1.  1:50万新一代中国中国植被图制作

       现有1:100万植被图所利用的资料基本上是建国以后到上世纪80年代前的数据,获取资料的手段主要依靠建国初期大规模的区域资源考察的路线调查,制图过程主要依靠人工勾绘方式。植被图在使用过程中部分植被分布有误、斑块边界不一致等问题,急需更新。课题组承担了中科院先导A“地球大数据科学工程”子课题“新一代植被绘制”的研究工作。目前利用2010年全球30 米地表覆盖数据(GlobeLand30),结合已有的1:100万植被图,建立土地覆被类型与植被型的映射关系,通过叠加分析发现,在全国尺度上植被型分布与土地覆被类型不匹配的面积占全国面积的48.42%。课题组将以1:100万中国植被图、地形和气候数据为本底,整合卫星遥感数据、近地面遥感、中国生物多样性监测网络和地面清查数据,结合深度学习等大数据分析方法,开展新一代植被图绘制研究,构建1:50万的植被图,解决现有植被图现实性差、斑块边界不一致等问题。同时,利用大数据技术构建基于图片的植被类型识别技术,建立众源采集数据分析平台为新一代植被图的建模和验证提供新的数据源

2.激光雷达技术的软硬件研发及其在森林和城市生态学中的应用

       研究组利用激光雷达开展森林结构参数提取算法相关研究,并以激光雷达为核心传感器,结合CCD相机、高光谱传感器, 自行设计开发了具有完全自主知识产权的无人机(UAV)激光雷达遥感平台。并提出了3种直接从点云入手的分割算法,分别利用点云数据的空间结构及强度信息开发了“自上而下”和“自下而上”分割算法,采用图论和生态学代谢理论思想对地基激光雷达数据进行分割,提取精度均可达90%以上。基于上述算法可以提取森林、城市生态系统中的单木数据,并提取树木的结构参数。

      UAV近地面遥感平台和生态系统结构、功能参数提取核心算法的掌握,使得团队能够实施对个体、群落、局地景观多重尺度的植被三维结构动态监测任务,获取当前植被调查和生物多样性监测中亟需的冠层高度、体积、生物量,尤其是生物量垂直分布剖面轮廓以及枝下高等参数,将有力地推动植被和生物多样性调查基础科学研究工作,并为相关部门提供准确、可靠的决策信息。

3.Crop 3D:作物表型信息通量化获取硬件平台研发和基于深度学习的软件开发

      培育具有高产和稳产性能的优质品种是解决当前全世界范围内粮食安全问题的重要途径。表型信息获取技术的滞后导致其无法同步匹配数据量丰富的基因组学数据,严重阻碍了育种进程,成为当前育种领域瓶颈。

      研究组以新兴的主动式遥感技术——激光雷达为核心,同时集成高光谱成像仪、高分辨率相机、热红外成像仪等多源传感器,形成一套覆盖区域-田间-温室的多尺度作物多源数据获取分析平台——“全自动、高分辨率、高通量植物真三维影像分析系统”。该系统集软硬件一体化,硬件平台能够自动、批量同步获取目标作物、作物的三维点云数据、高光谱数据、RGB真彩色信息、热红外数据针对单株作物。其中,温室平台采用“sensor-to-plant”的工作方式,避免对作物生长的干扰,保证参数提取的准确性。基于移动智能小车平台,可在复杂的田间环境下完成作物冠层水平的生理生态性状监测。此外,在大区域尺度上,无人机平台搭载多传感器可灵活地对作物不同生长阶段进行监测,以进一步评估作物长势和预估产量。软件平台基于深度学习开发了大田玉米单株分割和茎叶分离算法,可实现单株水平高通量、高精度的参数提取,同时软件支持多源遥感数据的匹配、融合、分析、处理,为植物表型参数和环境因素提取(包括物理表型性状和生理生化表型性状在内的考种信息以及植株叶片形状、颜色、面积、温度等)提供数据支撑。

4.物种分布模型算法(地理一类数据)研究和生物多样性格局模拟应用

      物种分布模型主要是利用物种的分布数据与环境数据,依据特定的算法估计物种的生态位,并投影到现实景观中,以概率的形式反映物种对生境的偏好程度,结果可以解释为物种出现的概率、生境适宜度或物种丰富度等。它在环境科学的研究、自然资源的管理和生物多样性的保护方面具有重要的应用价值。传统的物种分布模型不仅需要物种存在的位置信息(正样本)而且还需要物种不存在的位置信息(负样本)。缺乏负样本数据或者负样本的不准确,将导致传统的统计模型无法应用或产生大量误差。研究组在物种分布模型领域,提出了一种新的物种分布模型算法PBL该算法仅需要某种物种的“正”样本和背景样本即可对该物种的存在概率进行无偏估计,并且预测的结果显著高于传统物种分布模型(如MaxEnt)。与此同时研究团队还提出了一套全新的适用于物种分布模型的精度评估方法,用于弥补“负”样本缺失给传统精度评价体系在物种分布模型中带来的不足。此外,基于PBL及其他模型算法,研究开发设计了物种分布模型处理软件系统ModEco。该系统已经被不同地区(北美、南美、欧洲和亚洲)超过500多家研究机构下载使用。

5.在区域、全球尺度上应用多源遥感数据结合生态模型,模拟和预测气候变化和土地利用变化对陆地生态系统结构、功能(如碳循环,生物多样性等)的影响

       以温度上升为主要特征的全球变化深刻影响了陆地生态系统的结构与功能。研究组以地面观测数据、卫星遥感数据和激光雷达数据为基础,以各类数学统计模型、陆地生态模型为工具,系统研究了不同尺度碳循环过程与陆地生态系统碳库的变化。主要研究成果包括:

(1)建立了新的高分辨率全球气候产品数据库 (Alvarez et al., 2013)。气候数据是生态学研究和模型模拟的基础数据。研究组搜集了超过20000个全球气象站点数据,分析了各类遥感植被数据与地形数据等作为插值协变量对气象产品的插值精度,建立了全球1km高分辨率气象数据库。

(2)估算了全国与全球森林地上生物量 (Hu et al., 2016; Su et al., 2016)。森林生态系统是最大的陆地生态系统碳汇。研究组利用自身技术优势,尝试建立了一种有效结合星载激光雷达数据、光学影像数据和森林清查资料的方法,在大尺度范围上估算森林地上生物量。基于此方法估算的全国与全球平均森林地上生物量分别为120±60 Mg/ha与 210.09±109.31 Mg/ha。本研究提出的估算森林地上生物量的方法对于监测大尺度森林碳储量动态变化具有重要意义。

(3) 改进生态模型,估算全球水分利用效率(Xue et al., 2015)。研究组利用地面站点数据和遥感数据,改进了动态植被模型(Integrated Biosphere Model,IBIS)的物候模块,提高了对全球碳汇的模拟精度。利用IBIS模型和MODIS数据,分别独立计算了全球水分利用效率的时空变化。研究组的研究结果全球平均水分利用效率约为7gC/kg H2O,并随着气候变化有增加的趋势。