基于GF-6 WFV的森林冻害遥感监测

摘要

【目的】近年来我国森林冻害频发，给森林生长和生态系统造成很大影响。本文旨在探讨GF-6 WFV数据在森林冻害监测中的应用，为森林精准监管提供科学依据。【方法】以山西省关帝山国有林管理局二道川林场为研究区，基于2019年森林植被生长季的GF-6 WFV时序数据，分析NDVI时空变化对倒春寒引起的森林冻害发展过程的响应。通过ENVI软件的Net5深度学习模型，筛选最优模型，对冻害进行评估。【结果】海岸蓝波段对森林植被黄化信息较为敏感，有助于提高亚健康森林植被的遥感监测精度。其构成的深度学习模型训练的用户精度为81.0%，冻害遥感分类空间分布验证的准确性为90.7%。基于Landsat-8 OLI和样地调查数据的验证结果表明，GF-6 WFV的NDVI时序数据能够有效监测研究区的冻害发生、发展情况。研究期间重度受损、中度受损、轻度受损以及健康林分的面积占比分别为17.4%、36.3%、30.9%和15.4%。冻害主要分布在1 600 m以下的低海拔区域。【结论】研究揭示了GF-6 WFV时序数据在冻害所致树冠黄化或生长胁迫预警监测中的应用潜力，为森林健康监测和森林精准经营提供技术手段。

关键词

GF-6 WFV数据 / 时序NDVI / 倒春寒 / 深度学习 / 遥感监测