摘要: 遥感通过提供景观和区域尺度森林特征的空间和时间观测,增强了实地数据并促进了森林管理所需的预见性。从地块级实地观测中得出的统计和机器学习模型可以使用遥感数据外推到更大的区域。例如,光探测和测距(LiDAR)和高光谱传感器等仪器经常用于量化从林分到景观层面的森林...
遥感通过提供景观和区域尺度森林特征的空间和时间观测,增强了实地数据并促进了森林管理所需的预见性。从地块级实地观测中得出的统计和机器学习模型可以使用遥感数据外推到更大的区域。例如,光探测和测距(LiDAR)和高光谱传感器等仪器经常用于量化从林分到景观层面的森林特征。此外,来自卫星平台的多光谱图像和合成孔径雷达(SAR)数据集可用于将森林资源模型外推到大面积区域,以及新颖的遥感技术、扩展的计算能力的结合。
简介
森林对地球上的生命起着主要作用。从战略和战术角度来看,测量和量化景观尺度的森林状况至关重要。以管理为导向的森林监测工作包括复杂且不断变化的目标,例如木材生产、环境保护、生物多样性保护、森林防火、荒野和开放空间以及适应气候变化。过去几十年来,随着遥感和计算方法的创新,森林监测方法不断改进。尽管实地调查和清查仍然是宝贵的信息来源,但使用现场方法监测关键森林指标在较大范围内受到限制。然而,随着星载和机载遥感技术的发展,森林监测工作在能力、规模和细节方面取得了迅速进展。
例如,地球观测 (EO) 卫星每天都会对大片土地进行成像,从而能够持续监测全球森林状况。如此庞大的遥感数据集提供了将空间有限的现场数据推导到景观水平的模型结果的机会,并允许观察大规模的变化。
森林遥感
地球观测卫星为量化景观和区域土地覆盖、组成和变化提供了绝佳的机会。一些常用的卫星图像包括来自美国国家航空航天局 (NASA)、美国国家海洋和大气管理局 (NOAA)、欧洲航天局 (ESA)、印度空间研究组织 (ISRO)、加拿大航天局 (CSA) 的卫星图像、中国国家航天局(CNSA)和日本宇宙航空研究开发机构(JAXA)。此外,一些商业卫星图像提供商提供具有更高空间和时间分辨率的尖端卫星数据,并且在许多情况下提供定制的监测解决方案。一些著名的商业卫星图像提供商包括 Maxar、Planet Labs 和 Airbus 的 DigitalGlobe。研究、政府和商业实体将商业和公开的 EO 数据广泛用于地球科学、林业、农业和地质应用。
一些最常见的 EO 数据类型包括多光谱和合成孔径雷达 (SAR) 系统。多光谱卫星的例子包括 Sentinel-1 和 2、Landsat、中分辨率成像光谱辐射计 (MODIS) 和高级甚高分辨率辐射计 (AVHRR)。其中,从森林管理的角度来看,空间分辨率较高的卫星(例如 Landsat 和 Sentinel)通常更有用。
Sentinel 卫星是欧空局哥白尼计划的一部分,该计划是最新且雄心勃勃的对地观测计划之一。目前,有两个系列的 Sentinel 卫星为全球用户提供数据: Sentinel-1 和 Sentinel-2。前者由 1A 和 1B 两颗卫星组成,携带 C 波段 SAR,空间分辨率下限为 5 m。星载合成孔径雷达是一种主动雷达系统,可以通过烟雾和其他气溶胶对有或没有云层的地球表面进行成像。根据波长的不同,合成孔径雷达系统发出的微波甚至可以穿透土壤和植被的表层,并提供有关土壤物理特性(例如土壤湿度)的有用信息。Sentinel-1 星座大约每六天可以重新访问同一位置。Sentinel-2 由两颗多光谱卫星组成,下图显示了 SAR 和多光谱图像的示例,分别显示了反向散射和反射率的变化。
