基于近景影像的马尾松针叶凋落物载量估算：跨场景迁移性与桥接校正

《Ecological Informatics》：Close-range image-based estimation of Pinus massoniana needle litter fuel load: Cross-scene transferability and bridge calibration

　　

专业术语翻译（摘要部分） 基于影像的模型估算了马尾松（Pinus massoniana）针叶凋落物载量；室内到野外的直接迁移导致了严重的预测误差；34个特征中有30个发生偏移，19个特征-载量相关性发生逆转；野外局部线性回归取得了最佳的野外验证精度；线性桥接校正将直接迁移的相对误差（MRE）降低至19.40%。森林地表凋落物是森林生态系统的重要组成部分，也是细小地表可燃物的主要来源，其累积、空间分布和可燃物床连续性共同影响可用地表可燃物量和后续的林火蔓延。凋落物载量通常以单位面积凋落物的烘干质量表示，反映森林地表可燃物的数量，同时凋落物的累积与分解是森林生态系统地表有机质积累和养分循环的重要环节。从林火管理角度看，凋落物层是森林地表火的主要可燃物来源，其载量、含水率、可燃物床结构和空间连续性直接影响点火概率、林火蔓延过程、火行为强度和潜在火险。由于凋落物载量是表征地表可燃物状况和评估火险的重要变量，快速可靠的测量对于业务化可燃物监测与管理具有重要意义。传统的森林凋落物和地表可燃物载量估算通常采用直接估算法、标准样地采样法或基于林分和环境因子的统计模型，这些方法虽提供了坚实的经验基础，但往往需要样地设置、样品采集、烘干、称重和实验室处理，耗时费力、具有破坏性且在大范围应用时成本高昂。与提供样地尺度近地表可燃物和结构信息的地基激光雷达（terrestrial LiDAR）相比，地面近景成像利用常规数码相机或其他易得成像设备，能够更直接地记录可见的森林地表凋落物。大多数基于影像的研究集中于地表覆盖类型、可燃物类型分类、冠层结构或地上生物量估算，而基于近景影像对连续森林凋落物载量，尤其是针叶凋落物载量进行定量估算的研究仍相对有限。更重要的是，大多数基于影像的估算模型是在同一采集场景内开发和验证的，很少有研究考察其从受控室内条件迁移到复杂真实野外环境时的适用性。对于实际森林调查而言，室内受控实验对于构建具有明确载量梯度和相对稳定背景的基线数据集具有重要价值，而野外影像通常会引入光照、背景条件、针叶重叠和空间结构方面更复杂的变异。若忽略此类场景差异，模型可能在室内测试中表现良好，但在野外应用中误差显著放大。先前机器学习研究表明，当训练数据与目标应用数据在背景、采集条件或特征分布上存在差异时，模型的外部泛化能力可能因数据集偏移或域偏移而下降。因此，跨场景评估不仅要考虑影像派生预测因子分布的变化，还要考虑预测因子-载量关系的变化，因为输入分布和输入-输出关系的变化是数据集偏移的重要形式，可能影响模型在目标域的泛化能力。马尾松（Pinus massoniana Lamb.）是中国南方重要且广泛分布的针叶树种，在亚热带森林中具有主导生态作用。本研究以贵州省贵阳市乌当区马尾松针叶凋落物为对象，评估了近景影像凋落物载量模型从受控室内条件迁移到野外时的行为变化。与以往主要关注单场景影像分析、地表覆盖识别或可燃物类型分类的研究不同，本研究专门考察了受控室内条件下建立的凋落物载量模型迁移到真实野外环境时预测性能的变化，并评估了利用有限野外样本进行桥接校正的可行性。基于此框架，研究人员假设受控室内与野外条件之间的跨场景差异会降低室内凋落物载量模型的直接迁移性，而利用有限野外样本进行校正将提高野外条件下的预测性能。具体目标为：（1）在受控条件下建立基于影像的马尾松针叶凋落物载量估算模型；（2）评估室内模型向野外条件的跨场景迁移性；（3）量化影像特征的室内-野外偏移及其对模型性能的影响；（4）比较野外局部建模和桥接校正策略在林地条件下估算凋落物载量的效果。通过上述分析，本研究旨在阐明近景成像估算马尾松针叶凋落物载量的可行性和跨场景适用性边界，为低成本、微破坏性森林地表可燃物监测、业务化可燃物评估以及后续林火风险评估和预防规划提供方法论基础。

论文解读文章

一、研究背景与问题提出

森林地表凋落物是森林生态系统的重要组成部分，也是细小地表可燃物的主要来源。凋落物的累积量、空间分布和可燃物床连续性共同影响地表可燃物的可用量和林火的蔓延过程。凋落物载量通常以单位面积凋落物的烘干质量表示，是表征地表可燃物状况和评估火险的关键变量。然而，传统的凋落物载量估算方法——包括直接估算法、标准样地采样法和基于林分与环境因子的统计模型——往往需要样地设置、样品采集、烘干、称重和实验室处理，耗时费力、具有破坏性且在大范围应用时成本高昂。

近年来，地基激光雷达、卫星遥感、无人机多光谱影像和森林清查数据等技术被用于估算森林结构、生物量和地表可燃物属性，但受限于冠层遮挡，大尺度遥感难以直接表征林下凋落物的地表覆盖和可燃物床结构。相比之下，地面近景成像利用常规数码相机即可直接记录可见的森林地表凋落物，具有成本低、操作便捷的优势。然而，已有研究大多集中于地表覆盖类型识别、可燃物类型分类或冠层结构分析，基于近景影像对连续森林凋落物载量进行定量估算的研究仍然有限。

