论文部分内容阅读
植被高度制图不仅能从大尺度反映植被的垂直生长状况，特别是森林植被高度对准确地大尺度森林生物量分布模式估算进而评价全球森林碳源和碳汇非常重要，而且植被高度制图能为更精确的土地覆盖制图提供第三维的高度数据。 本文以大脚印激光雷达数据ICESat/GLAS获取的高度数据作为植被观测高度，以地形、降水、气温、地表反射率、叶面积指数、植被覆盖率数据为输入属性进行了500m空间分辨率的中国植被高度制图。论文主要的研究内容和结论如下: 1、提取了大光斑脚印点的15个波形特征和11个光谱特征，利用监督分类器随机森林（Random Forest，RF）和支持向量机（Support Vector Machines，SVM）对激光脚印点进行土地覆盖分类。结果表明，联合使用光谱特征和激光波形特征能显著提高脚印点类别识别精度，总体精度比单独使用光谱或者波形特征提高了6％（85％提高到91％）。 2、联合激光脚印点的波形特征和取自Landsat TM/ETM+数据的光谱特征，利用专家知识解译和自主学习样本添加准则，选用SVM分类器，对激光脚印点进行质量控制后，将中国全境的大光斑脚印点进行了土地覆盖分类。 3、处理中国境内的地形、降水、气温、地表反射率、叶面积指数、植被覆盖率等数据为随机森林估算模型的输入数据，以经过地形校正的ICESat/GLAS植被高度为响应变量进行了中国陆地表植被高度制图，与现有公开的森林高度产品比较发现，本文的制图产品与地面调查数据的一致性更好。 主要创新点如下: 1、首次提出了利用大光斑脚印点的自身波形特征和光谱特征进行脚印土地覆盖类别的判定，相比利用已有土地覆盖产品提取脚印点类别，能显著提高识别精度，并且能体现脚印点的实时特征，同时对大尺度土地覆盖产品样本库的更新有重要意义。 2、首次对中国全境的所有激光脚印点（波形质量控制后的）进行土地覆盖分类，从光谱和波形特征两方面入手，摸清了我国境内的ICESat/GLAS激光脚印地物类别，特别是植被类型，为进一步植被/物种生长研究提供了直接的采样工具。 3、通过分析现有公开的全球森林高度产品在中国境内的不足，提出了波形特征加入的脚印分类、地形起伏状况下的波形地形校正等关键改进技术，利用随机森林进行输入变量的重要性选择等手段，制作了与地面调查数据一致性更好的中国植被高度产品。