杂志的下一篇文章
基于随机森林和纹理分析的城市植被无人机遥感制图
下一篇特刊文章
使用PALSAR 50米正射马赛克图像绘制喀麦隆油棕种植园地图
期刊上的上一篇文章
GRACE重力卫星对中国西北干旱区陆地蓄水变化的观测
 
 
搜索用于文章:
标题/关键字
作者/隶属关系/电子邮件
日记账
文章类型
 
 
高级搜索
 
章节
特别发行
音量
问题
编号
第页
 
期刊销售
遥感
第7卷
第1版
10.3390/rs70101048
遥感损失
提交到此日志 本期刊的评论 提出特刊
► 文章菜单

文章菜单

分享 分享 公告 帮助 format_quote格式 引用 问题_答案 在SciProfiles中讨论 竖起拇指（_U）
...
背书 短信
...
注释
第一页（_P）
设置
订购文章重印
字体类型：
宋体 佐治亚州 宋体，Verdana
字体大小：
澳大利亚 澳大利亚 澳大利亚
行距：
列宽：
背景：
第条

利用PALSAR和Landsat图像绘制落叶橡胶林面积和林分年龄图

通过
伟力口
1,2,3,
肖向明
3,4,*,
金卫东
三,
舒甘
2,
翟德利
5,6,
张歌丽（Geli Zhang）
三,
秦远伟
三和
李丽
7
1
西南林业大学计算机科学与信息学院，昆明650224
2
昆明理工大学土地资源工程学院，昆明650093
三
美国俄克拉荷马大学微生物与植物生物学系和空间分析中心，诺曼，俄克拉何马州73019
4
复旦大学生物多样性研究所，上海200433，中国
5
中国昆明黑龙滩兰黑路132号昆明植物研究所山地生态系统研究中心（CMES）650201
6
中国昆明黑龙滩兰黑路132号中亚和东亚办事处世界农林中心（ICRAF）650201
7
中国农业大学信息与电气工程学院，北京100083
*
信件应寄给的作者。
远程传感器。 2015,7(1), 1048-1073;https://doi.org/10.3390/rs70101048
收到的提交文件：2014年9月10日/修订日期：2015年1月5日/接受日期：2015年1月12日/发布日期：2015年1月19日
（本文属于特刊多源遥感绘制热带和亚热带地区人工林动态图)
浏览地物
版本说明

摘要

:
需要准确和更新的橡胶种植园和林分年龄的精细分辨率地图，以了解和评估橡胶种植园对区域生态系统过程的影响。本研究提出了一种简单的方法，通过将PALSAR 50 m拼接图像与多时相Landsat TM/ETM+图像相结合来绘制橡胶种植区及其林分年龄。使用L波段PALSAR 50米拼接图像绘制森林（包括天然林和橡胶树）和非森林地图。对于这些基于PALSAR的森林像素，我们分析了2000年至2009年的多时相Landsat TM/ETM+图像。我们首先通过地表反射率、正常植被指数（NDVI）、增强植被指数（EVI）和地表水指数（LSWI）分析，研究了落叶橡胶林（落叶和叶理）和天然林的物候特征，并生成了2009年橡胶林的地图。然后，我们分析了不同林龄橡胶园的物候特征，并基于多时相Landsat图像生成了2009年橡胶园林龄（≤5年、6-10年、>10年）的地图。合成的地图清楚地说明了多年来橡胶种植园是如何扩展到研究区域的山区的。本研究的结果证明了将微波（如PALSAR）和光学遥感结合在橡胶种植园表征及其随时间扩展中的潜力。

图形摘要

1.简介

随着经济和工业的发展，对天然橡胶产品的需求与日俱增，这导致世界各地橡胶种植园持续大幅扩张。联合国粮食及农业组织（FAO）报告称，在过去20年中，全球橡胶种植园扩张了20%，其中90%在亚洲[1]主要分布于印尼、泰国、马来西亚和中国。橡胶树最初于20世纪50年代在中国南方成功种植，然后从最初的种植地（10°N–10°S）扩展到北纬22°N的地区，包括中国海南省和云南省[2]. 扩张主要是以牺牲天然林和转移农业为代价的[三,4]. 现在，中国南方已经成为橡胶种植园向北扩张的热点。急剧扩张可能对森林碳储量和生物多样性产生负面影响[三,4,5,6]. 为了量化土地利用/土地覆盖变化（LULCC）并评估其对热带森林地区生物多样性、碳汇和水循环的影响，需要准确和更新橡胶种植园覆盖面积及其林分年龄的地图。
卫星遥感技术在绘制当地和区域范围的橡胶种植园覆盖图方面发挥了重要作用[7,8,9]. 以往的研究根据传感器类型大致可分为三类：光学传感器、微波或雷达传感器，以及光学和雷达传感器的集成。一些研究使用光学传感器（MODIS、Landsat和ASTER）的图像，计算图像统计和分类图像来绘制东南亚橡胶种植园地图[7,10,11]. 由于云层覆盖在潮湿的热带地区频繁发生，高时间分辨率的图像数据（如MODIS）使获得一些无云观测成为可能。基于MODIS数据的时间分析，Senf等。（2013）和刘等。（2013）绘制了中国云南省西双版纳橡胶种植园的地图。由于其空间分辨率较低（250–500 m），使用MODIS图像很难识别和绘制橡胶种植园的小块区域。由于持续的云层覆盖，热带地区缺乏高分辨率的基于卫星的森林地图[12,13,14]. 光学图像上的云层在70%以上的时间里遮住了茂密潮湿的热带森林[15]，因此光学图像只能用于监测森林[12,13,14,16].
合成孔径雷达（SAR）可以穿透云层、薄雾和灰尘，并提供无云图像，用于绘制潮湿热带地区的森林地图。在热带地区，频繁的云层覆盖使得很难从具有长重访周期（例如，从Landsat获取16天重访周期）的光学传感器获取无云光学图像。长波传感器（例如L波段SAR）的雷达图像也能够穿透树冠[17]对森林结构和林冠含水量敏感。日本宇宙航空研究开发机构（JAXA）的相控阵L波段合成孔径雷达（PALSAR）为全球陆地表面提供了多年无云图像（2006年至2010年），一些研究使用多极化图像（HH、HV、VH、VV）绘制了热带地区当地森林的地图[14,15,18,19]. 基于PALSAR正射镶嵌数据的后向散射系数值（HH，HV），在区域和全球尺度上绘制了50 m空间分辨率的森林覆盖图[18,20,21]. 然而，这些基于PALSAR的森林覆盖图并没有区分常绿林和落叶林（例如橡胶种植园）。在相对寒冷和干燥的冬季，中国南方的橡胶树通常会经历落叶期（落叶）和叶面形成期（叶子向上，新叶子出现）[22,23]. 结合这些酚学特征，可以根据基于PALSAR的森林地图从天然林中识别橡胶种植园[23].
为了充分利用光学和雷达数据，最近的几项研究将雷达和多时相光学数据结合起来绘制热带森林地图[24]和橡胶种植园[25]. 例如，2009年的PALSAR图像首次用于生成森林覆盖图，2009年生成的森林覆盖图与来自多时相MODIS图像的物候信息（落叶和叶理阶段）相结合[25]和陆地卫星图像[23]绘制中国海南岛橡胶种植园的地图，海南岛拥有中国最大的橡胶种植园。2009年的多时相MODIS和Landsat图像提供了森林像素是否经历了落叶和/或叶理化阶段（时间和持续时间）的信息。中国海南岛的试点研究区位于地形相对简单平坦的地区。但在我们的研究地区，橡胶种植园是在山区种植的。山区复杂的地形和气候对橡胶种植园的特征描述和制图提出了挑战。
在试图比较橡胶林制图方法时，很少有文献试图通过遥感技术检索林分年龄[26]. 众所周知，森林林龄在许多研究领域都很重要，例如森林生态系统的监测和管理、碳通量估算和生物量估算[27,28,29,30,31,32,33]. 目前，人工林的林龄主要是从实地调查和当地林业局的历史种植记录中获取的[34,35]. 实地调查总是受到交通条件、复杂的山地地形以及人力和财力资源的限制[35]. 此外，无法定期提供更新的林分年龄图，因为实地调查是一项耗时的工作。幸运的是，长期免费的陆地卫星数据提供了跟踪橡胶种植园种植阶段和确定林分年龄的机会。到目前为止，还没有有效的方法来确定西双版纳橡胶园林龄的精细空间分辨率。因此，有必要开发一种算法，以快速、可重复的方式确定橡胶林的林龄，以便动态监测橡胶林。
本研究旨在解决在地形复杂环境下绘制橡胶种植区及其林分年龄图时面临的上述挑战。本研究的具体目标有三个：（1）使用2009年的PALSAR图像以50-m的空间分辨率生成森林覆盖图；（2） 根据2009年PALSAR森林图和Landsat图像的物候分析，以30米的空间分辨率生成2009年橡胶种植园地图；（3）生成空间分辨率为30m（≤5年生、6-10年生和>10年生）的橡胶林林龄图。该试点研究将有助于评估海南岛使用的综合方法[23]并使用2009年的PALSAR图像和陆地卫星时间序列数据（2000-2012年）。研究区域位于中国西双版纳傣族自治州景洪市，那里有高质量的Landsat图像和广泛的橡胶种植园。

