科研之友
微信
新浪微博
Facebook
分享链接
摘要
Accurate vegetation mapping is critical for natural resources management, ecological analysis, and hydrological modeling, among other tasks. Remotely sensed multispectral and hyperspectral imageries have proved to be valuable inputs to the vegetation mapping process, but they can provide only limited vegetation structure characteristics, which are critical for differentiating vegetation communities in compositionally homogeneous forests. Light detection and ranging (LiDAR) can accurately measure the forest vertical and horizontal structures and provide a great opportunity for solving this problem. This study introduces a strategy using both multispectral aerial imagery and LiDAR data to map vegetation composition and structure over large spatial scales. Our approach included the use of a Bayesian information criterion algorithm to determine the optimized number of vegetation groups within mixed conifer forests in two study areas in the Sierra Nevada, California, and an unsupervised classification technique and post hoc analysis to map these vegetation groups across both study areas. The results show that the proposed strategy can recognize four and seven vegetation groups at the two study areas, respectively. Each vegetation group has its unique vegetation structure characteristics or vegetation species composition. The overall accuracy and kappa coefficient of the vegetation mapping results are over 78% and 0.64 for both study sites.Resume. La cartographie precise de la vegetation est essentielle entre autres pour la gestion des ressources naturelles, l'analyse ecologique, et la modelisation hydrologique. Les approches d'imagerie multispectrale et hyperspectrale par teledetection se sont averees de precieuses contributions au processus de la cartographie de la vegetation, mais elles ne peuvent fournir qu'un nombre limite de caracteristiques sur la structure de la vegetation, qui sont essentielles pour differencier les communautes vegetales dans les forets de composition homogenes. La teledetection par laser << light detection and ranging >> (LiDAR) peut mesurer avec precision les structures verticales et horizontales de la foret, et fournit une formidable opportunite de resoudre ce probleme. Cette etude presente une strategie qui utilise a la fois l'imagerie multispectrale aerienne et des donnees LiDAR pour cartographier la composition et la structure de la vegetation a grandes echelles spatiales. Notre approche comprenait l'utilisation d'un algorithme ducritere d'information Bayesien pour determiner le nombre optimal de groupes de vegetation dans les forets mixtes de coniferes sur deux zones d'etude dans les Sierra Nevada, en Californie, ainsi qu'une technique de classification non supervisee et une analyse post hoc pour cartographier ces groupes de vegetation dans les deux zones d'etude. Les resultats montrent que la strategie proposee peut reconnaitre quatre et sept groupes de vegetation dans les deux zones d'etude respectivement. Chaque groupe de vegetation a des caracteristiques uniques de structure de la vegetation ou de composition des especes de la vegetation. La precision globale et le coefficient kappa des resultats de la cartographie de la vegetation sont de plus de 78% et 0,64 pour les deux sites d'etude.
- 出版日期2016
