發布時間：2021-04-08所屬分類：園林工程師瀏覽：1次
摘 要： 摘要：隨著社會經濟快速發展及人口增長，中國木材供需矛盾突出，對外依存度高。面對有限的土地資源，迫切需要更為高效、高質量地培育森林資源，在定向培育和集約經營等的各個環節實現培育技術精準化。現代遙感技術所構建的多平臺、多角度、多模式立體觀測體
摘要：隨著社會經濟快速發展及人口增長，中國木材供需矛盾突出，對外依存度高。面對有限的土地資源，迫切需要更為高效、高質量地培育森林資源，在定向培育和集約經營等的各個環節實現培育技術精準化。現代遙感技術所構建的多平臺、多角度、多模式立體觀測體系及定量分析方法是森林精準培育的關鍵技術。以遙感技術為核心所構建的從土壤類型分析、土地適應性評價、生態環境模擬到林木育種、灌溉施肥、林木長勢監測、病蟲害防治等一體化、精準化的森林精準培育新體系，將全面支撐現代林業的整體提質增效和森林質量精準提升。本文首先介紹了RGB相機、多光譜、高光譜、激光雷達、熱紅外和熒光傳感器在森林精準培育中應用現狀，并對其應用特點及測量指標進行了綜合比較;然后，重點介紹了遙感在林木良種選育、營養脅迫監測診斷及水肥精準噴灌以及森林病蟲害防治與健康評估這3個森林精準培育重要方向上的應用，并分析了各應用方向的共性需求;最后，從3個方面，即多源遙感信息融合，人工智能、物聯網及3S技術集成，以及遙感數據與生理生態模型和輻射傳輸模型等的集成應用，分析了未來遙感技術在森林精準培育中的發展趨勢及應用前景。
關鍵詞：森林精準培育，遙感，表型，森林培育，林木遺傳育種，森林健康
1引言
近年來，中國天然林面積和蓄積持續雙增長。目前，人工林面積已居世界首位，是全球林產品生產第一大國(梅夢媛和雷一東，2019)。然而，由于歷史上的長期過度采伐，中國天然林資源仍然存在數量較少、質量不高等問題;同時，隨著社會經濟快速發展和人口不斷增長，中國木材供需矛盾突出，且對外依存度高。面對中國有限的土地資源，須在充分利用有限環境、森林和人力資源等的前提下更為高效地培育森林資源。同時，面向國家木材安全、生態安全和綠色發展等重大戰略需求，也迫切地需要提升森林資源的供給能力并揭示森林培育的科學基礎。森林培育是森林從林木種子、苗木、造林到林木成林、成熟的整個培育過程中所進行的主要生產環節及各項調控措施，其對象為人工林和天然林(張鵬等，2008)。為了更為高效、高質量的培育森林，迫切需要在人工林定向培育、集約經營以及天然林撫育等的各個環節實現培育技術的精準化，從而對森林生長進行實時、精確的計量和監測，獲取森林生長的空間結構和時空異質性，并采取優化的空間結構調整方法實現集約管理和可持續經營。
森林資源培育和科學化管理水平全面提升離不開智能化、精準、高效的森林資源培育與監測技術(李世東，2016)。通過遙感、物聯網、大數據等現代信息技術構建從土壤類型分析、土地適應性評價、生態環境模擬到林木育種、灌溉施肥、林木長勢監測、病蟲害防治等一體化、精準化的森林培育新體系，將全面支撐現代林業的整體提質增效和森林質量精準提升。
森林精準培育以非接觸或接觸式的傳感器監測技術為主要手段，而現代遙感技術所構建的多平臺、多角度、多模式立體觀測體系及定量數據分析方法則是其關鍵核心。隨著激光雷達、高光譜、熒光成像儀等各類遙感傳感器以及無人機平臺等的快速發展，通過將主被動遙感與植被結構和光譜綜合分析及人工智能等方法相結合，可實現森林環境、土壤及結構和生理等關鍵森林培育參量的精準獲取，從而為森林生長狀況監測診斷和林木優良品種選育提供重要的支撐;有助于明確不同培育條件下森林信息特征與生長指標之間的關系，建立森林光譜數據庫和生長指標適宜動態數據庫，構建森林生長指標適宜動態及實時診斷模型;從而快速準確監測森林主要生長指標，實時診斷森林的營養虧缺或病蟲害受損狀況，指導適時的森林精準管理與調控。同時，遙感技術的發展，也為快速準確獲取高精度、高質量的林木表型信息提供了新的途徑，從單木到林分尺度追蹤林木基因的表現，進而實現數量性狀位點的準確定位和目的基因的鑒定，并可最終應用于林木良種選育(邊黎明和張慧春，2020)。可見，遙感技術將與森林精準培育業務深度融合，有力推動人工林資源的高效培育、集約管理和可持續經營，有助于更透徹地掌握森林生長機理，從而實現森林培育、集約管理和森林質量的精準提升。