2.材料和方法

2.1. 研究区域

西双版纳傣族自治州位于中国云南省南部，纬度21.08°N至22.36°N，经度99.56°E至101.50°E，山地面积占国土总面积的95%[36]海拔368米至2401米。年平均温度在18°C和22°C之间变化。5月至10月为雨季，11月至4月为旱季。橡胶树在该地区的首次引入发生在20世纪50年代。根据西双版纳2011年统计年鉴，其橡胶种植面积为2873.73公里2.
在本研究中，我们选择了西双版纳的一个子集作为案例研究(图1)橡胶种植密度高，土地覆盖类型多样（橡胶种植园、常绿林、建筑用地、村庄、农田、，等。)海拔489~1428m，野外调查资料丰富。

2.2. 数据预处理

2.2.1. PALSAR数据和预处理

50米PALSAR正射马赛克数据可从ALOS京都和碳倡议免费获得[37]. 这些数据已使用90m数字高程模型（DEM）进行几何校正，并与地理纬度和经度坐标进行了地理参考[38]. PALSAR数据处理方法和算法（如校准和验证）的详细信息可以在以前的文献中找到[39,40]. 本研究下载并使用了PALSAR 50 m正射镶嵌产品的HH和HV，以及细波束双（FBD）观测模式。根据等式（1）[41]，将两极化（HH和HV）数据从振幅转换为归一化雷达截面后向散射(分贝),
σ 0 ( d日 B类 ) = 10 × 日志 10 D类 N个 2 + C类 F类
哪里σ0是后向散射系数，DN是以HH或HV表示的像素数字值，CF是–83的绝对校准因子。除了HH和HV极化图像外，还生成了两个合成图像（HH和高压的比值和差值），因为这些指数对于土地覆盖分类很有价值[21]. 本研究对2009年7月至10月的西双版纳PALSAR 50 m拼接图像进行了FBD偏振模式分析。

2.2.2. 陆地卫星数据和预处理

本研究利用多时相陆地卫星数据对橡胶林的物候特征进行分析。2000年至2012年陆地卫星5/7 TM/ETM+图像（路径/行130/045）的二百二十六个标准一级地形校正产品(表1)从美国地质勘探局地球资源观测与科学（EROS）数据中心下载[42]. 使用地面控制点和水平地形校正陆地卫星产品中的数字高程模型拟合了总体几何保真度[43].
远程调校07 01048 g001 1024
图1。研究区域位于中国云南省西双版纳傣族自治州景洪县。该地区具有典型的湿润热带森林环境，橡胶密度高，橡胶种植历史超过三十年。紫色三角形表示橡胶种植园实地调查数据的位置。
图1。研究区域位于中国云南省西双版纳傣族自治州景洪县。该地区具有典型的湿润热带森林环境，橡胶密度高，橡胶种植历史超过三十年。紫色三角形表示橡胶种植园实地调查数据的位置。
远程调校07 01048 g001
表
表1。本研究中2000-2012年期间每个采集年份使用的陆地卫星图像数量汇总（路径/行130/045）。
表1。本研究中，2000-2012年期间每个采集年度使用的陆地卫星图像（路径/行130/045）数量摘要。
年份陆地卫星5陆地卫星TM/ETM+7总计
200012820
200113821
200211617
200317724
200415823
200521113
200611415
200721214
200801414
200961218
201021416
201121113
201201818
总计83143226
（1） 大气校正
陆地卫星生态系统扰动自适应处理系统（LEDAPS）使用6S辐射传输方法进行大气校正并检索陆地卫星图像的表面反射率[44,45]. 遵循先前的研究[23,46]在这里，我们还使用LEDAPS进行大气校正，并从226张Landsat图像中检索表面反射率。
（2） 云、云阴影和SLC-Off间隙
在热带和亚热带地区，云层是光学卫星数据分析的主要障碍[16]. Fmask是一个免费软件，用于自动处理Landsat 4、5、7和8图像的云、云阴影和雪[47]. 我们使用Fmask在Landsat TM/ETM+图像上识别和绘制云和云阴影。
2003年5月31日之后采集的陆地卫星7号图像中有缺失数据条带，因为用于补偿陆地卫星7的前向运动的扫描线校正器（SLC）出现故障。没有这些SLC-off缺口和空白页边距的数据。图像的空白和空白处用旗帜标记。本研究使用落叶阶段所有图像中的最小值来生成合成图，该合成图在观察中几乎没有间隙。因此，没有进一步进行间隙填充。
（3） 植被指数
正态植被指数（NDVI）[48]，增强植被指数（EVI）[49]和地表水指数（LSWI）[50,51]根据以下等式（2）–（4）进行计算。
N个 D类 V（V） 我 = ρ N个 我 R（右） − ρ 第页 电子 d日 ρ N个 我 R（右） + ρ 第页 电子 d日
E类 V（V） 我 = 2.5 × ρ N个 我 R（右） − ρ 第页 电子 d日 ρ N个 我 R（右） + 6 × ρ 第页 电子 d日 − 7.5 × ρ b条 我 u个 电子 + 1
L（左） S公司 W公司 我 = ρ N个 我 R（右） − ρ M（M） 我 R（右） ρ N个 我 R（右） + ρ M（M） 我 R（右）
哪里ρ近红外光谱,ρ红色,ρMIR公司，以及ρ蓝色是Landsat 4、5和7图像中近红外、红色、短波红外和蓝色波段的表面反射率值。

2.3. 算法训练和产品验证的地面参考数据

2.3.1. 地理参考现场照片（兴趣点）

地理参考现场照片对于橡胶种植园和天然林的验证非常重要[23,25]. 地理参考现场照片可以通过GPS摄像头或iOS和Android免费提供的现场照片应用程序收集[52]. 2013年，进行了一次实地调查，并在研究区域使用卡西奥·埃克奥利姆EX-H20G GPS相机拍摄了约800张橡胶种植园和其他土地覆盖类型的地理参考现场照片。这些地理参考野外照片已上传至全球地理参考野外图片库[52]，这是公众和科学界上传、下载、存储、管理和共享地理参考野外照片的数据门户。这些照片的KML文件是从门户网站生成并下载的，作为本研究的兴趣点（POI）。我们还通过对种植场工人的访谈，从49个橡胶种植场获得了林分年龄信息。虽然本研究使用2009年的陆地卫星和PALSAR图像绘制橡胶种植园地图，但2013年的地面实况数据适用于橡胶树多年生长，具有一致的季节物候。

2.3.2. 算法训练和产品验证的感兴趣区域（ROI）

高分辨率的谷歌地球图像具有良好的地理测量精度和更精细的空间分辨率（例如，0.61-m的QUCKBIRD图像），并用于验证土地覆盖分类的结果[46,53,54,55,56,57]以及森林和橡胶种植园的地图[21,23,25]. 在本研究中，ROI(表2)用于结果验证和算法训练(图2)来自两个来源：谷歌地球高分辨率图像和实地调查数据。
远程定位07 01048 g002 1024
图2。基于研究区域内50 m相控阵L波段合成孔径雷达（PALSAR）正射马赛克产品和30 m陆地卫星图像绘制落叶橡胶林及其林龄的工作流程。首先，独立绘制了基于PALSAR的森林/树木图和基于Landsat的橡胶园物候特征图，然后将两张图叠加生成每年落叶的橡胶园图，最后，根据地表水指数（LSWI）<0，基于落叶橡胶园地图的像素点反向识别橡胶园的林龄。使用三组地面实况数据：（1）利用多时相Landsat图像，利用兴趣点（POI）提取物候期（15个天然林和10个橡胶园样本），（2）训练兴趣区（ROI）（3）利用验证ROI对土地覆盖分类和橡胶园地图进行精度评估。
图2。基于研究区域内50 m相控阵L波段合成孔径雷达（PALSAR）正射马赛克产品和30 m陆地卫星图像绘制落叶橡胶林及其林龄的工作流程。首先，独立绘制了基于PALSAR的森林/树木图和基于Landsat的橡胶园物候特征图，然后将两张图叠加生成每年落叶的橡胶园图，最后，根据地表水指数（LSWI）<0，基于落叶橡胶园地图的像素点反向识别橡胶园的林龄。使用三组地面实况数据：（1）利用多时相Landsat图像，利用兴趣点（POI）提取物候期（15个天然林和10个橡胶园样本），（2）训练兴趣区（ROI）（3）利用验证ROI对土地覆盖分类和橡胶园地图进行精度评估。
远程调校07 01048 g002
表
表2。算法训练和结果验证的感兴趣区域（ROI）。
表2。算法训练和结果验证的感兴趣区域（ROI）。
身份证件土地覆盖类型像素来源使用
1天然林845谷歌地球算法训练
橡胶1016
2天然林8245谷歌地球PALSAR森林/非森林地图的验证
非森林1878
三橡胶7118谷歌地球最终橡胶种植园地图的验证
天然林2814
非森林2974
4≤5年橡胶4260调查数据橡胶林龄图的验证
6–10年的橡胶4425
>10年橡胶3647

