近年来,中国天然林面积和蓄积持续双增长。目前,人工林面积已居世界首位,是全球林产品生产第一大国(
森林资源培育和科学化管理水平全面提升离不开智能化、精准、高效的森林资源培育与监测技术(
森林精准培育以非接触或接触式的传感器监测技术为主要手段,而现代遥感技术所构建的多平台、多角度、多模式立体观测体系及定量数据分析方法则是其关键核心。随着激光雷达、高光谱、荧光成像仪等各类遥感传感器以及无人机平台等的快速发展,通过将主被动遥感与植被结构和光谱综合分析及人工智能等方法相结合,可实现森林环境、土壤及结构和生理等关键森林培育参量的精准获取,从而为森林生长状况监测诊断和林木优良品种选育提供重要的支撑;有助于明确不同培育条件下森林信息特征与生长指标之间的关系,建立森林光谱数据库和生长指标适宜动态数据库,构建森林生长指标适宜动态及实时诊断模型;从而快速准确监测森林主要生长指标,实时诊断森林的营养亏缺或病虫害受损状况,指导适时的森林精准管理与调控。同时,遥感技术的发展,也为快速准确获取高精度、高质量的林木表型信息提供了新的途径,从单木到林分尺度追踪林木基因的表现,进而实现数量性状位点的准确定位和目的基因的鉴定,并可最终应用于林木良种选育(
精确定量估算林木在不同生长阶段树高、冠幅、叶面积指数、蓄积量和生物量等生长结构信息,以及氮磷钾和水分状况等生理生化信息,对使用遥感手段在森林精准培育的应用至关重要。目前遥感手段解析森林精准培育信息采用的传感器主要为RGB数码相机、多光谱传感器、高光谱传感器、激光雷达、热红外传感器和荧光传感器等(
森林精准培育常用遥感传感器类型
传感器对比 | RGB数码相机 | 多光谱传感器 | 高光谱传感器 | 激光雷达 | 热红外传感器 | 荧光传感器 |
---|---|---|---|---|---|---|
主要测量指标 | 叶色、胸径、树高、密度、冠幅、材积、覆盖度等 | 生物量、氮素状况、色素状况、水分状况等 | 生物量、色素状况、氮素状况、水分状况、光合速率等 | 树高、材积、生物量、叶倾角、叶面积指数等 | 冠层温度、水分状况、净同化速率、气孔导度等 | 光合状况、生产力、色素状况、氮素状况 |
优势 | 成本低、机动性强、直观便捷、高空间分辨率 | 成本低、机动灵活、受天气影响小 | 高光谱分辨率、可间接观测结构参数和理化指标、图谱合一特性 | 可提供三维数据、高精度获取垂直和水平森林结构参数 | 快速获取冠层温度,实现林木在胁迫条件下的长势判定 | 可探测林木光合状况和健康状况 |
不足 | 易受光照环境影响、像幅较小 | 需辐射校正和几何校正、光谱分辨率低、波段较少 | 需辐射校正和几何校正、高光谱数据预处理较为复杂 | 成本较高、数据处理量较大、难以用于生理生化参数分析 | 易受天气环境、时间、光照、土壤的影响;需频繁的校准 | 视场小、可探测波段范围较窄 |
RGB数码相机是应用广泛的高精度可见光成像传感器,具有低成本、操作简便、非破坏性等优点,可用于林木叶片叶绿素等生化参数估测(
近年来,随着无人机等近地遥感平台的发展,通过无人机搭载RGB数码相机逐渐应用于森林精准培育研究。该方式可实现林木冠层高清图像的快速采集,显著提高影像采集的效率,具有低成本、机动灵活、可云下低空飞行、对光照环境要求相对较低等特点,并可提供林木的二维和三维成像数据,主要用于监测树高、密度、冠幅、覆盖度、材积等森林冠层结构参数(
RGB数码相机为森林精准培育研究提供了一种操作简单、低成本、普及率高的观测方式。通过结合无人机数字摄影测量技术,为获取树高、密度、冠幅、覆盖度、材积等森林结构参数提供了高效和可靠的方法。无人机搭载RGB数码相机显著地提升了获取林木冠层高清影像的效率,但该方式也常受限于续航时间,获取的信息多来自于森林冠层的中上部,且需要进行合理的曝光设定,以减轻云的遮挡和环境光线的变化引起的图像曝光不足或过度等(