2遙感在森林精準培育中應用現狀
精確定量估算林木在不同生長階段樹高、冠幅、葉面積指數、蓄積量和生物量等生長結構信息，以及氮磷鉀和水分狀況等生理生化信息，對使用遙感手段在森林精準培育的應用至關重要。目前遙感手段解析森林精準培育信息采用的傳感器主要為RGB數碼相機、多光譜傳感器、高光譜傳感器、激光雷達、熱紅外傳感器和熒光傳感器等(表1)。
2.1RGB數碼相機
RGB數碼相機是應用廣泛的高精度可見光成像傳感器，具有低成本、操作簡便、非破壞性等優點，可用于林木葉片葉綠素等生化參數估測(Santos等，2018;李文濤等，2018;王詣和閆志勇，2016;易時來等，2011)、氮素營養狀況監測診斷(陳鳳等，2014;劉連忠等，2019;趙靜等，2011)、病蟲害狀況識別(Mutka和Bart，2015;曹樂平，2015)、苗木樹高和綠色覆蓋率等早期表型性狀信息提取(Chéné等，2012;Montagnoli等，2016)。然而，這類直接使用RGB數碼相機的近端距離測試，一般僅適用于單葉、果實、或苗木和灌木等低矮林木冠層生長狀況的監測(劉連忠等，2019)。
近年來，隨著無人機等近地遙感平臺的發展，通過無人機搭載RGB數碼相機逐漸應用于森林精準培育研究。該方式可實現林木冠層高清圖像的快速采集，顯著提高影像采集的效率，具有低成本、機動靈活、可云下低空飛行、對光照環境要求相對較低等特點，并可提供林木的二維和三維成像數據，主要用于監測樹高、密度、冠幅、覆蓋度、材積等森林冠層結構參數(Goodbody等，2017;Mu等，2018;Zarco-Tejada等，2014;王枚梅等，2017)。
RGB數碼相機為森林精準培育研究提供了一種操作簡單、低成本、普及率高的觀測方式。通過結合無人機數字攝影測量技術，為獲取樹高、密度、冠幅、覆蓋度、材積等森林結構參數提供了高效和可靠的方法。無人機搭載RGB數碼相機顯著地提升了獲取林木冠層高清影像的效率，但該方式也常受限于續航時間，獲取的信息多來自于森林冠層的中上部，且需要進行合理的曝光設定，以減輕云的遮擋和環境光線的變化引起的圖像曝光不足或過度等(劉建剛等，2016)。
2.2多光譜傳感器
植被對電磁波譜的吸收、透射和反射等光譜信息，可被用于估測生物量、水分含量、葉綠素含量等植被生理生化參數等(Berni等，2009)。常見的多光譜傳感器包括主動式非成像和被動式成像兩種類型，主要具有藍光、綠光、紅光、紅邊和近紅外波段光譜通道，少量多光譜傳感器還具備短波紅外通道(Cheng等，2013)。
主動式非成像多光譜傳感器主要搭載于近地面遙感平臺，具有時間靈活性高、不受天氣光照影響等優點，目前已廣泛應用于田塊尺度的作物生長狀況監測(Cao等，2013;Li等，2018)，但在木本植物生長監測方面仍不多見(Mishra等，2011)。此外，SPAD葉綠素儀、MutispeQ等手持葉夾式非成像多光譜傳感器，僅適用于于單葉尺度林木葉綠素、氮素營養狀況的評估(Choi等，2011;Kuhlgert等，2016;楊亦揚等，2008;周濟等，2018)。星載被動式多光譜成像儀是林業中主要使用的成像多光譜傳感器類型，通過使用光譜指數(如NDVI、NDRE等)、紋理指數(Dube和Mutanga，2015;李明詩等，2006)等，可有效地探測森林生物量(Zhu和Liu，2014;郭云等，2015)、蓄積量等結構參數(王佳等，2015)。
