1. 研究背景
大规模准确识别和分类树种对于城市绿地的有效管理至关重要。树种在土壤碳储存、生物量生产、空气污染缓解以及热岛效应减缓等特性上显著不同。它们还在生物多样性保护、生态连通性、生态系统服务以及为野生动物提供食物方面发挥着重要作用。大规模准确识别和分类树种对于城市绿地的有效管理至关重要。
2.创新之处
以往的研究主要关注物候变化对树种分类的影响，通常限于特定地区或小规模评估。尽管在结合HSI（高光谱）和LiDAR（激光雷达）数据进行城市树木制图方面取得了显著进展，但在整个城市范围内对树种进行分类仍需要进一步探索。将这些技术进行大规模城市综合分析仍然较少涉及。本研究通过使用LiDAR和HSI传感器，针对整个城市的树种进行分类，以填补这一研究空白。尽管卫星影像如Landsat 8和Sentinel提供了更丰富的时间特征，我们选择使用机载高光谱影像是因为其具有更高的空间分辨率、更宽广的光谱波段范围和分辨率，以及能够通过两个不同的物候期（生长期和叶片衰老期）捕捉清晰季节差异来进行树种分类。
3. 关键图表
图1 叶片生长期10个树种的点云图的示例
图2 全市绿地中使用机器学习模型进行物种分类流程图
图3 不同数据集上的单株树分割分类结果
4. 主要结论
本研究结果表明，结合两个季节的机载LiDAR和HSI数据，使用LGBM分类器对城市10种主要树种的分类精度最高，达到90.6%（Kappa值：0.895），尤其对Ginkgo、American sycamore和Yoshino cherry的分类表现最佳。在所有变量中，最大树高Hmax和交叉对称差比指标ISDRI是对树种分类精度影响最大的因素之一。Hmax的重要性值为0.490，因城市绿地的特点而特别有效；ISDRI的重要性值为0.336，突出体现了季节性叶片体积差异，有助于物种区分。秋季叶片衰老期的光谱指数表现出累计SHAP重要性得分比叶片生长期高0.374，突显了秋季衰老期高光谱数据在树种分类中的有效增强意义。整合机载LiDAR、HSI和关键物候期的季节性数据以及相关指标的协同作用，将显著推进城市区域内的绿化和森林管理。
5. 发表信息
Kim D, Song Y, Kim H, et al. Airborne multi-seasonal LiDAR and hyperspectral data integration for individual tree-level classification in urban green spaces at city scale[J]. International Journal of Applied Earth Observation and Geoinformation, 2025, 136: 104319.
6．声明
（1）小编水平有限，文章分析和理解均是个人见解，强烈推荐通过合理渠道获取原文，直接进行阅读。
（2）文稿涉及的材料仅为交流学习，如涉及版权和其他问题，请联系删除，小编对此表示歉意，邮箱：xu_xibo@126.com。