植被对电磁波谱的吸收、透射和反射等光谱信息,可被用于估测生物量、水分含量、叶绿素含量等植被生理生化参数等(
主动式非成像多光谱传感器主要搭载于近地面遥感平台,具有时间灵活性高、不受天气光照影响等优点,目前已广泛应用于田块尺度的作物生长状况监测(
近年来,由于多光谱传感器价格低廉、受天气影响小,通过无人机挂载多光谱传感器可高位作业,在林木营养状况监测(
星载多光谱传感器已被广泛用于林分尺度森林生物量、蓄积量等结构参数的获取,而无人机挂载的多光谱传感器则在森林精准培育中的氮素营养状况、水分状况和病虫害状况的探测具有较大的潜力。然而,由于多光谱传感器通道较少、光谱分辨率较低、且波段之间不连续,在一定程度上限制了其在森林精准培育研究中的应用。
常见的高光谱传感器波段区间为400—1000 nm,主要应用于色素含量估测(
高光谱分析方法主要包括光谱指数法(
基于机理模型和高光谱数据估测林木理化指标的方式,也被广泛应用于林木生长状况监测。机理模型从光与叶片、冠层的相互作用机理出发,具有较好的普适性,但模型较为复杂,受模型拟合精度、算法复杂性、获取模型参数等的限制。在林业中应用较广的机理模型主要包括适用于模拟阔叶光谱的PROSPECT模型(
相较于使用多光谱数据,通过使用连续窄光谱带的高光谱数据,能更准确的探测到不同长势下的光谱差异,以及叶绿素、水分含量、氮素含量等生化参数的光谱吸收特征变化,因而可以更为精准地获取林木色素、营养和水分状况相关指标,为林木精准培育中优化水肥调控精准管理、森林病虫害精准防治提供重要的技术支撑。虽然高光谱传感器存在上述优点,其也存在一些局限性,如需要辐射校正和几何校正、预处理较为复杂(特别是山区地形);同时,其通常数据解译复杂、成本高、数据集较大、易受光照环境条件的影响。
通过使用热红外传感器可探测植被自身红外辐射的能量,可在极短的时间内获取植被叶片的温度信息,而温度信息与气孔导度(
在森林精准培育研究中,热红外传感器主要包含挂载于近地面遥感平台和航空平台两种类型。在林木受胁迫早期,水分亏缺还未达到植物生理的极限值,林木冠层形态状况和光谱特征变化不大,但通常会引起水分发生变化,从而引起植被温度的异常变化,而热红外传感器可以精准地获取温度变化,为森林精准培育研究提供了一种有效监测林木早期水分胁迫的技术手段。但由于热红外成像仪受环境的影响较大,需在晴朗、无风或微风的条件下获取林木冠层热红外影像,易受土壤背景温度等混合像元影响,常需要对传感器进行多次校准,且很难进行不同时间段数据的对比。
激光雷达传感器LiDAR(Light Detection And Ranging)是一种通过激光器发射激光束照射物体表面和接收返回信号的主动遥感设备,具有穿透性强、抗干扰能力强、点云精度高等优点。离散回波点云和全波形两种模式为激光雷达系统的主要记录模式。其中,前者记录来自不同冠层位置的单个或多个回波信号,而后者理论上记录了返回信号的全部能量,可提取包含更多细节的植被冠层垂直剖面。目前,在林业遥感应用中,更多的使用小光斑离散回波数据(
按照遥感平台的不同,在森林精准培育研究中主要使用的是机载和近地面激光雷达。近地面激光雷达包括地基式(
多项研究表明,通过结合激光雷达和高光谱传感器,可以进一步地协同分析不同高度层次(垂直信息)、不同方位(水平信息)的激光点云三维信息和光谱信号,用于提升理化指标和生物量等结构参数的估测精度、以及定量评估理化指标的空间分布值测结果。
通过使用激光雷达可获取精准的三维数据,用于提取单木和林分位置、树高、生物量、蓄积量等冠层结构参数信息(
叶绿素荧光传感器的工作原理为通过接受人工激发光后获取发出的荧光信号,或通过探测太阳日光诱导叶绿素荧光信号,进而提取有关植物光合状况和代谢状态的信息。其中,前者通过使用主动式单色激光光源诱导植物发出荧光,后者主要基于夫琅禾费暗线原理进行提取自然光照条件下的日光诱导叶绿素荧光(SIF)信号(
叶绿素荧光在研究干旱胁迫(