相關期刊推薦：《遙感學報》的前身是1986年創刊的《環境遙感》，創辦于中國遙感事業的初創時期，是隨著中國遙感事業的發展而成長起來的第一本遙感刊物。內容涉及遙感基礎理論，遙感技術發展及遙感在農業、林業、水文、地礦、海洋、測繪等資源環境領域和災害監測中的應用，地理信息系統研究，遙感與GIS及空間定位系統(GPS)的結合及其應用等方面。
近年來，由于多光譜傳感器價格低廉、受天氣影響小，通過無人機掛載多光譜傳感器可高位作業，在林木營養狀況監測(Berni等，2009;Liu等，2016;Perry等，2018)、水分脅迫評估(Blanco等，2020)、森林病蟲害脅迫探測(DiNisio等，2020;Pádua等，2020)等領域逐漸得到推廣使用。
星載多光譜傳感器已被廣泛用于林分尺度森林生物量、蓄積量等結構參數的獲取，而無人機掛載的多光譜傳感器則在森林精準培育中的氮素營養狀況、水分狀況和病蟲害狀況的探測具有較大的潛力。然而，由于多光譜傳感器通道較少、光譜分辨率較低、且波段之間不連續，在一定程度上限制了其在森林精準培育研究中的應用。
2.3高光譜傳感器
常見的高光譜傳感器波段區間為400—1000nm，主要應用于色素含量估測(Malenovský等，2013;Zarco-Tejada等，2013)、產量預測(Gutiérrez等，2019)等;而1000-2500nm的高光譜傳感器主要用于水分狀況估測(Buddenbaum等，2012;Cheng等，2014a)、干物質含量估測(Cheng等，2014b)、氮含量估測(Wang等，2016)、森林病蟲害探測(Cheng等，2010;Wu等，2020)等。
高光譜分析方法主要包括光譜指數法(Wang等，2016)，去包絡線法(Malenovský等，2013)、紅邊參數法(朱西存等，2011)和小波特征分析法(Cheng等，2014a;Cheng等，2014b)等。通過優選與理化指標相關性高且可移植性強的光譜特征參數，建立統計回歸估測模型，可在葉片尺度取得良好的估測效果(Cheng等，2014b)，但光譜特征參數與理化指標的統計關系易受時間、地點和樹種類型等的影響限制，而在冠層尺度還受環境條件、冠層結構、土壤背景等的影響。
基于機理模型和高光譜數據估測林木理化指標的方式，也被廣泛應用于林木生長狀況監測。機理模型從光與葉片、冠層的相互作用機理出發，具有較好的普適性，但模型較為復雜，受模型擬合精度、算法復雜性、獲取模型參數等的限制。在林業中應用較廣的機理模型主要包括適用于模擬闊葉光譜的PROSPECT模型(Féret等，2008)和針葉光譜模擬的LIBERTY模型(Dawson等，1998)，以及SAIL(Jacquemoud等，2009)、4-Scale(Croft等，2013)、FLIGHT(North，1996)、DART(Gastellu-Etchegorry等，2004)等冠層反射率模擬模型。基于機理模型估測林木理化指標，主要包括兩種技術途徑：1)通過使用機理模型前向模擬光譜反射率，構建目標參數的敏感光譜指數(Zarco-Tejada等，2013)。2)后向反演葉片和冠層輻射傳輸模型(Jay等，2016)。在后向反演中，常用的方法有數值迭代最優化方法、查找表法、神經網絡法、機器學習法等。
相較于使用多光譜數據，通過使用連續窄光譜帶的高光譜數據，能更準確的探測到不同長勢下的光譜差異，以及葉綠素、水分含量、氮素含量等生化參數的光譜吸收特征變化，因而可以更為精準地獲取林木色素、營養和水分狀況相關指標，為林木精準培育中優化水肥調控精準管理、森林病蟲害精準防治提供重要的技術支撐。雖然高光譜傳感器存在上述優點，其也存在一些局限性，如需要輻射校正和幾何校正、預處理較為復雜(特別是山區地形);同時，其通常數據解譯復雜、成本高、數據集較大、易受光照環境條件的影響。
