高光谱遥感在林业中的应用

高光谱遥感森林应用一直是植被遥感的主要领域，近年来，国内外相继开展了森林类型识别、郁闭度和叶面积指数估测以及森林生物化学参数提取等方面的研究。本文简单总结了高光谱遥感在林业中的应用.。

1. 森林物种识别

植被光谱不仅具有高度相似性和高空间变异性，更具有时间动态性强的特点，充分发挥高光谱遥感的独特性能，将大大提高物种识别和分类精度。森林物种识别是高光谱植被特征识别研究中备受瞩目的应用领域。森林树种类型识别的主要目的是提取森林树种的专题信息，为划分森林类型、绘制林相图和清查森林资源提供基础和依据。

目前研究多集中在河湖、盐沼、海岸滩等湿地生境的植被识别及制图，即群落尺度的区分，由于受光谱数据库不健全的限制，一般要结合地面调查来提取不同物种典型的特征光谱曲线。

数据源多采用A VIRIS，CASI、Hyprion等航空航天反射光谱数据，或高分辨率光谱仪实地测得的数据，通过波段组合、Logistic回归、建立光谱信息模型等方法，实现对主要物种、森林类型乃至具体树种的识别。也有学者借此对植被空间分布制图、植被变化监测进行研究，均取得了与地面数据相当好的一致性。

混合决策树、专家决策树法常用于农作物的精细分类，由于农田、草原等生境物种组成相对简单，高光谱遥感与普通遥感手段相比优势并不明显。因此在这些领域，高光谱更多应用于草原生物量估算、农作物理化信息提取等方面。.

高光谱影像CASI和SASI. 森林树种识别结果

2. 冠层结构特征识别

这方面工作的重点主要是针对混交林冠层，以及在区分藤蔓植物和树种基础上的冠层描绘。对于混交林而言，多样化的尺度和反射特征、多层树冠结构以及冠层内、冠层间的树荫

交错都给准确描绘树冠带来重重困难。研究者试图通过混合光谱分解、高光谱双向反射分布函数等方法获得植被冠层结构特征，并取得了一些成果。但是，高光谱遥感对于密集的、多冠层区域的冠层结构识别，精度还不是特别理想。在植被冠层结构识别研究中，高光谱遥感还需要进一步的研究。

3. 生理生化特征识别

高光谱遥感在植被自动识别、植被长势及其空间分布定量化、冠层植被营养诊断、植被胁迫监测与诊断等方面均得到了广泛应用。在森林树种的生理生化特征识别中，主要涉及叶面积指数、生物量、水分含量、郁闭度、光合有效辐射、叶绿素、各种营养成分(N、P、K 等)，(半)纤维、木质素、淀粉和蛋白质等。

Zaroc2Tejada等通过不同尺度下冠层光谱模拟，获得了随叶绿素含量变化的一些规律。发现MCARI/OSA VI能有效去除土壤背景对植被叶绿素含量估测的影响，利用MCARI/OSA VI植被指数进行叶绿素(a+b)含量的估测可达到预想的效果。

Dury等的研究中，使用包络线去除HYMAP遥感数据对桉树进行监测，发现利用高光谱数据反演的氮含量估测值与同步实测冠层叶片的氮含量具有一致性。

宫鹏等利用CASI高光谱数据对美国俄勒冈州针叶树的LAI进行了估测实验。结果发现LAI与归一化植被指数(NDVI)之间的双曲线关系是估计LAI最合适的方法。

张良培等利用进行一阶导数运算处理后的高光谱数据对生物量进行估计，其结果很好地反映了地面的实际情况。

此外，我们还可以通过森林生理生化特性的识别得到不同森林树种间的差异信息，利用这些差异信息进行树种类型识别研究，可以更为有效地提高树种类型识别的精度。如Martin结合不同森林树种之间特有的生化特性，将高光谱数据A VIRIS(航空可见光/红外成像光谱仪)与簇叶化学成分之间建立关系，成功鉴别了10种森林类型(红枫、红栎、阔叶混交林、白松、铁杉、针叶混交林、挪威云杉、红松、云杉沼泽林及落叶阔叶沼泽林)。