叶绿素荧光与植被光合作用、热耗散等密切相关,是光合作用的无损探针,能有效反映光能吸收、传递、利用与分配和光化学反应等光合作用过程,为森林精准培育研究提供了一种可以直接从生理上探测植被光合作用变化的技术手段。但叶绿素荧光传感器(尤其是主动式)多针对单一植株的荧光信号进行精准测量,较难精准测量冠层尺度的荧光参数,易受冠层结构、土壤背景、混合像元等的综合影响。
遥感技术贯穿于森林培育主要生产环节,包括了育种、育苗、栽植方案设计、精准林分管理等。其中,遥感技术在森林精准培育中应用较广的领域主要为林木良种的精准选育、水肥胁迫与精准喷灌以及森林病虫害精准防治与健康评估等(
森林精准培育遥感的应用方向共性需求
应用方向 对比 | 林木良种的 精准选育 | 水肥胁迫与精准喷灌 | 森林病虫害精准防治与健康评估 | 应用方向的 共性需求 |
---|---|---|---|---|
主要测量的结构参数或理化指标 | 树高、胸径、材积、冠幅等结构参数;色素含量、氮素含量、水分含量、光合速率 | 色素含量、氮含量、磷含量、钾含量、水分含量 | 色素含量、水分含量、光合速率 | 通过森林结构参数和理化指标的整合量化分析,辅助监测林木生长状况 |
主要应用的传感器 | 激光雷达、RGB数码相机、多光谱、高光谱 | 多光谱、高光谱、热红外 | RGB数码相机、多光谱、高光谱、热红外、激光雷达 | 通过结合激光雷达、高清相机CCD成像、高光谱成像等技术,实现森林结构参数和理化指标的高精度获取 |
主要应用的遥感平台 | 地面平台、无人机平台、机载平台 | 地面平台、无人机平台、机载平台、星载平台 | 无人机平台、机载平台、星载平台 | 通过结合天空地一体化平台,实现森林单木到林分尺度的高精度监测 |
主要的数据分析方法 | 三维结构提取法、图像特征解译法、光谱特征解析法 | 图像特征解译法、光谱特征解析法、冠层温度分析法 | 三维结构提取法、图像特征解译法、光谱特征解析法、冠层温度分析法 | 通过结合机器学习、模式识别等算法,实现多类遥感数据特征参数的整合分析 |
林木种子是森林培育的物质基础,其承载了林木遗传基因并促进了森林的世代繁衍。林木种子的质量和数量与森林生产力等质量指标密切相关。因此,只有采用具有优良遗传品质和播种品质的良种,才能为人工林培育提供优良的基因保障,形成具有速生、丰产、优质、抗逆性强的林分(
林木良种的精准选育是森林培育的主要任务之一,而林木通常树体高大,达到生殖成熟期时间较长,基因组较大,且所处的立地环境条件较为复杂(多为山地)。传统的林木良种选育是一个具有高昂成本且缓慢的过程,需要较长时间的大规模林地栽培实验,用以测量相关的表型性状参数(如树高、生物量、材积等)。近年来,随着遥感、林学、现代生物科学等多学科技术的进步和交叉融合(
植物表型研究起源于20世纪末,其核心是获取可重复的有效表型性状数据,进而定量分析基因型和环境互作效应,以及其对质量、抗逆等主要性状的影响(
林木良种的精准选育主要包括早期的精准育苗、以及林分中优异树种的选取,而用于加速林木良种选育主要的两种方法分别为基因组选择GS(Genomic Selection)和林木早期表型性状的间接选择。通过使用这两种方法可以大幅减少林地试验的成本,并及时辅助早期选择的决策。林木早期的精准育苗主要使用室内表型技术,在可控的环境条件下(如温室条件)采集林木幼苗的表型信息,即通过使用RGB数码相机、高光谱成像仪、荧光仪、热红外成像仪等对幼苗早期的生长动态、受胁迫处理响应特征等进行精准监控。但是,林木表型是基因型和环境型共同作用的结果,室内环境条件与野外林地的光、温、水、气、肥等生长环境仍有很大差异,因而对林地栽植的大树进行表型监测更有实际价值。基于此观点,