更为关键的问题是，大多数基于影像的估算模型都是在同一采集场景内开发和验证的，很少有研究考察模型从受控室内条件迁移到复杂真实野外环境时的适用性。室内受控实验能够构建具有明确载量梯度和相对稳定背景的基线数据集，而野外影像则引入光照变化、背景复杂、针叶重叠和空间结构差异等更多变异。若忽略场景差异，模型可能在室内测试中表现良好，但在野外应用中误差显著放大。机器学习研究表明，当训练数据与目标应用数据在背景、采集条件或特征分布上存在差异时，模型的外部泛化能力会因数据集偏移或域偏移而下降。因此，跨场景评估需要同时考察影像特征分布的变化和特征-载量关系的变化。

基于上述背景，本研究以贵州省贵阳市乌当区马尾松针叶凋落物为对象，系统评估了近景影像凋落物载量模型从受控室内条件迁移到真实野外环境时的性能变化，并考察了利用有限野外样本进行桥接校正的可行性。研究假设跨场景差异会降低室内模型的直接迁移性，而有限野外样本的校正能够提高野外条件下的预测精度。

二、研究内容与主要结论

研究的具体目标包括四个方面：在受控条件下建立基于影像的马尾松针叶凋落物载量估算模型；评估室内模型向野外条件的跨场景迁移性；量化影像特征的室内-野外偏移及其对模型性能的影响；比较野外局部建模和桥接校正策略在林地条件下估算凋落物载量的效果。

研究结果表明，室内模型直接迁移到野外时预测误差显著放大，验证了跨场景差异会降低模型迁移性的假设。34个影像特征中有30个在室内和野外场景间发生显著偏移，19个特征与载量的相关性方向发生逆转，说明跨场景差异不仅体现在输入分布的变化上，还体现在输入-输出关系的变化上。野外局部线性回归模型取得了最佳的野外验证精度，而线性桥接校正将直接迁移的相对误差从较高水平降低至19.40%，证明了利用有限野外样本进行轻量级校正的有效性。该研究为低成本、微破坏性森林地表可燃物监测和业务化可燃物评估提供了方法论基础。

三、主要技术方法

研究采用的技术路线包括以下关键环节。在数据采集方面，研究区位于贵州省贵阳市乌当区贵州教育学院的银山马尾松林，属于亚热带温暖湿润季风气候。研究人员首先进行了野外预调查，在150个采样点使用30cm×30cm标准样方框收集马尾松针叶凋落物，烘干称重后计算载量，确定载量范围为3.6～16.5t/ha，以此定义室内实验的载量梯度。室内实验设置了1.5～21t/ha的40个载量水平，每个水平3次重复，共获得120幅室内影像；野外采集在20m×20m样地内随机布设样方，共获得120幅野外影像及对应实测载量。影像预处理采用统一的流程，包括样方框内裁剪、等比缩放至1300×1300像素、CIELab色彩空间转换、CLAHE对比度受限自适应直方图均衡化和高斯滤波。针叶分割采用随机森林（RF）分类器，从20幅室内标注影像中提取13维像素级特征（RGB、CIELab、HSV通道特征、Sobel梯度幅值、局部二值模式（LBP）特征和归一化空间坐标）进行训练，并以7幅野外标注影像评估跨场景分割性能。特征提取从分割后的针叶区域提取34个影像特征，包括3个几何特征、18个颜色特征和13个纹理特征。回归建模采用多元线性回归（MLR）和随机森林（RF）两种方法，以120幅室内样本按7:3比例划分训练集和测试集，分别建立室内源模型。

四、研究结果

室内源模型性能。 基于120幅室内影像，MLR和RF模型均在室内独立测试集上取得了良好的预测精度，验证了影像特征与针叶凋落物载量之间存在可建模的定量关系。RF模型通过五折交叉验证选择mtry=2，OOB误差随树数量增加趋于稳定。

跨场景直接迁移性能。 将室内源模型直接应用于120幅野外影像时，预测误差显著放大，R2大幅下降，RMSE和MRE明显升高，证实了室内到野外的直接迁移会导致严重的预测误差，验证了研究假设中关于跨场景差异降低模型迁移性的部分。

特征偏移量化。 34个影像特征中有30个在室内和野外场景间存在显著分布偏移，19个特征与载量的相关性方向发生逆转。这表明跨场景差异不仅体现在输入特征分布的变化上，还体现在特征与载量之间关系的变化上，属于数据集偏移的重要形式。

野外局部建模与桥接校正比较。 野外局部线性回归模型利用野外样本重新拟合，取得了最佳的野外验证精度。线性桥接校正利用有限野外样本对室内模型预测值进行线性校正，将直接迁移的相对误差降低至19.40%，显著优于直接迁移策略。

五、讨论与结论

讨论部分指出，跨场景特征偏移和特征-载量关系逆转是导致室内模型直接迁移性能下降的根本原因。野外局部建模虽然精度最高，但需要足够的野外实测样本，成本较高；桥接校正则利用有限的野外样本实现了对直接迁移预测的系统性校正，在精度提升和采样成本之间取得了较好的平衡。研究还讨论了分割误差对载量估算的潜在影响，以及影像预处理统一流程对缓解场景差异的作用。

研究结论表明，受控室内条件下建立的影像载量模型直接迁移到野外时预测性能显著下降，跨场景差异是影响模型泛化能力的关键因素。利用有限野外样本进行的线性桥接校正能够有效降低直接迁移的预测误差，为近景影像在森林地表可燃物监测中的实际应用提供了可行的技术路径。该研究为低成本、微破坏性森林地表可燃物监测、业务化可燃物评估以及林火风险评估和预防规划提供了方法论基础。