成果简介：
一、技术特点
针对传统样地调查难以大范围监测森林生物多样性的难题,本成果融合多源高分辨率遥感数据（激光雷达、高光谱、卫星影像）与地面观测，构建了多尺度森林生物多样性监测体系。通过开发波形激光雷达数据处理算法、多源遥感特征融合模型，实现了森林垂直结构参数、物种多样性指标的精准反演，并揭示了生物多样性与生产力的空间关联机制。成果突破了复杂地形下遥感数据的地形校正、植被-地面信号分离等技术瓶颈，为大范围森林生态监测提供了高效、可复制的技术方案。
二、适用范围
1.已应用区域
成果已在浙江省古田山国家级自然保护区、云南省普洱市太阳河公园以及海南省霸王岭国家公园开展示范应用。在古田山地区完成了机载数据采集，构建了森林生物量反演模型（R2=0.86 ，RMSE=18.48tha），绘制了生物多样性空间分布图。
2.预期应用区域
预计可在我国亚热带常绿阔叶林分布区（如福建、江西、湖南）及地形复杂的林区推广,尤其适用于自然保护区生物多样性动态监测碳汇评估及森林资源管理场景。
三、应用方法
1.多源数据融合观测体系构建
建立乔木物种多样性小样方，量测胸径、冠幅等参数、开展物种鉴定及空间定位。利用中国林科院 CAF-LiCHy 和LiThy 机载遥感系统获取高分辨率全色影像、高光谱数据及高密度的激光雷达点云，结合 GF-2卫星影像，构建包含光谱、纹理、空间结构的多维度数据集。
2.激光雷达数据精细处理技术
提出“波形椭球”概念，通过高斯参数提取与辐射标定，构建由波形增强参数（WAP）组成的特征向量，结合随机森林分类算法实现植被与地面点云的高精度分类（总体精度>97%）。开发微地形分类算法，通过迭代内插生成地表曲面模型，利用高斯混合模型剔除低矮植物干扰，同时基于归一化高度、线性度等特征自动识别林区建筑物与电力线，纯化植被点云数据。
3.生物多样性反演模型开发
基于机载高光谱数据提取植被指数（如红边反射率均值、叶绿素指数)及GLCM,SADH纹理特征,结合激光雷达冠层高度模型( CHM),利用机器学习实现树种分类（总体精度 94.9%）。构建功能多样性指数（FRic、FDiv、FEve）与物种多样性的关联模型，开展遥感观测的Shannon-Wiener 指数与功能丰富度指数（FRic）的相关性建模，精度较地面调查提升 30%,基于 GF-2 卫星数据建立的 SVR 模型可有效估测区域物种多样性。
四、典型案例
数据采集：利用 CAF-LiCHy/LiTHy 机载系统获取浙江古田山国家级自然保护区机载数据，包括 LiDAR 点云、高光谱影像及航空相片，同步更新地面样地调查数据。
数据处理：通过波形增强参数分类剔除地面干扰点，提取冠层高度模型（CHM）与遥感特征计算的植被指数，Shannon-Wiener指数。
模型构建：基于遥感影像特征计算FRic指数与多样性指标建立回归模型，外推反演区域物种多样性空间分布。
结果验证：结合地面样地数据，验证了群落结构对生产力的主导作用。
成果完成单位：中国林业科学研究院资源信息研究所
成果完成人：庞勇
津公网安备12010102000518号