Landsat 卫星计划提供了自 20 世纪 70 年代以来观测的最丰富、运行时间最长的卫星数据历史档案。该档案为研究过去和现在森林动态的机制和范围提供了独特的机会。Landsat 专题制图器传感器的中等精细 (30 m) 空间分辨率及其 16 天的重访时间使它们特别适合从太空进行长期森林监测和管理应用。Landsat 数据档案于 2008 年公开,并可通过 Google 的 Earth Engine 平台随时访问,促进了这些数据在许多研究和商业应用中的广泛使用。MODIS 和 AVHRR 等较粗空间分辨率的卫星历来用于以 250 m 至 10 km 的空间分辨率尺度绘制土地覆盖图并进行分类。这些粗空间分辨率卫星具有很高的时间分辨率,具有接近日常的图像,但它们的粗分辨率使得很难获得可靠的基于地图的森林特征和变化估计。尽管 MODIS 和 AVHRR 卫星在局部范围内的效用有限,但它们可以提供频繁的遥感数据,这些数据对于灾害监测系统非常有用,也可以作为评估大面积土地覆盖变化的生态系统模型的输入和验证。
除了多光谱图像之外,较新的遥感技术,例如光探测和测距(LiDAR),为评估北方森林特征提供了新的机会,并可用于量化森林随时间的变化。激光雷达可用于估计大面积的各种森林结构属性,包括树冠高度、覆盖度、体积和生物量。与多光谱传感器不同,激光雷达仪器通过红外激光器主动发射光子,然后测量光子撞击目标并返回传感器所需的时间。光子返回时间表示传感器与目标之间的距离。
LiDAR 可用于评估森林结构,包括森林地上生物量 (AGB),并再现亚冠层表面地形。LiDAR 仪器可以是机载、星载或陆基(陆地)的,可以在不同的细节级别上使用,以提供林业相关的管理和库存信息。
结合多个遥感和非遥感源提供的不断增加的地理空间数据,地理信息系统 (GIS) 被用作各种数据集的可视化、数据操作和处理工具。GIS 和遥感技术的共同进化通过卫星图像增强了现场和库存数据,用于地图制作、空间可视化和查询以及决策支持。将实地清查、航空调查和遥感与 GIS 工具联系起来,帮助林务员和生态学家为战略(长期)和战术(短期)规划开发更准确的森林覆盖、组成和配置记录。
利用遥感评估森林生产力
在景观尺度上,北方森林生产力的遥感评估通常依赖于粗分辨率或中分辨率多光谱数据和植被指数(例如,NDVI、EVI)、SAR 数据和机载激光雷达的重复测量。然而,在林分尺度上,源自高分辨率多光谱数据的树种分布通常用于描述和预测森林生长和产量。尽管传统上是通过实地调查来确定林分内的物种组成,但遥感工具可以将实地得出的模型扩展到更大的尺度。这些源自遥感数据的地图还为森林管理者提供了森林可能生产的产品的空间分布,以及基于树种的林分对干扰的脆弱性。
在测量林分的收获潜力和产品时,地面和机载激光雷达仪器至关重要。LiDAR 数据构成生长和产量建模模拟的重要组成部分。此外,树级数据还提供有关木材种类和生物多样性的信息。除了物种分布外,林分密度在森林产量评估和生长监测中也发挥着重要作用。近几十年来,机载激光扫描(ALS)已成为估计森林地区林分密度的一项有前途的技术。ALS 是一种激光雷达方法,它使用机载平台传输和测量近红外范围内树冠的回波。
ALS 衍生的 LiDAR 点云还可用于导出地上生物量并估计林龄。随着树木年龄的增长,它们的高度通常会增长到某个点(通常是物种特定的),之后垂直生长会减慢,尽管它们的碳积累率可能会继续增加。物种分布图与林龄数据相结合可用于确定地点指数,这是对指数年龄(通常为 25 年、50 年或 100 年)的预计高度的测量。场地指数通常用作场地质量及其生产特定木制品的能力的间接衡量标准。场地质量是森林管理者的一个重要参数,因为它可以帮助确定商品木材的数量,并且是森林资源战略规划的重要输入。使用遥感和 GIS 得出的林龄和立地指数地图还可用于通过确定最佳平均年增量 (MAI) 来确定森林中的采伐地点,以最大限度地提高持续产量。
