農(nóng)業(yè)行業(yè)
紅樹(shù)林是海岸帶重要生態(tài)屏障，其樹(shù)種分布與葉面積指數(shù)（LAI）是反映生態(tài)系統(tǒng)健康的核心指標(biāo)，對(duì)保護(hù)與修復(fù)工作至關(guān)重要。在漳江口紅樹(shù)林國(guó)家級(jí)自然保護(hù)區(qū)的研究中，采用杭州彩譜FS-60C無(wú)人機(jī)高光譜測(cè)量系統(tǒng)，高效實(shí)現(xiàn)了紅樹(shù)林樹(shù)種精細(xì)識(shí)別與葉面積指數(shù)精準(zhǔn)反演。
該保護(hù)區(qū)內(nèi)秋茄、桐花樹(shù)、白骨壤等優(yōu)勢(shì)樹(shù)種交錯(cuò)分布，傳統(tǒng)地面調(diào)查受潮汐、地形限制，效率低且難獲大范圍連續(xù)數(shù)據(jù)，葉面積指數(shù)傳統(tǒng)測(cè)量方法也耗時(shí)費(fèi)力，無(wú)法滿足大尺度生態(tài)監(jiān)測(cè)需求。彩譜FS-60C高光譜相機(jī)，光譜范圍400nm~1000 nm，分辨率2.5 nm，能捕捉樹(shù)種細(xì)微光譜差異；100 m飛行高度下地面分辨率達(dá)0.05 m，可清晰呈現(xiàn)冠層結(jié)構(gòu)。其高信噪比超高速光譜掃描成像器件，保障了數(shù)據(jù)采集的穩(wěn)定性與可靠性，為后續(xù)分析提供了高質(zhì)量基礎(chǔ)數(shù)據(jù)。
研究團(tuán)隊(duì)于2024年12月低潮時(shí)段開(kāi)展航攝，以減少潮汐對(duì)成像的影響。采用大疆M300RTK作為無(wú)人機(jī)平臺(tái)，將研究區(qū)劃分為6塊進(jìn)行分區(qū)采集，飛行高度100 m，正射地面分辨率4.71 cm，航線拍攝速度5 m/s，主航線角度87°。
原始高光譜數(shù)據(jù)經(jīng)ENVI 5.3軟件進(jìn)行輻射校正，消除大氣、太陽(yáng)高度角等因素干擾，再通過(guò)彩譜軟件完成幾何配準(zhǔn)與條帶拼接，形成完整的高光譜影像。同時(shí)，結(jié)合歸一化植被指數(shù)閾值法（0.53~1）對(duì)非紅樹(shù)林區(qū)域（潮間鹽水沼澤、水體、人工表面等）進(jìn)行掩膜處理，并經(jīng)人工判讀修訂，精準(zhǔn)鎖定研究區(qū)域。
基于處理后的高光譜影像，研究采用面向?qū)ο蠖喑叨确指罘椒ǎ_定最優(yōu)分割尺度25、合并尺度80，有效避免 “過(guò)分割” 或 “欠分割” 問(wèn)題。從高光譜數(shù)據(jù)中提取原始波段、植被指數(shù)、紋理特征、形狀特征等信息，結(jié)合無(wú)人機(jī) LiDAR 數(shù)據(jù)提取的高度特征與強(qiáng)度特征，構(gòu)建323維超維特征集。
通過(guò)相關(guān)性分析剔除273維高冗余特征后，利用RF-RFE、XGBoost、LightGBM 三種算法篩選樹(shù)種識(shí)別敏感特征，取其交集得到包含波段特征、植被指數(shù)、紋理特征、形狀特征、高度特征的14維最優(yōu)特征集。將該特征集輸入 Swin-UperNet 深度學(xué)習(xí)算法進(jìn)行樹(shù)種識(shí)別，最終實(shí)現(xiàn)秋茄、桐花樹(shù)、白骨壤三種優(yōu)勢(shì)樹(shù)種的精準(zhǔn)區(qū)分。
