论文部分内容阅读
森林是陆地生态系统的主体,面积约占全球陆地面积的四分之一对全球生态平衡、生态环境发挥着重要的作用。是资源丰富结构复杂的生态系统,为人类的生存发展提供了重要的物质基础,环境保障。对森林深入的研究有效的描述森林中碳、水、能量的变化信息从而增强人们对森林重要性认识、指导人们科学利用森林资源的行为具有重要意义。叶面积指数(leaf area index,LAI)单位地表面积上总的叶子表面积的一半,是森林结构冠层的重要描述参数之一近些年来成为研究热点。叶片是植被植物的重要的营养器官,大部分光合作用在叶片完成,同时蒸腾作用也是通过叶片的气孔来实现的,是植物与外界进行物质、能量交换的主要器官,与植物的固碳能力、蒸腾作用有着较高相关性。叶面积指数已经被认为是描述全球森林状况、研究植被与外界的能量循环、物质循环的参考指标。本文针对大兴安岭地区,利用遥感数据进行反演叶面积指数,主要研究包括以下方面。在理解外业测量仪器LAI2200、TRAC测量原理的基础上,根据东北地区部分树种冬天落叶这一特点设计实验,对同一样地在冬季、夏季且太阳高度角一致的情况下分别使用TRAC进行样线测量,从而在非破坏的情况下获取研究样地的枝叶面积比率。最终计算得到实验林场中水曲柳林枝叶面积比率参考值0.24,落叶松林枝叶面积比率参考值0.3。根据大兴安岭地区不同树种物候特点明显表现在不同时相的遥感图像上这一特点,收集多景不同时相遥感数据对森林优势树种组类型进行区分,采用最大似然法和决策树法将研究区域森林分为四大类优势树种林,分类精度达到76.85%。在分类的基础上,使用TM遥感影像和外业实测数据建立统计模型,建立一元线性模型、多元线性模型和指数模型,研究表明树种类型反演精度优于全区域反演模型精度。其中指数模型较适合叶面积指数反演以NDVI的拟合效果最优。为满足高空间分辨率MISR遥感数据验证需求,将地面样地(30m*30m)实测数据结合TM反演结果进行邻域统计,获得大尺度验证数据,从而满足MISR数据特点。采用陈镜明教授的五尺度模型,建立针对大兴安岭地区林分特点的三种林型的模型。建立MISR数据不同观测角度对应的叶面积指数查找表,结合分类数据反演大兴安岭地区叶面积指数,最终拟合优度为76%。