Fixed-ground multisensor monitoring resolves longitudinal vegetation condition and fuel-state structure in Southern California chaparral and oak scenes
Andrew Lee
固定地面多传感器长期监测南加州灌丛与橡树林，揭示植被与可燃物状态变化。
多光谱、热红外、LiDAR与大气测量，10-24次重复观测两个固定样地。
植被区域是多元分离主因，密集植被NDVI下降且比干燥区更凉、垂直结构更复杂。
可扩展至更多生态系统，融合多源时序数据构建可燃物动态预警模型。
多传感器固定地面监测方法新颖、数据扎实，对林火燃料与植被状态遥感研究有参考价值，但属基础研究、应用面偏窄。
与野火相关的植被和燃料条件通过植被状况、三维燃料结构、热响应和大气干燥度的交互变化而演变，但这些维度通常被分别监测。本研究评估了在加利福尼亚州普莱塞里塔峡谷两个固定植被样地进行的重复固定地面多传感器监测。在10次质量控制的访问中，对本地查帕拉尔灌丛山坡的多光谱成像、辐射热成像、激光雷达（LiDAR）和局地大气测量进行了整合，覆盖了持续存在的密集、混合和干燥植被区域；在24次访问中，对以橡树/冠层为中心的样地进行了同样的整合。持续存在的植被区域在不同传感域之间保持强烈分化，同时也表现出纵向变化。在两个样地中，密集植被的中位归一化差异植被指数（NDVI）分别比干燥植被高0.259和0.113，LiDAR垂直展布分别大4.11 m和0.56 m，并且相对于环境空气分别低3.37 °C和3.88 °C。密集查帕拉尔灌丛的NDVI显著下降，而以橡树为中心的样地中的密集、混合和干燥区域则表现出持续的NDVI下降。另外三个光谱指数的相应下降以及空间分化的橡树冠层变化表明，时间信号超出了单一光谱指数或整个冠层平均值。对96次完整访问×样地×区域观测的多传感器分析表明，植被区域是多变量分离的主导来源（偏R² = 0.491，p = 0.0005）。通过在整合光谱、结构、热和大气测量的同时保持空间身份，这一固定地面框架为表征点火前演变中的植被和燃料条件提供了一种局地纵向方法。