù)測LAI 更準(zhǔn)確；張靜宇等[17]基于森林模型參數(shù)先驗知識估算高分辨率葉面積指數(shù)，結(jié)果表明，在僅有少量觀測數(shù)據(jù)時，能有效提高森林高分辨率LAI 的估算精度。機(jī)器學(xué)習(xí)算法，尤其是基于內(nèi)核的機(jī)器學(xué)習(xí)方法（例如高斯過程回歸（GPR））是從經(jīng)驗數(shù)據(jù)中檢索植被參數(shù)的傳統(tǒng)經(jīng)驗方法的有前途的替代方法，Rui 等[18]研究證明了GPR 在使用機(jī)載高光譜數(shù)據(jù)估算林分中的LAI 方面具有潛力。綜上認(rèn)為，依靠高光譜遙感數(shù)據(jù)和機(jī)器學(xué)習(xí)模型估算LAI 已成為當(dāng)前建立生態(tài)、環(huán)境模型的基礎(chǔ)。

3 林木養(yǎng)分元素診斷的應(yīng)用

植物的養(yǎng)分元素決定了植物的長勢、產(chǎn)量和品質(zhì)。遙感技術(shù)以快速、大面積的養(yǎng)分監(jiān)測優(yōu)勢得到國內(nèi)外眾多研究者的關(guān)注。目前，已有對作物冠層養(yǎng)分空間分布及其對遙感反演模型的影響研究主要集中在水稻、小麥、棉花、玉米等農(nóng)業(yè)方面。因森林樹木高大、林況相對復(fù)雜，阻礙了高光譜遙感在林木養(yǎng)分監(jiān)測的應(yīng)用，已有的研究也大多集中于對樹木冠層葉片的診斷，常用方法有兩種，一是多元統(tǒng)計回歸法，二是基于波譜特征參數(shù)的方法。如岳學(xué)軍等[19]利用ASD FieldSpec 3 光譜儀采集柑橘4 個重要生長期的葉片反射光譜，然后結(jié)合機(jī)器學(xué)習(xí)算法構(gòu)建葉片磷含量模型，最后得出基于一階導(dǎo)數(shù)譜的Isomap-SVR 建模結(jié)果最佳的結(jié)論；劉燕德等[20]基于高光譜成像技術(shù)對臍橙葉片的葉綠素、水分和氮素定量分析，結(jié)果表明，葉綠素CARS——PLS 模型、水分和氮素的GAPLS 模型效果最優(yōu)，預(yù)測集相關(guān)系數(shù)分別為0.96、0.91、0.82；鐘穗希[21]利用高光譜數(shù)據(jù)構(gòu)建橡膠樹葉片氮素診斷模型，最終確定了以ev PCA-Kmeans，K 為2 時，第二聚類平均光譜建立的SNV-SPA-PLSR 模型精度最高，最適合用于建立橡膠樹葉片的氮素診斷模型，其R2為0.951；馮海寬等[22]利用最優(yōu)權(quán)重組合模型和高光譜估算蘋果葉片全磷含量，結(jié)果表明，最優(yōu)權(quán)重組合模型預(yù)測能力較好（R2=0.94）。Gao 等[23]使用ASD FieldSpec 3 測量了來自中國山東半島棲霞市的土壤樣品的反射光譜，結(jié)果表明，高光譜遙感可以快速、準(zhǔn)確地預(yù)測山東半島林地土壤中的SOM 含量。如何利用高光譜技術(shù)實現(xiàn)森林生態(tài)系統(tǒng)養(yǎng)分信息快速診斷是今后需要研究的方向。

