论文部分内容阅读
森林参数是林业调查不可或缺的测量内容,其中包括森林分布范围、树高、胸径、生物量、叶面积指数和蓄积量等。传统的森林调查劳动强度大、效率低,难以对大面积森林参数进行调查。可见光遥感技术在森林调查和森林参数反演方面发挥了巨大的作用,但是光学遥感在森林参数反演上严重受到天气状况的遏制,同时光学遥感反演只能在平面上进行,对森林的垂直结构探测能力很弱。本文在全球尺度、中区域尺度以及小区域尺度上,分别探讨了星载激光雷达、合成孔径雷达和机载激光雷达对森林参数反演的方法和精度。主要结论有以下几点：1.对星载激光雷达GLAS波形数据进行预处理、滤波分类、波形参数提取,构建森林树高模型、生物量模型以及叶面积指数模型。树高模型的波形参数为回波冠层高度展宽Lvh、冠层回波的有效展宽Lv和地面回波的有效展宽Lg,模型的平均误差为2.504m,R2为0.86。生物量模型的波形参数为全波形能量Ev和回波冠层高度展宽Lvh,模型平均误差为0.091kg/m2,R2为0.91。叶面积指数的波形参数为地面回波能量占整个波形能量比,平均误差为0.24,R2为0.84。2.对ENVIsat ASAR数据进行预处理、滤波等操作,并分析多时相多极化合成孔径雷达后向散射系数和森林蓄积量关系,基于统计方法建立森林蓄积量指数模型。HH极化和VV极化合成孔径雷达后向散射系数与森林蓄积量相关性高,模型平均误差为-2.09m3/ha和-1.38m3/ha,模型R2为0.512。3.探索机载激光雷达点云数据的预处理和点云的分类,对点云数据插值生成数字高程模型(DEM)和数字地表模型(DSM)。通过DSM和DEM相减生成冠层高度模型CHM,CHM很好地模拟了地物的高度和空间分布。4.建立CHM分割和山顶点提取的单木识别方法,在此基础上反演单木森林单木的树高、冠幅、胸径、生物量等参数。由CHM反演的树高与真实值的平均误差为-0.41米,估测树高略低于树高实际值。单木冠幅的估测值较实测值大,而单木生物量估测值比实际值偏小。5.建立了CHM分位数和林分尺度上的森林平均高度和森林生物量以及叶面积指数模型。森林90%分位数树高和实测树高更为接近,更能代表样地林分高度值,R2为0.863。森林生物量和CHM平均值相关性好,模型R2为0.723。将穿过孔隙到达地面的点数量与冠层截留的点数量的比值定义为激光穿透指数(LPI),建立的LPI和叶面积指数LAI的模型精度较高,R2为0.851,反演得到天老池流域LAI最大值为2.64。6.将CHM模型加入光学遥感影像进行地物分类,高度信息能将光谱信息相近但高度差别较大的物种很好的区分,分类的总体精度达到90.25%,Kappa系数为0.86。本研究工作主要集中在宏观尺度,区域尺度和小尺度的森林参数的反演,反演的参数包括树高、生物量、蓄积量、叶面积指数、冠幅和胸径等参数。星载LiDAR为全球大区域的森林树高、生物量和叶面积指数的估算提供了可能,合成孔径雷达SAR为中小尺度的森林生物量、树高的估测提供了便利,而小光斑激光雷达的应用可以精确刻画小区域森林的单木特征和林分特征。