2.4. 2009年PALSAR影像森林覆盖图

考虑到我们研究区域的热带山地特点，我们绘制了森林/非森林地图，而不是基于PALSAR的全球森林/非林产品地图[20]和陆地卫星[58]. 2009年的PALSAR 50米拼接图像用于生成东南亚的森林/非森林地图[21,23]. 森林和其他土地覆盖类型具有不同的PALSAR后向散射特征。例如，森林的后向散射值高于水和农田。首先，使用带有一个隐藏层的前馈神经网络（NN）算法和PALSAR 50 m数据（HH、HV、Ratio和Difference Images）绘制四种土地覆盖类型（森林、水城和农田）[21]. 然后，我们在2009年生成了研究区域的森林/非森林地图。基于PALSAR的森林地图由3乘3多数过滤器进行处理，以重新编码与窗口多数类别不同的孤立像素[59]. 将生成的50米PALSAR森林/非森林地图重采样至30米，以匹配Landsat空间分辨率。

2.5. 综合PALSAR和Landsat图像绘制2009年落叶橡胶园地图

50米PALSAR的森林地图没有区分天然林和落叶橡胶种植园。对一年中的时间序列光学图像进行分析，可以指示森林像素一年中是落叶还是常绿。如果基于PALSAR的森林地图中的森林像素具有橡胶树的落叶特征，我们可以将其识别为橡胶园，从而生成橡胶园地图[21,23].
在该研究区域，橡胶树每年大约从1月中旬到2月初落叶，以应对冷空气温度[8,22,23]. 落叶和早期叶化阶段都适用于识别和绘制落叶橡胶林[23]. 当将植物生长季内不同阶段的图像与落叶阶段的图像进行比较时，有许多可区分的特征可用于从天然林中识别落叶橡胶林(图3). 在图3橡胶林和天然林在落叶期（a）和叶理期（b）上差异很大，但在生长期（c）上相似。在落叶阶段（a），橡胶园很容易看到紫色斑块（a，B），但天然林是绿色的（a，a）。在叶理化阶段（b），橡胶园有浅绿色斑块（b，b），但天然林为深绿色斑块（b，A）。在生长阶段，橡胶园为深绿色（c，B）和天然林（c，A）。
基于845个天然林POI和1016个橡胶林POI，利用落叶阶段的图像分析了落叶橡胶林和天然林的光谱和物候特征。在2009年落叶阶段，合成了三幅陆地卫星5–7 TM/ETM+图像（路径/行130/045），以量化地表反射率和植被指数（NDVI、EVI和LSWI）的差异。图像合成避免了云和其他不良观测的影响，并确保了高质量的植被物候观测数据。然后获得一组阈值，以在落叶阶段将橡胶林与天然林分开。落叶特征层上覆盖了第2.4节生成橡胶种植园地图。
远程调校07 01048 g003 1024
图3。Landsat ETM+7图像的三张假彩色合成图（R/G/B=波段5/4/3）(一)落叶阶段（2009年1月18日）(b条)叶理化阶段（2009年3月7日），以及(c（c）)增长阶段（2002年10月7日）。橡胶林和天然林在落叶方面有很大不同(一)以及叶理阶段(b条)，但在生长阶段相似(c（c）). 在落叶阶段(一)橡胶园很容易看到紫色斑块（a，B），但天然林是绿色的（a，a）。在叶理化阶段(b条)橡胶园有浅绿色斑块（b，b），而天然林为深绿色斑块（b，A）。在成长阶段(c（c）)橡胶园为深绿色（c，B）和天然林（c，A）。
图3。Landsat ETM+7图像的三张假彩色合成图（R/G/B=波段5/4/3）(一)落叶阶段（2009年1月18日）(b条)叶理化阶段（2009年3月7日），以及(c（c）)增长阶段（2002年10月7日）。橡胶林和天然林在落叶方面有很大不同(一)和叶理阶段(b条)，但在生长阶段相似(c（c）). 在落叶阶段(一)橡胶园很容易看到紫色斑块（a，B），但天然林是绿色的（a，a）。在叶理化阶段(b条)橡胶园有浅绿色斑块（b，b），而天然林为深绿色斑块（b，A）。在成长阶段(c（c）)橡胶园为深绿色（c，B）和天然林（c，A）。
远程调校07 01048 g003

2.6. 落叶橡胶林林龄图

2.6.1. 基于陆地卫星的不同林龄橡胶林特征分析

由于落叶阶段的光谱特征有助于区分橡胶林和天然林，因此可以利用植被指数的变化检测天然林向橡胶林的转化。例如，图4基于226幅陆地卫星落叶期图像，显示了2004年前后天然林转变为橡胶林的一个Landsat像素点（21.87877°N，101.01783°E）的三个植被指数的时间变化。从谷歌地球高分辨率图像中捕捉到景观图像的三个关键阶段：2001年1月9日(图4b） 2004年6月22日(图4c） 和2012年5月13日(图4d） ●●●●。通过参考数据和纹理验证，三幅图像在不同时期的土地覆盖类型可以识别为天然林(图4b） 新植橡胶园(图4c） 和橡胶种植园(图4d） ●●●●。从陆地卫星图像时间序列观察(图4a） 2004年左右，植被指数时间序列（如NDVI、EVI和LSWI）突然下降，这意味着可以通过植被指数检测天然林向橡胶林的转化。
远程调校07 01048 g004 1024
图4。基于2000-2012年落叶期30米Landsat 5-7 TM/ETM+图像的正态植被指数（NDVI）、增强植被指数（EVI）和地表水指数（LSWI）的时间剖面。使用一个关注点（21.87877°N，101.01783°E）提取研究区域橡胶种植园的NDVI、EVI和LSWI值。2001年1月9日，从谷歌地球高分辨率图像中截取了三张兴趣点（POI）图像(一)，2004年6月22日(b条)和2012年5月13日(c（c）). 根据参考数据及其纹理(一)是天然森林(b条)是一个新的种植场，并且(c（c）)是橡胶种植园。
图4。基于2000-2012年落叶期30米Landsat 5-7 TM/ETM+图像的正态植被指数（NDVI）、增强植被指数（EVI）和地表水指数（LSWI）的时间剖面。使用一个关注点（21.87877°N，101.01783°E）提取研究区域橡胶种植园的NDVI、EVI和LSWI值。2001年1月9日，从谷歌地球高分辨率图像中截取了三张兴趣点（POI）图像(一)2004年6月22日(b条)和2012年5月13日(c（c）). 根据参考数据及其纹理(一)是天然森林(b条)是一个新的种植场，并且(c（c）)是橡胶种植园。
远程调校07 01048 g004
此外，不同林龄的橡胶林可能具有不同的特征（例如，落叶强度），这有助于确定其林龄。为了确定橡胶园落叶阶段不同林龄的特征，我们使用了49个橡胶园实地调查POI(图1)根据2011年（也假设为基准年）的实地调查，将49个POI分为5个年龄组（≤5岁、6-10岁、11-15岁、16-20岁和21-25岁）。使用2000年至2011年期间Landsat 5/7 TM/ETM+图像中落叶阶段的NDVI、EVI和LSWI时间序列作为单个像素，并用于分析不同林龄组（≤5、6–10、11–15、16–20和21–25岁）的落叶橡胶林的特征。对这49个POI的植被指数（NDVI、EVI和LSWI）与林龄之间的关系进行了量化。

2.6.2. 不同林龄落叶橡胶林图

如所示图4，露地和新栽培橡胶林的LSWI值为负值。我们使用LSWI检测干扰（2009年橡胶种植园像素2000-2009年LSWI时间序列数据中的负LSWI值）。2009年橡胶种植园像素的林龄通过以下步骤确定：首先，我们跟踪并记录了LSWI的年份落叶2000年至2009年（10年）首次出现<0，这被认为是橡胶种植园的起始年；其次，我们将所得林龄分为两个年龄组（≤5年，6-10年）；第三，使用LSWI没有任何观测结果的橡胶种植园像素落叶2000年至2009年期间<0被视为>10年。

2.7. 验证和比较

根据ROI创建的混淆矩阵用于验证重新采样的30 m PALSAR森林/非森林地图、30 m落叶橡胶种植园合成地图及其林分年龄。使用从谷歌地球高分辨率图像创建的82045个森林POI和178个非森林POI来验证重新采样的30米PALSAR森林地图。使用谷歌地球高分辨率图像中的七千一百一十八个橡胶种植园POI、两千八百一十四个天然林POI和两千九百七十四个非森林POI来验证30米合成橡胶种植园地图。为了评估2009年橡胶园的林龄图，根据景洪林业局的调查图创建了4260个5岁及以下、4425个6至10岁、3647个大于10岁的橡胶园POI。