4 森林災(zāi)害監(jiān)測的應(yīng)用

近年來，全球氣候的變化和人工造林面積的增加導(dǎo)致森林病蟲害的增加。過去最常采用的防治措施是采用航空噴灑方法（以化學(xué)殺蟲劑和細(xì)菌殺蟲劑為主），在林業(yè)應(yīng)用上，該方法使用存在兩個弊端，一是森林面積大，二是森林病蟲害發(fā)病率高，導(dǎo)致防治效果不佳。另外化學(xué)防治會對生態(tài)環(huán)境造成危害，當(dāng)病害發(fā)生次數(shù)多、化學(xué)防治水平高情況下，會降低森林群落的豐富度、多樣性和均勻度[24]。然而，在人工野外調(diào)查方法中，很難實現(xiàn)定點損傷信息獲取，只能進(jìn)行大面積控制。因此，這些方法要么不環(huán)保，要么效率低下[25]?；跓o人機(jī)（UAV）的高光譜成像是一種用于調(diào)查和監(jiān)測森林健康的有效技術(shù)。高光譜遙感技術(shù)應(yīng)用于病蟲害監(jiān)測始于20 世紀(jì)80 年代。高光譜遙感監(jiān)測主要通過篩選出最佳敏感波段來定量估計相關(guān)危害樹木的理化指標(biāo)，以識別和劃定樹木的損害程度。如對受線蟲侵害樹木的光譜特征進(jìn)行分析[26-28]、通過測定危害樹木的理化指標(biāo)來判斷病害程度并建模[29]、通過分析光譜反射率的差異和結(jié)構(gòu)異常來監(jiān)測板栗病蟲害[30]、通過高光譜圖像識別柑橘葉片病害[31]、通過歐氏距離識別枯死松樹最敏感的波段為近紅外波段和紅波段[32]、利用高光譜遙感結(jié)合衛(wèi)星圖像，監(jiān)測中歐山松大小蠹侵染北美西部森林，得出使用8 個WV-2 波段作為預(yù)測因子的分類準(zhǔn)確性最高[33]、通過提取光譜特征建立偏最小二乘回歸模型來預(yù)測馬尾松枯萎病的發(fā)生情況[34]。綜上所述，地面高光譜影像是監(jiān)測植物病蟲害的主要數(shù)據(jù)源，為實現(xiàn)大范圍周期性觀測，人們結(jié)合了高空高光譜影像，如基于星載Hyperion 影像精細(xì)分類森林[35-36]、利用低空無人機(jī)高光譜、高空間分辨率及星載時間序列遙感數(shù)據(jù)，構(gòu)建油松毛蟲災(zāi)害發(fā)生程度識別模型、災(zāi)害發(fā)生面積監(jiān)測模型和災(zāi)害發(fā)生面積短期預(yù)測模型[37]。隨著林業(yè)精準(zhǔn)化提升，高光譜數(shù)據(jù)探測病蟲害成為新的研究熱點。

5 存在問題

高光譜遙感技術(shù)在識別物種、測量葉面積指數(shù)、養(yǎng)分元素診斷等方面都得到了廣泛應(yīng)用。同時借助高光譜技術(shù)覆蓋范圍廣、成像率高、多時相等特點，實現(xiàn)了森林資源消長的動態(tài)變化監(jiān)測，也推動了現(xiàn)代林業(yè)可持續(xù)發(fā)展。以森林為例，重點關(guān)注的參數(shù)包括蓄積量、面積、生物量、病蟲害、生物多樣性等。但由于森林結(jié)構(gòu)復(fù)雜、物種多樣性高，對參數(shù)建模和反演極易受地形、天氣、林分等因素影響，主要體現(xiàn)在3 個方面：一是精度差，當(dāng)森林結(jié)構(gòu)相對復(fù)雜的情況下，使用遙感技術(shù)進(jìn)行物種分類的擬合效果一般，不能滿足常規(guī)業(yè)務(wù)工作中參數(shù)要求的提??；二是時效性差，由于航天數(shù)據(jù)的過頂時間和天氣的不可控制，與地面數(shù)據(jù)難以同步配合獲??；三是數(shù)據(jù)源單一，當(dāng)前的高光譜和多光譜數(shù)據(jù)類型很多，但是數(shù)據(jù)同期性差，同時數(shù)據(jù)源來自不同傳感器增加了使用難度，專業(yè)性要求強(qiáng)，導(dǎo)致大多數(shù)學(xué)者在應(yīng)用中可選的數(shù)據(jù)非常單一。