了解亞熱帶森林樹種的準確信息對于森林可持續管理、生態系統服務評估、生物多樣性監測以及生態環境保護至關重要。因此，亟待快速有效的方法對單個樹種進行分類。傳統的樹種地面調查費事、費力、成本高，難以大面積實施。而遙感可以獲取較大區域的特征信息。許多遙感數據，如超高分辨率RGB、機載高光譜和雷達數據，已廣泛應用于單木分割和樹種分類。然而以往都是利用其中一種或兩種類型的數據進行研究，綜合這三種遙感數據進行樹種分類的研究十分有限。

基于此，為填補研究空白， 研究者們于2019年8月在中國南方深圳的亞熱帶闊葉林聚龍山公園（114°23′28′′E，22°43′50′′N）基于UAV LiDAR，高光譜（Resonon Pika L高光譜成像儀）、超高分辨率RGB數據以及地面數據進行單個樹種的分類。作者首次開發了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法進行單木分割。然后整合UAV LiDAR（提取結構特征），高光譜（提取光譜特征）和超高分辨率RGB數據（提取紋理特征）進行分類。最后通過總體精度（OA）和kappa系數（k）評估分類精度。主要研究目標為：（1）評估所提出的WST-Ncut算法在亞熱帶闊葉森林進行單木分割的準確性；（2）與單獨使用這些數據相比，評估UAV LiDAR，高光譜和超高分辨率RGB數據相融合進行亞熱帶闊葉樹種分類的有效性和改進以及（3）探索單木分割的準確性和樹種數量對樹種分類精度的影響。

研究區位置

【結果】

18個樹種在383-1020 nm波長下的反射率平均值和±標準差。

18個樹種在383-1020 nm波長下的平均光譜反射率。

七種特征組合得到的樹種分布圖。

使用所有特征時獲得的總體分類精度與樹種數量之間的關系。

【結論】

在本研究中，作者利用UAV LiDAR，高光譜和超高分辨率RGB數據在亞熱帶闊葉森林樹木尺度上進行18個樹種的分類。作者首次提出了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法來描述單木。結果表明，WST-Ncut算法適合描述亞熱帶闊葉森林單木（Recall=0.95，Precision=0.86，F-score=0.90），可以減少過度分割。LiDAR獲取的垂直結構特征，高光譜獲取的光譜特征以及超高分辨率RGB數據獲取的紋理特征在樹種分類上相互補充。分類結果表明這三個數據集相結合可以有效區分18個樹種，獲得最高的分類精度（總體精度=91.8%，Kappa=0.910），比單獨利用光譜特征，結構特征和紋理特征分別高10.2%，13.6%和19.0%。此外，結果表明，單木分割越好，樹種分類越準確，樹種數量增加將會導致分類精度下降。