3.结果

3.1. 2009年PALSAR影像森林覆盖图

生成的基于PALSAR的森林地图(图5a） 基于验证ROI具有较高的准确性。总准确度为95%，Kappa系数为0.89。用户和生产者对森林覆盖率的准确度均高于96%(表3). 因此，森林图可以作为橡胶园划定的可靠底图。农田和其他土地覆盖类型的精确度低于森林和水；例如，另一种土地覆盖类别的用户准确度（71%）和生产者准确度（64%）较低，这是因为建筑用地的复杂后向散射。然而，这并不重要，因为本研究的重点是森林。
远程定位07 01048 g005 1024
图5。在2009年落叶阶段，将重采样的30米相控阵L波段合成孔径雷达（PALSAR）森林图与30米陆地卫星图像叠加：(一)是2009年重采样的30米森林地图，来自PALSAR 50米正射马赛克图像；和(b条)是2009年合成的30米橡胶种植园地图，有三种土地覆盖类型（橡胶、天然林和非森林）。它是通过将重新采样的30米PALSAR森林地图与2009年基于陆地卫星的30米酚学地图叠加而生成的；(c（c）)是2009年研究区30米橡胶种植园地图，其中包括三个五间隔林龄（五岁及以下、六至十岁、十一岁及以上）。根据生成的30米橡胶种植园地图的像素，通过记录2000年至2009年首次出现的地表水指数（LSWI）<0来确定林分年龄。
图5。在2009年落叶阶段，将重采样的30米相控阵L波段合成孔径雷达（PALSAR）森林图与30米陆地卫星图像叠加：(一)是2009年重采样的30米森林地图，来自PALSAR 50米正射马赛克图像；和(b条)是2009年合成的30米橡胶种植园地图，有三种土地覆盖类型（橡胶、天然林和非森林）。2009年，将重采样的30米PALSAR森林图与30米陆地卫星物候图叠加生成；(c（c）)是2009年研究区30米橡胶种植园地图，其中包括三个五间隔林龄（五岁及以下、六至十岁、十一岁及以上）。根据生成的30米橡胶种植园地图的像素，通过记录2000年至2009年首次出现的地表水指数（LSWI）<0来确定林分年龄。
远程调校07 01048 g005
表
表3。基于50米相控阵L波段合成孔径雷达（PALSAR）数据的中国云南西双版纳研究区30米森林/非森林地图重采样精度评估。总准确度为95%，Kappa系数为0.89。非林地包括建筑用地、荒地、水体、农田和其他土地覆盖类型。
表3。基于50米相控阵L波段合成孔径雷达（PALSAR）数据的中国云南西双版纳研究区30米森林/非森林地图重采样精度评估。总准确度为95%，Kappa系数为0.89。非林地包括建筑用地、荒地、水体、农田和其他土地覆盖类型。
等级地面实况（像素）分类像素总数用户的准确性
森林非森林
分类结果森林7917328824596%
非森林1741704187891%
总地面真实像素8091203210,123-
生产者的准确性98%84%-95%

3.2. 2009年橡胶种植园地图

3.2.1. 陆地卫星2009年落叶橡胶林的季节物候

图6显示了2009年橡胶种植园和天然林三个植被指数（NDVI、EVI和LSWI）的季节动态。在植物生长季的高峰期，橡胶林和天然林的植被指数（NDVI、EVI和LSWI）相对较高。然而，从1月中旬到2月初，橡胶树大量落叶。在落叶阶段，橡胶树的冠层密度下降了约20%[54]. 从2月中旬到3月初，橡胶树经历了快速的叶理化和树冠恢复[23]. 在落叶阶段，橡胶林的最小NDVI、EVI和LSWI分别低于天然林。在叶理化阶段，最小EVI高于最高天然林(图6). 这表明，橡胶林在研究区域的落叶阶段或叶理阶段与天然林有区别。本研究的结果与海南省儋州市之前的研究结果一致[23].
遥感07 01048 g006 1024
图6。陆地卫星时间序列植被指数（NDVI）、增强植被指数（EVI）和地表水指数（LSWI）的时间剖面(一)橡胶种植园和(b条)天然森林。提取了橡胶种植园的15个兴趣点（POI）和天然林的10个兴趣点。图中显示的点是它们的平均值。橡胶林和天然林在两个典型的物候期有明显的不同：落叶（长红色和窄盒子）和叶理（长绿色和窄盒子的）。在图中，DOY是一年中的一天。
图6。陆地卫星时间序列植被指数（NDVI）、增强植被指数（EVI）和地表水指数（LSWI）的时间剖面(一)橡胶种植园和(b条)天然森林。提取了橡胶种植园的15个兴趣点（POI）和天然林的10个兴趣点。图中显示的点是它们的平均值。橡胶林和天然林在两个典型的物候期有明显的不同：落叶（长红色和窄盒子）和叶理（长绿色和窄盒子的）。在图中，DOY是一年中的一天。
远程调校07 01048 g006
利用六个光谱带（蓝色、绿色、红色、NIR、SWIR1和SWIR2）的地表反射率和三个植被指数（NDVI、EVI和LSWI），对各个土地覆盖类型进行了光谱特征分析。橡胶林和天然林的地表反射率在6个波段上具有相似的值，但橡胶林的NDVI（0.4726±0.0782）、EVI（0.2657±0.0604）和LSWI（-0.0189±0.0961）远低于天然林，分别为0.7168±0.0358、0.4324±0.0756和0.3051±0.0556，在研究区域的落叶阶段(图7). 考虑到最小空间特征和物候指标的可分性，采用NDVI和LSWI构建物候指标，以区分天然林和橡胶林。在落叶阶段，阈值NDVI≤0.6159和LSWI≤0.1634用于区分橡胶园和天然林。
远程定位07 01048 g007 1024
图7。光谱带（蓝色、绿色、红色NIR、SWIR1、SWIR2）的六个地表反射率和三个植被指数（正常植被指数（NDVI）、增强植被指数（EVI）和地表水指数（LSWI）的特征分析)根据2009年第018、050和066天三张TM/ETM+图像的六个光谱带的最小值和三个植被指数合成的图像，在橡胶种植园和天然林之间进行对比。NDVI、EVI和LSWI对橡胶林和天然林的分离具有良好的可分性，但六个光谱带没有。
图7。光谱带（蓝色、绿色、红色NIR、SWIR1、SWIR2）的六个地表反射率和三个植被指数（正常植被指数（NDVI）、增强植被指数（EVI）和地表水指数（LSWI）的特征分析)根据2009年第018、050和066天三张TM/ETM+图像的六个光谱带的最小值和三个植被指数合成的图像，在橡胶种植园和天然林之间进行对比。NDVI、EVI和LSWI在分离橡胶园和天然林方面具有良好的可分性，但有六个谱带没有。
远程调校07 01048 g007

3.2.2. 2009年PALSAR和Landsat的落叶橡胶种植园地图

通过将基于PALSAR的2009年重新采样的30米森林图与基于陆地卫星的30米橡胶物候图叠加，生成了2009年的落叶橡胶种植园地图(图5b） ●●●●。我们估计总面积为512公里22009年的橡胶种植园，高于当地政府调查数据中报告的面积估计值（458公里2)2006年，增长率约为11.8%。根据使用地面真值ROI的混淆矩阵，合成的橡胶种植园地图具有较高的精度。总准确度为91%，Kappa系数为0.85(表4). 生产商对橡胶种植园的解释准确度为95%，用户准确度为91%。
表
表4。基于研究区域30米Landsat 5/7专题制图器（TM）/增强专题制图器Plus（ETM+）图像的土地覆盖分类图的准确性评估。总体准确率为92%，Kappa系数为0.87。非林地包括建筑用地、荒地、水体、农田和其他土地覆盖类型。
表4。基于研究区域30米Landsat 5/7专题制图器（TM）/增强专题制图器Plus（ETM+）图像的土地覆盖分类图的准确性评估。总准确度为92%，Kappa系数为0.87。非林地包括建筑用地、荒地、水体、农田和其他土地覆盖类型。
等级地面实况（像素）分类像素总数用户的准确性
橡胶天然林非森林
分类结果橡胶648037601711891%
天然林21278013281499%
非森林35962609297488%
总地面真实像素68602823322312906
生产者的准确性94%98%81%--