水分是林木生长发育过程中的重要物质。其不但是影响林木光合作用、蒸腾作用、净初级生产力的物质基础,也是形成淀粉、蛋白质和脂肪等重要物质的主要成分。通过水分灌溉可有效提高造林的成活率和保存率,促进林木生长和林分郁闭,但过量的灌溉用水不仅浪费水、还会造成土壤通气性和含气量的下降,不利于林木根系的生长,甚至引起土壤的盐渍化。因此,林木生长的水分灌溉需要根据林地土壤水分状况、林木对水分的需求情况和林木目前自身的水分状况,进行科学判断达到合理灌溉的目的。
传统的林木水分状况估测方法主要为干燥法,较为费时费力、具有破坏性、且易受环境因素影响,难以及时评估林木的实际水分状况。蒸腾作用在林木水分代谢中具有调节支配的功能,蒸腾速率可在一定程度上衡量植物水分平衡和水分代谢状况。因植被温度与蒸腾速率等水分参数紧密相关,无损评估水分状况的早期研究多基于温度信息评估林木水分亏缺状况。然而,植被温度信息的时空变化受环境的影响较大,一定程度上限制了该类应用(
由于水分子O-H键的伸缩和弯曲振动,植被水分在970 nm、1200 nm、1450 nm、1950 nm和2250 nm处(
水分含量的变化不仅会直接引起植被光谱特征发生变化,而且还会诱导植被生理的变化,如叶绿素含量的降低,从而引起对可见光光谱、或荧光光谱的显著变化。这主要是因为随着胁迫的进程,活性氧、过氧化氢及丙二醛含量增加, 抗氧化剂含量下降,损伤了叶绿素蛋白复合体功能,从而引起了叶绿素的逐渐降解(
营养元素的盈亏影响林木的生长发育,林木生长过程中所需的大量元素主要包括氮、磷、钾(
传统的林木营养诊断技术方法大都需要破坏性取样和室内化学分析,用以获取实际的生物量和营养元素含量,具有明显的滞后性。随着遥感技术和装备的发展,已有较多研究利用遥感技术手段重点围绕林木氮素营养状况的评估。反射光谱与林木生长状况密切相关,可为林木生长指标的快速监测及营养丰缺状况的精确诊断提供技术支撑。基于光谱遥感技术可较好地监测诊断林木营养状况,其主要是依据营养元素的差异会引起不同波段区间反射率光谱的变化差异。例如,低氮植被的叶绿素含量和叶面积指数均较低,在可见光波段(400-700 nm)反射率高,而在近红外波段(750-900 nm)反射率低,通过系统构造选择两波段组合而成的比值型指数,探究氮含量等营养元素指标的光谱敏感中心波段组合,进而用于营养状况的监测诊断。
在叶片尺度上,前人使用叶夹式叶绿素仪(
在冠层尺度上,前人基于机载、星载多光谱和高光谱影像,使用氮营养相关的光谱指数(如归一化差值氮指数NDNI)、或支持向量机回归和BP神经网络等机器学习法,成功估测了苹果树等经济林木(
相较于氮素营养,磷素和钾素营养的盈亏对林木光谱特征的影响较弱,关于利用遥感技术评估林木磷素和钾素营养状况的报道也较少。已有的研究多使用光谱技术,分别建立了锦橙叶片钾含量(
水分是氮、磷、钾等营养元素的直接运输者,对营养元素的运输效率和在各器官组织内的分配存在直接的影响。目前,林分水肥管理多采用传统方法进行,如采用浇灌水分、沟施肥料等,但所需人工成本较高,肥料利用率低,且造成一定的水土流失和林地土壤污染等。如何提高林分的水肥利用效率,节省人工、肥料等经济成本是林农最为关心的主要问题。施肥量可根据树种的生物学特性、土壤贫瘠程度、林龄和施用肥料的种类来确定。
为实现林木的速生、丰产、优质、高效发展,通过遥感技术实现林木的水肥精准喷灌,主要包括以下步骤:首先,通过使用不同遥感平台(航天平台、航空平台、无人机平台、车载平台、感知物联网进行林木生长信息的智能获取;然后,使用不同的信息特征提取算法分别提取图像特征、光谱特征等信息特征;接着,基于适宜生长指标动态数据库、信息特征数据库、以及云计算等方法,实现林木营养亏缺的监测诊断;其次,基于管理知识模型和GIS技术生成按需投入施肥处方和精准施肥管理决策;最终,分别使用车载式、机载式和水肥一体化系统实现智能装备的变量化施肥。利用传感器监测水分数据,决定何时灌溉、何时施肥、灌溉、施肥的面积、间隔时间与次数,数量的多少等林木生长环境参数对水肥的需求;通过对中央控制设备,自动控制水阀门的开启和关闭,发出灌溉和施肥的指令,从而开展精准灌溉施肥,为林木生产的自动化控制提供决策与科学管理依据。通过实施水肥一体智能灌溉系统,可减少或避免人为因素的影响。