2.4熱紅外傳感器
通過使用熱紅外傳感器可探測植被自身紅外輻射的能量，可在極短的時間內獲取植被葉片的溫度信息，而溫度信息與氣孔導度(趙田欣等，2012)、蒸騰速率、葉片水勢和滲透調節等水分相關指標、以及光合速率等光合生理參數(Buddenbaum等，2015)顯著相關。雖然干旱和病蟲害脅迫對植物的傷害途徑不一致，但均可引起樹木水分平衡失調，造成葉片細胞缺水，從而導致葉片氣孔細胞的關閉，影響蒸騰作用的強度，進而引起葉溫的升高。因此，熱紅外傳感器常被用于監測林木水分脅迫(Buddenbaum等，2015;Cohen等，2012)、病蟲害脅迫(黃華國，2019;王景旭等，2019)等，在森林早期健康危害方面具有很大的潛力。
在森林精準培育研究中，熱紅外傳感器主要包含掛載于近地面遙感平臺和航空平臺兩種類型。在林木受脅迫早期，水分虧缺還未達到植物生理的極限值，林木冠層形態狀況和光譜特征變化不大，但通常會引起水分發生變化，從而引起植被溫度的異常變化，而熱紅外傳感器可以精準地獲取溫度變化，為森林精準培育研究提供了一種有效監測林木早期水分脅迫的技術手段。但由于熱紅外成像儀受環境的影響較大，需在晴朗、無風或微風的條件下獲取林木冠層熱紅外影像，易受土壤背景溫度等混合像元影響，常需要對傳感器進行多次校準，且很難進行不同時間段數據的對比。
2.5激光雷達傳感器
激光雷達傳感器LiDAR(LightDetectionAndRanging)是一種通過激光器發射激光束照射物體表面和接收返回信號的主動遙感設備，具有穿透性強、抗干擾能力強、點云精度高等優點。離散回波點云和全波形兩種模式為激光雷達系統的主要記錄模式。其中，前者記錄來自不同冠層位置的單個或多個回波信號，而后者理論上記錄了返回信號的全部能量，可提取包含更多細節的植被冠層垂直剖面。目前，在林業遙感應用中，更多的使用小光斑離散回波數據(李增元等，2016)，部分機載小光斑系統(如RIEGLLMS-Q680i)可獲取波形數據。
按照遙感平臺的不同，在森林精準培育研究中主要使用的是機載和近地面激光雷達。近地面激光雷達包括地基式(Kankare等，2015)、手持式(Pont等，2016)、背包式(Xie等，2020)、無人機激光雷達(Liu等，2018)，可獲取高密度的點云數據，實現樹高、胸徑、冠幅等單木結構信息的精準測量。
多項研究表明，通過結合激光雷達和高光譜傳感器，可以進一步地協同分析不同高度層次(垂直信息)、不同方位(水平信息)的激光點云三維信息和光譜信號，用于提升理化指標和生物量等結構參數的估測精度、以及定量評估理化指標的空間分布值測結果。Shen等(2018)通過結合使用機載高光譜影像和全波形激光雷達數據，提取了激光雷達點云、全波形和光譜特征，提升了亞熱帶森林生物量、蓄積量、胸徑、樹高等森林結構參數的估測精度。Almeida等人(2019)利用機載激光雷達數據和高光譜數據對亞馬遜森林的地上生物量進行估測，發現通過結合使用兩類數據較單獨使用任一類數據可取得更高的生物量估測精度。Shen等(2020)基于無人機高光譜影像和激光雷達點云數據的融合，分別使用光譜指數估測葉綠素和類胡蘿卜素含量，進而結合三維點云數據，定量評估亞熱帶人工林中不同林齡的水杉和楊樹在不同高度層次、不同方位的色素含量分布情況。
通過使用激光雷達可獲取精準的三維數據，用于提取單木和林分位置、樹高、生物量、蓄積量等冠層結構參數信息(劉清旺等，2017)，且在估算生物量高的地區不易出現光學遙感數據的“飽和”現象(曹林等，2013)，為森林精準培育研究提供了精確量化林木三維結構信息的技術手段。然而，激光雷達在應用中也存在一些不足，如傳感器的費用較高、數據處理量較大、缺乏光譜信息(大多為單波段)。
2.6葉綠素熒光傳感器