3.3. 2009年橡胶园林龄图

3.3.1. 2000-2011年Landsat iMages不同林龄落叶橡胶林季节物候的变化

落叶橡胶园在落叶阶段的落叶特征可能因林分年龄而异。本研究选取49个不同林龄的橡胶林样地，分析了落叶橡胶林的不同光谱和物候特征。这49个地点分为5个年龄组：5岁、10岁、15岁、20岁和25岁橡胶种植园组。从2000年至2011年的226幅Landsat 5–7 TM/ETM+图像（路径/行130/045）中提取了植被指数时间序列（NDVI、EVI和LSWI）。
从多时相Landsat数据中提取的植被时间序列可以观察到落叶阶段的天然林清理和新橡胶园种植期。如所示图82000年至2011年，5年生组落叶期橡胶林的植被指数在2005年和10年生组在2002年出现了突然下降。15年生、20年生和25年生橡胶园组的植被指数没有出现这种突然下降。也就是说，5年生橡胶种植园的LSWI在种植年份从正变为负。变化后，负LSWI持续增加，大约五年后达到正水平。这意味着，对于大约5年生的橡胶种植园，LSWI比NDVI和EVI更敏感地检测到由于冷空气温度导致的落叶特征。
我们计算了橡胶林和天然林各林龄组的NDVI、EVI和LSWI的平均值。图9结果表明，橡胶园NDVI、EVI和LSWI的平均值从5岁组到25岁组有增加的趋势。落叶期5年生橡胶林LSWI为负值，NDVI和EVI为正值。相比之下，这三个植被指数在天然林中始终保持相对稳定和较高的正水平。
远程定位07 01048 g008 1024
图8。基于2000年至2011年落叶期（1月中旬至2月初）30 m Landsat 5–7 TM/ETM+图像，对不同林龄的橡胶林进行NDVI、EVI和LSWI时间序列分析。用于分析的林龄数据来自2011年的实地调查。5年和10年生橡胶种植园的LSWI突然从正值变为负值。变化后，负LSWI持续增加约五年。
图8。基于2000年至2011年落叶期（1月中旬至2月初）30 m Landsat 5–7 TM/ETM+图像，对不同林龄的橡胶林进行NDVI、EVI和LSWI时间序列分析。用于分析的林龄数据来自2011年的实地调查。5年和10年生橡胶种植园的LSWI突然从正值变为负值。变化后，负LSWI持续增长约五年。
远程调校07 01048 g008
远程设置07 01048 g009 1024
图9。比较落叶期不同林龄橡胶林与天然林的植被指数（NDVI、EVI和LSWI）变化。从最年轻组（5岁）到最年长组（25岁），NDVI、EVI和LSWI均向天然林增加，但天然林保持相对稳定水平。本分析中使用了2011年落叶阶段的49个橡胶林POI和10个天然林POI。图中显示的点是这些POI的平均NDVI、EVI和LSWI。
图9。比较落叶期不同林龄橡胶林与天然林的植被指数（NDVI、EVI和LSWI）变化。从最年轻组（5岁）到最年长组（25岁），NDVI、EVI和LSWI均向天然林增加，但天然林保持相对稳定水平。本分析中使用了2011年落叶阶段的49个橡胶林POI和10个天然林POI。图中显示的点是这些POI的平均NDVI、EVI和LSWI。
远程调校07 01048 g009

3.3.2. 2009年落叶橡胶林林龄图

基于30 m Landsat 5/7 TM/ETM+图像生成了落叶橡胶林的林龄图(图5c） ●●●●。为了验证林分年龄图，本研究从参考图中提取了ROI，参考图中包含了来自当地林业局的年龄信息。基于这些ROI，我们构建了一个混淆矩阵(表5)以验证林分年龄图。根据混淆矩阵，总准确度为85%，Kappa系数为0.78。≤5年生、6-10年生和≥11年生橡胶园的个人用户准确度分别为88%、87%和80%，生产商的准确度分别是87%、81%和90%。
表
表5。基于研究区域30 m Landsat图像的林分年龄图的准确性评估。总准确度为85%，Kappa系数为0.78。
表5。基于研究区域30 m Landsat图像的林分年龄图的准确性评估。总准确度为85%，Kappa系数为0.78。
班级（年）地面实况（像素）分类像素总数用户的准确性
<66–10>10
分类结果<63763388109426088%
6–103733843209442587%
>101805402927364780%
地面实况像素总数43164771324512332
生产者的准确性87%81%90%
不同林龄橡胶林的空间分布与研究区的海拔高度密切相关(图10). 2009年11年生及以上橡胶园主要分布在低海拔地区，6～10年生橡胶园分布在中等海拔地区，5年生及以下橡胶园分布于高海拔地区。这表明2000年至2009年期间，橡胶种植园从低海拔持续扩大到高海拔。
远程设置07 01048 g010 1024
图10。橡胶林分布与海拔的关系。(一)不同海拔不同林龄橡胶林的面积分布。(b条)不同林龄橡胶园面积百分比与相应标高类别的曲面。(c（c）)研究区域内不同海拔类别的面积分布。
图10。橡胶林分布与海拔的关系。(一)不同海拔不同林龄橡胶林的面积分布。(b条)不同林龄橡胶园面积百分比与相应标高类别的曲面。(c（c）)研究区域内不同海拔类别的面积分布。
远程调校07 01048 g010

4.讨论

4.1. 森林、橡胶林及其林分年龄绘图的主要发现和潜力

与光学传感器相比，合成孔径雷达（SAR）数据（例如PALSAR图像）在绘制森林图方面具有许多优势，特别是在潮湿和多云的热带地区，最近已用于绘制（1）东南亚的森林覆盖图[8,21,22,23,25,60,61]亚马逊河流域[24]以及全球[20]以及（2）橡胶、油棕、椰子和荆条等工业森林种植园[23,62]. 在本研究中，我们使用L波段PALSAR 50米正射马赛克图像，在研究区域内以50米的空间分辨率，使用先前研究中报告的相同算法，生成2009年森林和非森林地图[21,23]. 由于L波段PALSAR图像对森林结构、生物量和冠层含水量敏感，本研究证明了PALSAR 50-m正射校正镶嵌图像在绘制潮湿热带地区森林地图方面的潜力。其他几项研究也评估了将PALSAR和Landsat图像相结合以改进森林制图的潜力[63,64,65]，可能需要未来的研究来评估2015年将Landsat 8和PALSAR-2图像结合的潜力。
中国的橡胶园是落叶阔叶林。许多研究已经确认，在中国西双版纳相对寒冷和干燥的冬季，落叶期是分离常绿天然林和落叶橡胶林的关键物候期[9,35]. 卫星图像，包括陆地卫星图像[9,21,23,35]和HJ-1图像[8,22]通常选择一年内落叶期内的橡胶林进行基于图像的分类，以识别和绘制橡胶林。除落叶阶段外，另一项研究还确认叶理阶段（新叶出现）是分离海南岛常绿天然林和落叶橡胶林的关键物候期，海南岛是中国橡胶林面积最大的岛屿[23]. 我们在西双版纳的研究结果也表明，落叶期和叶理化期都有利于橡胶林的识别和制图，这与之前在中国海南的研究结果一致[23]. 落叶或叶化阶段的时间窗口较长，因此可以利用高质量的卫星观测进行图像分析。
几项研究使用NDVI时间序列数据来表征和绘制西双版纳和东南亚的落叶橡胶种植园[7,9,35,46,61]. 线路接口单元等。确定成熟橡胶园不同于其他土地覆盖类型，幼龄橡胶园（<10年生）经常与休闲农田和茶园混淆。2010年，一项最新研究使用基于MODIS的EVI和短波红外波段（SWIR）绘制西双版纳橡胶种植园地图[46]. 与之前在海南岛的研究类似[21,23,25]在本研究中，我们评估了NDVI、EVI和LSWI数据，以表征山区落叶橡胶林和常绿天然林的物候期。我们的结果表明，NDVI和LSWI为植被物候的表征提供了额外的见解，并且在物候学研究中使用所有三种植被指数是有益的。
以往研究中用于绘制落叶橡胶种植园地图的算法和程序可分为两种方法。基于图像的方法首先计算光学图像中各种土地覆盖类型的图像统计，然后应用聚类方法（例如，最大似然法、决策树）绘制橡胶种植园地图[7,9,35,46,61]. 基于像素的方法首先调查森林像素年内的时间序列数据（植被指数和光谱反射率），然后应用信号检测方法确定像素在该年是否为橡胶园[21,23]. 本研究是基于像素的方法绘制复杂山区橡胶种植园地图的后续案例研究，它还使用基于PALSAR的森林地图作为分析落叶树和常绿树的基线。
落叶橡胶林的林龄是橡胶林管理的关键信息。本研究基于2000年至2009年的Landsat时间序列图像分析，绘制并报告了橡胶园的林分年龄，间隔为5年（≤5年龄、6-10年龄和≥11年龄）。首先，利用2000年至2009年的NDVI、EVI和LSWI时间序列数据，对不同林龄的橡胶林进行特征分析。当落叶橡胶林林龄小于等于5年时，研究区落叶阶段的LSWI值为负值。我们利用这一独特的特征，基于2000年至2009年落叶阶段30 m Landsat 5–7 TM/ETM+图像，开发了一种简单的方法来确定落叶橡胶林5年间隔的林龄。与传统的野外调查方法相比，新方法可以在不受交通或天气条件等限制的情况下估计大面积落叶橡胶林的林龄。

