“森林”這兩個字一共由5個“木”字組成，正如同大自然中無數樹木相互依存，彼此交織，形成了一個龐大而有機的生態系統。森林具有調節氣候、保持水源、防止土壤侵蝕等重要功能，森林是地球上最寶貴的財富之一。

然而，隨著人類社會的發展和氣候變化加劇，森林生態系統也在發生著變化。

科研人員一直在努力了解并改善這些變化，隨著遙感技術的發展，新的技術手段也帶來了更多地研究可能。今天推薦大家了解的是北京林業大學和北京師范大學的研究團隊所做的研究。

森林生態系統是最基本的陸地生態系統組成部分之一，在調節氣候變化、提供物種棲息地、維持生物多樣性及減緩全球變暖等方面發揮著重要的作用。隨著人類活動和氣候變化的加劇，生物和非生物森林干擾事件頻發。因此，有效監測影響森林健康的生物和非生物因素對于理解森林生態系統碳循環及監測全球變暖的影響至關重要。其中病蟲害是生物干擾事件中最主要的干擾因素之一。檢測早期病蟲害位置對于識別高風險林分及預防其大規模爆發和蔓延至關重要。然而，不同病蟲害在垂直結構的不同位置破壞樹木。了解如何監測和評估垂直冠層結構上不同病蟲害的異質脅迫對于提高森林質量至關重要。傳統的田間調查方法費時費力，難以在區域尺度上監測森林。近幾十年來，遙感技術的出現為森林病蟲害監測提供了新的途徑和技術手段。隨著地基、機載、星載平臺等多源遙感技術的快速發展，使得高效、動態地監測不同時空尺度的森林病蟲害成為可能。

基于此，來自北京林業大學和北京師范大學的研究團隊在中國河北省懷來遙感站純人工落葉闊葉林（40.35°N，115.78°E）進行了田間測量（結構信息、葉面積指數（LAI）、上中下垂直冠層高度5個不同位置收集葉片、樹皮和土壤反射率）、受損葉片分類（健康、輕度、中度和重度受損）、光譜分析（植物反射率和透射率，ASD FieldSpec®4 Hi-Res NG）、TLS激光掃描、3D森林場景重建、機載高光譜激光雷達和高光譜圖像模擬、高光譜點云表征脅迫水平、隨機森林（RF）模型構建及分類模型準確性評估（混淆矩陣和kappa系數）。主要目的是基于3D輻射傳輸模型（LESS）評估機載高光譜激光雷達（AHSL）在森林病蟲害脅迫監測方面的潛力。具體來說，首先根據TLS數據和測量的受損葉片光譜重建虛擬3D森林場景，并在此基礎上定義不同冠層受損位置和不同脅迫水平的不同病蟲害干擾場景。然后，針對不同受損位置和脅迫水平的每種組合，使用LESS模擬AHSL點云和相應的高光譜圖像（HI）。提取AHSL點云不同層的LiDAR點云并光柵化為3m空間分辨率的圖像，結合高光譜圖像，使用隨機森林預測病蟲害。

研究區域位置，林地照片及受損葉片示例

【結果】

受脅迫葉片和樹皮的光譜反射率

基于高光譜LiDAR評估不同受損位置不同脅迫水平分類模型的準確度

基于高光譜圖像評估不同受損位置不同脅迫水平分類模型的準確度

【結論】

結果表明，AHLS在森林病蟲害異質垂直脅迫監測方面具有巨大潛力。對整個冠層受損和冠層上部受損的監測能力更優，不同脅迫水平分類的總體精度和kappa系數分別為65.95%~89.45%和54.58%~85.92%。此外，在冠層中部（OA：77.56％，kappa：69.90％）和冠層下部（OA：65.95％，kappa：54.58％）也可以獲得良好的分類準確度。作者還基于相同的脅迫場景模擬了HI數據，并與AHSL進行了比較。在整個冠層受損的情況下，HI具有更好的分類準確度（OA：57.02％，kappa：41.86％）。但上、中、下冠層受損的分類準確度差異較小。研究結果表明，AHSL提供了結構和光譜信息。與HI數據相比，AHSL能夠避免土壤、陰影及其他林下混雜因素的影響。脈沖穿透可以監測森林中下部的病蟲害脅迫，但也需要考慮樹枝的影響。