基于无人机树冠分割与PlanetScope时间序列冠层物候动态的城市森林树种制图

《Urban Forestry & Urban Greening》：Mapping urban forest tree species through canopy phenological dynamics from UAV crown delineation and PlanetScope time series

　　

摘要 城市森林生态系统功能强烈依赖于树种组成，然而在复杂城市环境中获取单木树冠尺度的物种信息仍然具有挑战性。生长季期间物种特有的冠层物候动态为细尺度树种识别提供了重要的判别信息。然而，现有的基于卫星的分类方法主要依赖于单日期或有限多时相的静态光谱特征，而整个生长季的冠层物候过程在单木树冠级别的城市树种制图中的应用仍然不足。为了克服这一局限，本研究提出了一种基于生长季冠层物候曲线特征的树种分类方法。通过整合无人机影像的单木树冠分割与高时空分辨率的 PlanetScope 影像，本研究构建了细尺度冠层物候特征，并将季内树木生长动态转化为定量分类信息。PlanetScope 时间序列很好地拟合了冠层物候曲线（R2=0.95±0.05），并有效表征了种间冠层物候差异和季节性生长动态。最佳模型的整体准确率和 Kappa 系数分别为 0.859 和 0.842，相较于最佳单日期 PlanetScope 静态基准，分别提高了约 9.2 和 10.3 个百分点。特征重要性分析进一步表明，春季末期物候特征对树种判别贡献最大，而秋季衰老特征提供了补充信息。这些结果表明，整合高分辨率卫星时间序列与冠层物候特征可以支持基于生长过程的树种识别，并为复杂城市森林的细尺度生态监测和管理提供了一条方法途径。