4.2. 森林、橡胶林和林分年龄绘图中的误差和不确定性来源

在本研究中，我们通过分析PALSAR图像，生成了2009年50米空间分辨率的森林地图，通过分析2009年基于PALSAR的所有森林像素的多时相陆地卫星图像，生成2009年30米空间分辨率下的橡胶园地图，以及2009年橡胶园林龄地图。由于数据质量和可用性以及算法设计，研究中的每个结果图都存在一些不确定性。首先，来自L波段PALSAR数据的森林/非森林地图可能会忽略幼龄（一年或两年）橡胶种植园，因为它们的树冠较小且稀疏，田间高度较低。此外，50-m的PALSAR数据可能过于粗糙，无法在分类中识别稀疏的森林和林地（尤其是在10%的较低覆盖阈值时），这可能会导致低估总面积[20]. 其次，地形因素（例如坡度、坡向和海拔）可能会影响PALSAR图像的后向散射系数和落叶橡胶林的光谱特性。第三，林龄因素还可能影响PALSAR图像的后向散射系数和橡胶林的光谱特性，特别是在落叶和叶理化过程中（时间、持续时间和幅度）。这些因素共同表明，不同地区选择Landsat图像的时间窗和分类算法中的阈值可能不同，因此，在不久的将来，需要在中国和东南亚的亚热带地区进行额外的研究。此外，数据质量、数量和可用卫星图像连续性的改善可能为绘制橡胶种植园林龄提供进一步的机会。本研究中使用的方法显然需要在区域范围内进行应用，并在未来的研究中进行评估。

4.3. 实地调查数据和高分辨率图像

根据卫星图像分析绘制的土地覆盖图的验证或准确性评估对所有土地覆盖图研究都很重要，但这往往受到实地数据不足的限制。由于在土地覆盖和用途变化研究中获取可靠的实地调查数据和超高分辨率图像（≤1m）的成本很高，通过实地调查数据进行的精度评估不足可能会导致相当大的误差和误解[23,66]. 科学家之间共享科学实地调查数据是缓解地面数据不足问题的可行方法。本研究中的野外调查数据基于全球地理参考野外照片库[67]它拥有大量由世界各地科学家共享的地理参考野外照片（截至2014年7月超过120000张），为土地覆盖和土地利用变化以及生物地理学等许多研究领域提供了有效支持[18,23]. 尽管这些地理参考野外照片可以提供丰富的空间信息，但它们仍然不能完全支持算法训练和结果地图验证的需要。我们使用谷歌地球高空间分辨率图像将POI从丰富的野外照片扩展到ROI。之前的一些研究也使用谷歌地球上这些免费的高分辨率图像进行算法训练或分类结果验证[10,17,21,23,25,54,55,57]. 本研究还使用谷歌地球上的多时相高分辨率图像来验证橡胶种植园的种植期(图4).
此外，来自云层、云阴影和间隙的干扰会影响Landsat数据的数据质量。在这项研究中，为了提高陆地卫星数据质量，考虑了这些因素，但在之前的一些研究中[23,25,35,46]事实并非如此；在以往的研究中，选择并使用了无云陆地卫星图像，但在潮湿、热带山地，无云图像非常有限。Fmask可以很好地检测云及其阴影[47].

4.4. 西双版纳橡胶园扩建的启示

西双版纳橡胶园的空间分布和面积受到了中国和世界许多研究人员的广泛关注，并在多项研究中进行了报道[4,8,9,35,46,61,68]. 这些研究使用MODIS数据（250m空间分辨率）或Landsat图像（30m空间分辨率）生成西双版纳橡胶种植园地图，其中包含三个Landsat路径/行场景。我们的研究并没有覆盖整个西双版纳地区，但展示了一种结合SAR和光学数据绘制复杂山区橡胶种植园及其林分年龄的新方法。落叶橡胶林的落叶期是区分橡胶林和常绿天然林的关键物候期。在此阶段，基于PALSAR衍生的森林覆盖图，可以使用NDVI和LSWI时间序列数据中的物候信号生成橡胶种植园地图。通过对落叶期LSWI数据的分析，我们发现LSWI是估算落叶橡胶林林龄的一个强大变量。基于落叶期30 m多时相Landsat图像，利用LSWI<0规则生成落叶橡胶林林龄图。

5.结论

在本研究中，我们开发了一种新颖、简单和稳健的程序，该程序将相控阵型L波段合成孔径雷达（PALSAR）50米正射影像和多时相陆地卫星影像相结合，以绘制热带地区的森林、落叶橡胶林和橡胶林林龄。我们将该程序应用于中国第二大自然生产基地西双版纳的一个小区域（景洪市区），使用2009年的PALSAR 50米正射影像和2000-2009年的Landsat影像。由50米PALSAR正射马赛克数据生成的2009年森林地图具有较高的生产者和用户精确度，这清楚地表明了PALSAR图像在森林制图中的潜力。该算法利用落叶橡胶林落叶阶段的独特光谱特性，通过分析Landsat图像的时间序列归一化植被指数（NDVI）和地表水指数（LSWI）数据，区分落叶橡胶林和常绿天然林。合成的落叶橡胶种植园地图也具有较高的生产者（94%）和使用者（91%）准确度，这突出了将PALSAR和Landsat图像结合起来绘制橡胶种植园的潜力。通过对落叶期LSWI数据的分析，我们还发现LSWI（LSWI<0）是估算落叶橡胶林林龄的良好变量（总准确度为85%）。合成的落叶橡胶林林龄图清楚地显示了橡胶林在多年（2000年至2009年）内从低海拔地区扩展到山区的时空格局。据我们所知，本研究是首次通过PALSAR和Landsat图像集成绘制森林、落叶橡胶园和橡胶园林龄的地图。当PALSAR-2（2014年5月24日发射）和Landsat 8（2013年2月11日发射）图像可免费用于绘制森林覆盖率、落叶橡胶园和橡胶园林龄时，需要应用和进一步评估本研究中开发的算法。还需要进行额外的研究，将多年PALSAR（2006-2010年）、JERS-1（1992-1993年）和Landsat 5/7（1985-2013年）相结合，以跟踪几十年来地方、区域和大陆尺度上橡胶种植园的扩张和林分年龄。这些拟议未来研究的地理空间数据集对我们更好地了解该地区橡胶种植园扩张对生物多样性、碳、水和气候的影响具有重要意义。

致谢

本研究得到了美国国家航空航天局土地利用和土地覆盖变化项目（NNX09AC39G，NNX11AJ35G）、美国国家科学基金会（NSF）EPSCoR项目（NSF-IIA-1301789）、中国国家自然科学基金（314004934120134031300403）的支持。美国地质调查局（USGS）EROS数据中心提供了陆地卫星图像。原始PALSAR数据由JAXA作为ALOS产品提供。我们感谢莎拉·肖的英文编辑和评论。

作者贡献

寇伟力、肖向明和董金伟设计了这项研究，并进行了数据处理和手稿撰写。Shu Gan、Deli Zhai、Geli Zhang、Yuanwei Qin和Li为PALSAR和其他相关数据处理和手稿编辑做出了贡献。所有作者都致力于解释结果和修改手稿。