在樹(shù)種識(shí)別基礎(chǔ)上，針對(duì)不同樹(shù)種分別篩選葉面積指數(shù)敏感特征，將其引入SVR、PLSR、BPNN三種估算算法，構(gòu)建9種混合交叉模型。通過(guò)對(duì)比模型精度，確定各樹(shù)種最優(yōu)反演模型：RF-RFE特征篩選與SVR算法結(jié)合適用于秋茄與白骨壤，XGBoost特征篩選與BPNN算法結(jié)合適用于桐花樹(shù)，實(shí)現(xiàn)了不同樹(shù)種葉面積指數(shù)的精準(zhǔn)反演。
基于彩譜FS-60C高光譜相機(jī)獲取的數(shù)據(jù)，紅樹(shù)林樹(shù)種識(shí)別總體精度達(dá)91.18%，Kappa系數(shù)0.85，表明分類結(jié)果與實(shí)際情況吻合度較高。其中，桐花樹(shù)生產(chǎn)者精度92.08%，白骨壤生產(chǎn)者精度91.38%，秋茄生產(chǎn)者精度90.66%，漏分現(xiàn)象較少，為后續(xù)針對(duì)性的葉面積指數(shù)反演奠定了堅(jiān)實(shí)基礎(chǔ)。
反演結(jié)果顯示，秋茄葉面積指數(shù)范圍為0.897~3.001，均值1.416；桐花樹(shù)葉面積指數(shù)范圍為 0.934~1.919，均值1.355；白骨壤葉面積指數(shù)范圍為0.913~2.221，均值1.443，均與實(shí)測(cè)數(shù)據(jù)高度接近。其中，白骨壤葉面積指數(shù)反演模型的R2達(dá)0.87，MAE 為0.02，RMSE為0.04，秋茄葉面積指數(shù)反演模型R2達(dá)0.81，MAE為0.09，RMSE為0.05，充分驗(yàn)證了數(shù)據(jù)的可靠性。
通過(guò)該研究，清晰揭示了研究區(qū)紅樹(shù)林葉面積指數(shù)由北到南先減后增再減的空間分布趨勢(shì)，為分析紅樹(shù)林生長(zhǎng)狀況與生態(tài)功能提供了精準(zhǔn)數(shù)據(jù)支撐。同時(shí)，研究明確了高度特征與強(qiáng)度特征的協(xié)同作用對(duì)葉面積指數(shù)的重要影響，為紅樹(shù)林生態(tài)系統(tǒng)保護(hù)策略制定提供了科學(xué)依據(jù)。
彩譜FS-60C無(wú)人機(jī)高光譜測(cè)量系統(tǒng)憑借其高光譜分辨率、高空間分辨率及穩(wěn)定的性能，在紅樹(shù)林生態(tài)監(jiān)測(cè)中展現(xiàn)出強(qiáng)大的應(yīng)用潛力。其采集的高質(zhì)量數(shù)據(jù)，能夠有效支撐樹(shù)種精細(xì)識(shí)別與葉面積指數(shù)精準(zhǔn)反演，大幅提升生態(tài)監(jiān)測(cè)的效率與精度，為紅樹(shù)林保護(hù)、修復(fù)與管理提供了高效、可靠的技術(shù)手段。未來(lái)，該系統(tǒng)還可廣泛應(yīng)用于森林資源調(diào)查、濕地生態(tài)監(jiān)測(cè)、農(nóng)作物長(zhǎng)勢(shì)評(píng)估等多個(gè)領(lǐng)域，為生態(tài)環(huán)境保護(hù)與可持續(xù)發(fā)展提供有力支撐。
產(chǎn)品推薦
l 光譜范圍：400-1000nm
l 光譜分辨率：2.5nm
l 光譜波段：1200
l 空間像素?cái)?shù)：1920