利用遥感绘制森林地上生物量图
森林地上生物量(AGB)描述了每单位面积活树的总干重,与树木密度、直径、高度和成分等结构指标相关。森林 AGB 对于森林管理者来说很有用,因为它为木材生产目的的体积估算提供了额外的信息,例如林分碳固存和储存。森林 AGB 地图还可以作为工具来识别具有高度保护优先权或具有高度种内竞争,且可能需要管理处理的区域。通过将地块级森林清查与与森林冠层覆盖、结构和组成相关的遥感测量联系起来,可以在感兴趣的区域绘制森林 AGB。各种遥感仪器用于测量和绘制北方森林 AGB,包括 LiDAR、SAR 和多光谱传感器,通常相互结合使用。
除了 LiDAR 之外,SAR 数据也用于绘制北方森林 AGB。活树立木蓄积量 (GSV) 是预测森林 AGB 的重要参数,可以使用 SAR 数据绘制大面积地图。然后,可以通过将 GSV 与土地覆盖、土地覆盖特定木材密度和生物量分配相关信息相结合来预测森林 AGB。
多光谱卫星图像是一种廉价的方法,可以通过使用机载和地面 LiDAR、极高分辨率图像和现场清单,从地块级测量扩展 AGB 估计。这种多源、多尺度方法还可用于监测森林 AGB 随时间的变化。LiDAR 数据对于增强多光谱图像特别有用,因为森林冠层闭合掩盖了森林结构,辅助地理空间信息还可以改进北方森林 AGB 的模型预测。
遥感新技术
Landsat、Copernicus 和 MODIS 等卫星项目通过确保固定的观测条件、定期的传感器和数据校准以及最小的地理定位误差,提供随时间变化的数据集的高度同质性。这种重复观测对于长期评估和监测景观尺度的森林状况非常有价值。此外,Planetscope 和 Planet Labs 的 SkySat 等提供商提供的每日高分辨率图像的商业 PB 级卫星档案,提供了整个地球的不断更新的卫星数据流,确保战术和战略规划的全球监控和数据连续性。这些微卫星星座允许在一个季节内获得同一感兴趣区域的多个测量值。
然而,大量卫星数据档案对处理和处理所收集的图像提出了重大挑战。尽管可以构建大容量计算解决方案,但此类工具需要大量时间和资源,并且通常仅在大型机构内可用。
云计算技术最近的快速发展提高了研究和商业用户等的按需计算能力的可用性。谷 歌云平台、亚马逊网络服务和 DigitalOcean(仅举几个商用平台)最近发展的云计算技术,使研究人员能够通过提供按使用付费的计算基础设施来突破科学的界限。云计算服务提供托管计算工具和平台,可以处理大量数据,而无需安装本地计算基础设施。云计算平台,例如 Google Earth Engine (GEE),可以帮助解决与处理和分析 PB 级卫星图像数据所需的大量计算相关的挑战,而无需在本地计算机上与之交互。许多公开可用的卫星数据集合,包括 Landsat、MODIS、Sentinel-1 和 2,以及许多派生的区域和全球产品,现在都可以在 GEE 上进行用户定义的处理和计算。此外,GEE 等工具具有高度可扩展性,可以并行处理卫星图像,从而显著缩短许多工作流程的时间。GEE 的可扩展性允许机器学习工作流程对图像进行分类。
森林管理者应对气候变化对森林影响的能力取决于有效的数据收集、处理和得出可行的见解。由于通过实地调查频繁甚至偶尔对整个森林进行普查是不可行的,因此有必要通过遥感平台和仪器监测大片森林的变化。结合实地和遥感数据开发的模型可以为森林管理者提供了解生物多样性、生物量、脆弱性、林分密度和其他森林特征变化的途径。