利益冲突

作者声明没有利益冲突。

工具书类

  1. 粮农组织。2010年全球森林资源评估。在线可用：http://www.fao.org/docrep/013/i1757e/i1757e.pdf（2014年9月10日访问）。
  2. 福克斯，J。；Castella，J.-C.橡胶膨胀(巴西橡胶树)东南亚大陆：小农的前景如何？J.农民研究。 2013,40, 155–170. [谷歌学者] [交叉参考]
  3. 齐格勒，公元。；福克斯，J.M。；Xu，J.C.橡胶巨人。科学类 2009,324, 1024–1025. [谷歌学者] [交叉参考] [公共医学]
  4. 李，H。；T.M.助理。；马云（Ma，Y.）。；刘伟。；Cao，M.对橡胶的需求正在导致中国西南部高多样性雨林的损失。生物潜水员。保护。 2007,16, 1731–1745. [谷歌学者] [交叉参考]
  5. 邱，J.橡胶与花园的交汇处。自然 2009,457, 246–247. [谷歌学者] [交叉参考] [公共医学]
  6. Yi，Z.-F。；加农，C.H。；陈，J。；叶，C.-X。；Swetnam，R.D.为中国西南部西双版纳橡胶园制定经济价值和生物多样性损失指标：以蒙伦镇为例。经济。印度。 2014,36, 788–797. [谷歌学者] [交叉参考]
  7. 李，Z。；Fox，J.M.使用MODIS 250 M NDVI时间序列和统计数据绘制东南亚大陆橡胶树生长图。申请。地理。 2012,32, 420–432. [谷歌学者] [交叉参考]
  8. 李毅。；刘，G。；Huang，C.的分布特征分析巴西橡胶树基于HJ-1卫星数据的西双版纳地区。科学。中国资讯。科学。 2011,41, 166–176. [谷歌学者]
  9. 刘，X。；Z.Feng。；江，L。；Jiang，Y.西双版纳橡胶种植园：遥感识别和数字制图。资源。科学。 2012,34, 1769–1780. [谷歌学者]
  10. 李，Z。；Fox，J.M.将马氏体的典型性与橡胶分布图的神经网络相结合。遥感快报。 2011,2, 157–166. [谷歌学者] [交叉参考]
  11. 李，Z。泰国东北部橡胶树分布图。国际地质科学杂志。 2011,2, 573–584. [谷歌学者] [交叉参考]
  12. 桑托罗，M。；弗兰森，J.E.S。；埃里克森，L.E.B。；马格努森，M。；Ulander，L.M.H。；Olsson，H.瑞典森林中ALOS PALSAR l波段后向散射的特征。IEEE传输。地质科学。远程传感器。 2009,47, 4001–4019. [谷歌学者] [交叉参考]
  13. DeFries，R。；Achard，F。；布朗，S。；Herold，M。；Murdiyarso，D。；Schlamadinger，B.（施拉马丁格，B.）。；de Souza，C.，Jr.地球观测，用于估算发展中国家毁林造成的温室气体排放。环境。科学。政策 2007,10, 385–394. [谷歌学者] [交叉参考]
  14. Hansen，M.C。；罗伊，D.P。；Lindquist，E。；阿杜塞，B。；法官，狱警。；Altstatt，A.一种集成MODIS和Landsat数据的方法，用于系统监测刚果盆地的森林覆盖和变化。遥感环境。 2008,112, 2495–2513. [谷歌学者] [交叉参考]
  15. 沃克，W.S。；Stickler，C.M。；Kellndorfer，J.M。；Kirsch，K.M。；Nepstad，D.C.巴西亚马逊地区森林和土地覆盖的大面积分类和制图：ALOS/PALSAR和Landsat数据源的比较分析。IEEE J.选择。顶部。申请。地球目标遥感。 2010,三, 594–604. [谷歌学者] [交叉参考]
  16. Asner，G.P.巴西亚马逊陆地卫星观测中的云量。《国际遥感杂志》。 2001,22, 3855–3862. [谷歌学者] [交叉参考]
  17. 北巴格达迪。；博伊尔，N。；托多罗夫，P。；哈吉，E.M。；Begue，A.SAR传感器TerraSAR-X、ASAR/ENVISAT和PALSAR/ALOS监测留尼汪岛甘蔗作物的潜力。遥感环境。 2009,113, 1724–1738. [谷歌学者] [交叉参考]
  18. Dong，J。；Xiao，X。；谢尔顿，S。；比拉达尔，C。；张，G。；北卡罗来纳州Duong。；哈扎里卡，M。；Wikantika，K。；Takeuhci，W。；Moore，B.，III.来自ALOS/PALSAR的东南亚50米森林覆盖图及其在森林破碎化评估中的应用。公共科学图书馆一号 2014,9. [谷歌学者] [交叉参考] [公共医学]
  19. 卢卡斯，R.M。；克莱利，D。；阿卡德，A。；巴特勒，D。；J·阿姆斯顿。；博文，M。；邦廷，P。；Carreiras，J。；德怀尔，J。；艾尔·T·。；等。通过整合ALOS PALSAR和陆地卫星衍生的树叶投影覆盖数据，绘制澳大利亚布里格罗带生物区的森林生长和退化阶段。遥感环境。 2014,155, 42–57. [谷歌学者] [交叉参考] [绿色版本]
  20. 岛田，M。；伊藤，T。；Motooka，T。；渡边，M。；Shiraishi，T。；塔帕，R。；Lucas，R.根据ALOS PALSAR数据绘制的新全球森林/非森林地图（2007-2010年）。遥感环境。 2014,155, 13–31. [谷歌学者] [交叉参考]
  21. Dong，J。；Xiao，X。；谢尔顿，S。；比拉达尔，C。；Duong，N.D。；Hazarika，M.从PALSAR、MERIS、MODIS和FRA等多种来源对东南亚大陆森林覆盖图进行比较。远程传感器环境。 2012,127, 60–73. [谷歌学者] [交叉参考]
  22. Yu，L。；Zhu，Y。；卢·W。；李，X。；赵，Z。；基于HJ-1 CCD遥感图像的西双版纳地区橡胶种植面积提取。下巴。《农业气象杂志》。 2013,34, 493–497. （中文）[谷歌学者]
  23. Dong，J。；Xiao，X。；陈，B。；北托比克。；Jin，C。；张，G。；Biradar，C.通过综合PALSAR和多时相陆地卫星图像绘制落叶橡胶种植园地图。遥感环境。 2013,134, 392–402. [谷歌学者] [交叉参考]
  24. 谢尔顿，S。；Xiao，X。；Biradar，C.使用MODIS和PALSAR 500米镶嵌图像绘制巴西亚马逊常绿森林地图。ISPRS J.摄影。远程传感器。 2012,74, 34–40. [谷歌学者] [交叉参考]
  25. Dong，J。；Xiao，X。；谢尔顿，S。；比拉达尔，C。；Xie，G.通过整合PALSAR和MODIS图像，绘制复杂景观中的热带森林和橡胶种植园地图。ISPRS J.摄影。远程传感器。 2012,74, 20–33. [谷歌学者] [交叉参考]
  26. 医学博士苏拉特曼。；公牛，G.Q。；莱基，D.G。；V.M.勒梅。；马歇尔，P.L。；Mispan，M.R.估算橡胶面积、体积和龄期的预测模型(巴西橡胶树)马来西亚种植园使用Landsat TM数据。国际林业评论。 2004,6, 1–12. [谷歌学者] [交叉参考]
  27. 邓，F。；陈J.M。；潘，Y。；彼得斯，W。；伯德西，R。；McCullough，K。；Xiao，J.大气CO中林分年龄信息的使用2倒置应用于北美。生物地球科学 2013,10, 5335–5348. [谷歌学者] [交叉参考]
  28. 邓，F。；陈，J.M。；潘，Y。；彼得斯，W。；伯德西，R。；McCullough，K。；Xiao，J.森林林分年龄信息改进了北美碳通量的反向估计。生物地理。讨论。 2013,10, 4781–4817. [谷歌学者] [交叉参考]
  29. 刘，Y。；Yu，G。；王，Q。；Zhang，Y.温度、降水和林分年龄如何控制全球成熟森林的生物量碳密度。手套。经济。生物地理。 2014,23, 323–333. [谷歌学者] [交叉参考]
  30. Pretzsch，H。；比伯，P。；Schütze，G。；Bielak，K.《欧洲林分动态变化：长期观测样地的事实及其与森林生态和管理的相关性》。森林生态。管理。 2014,316, 65–77. [谷歌学者] [交叉参考]
  31. Yu，G。；陈，Z。；Piao，S。；彭，C。；Ciais，P。；王，Q。；李，X。；Zhu，X.东亚季风区亚热带森林生态系统的高二氧化碳吸收。程序。国家。阿卡德。科学。美国 2014,111, 4910–4915. [谷歌学者] [交叉参考] [公共医学]
  32. Sivanpillai，R。；史密斯，C.T。；斯里尼瓦桑，R。；墨西拿，M.G。；Wu，X.B.利用Landsat ETM+数据估算火炬松管理林分年龄和密度。森林生态。管理。 2006,223, 247–254. [谷歌学者] [交叉参考]
  33. 陈，B。；曹，J。；Wang，J。；吴，Z。；陶，Z。；陈，J。；杨，C。；Xie，G.利用Landsat TM数据估算台风和冷害灾区橡胶林年龄：中国海南岛的案例研究。森林生态。管理。 2012,274, 222–230. [谷歌学者] [交叉参考]
  34. 吴，Z。；谢国荣。；陶，Z。；Zhou，Z。；王欣。海南岛儋州橡胶园不同年龄阶段土壤碳和全氮含量特征。经济。环境。科学。 2009,18, 1484–1491. [谷歌学者]
  35. 刘，X。；Z.Feng。；江，L。；李，P。；Liao，C。；Yang，Y。；中老缅边境地区橡胶种植及其与地形因素的关系。J.地理。科学。 2013,23, 1019–1040. [谷歌学者] [交叉参考]