森林病虫害是威胁森林健康生长的重要因素之一,对其精准防治和危害程度的健康评估,在保障森林健康方面具有重要的意义(
病虫害中的病害主要是由于寄于林木体内的病原生物所引发的,易造成植物根部破坏、维管束堵塞、叶片细胞质结构的破坏,从而引起水分吸收能力减弱、向上运输能力下降、水分散失速度加快。虫害一般是造成机械性损伤,直接破坏林木的根、茎等水分吸收和传输通道(如钻蛀性害虫),或直接啃咬林木叶片(如食叶害虫),造成叶片细胞缺水,影响气孔细胞关闭,降低叶片蒸腾作用,从而影响叶温、叶面积指数、以及其他相关的生理生化指标(如叶绿素含量、荧光参数、光合作用参数等)。病虫害造成的外部表观形态变化和内部生理变化,易导致叶片在形态图像或光谱辐射方面发生变化,因此通过高光谱成像或热红外成像等遥感技术可更有效地检测并定量化病虫害的危害程度。
针对林木病虫害遥感监测,已有的研究多聚焦于可见光成像、多光谱成像、高光谱成像和热红外成像方面的应用。在可见光成像技术应用方面,较多学者使用搭载于地面平台、或无人机平台的可见光RGB相机结合机器视觉(Mutka和Bart,2015;
遥感技术是促进林木生长发育规律研究、推动森林培育精准化的重要技术手段。近地面平台、机载平台和星载平台是森林精准培育遥感应用中的主要遥感平台;其中,无人机等近地遥感平台,具备机动灵活、成本低、效率高的特点,在森林精准培育研究中具有较大的潜力。常见的传感器包括RGB数码相机、多光谱传感器、高光谱传感器、激光雷达、热红外传感器和叶绿素荧光传感器等。其中,光谱成像技术具有图谱合一的特性,可用于间接观测氮含量、色素含量等多项表型信息;热红外遥感技术主要用于水分状况的间接测定;激光雷达技术可获取丰富的激光点云信息,进而得到高精度的三维冠层结构(如株高、冠宽、叶型、生物量等)参数。
通过使用多平台、多尺度、多源遥感技术,可精准地获取森林的长势信息,为森林精准培育研究中林木良种精准选育、水肥胁迫与精准喷灌、森林病虫害精准防治与健康评估等提供技术和数据支撑。未来,森林精准培育中遥感技术应用的发展趋势和研究热点将重点表现在以下3个方面:
(1)多平台、多时相、多源遥感信息融合。前人研究表明基于单一遥感数据源建立的模型,通常存在通用性差、年际间和不同树种间模型预测精度不稳定等缺点,而通过融合天—空—地多平台、多时相、多源遥感数据(如结合高光谱影像数据和激光雷达数据源等)可显著提升森林结构参数和理化指标等的估测精度和模型鲁棒性,进而用于森林结构参数和理化指标的动态监测。因此,需不断深入地挖掘和融合多源遥感信息处理的技术和方法,用于构建通用性强、精度高的遥感预测模型。此外,通过开发多源遥感一体化无人机平台,可有效获取多时相的多源遥感数据,同步获取林木的立体三维结构信息和光谱信息,提升遥感数据获取的效率和维度。
(2)人工智能、物联网技术、GIS和遥感技术的融合,以及与水肥灌溉一体(硬件)系统的集成。通过使用光谱成像、热红外成像、激光雷达等多层次立体化的多源遥感技术,结合可智能采集林地气象、水分、养分的物联网技术,以及可提供回归和分类问题求解、专家系统推理和模式识别的人工智能技术,实现林木形态指标、结构参数、理化指标等精细表型智能化提取的高通量表型技术;可辅助实现林木水肥亏缺的精准监测诊断,进而结合GIS技术生成精准水肥管理决策,完成水肥灌溉一体化集成系统的变量化施肥灌溉;并在此基础上,智能高效地挖掘表型与基因型和环境型三者相互作用机理,为林木优良品种选育提供技术支撑。
(3)遥感观测数据与生理生态模型、辐射传输模型的集成应用。通过结合生理生态模型和辐射传输模型的机理性、预测性和遥感的空间性、实时性,可进一步增强森林精准培育遥感应用的通用性及机理解释,实现生理生态模型和辐射传输模型从样地尺度到区域尺度的尺度提升,并全面提升遥感观测数据和辐射传输模型相结合的森林生理生态关键参数模拟效果。