了解亞熱帶森林樹種的準確信息對于森林可持續(xù)管理,、生態(tài)系統(tǒng)服務評估,、生物多樣性監(jiān)測以及生態(tài)環(huán)境保護至關(guān)重要。因此,，亟待快速有效的方法對單個樹種進行分類,。傳統(tǒng)的樹種地面調(diào)查費事、費力,、成本高,，難以大面積實施。而遙感可以獲取較大區(qū)域的特征信息,。許多遙感數(shù)據(jù),，如超高分辨率RGB、機載高光譜和雷達數(shù)據(jù),，已廣泛應用于單木分割和樹種分類,。然而以往都是利用其中一種或兩種類型的數(shù)據(jù)進行研究，綜合這三種遙感數(shù)據(jù)進行樹種分類的研究十分有限,。

基于此,，為填補研究空白， 研究者們于2019年8月在中國南方深圳的亞熱帶闊葉林聚龍山公園（114°23′28′′E,，22°43′50′′N）基于UAV LiDAR,，高光譜（Resonon Pika L高光譜成像儀）、超高分辨率RGB數(shù)據(jù)以及地面數(shù)據(jù)進行單個樹種的分類,。作者首次開發(fā)了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法進行單木分割,。然后整合UAV LiDAR（提取結(jié)構(gòu)特征），高光譜（提取光譜特征）和超高分辨率RGB數(shù)據(jù)（提取紋理特征）進行分類,。最后通過總體精度（OA）和kappa系數(shù)（k）評估分類精度,。主要研究目標為：（1）評估所提出的WST-Ncut算法在亞熱帶闊葉森林進行單木分割的準確性；（2）與單獨使用這些數(shù)據(jù)相比,，評估UAV LiDAR,，高光譜和超高分辨率RGB數(shù)據(jù)相融合進行亞熱帶闊葉樹種分類的有效性和改進以及（3）探索單木分割的準確性和樹種數(shù)量對樹種分類精度的影響,。

研究區(qū)位置

【結(jié)果】

18個樹種在383-1020 nm波長下的反射率平均值和±標準差。

18個樹種在383-1020 nm波長下的平均光譜反射率,。

七種特征組合得到的樹種分布圖,。

使用所有特征時獲得的總體分類精度與樹種數(shù)量之間的關(guān)系。

【結(jié)論】

在本研究中,，作者利用UAV LiDAR,，高光譜和超高分辨率RGB數(shù)據(jù)在亞熱帶闊葉森林樹木尺度上進行18個樹種的分類。作者首次提出了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法來描述單木,。結(jié)果表明,，WST-Ncut算法適合描述亞熱帶闊葉森林單木（Recall=0.95，Precision=0.86,，F(xiàn)-score=0.90）,，可以減少過度分割。LiDAR獲取的垂直結(jié)構(gòu)特征,，高光譜獲取的光譜特征以及超高分辨率RGB數(shù)據(jù)獲取的紋理特征在樹種分類上相互補充,。分類結(jié)果表明這三個數(shù)據(jù)集相結(jié)合可以有效區(qū)分18個樹種，獲得最高的分類精度（總體精度=91.8%,，Kappa=0.910）,，比單獨利用光譜特征，結(jié)構(gòu)特征和紋理特征分別高10.2%,，13.6%和19.0%,。此外，結(jié)果表明,，單木分割越好,，樹種分類越準確，樹種數(shù)量增加將會導致分類精度下降,。