  36. Lu，H.等人。；刘伟。；罗奇。中国西南部西双版纳山区橡胶园凋落物层的生态水文效应。下巴。《经济学杂志》。 2011,30, 2129–2136. （中文）[谷歌学者]
  37. 日本宇宙航空研究开发机构（JAXA），K&C马赛克主页-PALSAR 50米正射马赛克产品。在线可用：http://www.eorc.jaxa.jp/ALOS/en/kc_mosaic/kc_ map_50.htm（2014年9月10日访问）。
  38. Longepe，N。；Rakwatin，P。；O.Isoguchi。；岛田，M。；Y.Uryu。；Yulianto，K.利用支持向量机对ALOS PALSAR 50 m正交FBD数据进行区域土地覆盖分类评估。IEEE传输。地质科学。远程传感器。 2011,49, 2135–2150. [谷歌学者] [交叉参考]
  39. 岛田，M。；O.Isoguchi。；Rosenqvist，A.PALSAR calval，为京都和碳项目生成大陆级马赛克产品。2008年7月7日至11日，美国马萨诸塞州波士顿，IEEE国际，地球科学与遥感研讨会论文集。
  40. 岛田，M。；Ohtaki，T.生成大规模高质量SAR镶嵌数据集：应用于全球监测的PALSAR数据。IEEE J.选择。顶部。申请。地球目标遥感。 2010,三, 637–656. [谷歌学者] [交叉参考]
  41. 罗森奎斯特，A。；岛田，M。；伊藤，N。；Watanabe，M.ALOS PALSAR：全球环境监测的路径探测器任务。IEEE传输。地质科学。远程传感器。 2007,45, 3307–3316. [谷歌学者] [交叉参考]
  42. 国家地球资源观测与科学中心。在线可用：http://earthxplorer.usgs.gov（2014年9月10日访问）。
  43. 国家地球资源观测与科学中心（EROS）。陆地卫星7号科学数据用户手册。在线可用：http://landsathandbook.Gsfc.Nasa.Gov/pdfs/landsat7_handbook.Pdf。（2014年9月10日访问）。
  44. Masek，J.G。；佛蒙特，E.F。；Saleous，东北部。；沃尔夫，R。；霍尔，F.G。；K.F.Huemmrich。；高，F。；库特勒，J。；Lim，T.K.北美陆地卫星表面反射率数据集，1990-2000年。IEEE地质科学。远程传感器。 2006,三, 68–72. [谷歌学者] [交叉参考]
  45. 佛蒙特，E.F。；ElSaleous，N。；法官，狱警。；考夫曼，Y.J。；普里维特，J.L。；雷默，L。；罗杰，J.C。；Tanre，D.地表可见到中红外EOS-MODIS数据的大气校正：背景、操作算法和验证。《地球物理学杂志》。Res.：大气 1997,102, 17131–17141. [谷歌学者] [交叉参考]
  46. Senf，C。；Pflugmacher，D。；van der Linden，S。；Hostert，P.使用MODIS时间序列的多光谱物候指标绘制西双版纳（中国西南部）橡胶种植园和天然林地图。远程传感器。 2013,5, 2795–2812. [谷歌学者] [交叉参考]
  47. 朱，Z。；Woodcock，C.E.陆地卫星图像中基于对象的云和云阴影检测。遥感环境。 2012,118, 83–94. [谷歌学者] [交叉参考]
  48. Tucker，C.J.用于监测植被的红色和照相红外线性组合。遥感环境。 1979,8, 127–150. [谷歌学者] [交叉参考]
  49. Huete，A。；Didan，K。；三浦，T。；罗德里格斯，E.P。；高，X。；Ferreira，L.G.MODIS植被指数的辐射和生物物理性能概述。遥感环境。 2002,83, 195–213. [谷歌学者] [交叉参考]
  50. Xiao，X。；霍林格，D。；Aber，J。；Goltz，M。；戴维森，E.A。；张，Q。；Moore，M.，III.常绿针叶林初级生产总值的卫星建模。遥感环境。 2004,89, 519–534. [谷歌学者] [交叉参考]
  51. X.M.肖。；Zhang，Q.Y。；霍林格，D。；阿伯，J。；Moore，B.使用MODIS和气候数据对常绿针叶林的初级生产总值进行建模。经济。申请。 2004,15, 954–969. [谷歌学者] [交叉参考]
  52. Xiao，X.地球观测和建模设施（EOMF）。在线可用：http://www.eomf.ou.edu（2014年9月10日访问）。
  53. Benedek，C。；Sziranyi，T.通过多层条件混合马尔可夫模型检测光学航空图像中的变化。IEEE传输。地质科学。远程传感器。 2009,47, 3416–3430. [谷歌学者] [交叉参考]
  54. 科恩，W.B。；杨振国。；Kennedy，R.使用年度陆地卫星时间序列检测森林干扰和恢复趋势：2。Timesync–用于校准和验证的工具。遥感环境。 2010,114, 2911–2924. [谷歌学者] [交叉参考]
  55. 黄，C.Q。；科沃德，S.N。；Masek，J.G。；托马斯，N。；朱，Z.L。；Vogelmann，J.E.使用密集Landsat时间序列堆栈重建近期森林干扰历史的自动化方法。遥感环境。 2010,114, 183–198. [谷歌学者] [交叉参考]
  56. 蒙特萨诺，P.M。；尼尔森，R。；Sun，G。；马戈利斯，H。；Kerber，A。；K.J.Ranson，MODIS对环极地太加-图拉过渡带的森林覆盖验证。遥感环境。 2009,113, 2130–2141. [谷歌学者] [交叉参考]
  57. Potere，D.谷歌地球高分辨率图像档案的水平位置精度。传感器 2008,8, 7973–7981. [谷歌学者] [交叉参考]
  58. Hansen，M.C。；Potapov，P.V.公司。；摩尔，R。；Hancher，M。；Turubanova，S.A.公司。；丘卡维纳，A。；陶博士。；Stehman，S.V.公司。；S.J.戈茨。；T.R.洛夫兰。；等。21世纪森林覆盖变化的高分辨率全球地图。科学类 2013,342, 850–853. [谷歌学者] [交叉参考] [公共医学]
  59. 袁，F。；Sawaya，K.E.公司。；不列颠哥伦比亚省洛菲霍尔茨。；Bauer，M.E.通过多时相陆地卫星遥感对双城（明尼苏达州）大都市区的土地覆盖分类和变化分析。遥感环境。 2005,98, 317–328. [谷歌学者] [交叉参考]
  60. 刘，X。；Z.Feng。；蒋，L.决策树分类在橡胶林遥感提取中的应用。事务处理。下巴。农业社会学。工程师。 2013,29, 163–172. [谷歌学者]
  61. Z.Feng。；刘，X。；江，L。；Li，P.中国、老挝和缅甸边境地区橡胶种植园的时空分析及其与地形因素的关系。J.地理。科学。 2013,68, 1442–1446. [谷歌学者]
  62. Miettinen，J。；Liew，S.C.，50 m分辨率ALOS PALSAR镶嵌产品中岛屿东南亚木本种植物种的可分性。遥感快报。 2011,2, 299–307. [谷歌学者] [交叉参考]
  63. 沃克，W.S。；Stickler，C.M。；Kellndorfer，J.M。；Kirsch，K.M。；Nepstad，D.C.巴西亚马逊地区森林和土地覆盖的大面积分类和制图：ALOS/PALSAR和Landsat数据源的比较分析。IEEE J.选择。顶部。申请。地球目标遥感。 2010,三, 594–604. [谷歌学者] [交叉参考]
  64. 莱曼，E.A。；Caccetta，P.A。；郑淑，Z。；S.J.麦克尼尔。；小梁，W。；Mitchell，A.L.联合处理陆地卫星和ALOS-PALSAR数据，用于森林制图和监测。IEEE传输。地质科学。远程传感器。 2012,50, 55–67. [谷歌学者] [交叉参考]
  65. Wijaya，A。；Gloaguen，R.使用非线性方法融合ALOS PALSAR和Landsat ETM数据进行土地覆盖分类和生物量建模。地质科学。远程传感器。 2009,三，III-581–III-584。[谷歌学者]
  66. Foody，G.M.用不完善的地面参考数据评估土地覆盖变化的准确性。遥感环境。 2010,114, 2271–2285. [谷歌学者] [交叉参考]
  67. Xiao，X。；多洛夫斯基，P。；比拉达尔，C。；Bridge，E.野外地理参考照片库。EOS事务处理。美国地球物理学。工会 2011,92. [谷歌学者] [交叉参考]
  68. 张，M。；谢弗，D.A。；陈，O.C。；Zou，X.中国西南西双版纳热带雨林和橡胶园凋落物与土壤中不稳定碳的分解差异。《欧洲土壤生物学杂志》。 2013,55, 55–61. [谷歌学者] [交叉参考]

分享和引用

MDPI和ACS样式

寇，W。；Xiao，X。；Dong，J。；甘，S。；翟，D。；张，G。；秦，Y。；李，L。利用PALSAR和陆地卫星图像绘制落叶橡胶种植区和林分年龄。远程传感器。 2015,7, 1048-1073.https://doi.org/10.3390/rs70101048

AMA风格

寇伟，肖X，董杰，甘S，翟D，张G，秦Y，李L。利用PALSAR和Landsat图像绘制落叶橡胶种植区和林分年龄图。遥感. 2015; 7(1):1048-1073.https://doi.org/10.3390/rs70101048

芝加哥/图拉比安风格

寇、伟力、肖向明、董金伟、舒甘、翟德利、张歌丽、秦元伟和李丽。2015年，“利用PALSAR和Landsat图像绘制落叶橡胶种植区和林分年龄”遥感7，编号1:1048-1073。https://doi.org/10.3390/rs70101048

文章指标

返回页首顶部