引言 全球城市化的加速对森林生态系统造成了日益增加的压力，重塑了其空间分布模式，并对生态系统功能产生深远影响。在城市环境中，森林是缓解热岛效应、调节水文过程和维持生物多样性的关键生态系统（Ge et al., 2023, Hu et al., 2024, Zhao et al., 2024），从而对细尺度监测和动态评估提出了日益增长的需求。不同树种在物候节律、生长策略和环境响应方面存在显著差异。树种组成和空间分布的变化会直接影响城市森林的生态过程和功能。因此，物种级监测对于准确表征城市森林内部的组成变化、揭示生态过程差异和评估生态系统功能至关重要。尽管传统野外调查可以提供准确的物种信息，但它们劳动密集且空间受限，难以进行大范围和连续监测。卫星遥感受限于空间分辨率和混合像元，这限制了在复杂城市森林中细尺度获取物种级空间信息的能力。
遥感为树种制图提供了一种有效方法。以往研究利用 RGB 影像、多光谱影像、高光谱数据和激光雷达点云的静态特征，从冠层颜色、纹理、光谱反射率和三维结构识别树种（Fassnacht et al., 2016, Shahtahmassebi et al., 2021, Jiang et al., 2023, Liu et al., 2017, Huang et al., 2024, Thapa et al., 2024）。然而，基于单日期或静态影像的分类在异质性森林中可能仍然有限。Cloutier 等人 (2024) 使用高分辨率无人机影像和深度学习对七个日期的树种进行了分类；然而，平均 F1 分数在 0.61 到 0.72 之间变化，且几种阔叶树种的类别级 F1 分数较低。这表明仅靠静态影像可能无法完全捕捉种间的时间差异。在复杂城市森林中，不同物种可能具有相似的冠层结构、纹理和单日期光谱响应，而建筑物阴影、道路背景和混合像元进一步降低了类间可分性 (Hartling et al., 2019)。以往研究还表明，有限的静态特征更容易区分形态或光谱差异较大的物种，而其识别生态性状相似或光谱重叠强烈的物种的能力仍然有限 (Pu and Landry, 2012)。此外，无人机高光谱和激光雷达数据可按需提供高空间分辨率观测；然而，大面积、长期和高频应用仍可能受限于飞行成本、处理复杂度、观测频率和时间连续性 (Fang et al., 2020)。因此，识别反映动态物种差异的稳定信息仍然是一个关键挑战。
迄今为止，众多研究表明冠层物候存在显著的种间差异，这些差异源于物种在生长节律和生理过程中的特定响应，并为树种识别提供了重要的判别信息 (Caffarra et al., 2011, Flynn and Wolkovich, 2018, Wang et al., 2021)。与冠层结构或光谱反射率等静态特征相比，冠层物候描述了出叶、旺盛生长和衰老等连续过程，从而反映了整个生长季的物种特定动态，并为细尺度物种分类提供了新的时间维度（图 1）。以往树种分类研究表明，多时相或季节性遥感观测可以提高分类精度，表明时间信息有助于区分单日期影像中光谱或结构特征相似的树种 (Axelsson et al., 2021, Persson et al., 2018)。随着遥感技术的发展，冠层物候观测方法变得越来越多样化 (Bolton et al., 2020, Wood et al., 2022, Wu et al., 2021)。地面观测可以提供高精度的冠层物候测量 (Park et al., 2019, Richardson et al., 2018)，尽管其空间覆盖范围仍然有限。MODIS 和 AVHRR 提供高时间分辨率；然而，其从数百米到公里级的粗空间分辨率使其不适合细尺度树种监测 (Piao et al., 2019, Zhang et al., 2003)。QuickBird 和 GF 系列数据等高分辨率影像提供米级空间细节；然而，有限的重访频率和高获取成本使得连续冠层物候监测变得困难。近年来，PlanetScope 将 3 米空间分辨率与近每日重访能力相结合 (Ge et al., 2023, Haddad et al., 2022, Zhao et al., 2022)，使冠层物候观测从传统的公里级景观监测转向单木树冠尺度，并为细尺度树种识别提供了新的数据基础。然而，现有的冠层物候研究主要集中在景观或区域尺度的植被动态上 (Basheer et al., 2024, Liu et al., 2024, Wang et al., 2023)，而将单木树冠空间约束与高时空分辨率卫星时间序列相结合，在复杂城市森林中提取冠层物候特征的研究仍然不足。季节物候信息相对于单日期静态影像提供的分类增益也尚未得到充分量化。
为了全面表征时间序列中的冠层物候动态，必须从植被指数时间序列构建稳定连续的冠层物候曲线，并进一步提取关键物候事件，包括春季物候的始 (SOS)、中 (MOS) 和末 (EOS)，对应于萌芽和叶展开；秋季物候的始 (SOF)、中 (MOF) 和末 (EOF)，对应于叶片衰老和落叶，以及特定阶段的增强型植被指数 (EVI) 特征。在遥感物候研究中，用于表征冠层季节性变化的植被指数主要包括色带指数和多光谱植被指数。色带指数可以直接从 RGB 影像计算得出，适用于利用高分辨率影像监测冠层颜色变化 (Ge et al., 2023)。多光谱植被指数，如 EVI 和归一化植被指数 (NDVI)，利用可见光和近红外信息，通常具有更强的抗背景干扰能力和更好的时间连续性，使其更适合复杂城市森林的冠层物候监测 (Piao et al., 2019)。构建冠层物候曲线的方法大致可分为滤波方法和基于函数的模型。扩展卡尔曼滤波和 Savitzky-Golay 滤波等滤波方法可以减少时间序列噪声并保持主要趋势 (Cao et al., 2018, Mascolo et al., 2021)；然而，当观测间隔不规则、存在残余云污染或短期波动强烈时，它们可能难以平衡曲线平滑度和关键阶段细节。双 logistic 函数等基于函数的模型可以用相对较少的参数描述出叶、稳定生长和衰老，并被广泛用于拟合植被物候曲线和提取关键物候日期 (Piao et al., 2019, Zhao et al., 2022)；然而，其性能取决于初始参数和关于曲线形状的假设，并可能受复杂城市森林中的异常值和种间曲线差异的影响。因此，结合时间序列滤波的噪声抑制能力与基于函数的模型的全局结构表征，有助于构建更稳定的冠层物候曲线，并为提取关键物候事件（包括 SOS、MOS、EOS、SOF、MOF 和 EOF）以及特定阶段 EVI 特征提供可靠基础。对于城市树种识别，这种稳定的冠层物候曲线可以减少单日期观测噪声，并将整个生长季的动态差异转化为用于分类的定量特征。
基于上述考虑，本研究假设冠层物候曲线特征的种间差异可以支持细尺度树种分类，且完整的生长季物候信息相比单日期静态影像提供了额外的判别能力。本研究旨在加强对城市森林树种冠层物候差异的表征，探索基于冠层物候特征进行树种分类的可行性，并评估其相对于静态影像基准的分类优势。具体而言，本研究解决三个问题：(1) 源自高时空分辨率 PlanetScope 影像的植被指数时间序列能否精细表征物种特有的冠层物候曲线？(2) 如何从冠层物候曲线中提取关键物候事件和曲线形状特征以更有效地区分树种？(3) 基于冠层物候特征的机器学习模型能否实现准确的树种分类，并相比单日期 PlanetScope 静态影像提供可量化的改进？