葉綠素熒光傳感器的工作原理為通過接受人工激發光后獲取發出的熒光信號，或通過探測太陽日光誘導葉綠素熒光信號，進而提取有關植物光合狀況和代謝狀態的信息。其中，前者通過使用主動式單色激光光源誘導植物發出熒光，后者主要基于夫瑯禾費暗線原理進行提取自然光照條件下的日光誘導葉綠素熒光(SIF)信號(孫剛等，2009)。相較而言，前一種方式發出的熒光與太陽光誘導發出熒光的物理意義差別較大，且僅適用于小尺度觀測(常用于單葉尺度)，而后者探測到的SIF在反映植物光合作用方面更為直觀，適用于單葉尺度、冠層尺度、衛星尺度。
葉綠素熒光在研究干旱脅迫(Buddenbaum等，2015;Salvatori等，2016)、高溫脅迫(Brestic和Zivcak，2013)、營養虧缺(Watt等，2020)、病蟲害脅迫(Zarco-Tejada等，2018)等逆境對林木光合作用和生長狀況時被廣泛應用。
葉綠素熒光與植被光合作用、熱耗散等密切相關，是光合作用的無損探針，能有效反映光能吸收、傳遞、利用與分配和光化學反應等光合作用過程，為森林精準培育研究提供了一種可以直接從生理上探測植被光合作用變化的技術手段。但葉綠素熒光傳感器(尤其是主動式)多針對單一植株的熒光信號進行精準測量，較難精準測量冠層尺度的熒光參數，易受冠層結構、土壤背景、混合像元等的綜合影響。
3遙感在森林精準培育中應用方向
遙感技術貫穿于森林培育主要生產環節，包括了育種、育苗、栽植方案設計、精準林分管理等。其中，遙感技術在森林精準培育中應用較廣的領域主要為林木良種的精準選育、水肥脅迫與精準噴灌以及森林病蟲害精準防治與健康評估等(表2)。
3.1林木良種的精準選育
林木種子是森林培育的物質基礎，其承載了林木遺傳基因并促進了森林的世代繁衍。林木種子的質量和數量與森林生產力等質量指標密切相關。因此，只有采用具有優良遺傳品質和播種品質的良種，才能為人工林培育提供優良的基因保障，形成具有速生、豐產、優質、抗逆性強的林分(沈國舫，2001)。
林木良種的精準選育是森林培育的主要任務之一，而林木通常樹體高大，達到生殖成熟期時間較長，基因組較大，且所處的立地環境條件較為復雜(多為山地)。傳統的林木良種選育是一個具有高昂成本且緩慢的過程，需要較長時間的大規模林地栽培實驗，用以測量相關的表型性狀參數(如樹高、生物量、材積等)。近年來，隨著遙感、林學、現代生物科學等多學科技術的進步和交叉融合(邊黎明和張慧春，2020)，植物表型檢測技術已逐漸應用于林木的良種選育，可有效加速育種進程，提升育種效率和質量。針對林木良種的精準選育，應用植物表型監測技術的意義主要在于實現森林遺傳增益(geneticgain)與森林的可持續經營、增加選擇優異樹種的幾率、以及根據現有森林表型(forestperformance)推測未來森林在不同環境下(特別是全球變暖和極端氣候等氣候變化)的表現(Dungey等，2018)。
植物表型研究起源于20世紀末，其核心是獲取可重復的有效表型性狀數據，進而定量分析基因型和環境互作效應，以及其對質量、抗逆等主要性狀的影響(Tester和Langridge，2010)。傳統表型性狀的獲取大多還處在林地人工測量階段，費時費力，嚴重制約著林木良種的選育工作。近年來，隨著人工智能、大數據、物聯網、云計算等新一代信息技術的發展(趙春江，2019)，成像光譜、激光雷達等多元遙感技術的革新，無人機等平臺的開發應用，多層次立體化遙感監測技術正逐步應用于植物表型性狀數據采集(周濟等，2018)。同時，隨著植物表型組學理論的不斷豐富和發展，高通量獲取植物表型信息，并在此基礎上高分辨、高效地解析性狀調控的分子機制和基因功能(Cardona和Tomancak，2012)、植物表型及環境響應三者的相互作用機理，已成為進行林木優良品種選育的重要組成部分。——論文作者：周凱，曹林
SCISSCIAHCI
