| （一）文章信息 |
标题：Exploring the potential of SAR and terrestrial and airborne LiDAR in predicting forest floor spectral properties in temperate and boreal forests
期刊：《Remote Sensing of Environment》(中科院1区Top, IF=11.1)
作者：Audrey Mercier et al.
doi：https://doi.org/10.1016/j.rse.2024.114486
| （二）研究背景 |
地表光谱特性与森林生物物理特性密切相关，这些特性对森林生态系统的健康评估和气候建模具有重要意义。然而，传统的被动遥感数据在获取森林地表特性方面存在一定局限，尤其在密林环境中易受到光照条件的影响林冠层与林下植被的结构和组成在温带和北方森林中存在显著的生态联系，因此可以通过森林结构来预测林下的地表光谱特性。为了克服被者逐渐转向利用SAR和LiDAR等主动遥感技术。这些技术在不同尺度上能够有效描述森林三维结构，如地面激光雷达（TLS）适用于精细的局部三维结构测量，而机载激光雷达（ALS）和合成孔径雷达（SAR）则适用于更大区域的监测。尤其是ALS在预测光照条件和生物多样性方面得到了广泛应用，SAR则因其频繁覆盖大范围的能力，广泛用于预测森林地上生物量 。总体而言，这些技术为构建森林结构供了新途径，助力监测森林生态系统的变化。
| （三）研究数据与方法 |
研究使用Sentinel-2（S2）卫星的12个光谱波段作为地表光谱数据来源，结合地面、机载和卫星SAR等三种遥感数据分别进行分析。在探索性分析中，采用线性混合效应模型（linear mixed-effect model），计算森林结构与各波段反射因子间的相关性，并通过卡方检验来验证显著性。对于具有显著关系的变量，进一步纳入混合效应模型。在预测部分，使用独立数据集检验模型精度。预合的预测变量集：仅使用TLS、仅使用ALS、仅使用SAR以及组合使用ALS和SAR、组合使用TLS、ALS和SAR。为确保预测结果的准确性，研究采用了5折交叉验证和拉索（lasso）正则化选择变量，以减少过拟合风险。在小样本条件下，数据分割和模型评估过程重复了70次，以获得更稳健的结果，并通过计算均方根误差、相对绝对误差和判定系数等指标来评估模型表现。
（四）研究结果 |
研究结果表明森林结构在显著关系，特别是在波长较短的可见光波段，森林冠层密度与地表反射率之间呈现出显著的负相关，而在较长波长的短波红外（SWIR）区域，反射率则呈现正相关。这一现象表明，较密的森林冠层会阻挡部分阳光进入林下，导致林下植物反射率降低，而在短波红外波段，地表干物质如苔藓和枯叶的反射率则会增加。
在预测部分，结果显示，仅使用TLS、A测精度略低，但当将ALS与SAR或TLS、ALS与SAR结合使用时，模型的均方根误差（RMSE）和相对绝对误差（RAE）明显降低。特别是结合TLS和SAR数据的模型在可见光和短波红外波段的预测中表现最佳，表明这些传感器组合在捕捉森林地表反射特征方面具有较强的互补性。
不同的森林结构变量对反射率的影响具有波段依赖性。例如，冠层覆盖率在可见光波段与地表光谱有的影响较大。这些结果验证了森林结构在不同波段中对光谱反射率的多样性影响，有助于准确刻画林下植被的光谱特性。总的来说，研究结果支持了SAR和LiDAR技术在森林生态系统监测中的应用潜力，尤其在复杂森林结构对地表植被影响较大的区域。
| （五）研究结论 |
本研究通过整合SAR、机载和地面激光雷达（LiDAR）数据，验证了森林结构指标对地表光谱特性的影响及其预测能力。构特性在不同光谱波段中对林下植被的反射率影响显著。特别是SAR和LiDAR的组合，提供了在不同空间尺度下预测森林地表光谱特性的强大工具，具有良好的适应性和准确性。研究结论指出，SAR和LiDAR技术的互补性为更精细的森林生态系统监测提供了可能。在密集森林环境中，传统被动遥感数据由于光照条件的影响存在较大误差，而主动遥感技术则能在多种环境下提供一致研究可以进一步优化不同传感器的组合，以提高预测精度，并探索其在不同气候和森林类型中的适用性。同时，这些发现为基于光谱和结构数据的生态模型发展提供了新思路，为实现全球尺度的生态监测和管理奠定了基础。
| （六）主要图表 |
文章来源 ：
Mercier, A., Myllymäki, M., Hovi, A., Schraik, D., & Rautiainen, M. (2025). Exploring the potential of SAR and terrestrial and airborne LiDAR in predicting forest floor spectral properties in temperate and boreal forests. Remote Sensing of Environment, 316, 114486.
免责声明 ：
本公众号发布的内容仅供学习交流使用，内容版权归原作者所有。如有侵犯您的权益，请及时与我们联系。
| 回复"1066"获取全文！