章节摘要 研究区 研究在中国东北部的哈尔滨市 (125°42′–130°10′ E, 44°04′–46°40′ N) 进行，该市属于温带大陆性季风气候。作为中国最北端的大城市之一，哈尔滨在春秋季节经历迅速的温度波动。冬季温度可能低于?30°C，而夏季温度通常接近 30°C，导致年温差超过 60°C。该市年平均降水量为 569.1 毫米，几乎
城市森林冠层物候曲线的种间异质性 基于源自 PlanetScope 影像的 EVI 时间序列，使用双 logistic 函数构建了研究区 15 种常见树种的冠层物候曲线。其中包括 6 种针叶树和 9 种阔叶树，结果如图 5 和图 6 所示。在整个研究期间观察到了冠层物候曲线的明显种间差异，导致针叶树和阔叶树之间具有清晰的可分性。总体而言，针叶树种 PlanetScope 时间序列影像揭示了城市森林中冠层物候的种间异质性
尽管用于冠层物候研究的广泛使用的高时间分辨率卫星数据（如 MODIS）能够有效表征区域尺度的季节动态，但其空间分辨率限制长期以来制约了种间差异的识别 (Park et al., 2015, Zhao et al., 2022)。随着 PlanetScope 等高时空分辨率卫星的快速发展，遥感观测开始能够解析时间连续性和空间
结论 本研究利用高时空分辨率 PlanetScope 影像和无人机生成的单木树冠分割，构建了一个基于冠层物候的细尺度城市树种识别分类框架。通过从 EVI 时间序列拟合冠层物候曲线并提取关键物候事件和曲线形状特征，本研究将全季树冠动态转化为用于分类的定量指标。在此基础上，分类性能
CRediT 作者贡献声明 Jia Jia：监督，数据整理，概念化。Lei Wang：写作 – 审阅与编辑，监督，方法论。Jiyuan Fang：调查。Zhiwei Ye：监督。Yuanyuan Chen：写作 – 原始草稿，方法论，形式分析，概念化。Xinyu Zhang：调查。Yunlong Yao：写作 – 审阅与编辑。YongKang Lou：调查。Jihan Zhou：调查。Jinbang Mu：调查。Mengting Xu：软件，调查。Yalin Zhai：方法论，调查。
利益冲突声明 作者声明他们没有已知的可能影响本文所述工作的竞争财务利益或个人关系。
致谢 本工作得到了国家重点研发计划项目基础研究基金 (2024YFD2200900)、国家自然科学基金 (42171246)、中央高校基本科研业务费 (2572023CT18-04)、黑龙江省重点研发项目引导项目 (GZ20210193)、黑龙江省博士后科研启动基金 (LBH-Q21051)、生态文明建设与绿色智库开放课题的资助。
Yuanyuan Chen|Jia Jia|Lei Wang|Mengting Xu|Yalin Zhai|Jihan Zhou|Jinbang Mu|Yunlong Yao|YongKang Lou|Xinyu Zhang|Jiyuan Fang|Zhiwei Ye