论文部分内容阅读
林分平均树高、林分平均胸径、林分蓄积是三个基本的森林结构参数。森林结构参数描绘了森林水平结构和森林垂直结构的基本状况。光学数据中含有丰富的地表反射率信息但是受大气和冠层的影响较大,雷达数据具有全天候、全天时、穿透性好的优点,将光学数据和雷达数据结合是森林结构参数提取的热点方向。本研究以福建省三明市将乐林场为研究区,利用多光谱遥感数据和雷达数据结合反演森林结构参数,利用高分辨率遥感数据进行分类和森林结构参数制图。研究选择Landsat8 OLI光学遥感影像,ALOS PALSAR 1.5级雷达影像,Worldview-2高分辨率影像作为数据源。其中,结合Landsat8 OLI光学遥感影像和ALOS PALSAR 1.5级雷达数据共同建立森林结构参数遥感反演模型。为提高ALOS PALSAR数据估测森林结构参数的精度,引入代表林分结构复杂程度的调整熵值(ENTadj)参与估测,以消除林分结构对雷达后向散射系数的干扰。首先利用野外样地实测的树高计算林分的调整熵值,与Landsat8 OLI第6波段建立线性回归模型,获得基于像元的调整熵值。引入基于像元的调整熵值作为自变量对原始对数模型进行改进,分别对林分平均高、林分平均胸径、林分蓄积量建立了3种形式的改进模型。利用原始模型和改进模型分别对杉木林(Cunninghamia lanceolata)、马尾松林(Pinus massoniana)、阔叶林和针阔混交林的上述森林结构参数进行估测。最后比较模型拟合精度筛选出3项森林结构参数在各类森林中的最优模型,共计12个。基于面向对象的分类方法对研究区的Worldview-2高分辨率影像进行分类,获得杉木林、马尾松林、阔叶林和混交林等林分类型的矢量图层,对象的边界即可看做是不同林分的边界。林分类型矢量图为后续的森林结构参数制图提供了基础数据。研究结果表明:(1)考虑林分结构干扰后,PALSAR估测森林结构参数模型的拟合精度R2均得到了提高。马尾松林各项森林结构参数模型的拟合度提高最大,林分结构对马尾松林各项森林参数与后向散射系数相关性影响最大。(2)不同森林参数与雷达后向散射系数的关系对林分结构的敏感性不同。根据R2提高值可知,对于杉木林、马尾松林和针阔混交林,林分平均高对林分结构干扰的敏感性最高。阔叶林,林分蓄积量对林分结构干扰的敏感性最高。(3)林分平均高估测的精度(RMSE为0.74~2.51m)、林分平均胸径估测的精度(RMSE为2.61~5.61cm)、林分蓄积量估测的精度(RMSE为21.71~30.92m3/hm2)都比较理想。本研究探讨了林分结构信息应用于合成孔径雷达后向散射系数反演森林参数方面的潜力,提高了光学数据结合雷达数据估算森林结构参数的能力。(4)林分平均高、林分平均胸径和林分蓄积量等3个参数的相对误差均在30%以内。相对误差与雷达信号的取值没有直接的线性关系,平均相对误差围绕10%上下波动。本研究探讨了林分结构信息应用于合成孔径雷达后向散射系数反演森林参数方面的潜力,提高了光学数据结合雷达数据估算森林结构参数的能力。