遥感数据在植物识别的应用

SAR(Synthetic Aperture Radar)合成孔径雷达

Credit: NASA SAR Handbook

以较短波长（C波段：5.6厘米；X波段：3.1厘米）运行的合成孔径雷达系统通常从森林的表层和顶层（树叶和树枝）进行反射，从而提供有关树冠结构的信息。虽然与较长波长的SAR相比，森林和低矮植被之间的对比通常不太明显，但使用两种极化可以提高识别能力。X波段合成孔径雷达数据可以在空间分辨率优于5米的情况下获取，这可以更详细地描述森林冠层结构.

Credit: NASA SAR Handbook

LiDAR(light detection and ranging) 激光雷达

Credit: ArcGIS

从激光雷达系统发射的激光脉冲会从地表面和地表上的物体反射：植被、建筑物以及桥梁等等。发射出的一个激光脉冲可能会以一个或多个回波的形式返回到激光雷达传感器。任何发射出的激光脉冲在向地面传播时，如果遇到多个反射表面则会被分割成与反射表面一样多的回波。

最先返回的激光脉冲是最重要的回波，它将与地表最高的要素相关联，比如树顶或建筑物顶部。第一个回波也可能表示地面，在这种情况下激光雷达系统只会检测到一个回波。

多个回波可以检测在向外发射的激光脉冲的激光脚点内的多个对象的高程。中间的回波通常对应于植被结构，而最后的回波对应于裸露地表 terrain 模型。

经过后处理，从空间上进行过组织的激光雷达数据被称为点云数据。初始点云是 3D 高程点的大集合，其包括 x 值、y 值、z 值以及 GPS 时间戳等其他属性。在初始激光雷达点云经过后处理后，可对激光遇到的特定表面要素进行分类。地面、建筑物、森林冠层、高速公路以及任何激光束在测量过程中遇到的物体构成了点云数据。

"LiDAR data can provide a range of features related mainly to the structure of trees.While the geometric part of LiDAR information relates to the architecture of crowns, branching, and foliage (Riaño et al., 2004, Coops et al., 2007), the intensity of the backscattered signal is additionally connected to foliage type (Suratno et al., 2009), leaf size, leaf orientation, leaf clumping and foliage density (Korpela et al., 2010a; Kim et al., 2009). These properties can all vary within and between tree species
and are at least partly complementary to the data gathered by passive optical remote sensing sensors (Alonzo et al., 2014)."

虽然激光雷达信息的几何部分与树冠、树枝和叶子的结构有关（Riaño等人，2004年；Coops等人，2007年），但背散射信号的强度还与叶子类型（Suratno等人，2009年）、叶子大小、叶子方向、叶子丛生和叶子密度有关（Korpela等人，2010年a；Kim等人，2009年）。这些特性在树种内部和树种之间都会有所不同，至少部分补充了被动光学遥感传感器收集的数据（Alonzo等人，2014年）。(Fabian. E.Faßnacht et al.,2016)

Passive optical(multispectral/hyperspectral) data 被动（多-/超光谱）光学数据

被动光学传感器可分为多光谱和高光谱（也称成像光谱）系统。大多数多光谱传感器系统通常有4-8个波段，而高光谱图像是在狭窄的、连续的波段中采集的，可以覆盖电磁波谱的可见光(VIS)、近红外(NIR)和短波红外(SWIR)部分(0.4-2.5μm)。(Indicator: NDVI,NBR,etc.)

Source: U.S. Forest service

“In tree canopies the amount of radiation that is reflected in the differentwavelengths regions is related to 1) plant chemical properties of the tissue which include water, photosynthetic pigments and structural carbohydrates, 2) leaf morphology (thickness of cell-walls, air spaces and cuticle wax) (Asner, 1998; Clark et al., 2005; Grant, 1987) aswell as3) canopy structure (leaf and branch density, angular distribution, clumping) and tree size compared to neighboring trees (Leckie et al., 2005) which also relates to view-illumination geometry. These properties vary not only with species but also with vertical leaf area density (Treuhaft et al., 2002), leaf age (Roberts et al., 1997; Einzmann et al., 2014) and health status (Waser et al., 2014). Further influences on the amount of reflected radiation are raised by background signals relating to bare soil, litter, lichens, mosses, herbaceous vegetation, lianas or other epiphytes, bark (Clark and Roberts, 2012) and from neighboring trees (Korpela et al., 2011).”

在树冠中，不同波长区域反射的辐射量与下列因素有关：
1）组织的植物化学性质，其中包括水、光合色素和结构碳水化合物。
2）叶的形态（细胞壁的厚度、空气空间和角质层蜡）（Asner，1998；Clark等，2005；Grant，1987）以及
3）树冠结构（叶子和枝条密度、角度分布、丛生）和与相邻树木相比的树木大小（Leckie等人，2005年），这也与景观照明几何有关。这些特性不仅随物种而变化，还随垂直叶面积密度（Treuhaft等，2002）、叶龄（Roberts等，1997；Einzmann等，2014）和健康状况（Waser等，2014）而变化。与裸露的土壤、垃圾、地衣、苔藓、草本植物、藤本植物或其他附生植物、树皮（Clark和Roberts，2012年）和邻近树木（Korpela等人，2011年）有关的背景信号会进一步影响反射辐射量。(Fabian. E.Faßnacht et al.,2016)

Credit: EOS

另一个有用的物种鉴别特征是物候学。物候学包括非常明显的过程，如落叶温带森林的叶子在秋季由于叶片衰老而着色（主要与叶绿素色素的分解比花青素和类胡萝卜素更快有关）、春季新鲜叶片和针叶的浓绿颜色以及开花事件。由于物候学因物种而异，特定物种的物候学知识优于森林物候学的广泛知识。

Mid-infrared(MIR) and thermal-infrared(TIR) sensors 中红外和热红外传感器

在VIS-SWIR区域，很难确定物种特定的吸收特征。山毛榉（Fagus grandifolia）、红橡（Quercus rubra）和两个樱桃物种的叶级TIR光谱特征在四个物种之间存在显著差异。其特征与“蜡质角质层的强烃带叠加在强烈的连续吸水性上”有关。由于每种植物的角质层都是独一无二的，这一观察结果对物种识别非常有希望。Salisbury和Milton获得了其他几种物种的近距离热反射测量值，并报告了大多数被调查物种的光谱差异。TIR信号与几种植物化学和结构化合物有关，如纤维素、二氧化硅、木聚糖和齐墩果酸。