基于機載LiDAR和高光譜融合的森林參數反演研究.pdf

1、森林資源是進行物質循環(huán)和能量交換的樞紐,具有調節(jié)氣候、涵養(yǎng)水源、防風固沙、減少污染、保持生物多樣性等多種功能,在維持生態(tài)平衡、人類生存與發(fā)展和社會進步等方面有著極為重要的作用。但是,由于人類長期過度采伐利用和破壞森林資源,致使地球生態(tài)環(huán)境遭受嚴重破壞。保護和發(fā)展森林資源使之可以永續(xù)利用已經得到世界上越來越多國家的廣泛關注。先進的遙感技術已經逐步替代傳統(tǒng)費時費力的地面調查工作,利用地物特有的光譜特性在遙感影像上的反映,對森林實行大面積的資

2、源調查與監(jiān)測。但是由于各方面條件的限制,目前研究還多限于星載較低空間分辨率且單一傳感器的遙感數據,而對于水平和垂直結構都很復雜的北方森林而言,調查和監(jiān)測工作很難做到細化。本文的研究工作正是基于機載高空間、高光譜分辨率數據和LiDAR數據相結合展開的,結合兩種數據各自的特點,進行了復雜森林的樹種識別、葉面積指數(LAI)及冠層葉綠素含量的森林參數反演研究。主要的內容、成果和結論為:
　　 1)基于小腳印LiDAR獲得的高密度點云數

3、據,分離地面點與非地面點,得到表征冠層高度的冠層高度模型CHM,并結合樣地實測樹種的樹高統(tǒng)計,對林間空隙掩膜,去除非林地區(qū)域,減小了非林地對樹種光譜的干擾,提高了影像上樹種光譜與參考光譜的識別與匹配,為分類前訓練樣本提取做好數據準備。
　　 2)為減少噪聲對光譜的影響,利用光譜微分技術將影像光譜和參考光譜進行一階微分變換,選取代表地物特征的區(qū)間,計算兩光譜的相關系數,提取相關系數高的像元光譜作為參考樣本同類別的訓練樣本,實現了訓

4、練樣本的自動提取。
　　 3)對于高空間分辨率影像中的陰影像元,考慮到傳統(tǒng)陰影像元信息補償方法中存在的一些問題,提出通過計算太陽入射輻射方位來確定遮擋方向,進而對分類結果中陰影像元采取鄰近填充的方法,既有科學依據,又簡單易實現。
　　 4)比較了僅高光譜數據和融合數據分別利用SAM和SVM分類器進行分類的結果,并得出LiDAR與CASI融合應用SVM分類器,并對分類后結果進行陰影填充的樹種分類結果總體精度最高,達到86.

5、68％,說明本文提出的對IADAR與CASI融合數據的樹種分類方法是可行的。
　　 5)基于統(tǒng)計模型反演LAI。由于僅利用植被指數建立與LAI的相關關系會有一定的片面性,本文除提取高光譜植被指數外,還基于LiDAR的回波數量、回波強度等信息,提取了表征森林垂直結構信息的參數,共同作為統(tǒng)計模型的輸入自變量；根據不同的森林類型,將實測的有效LAI轉為真實的LAI作為因變量,通過逐步回歸進行變量篩選,建模反演LAI并進行精度驗證。LA

6、I模擬值與真實值之間的R2為0.85,RMSE為0.456,表明兩者相關性較高,用該模型進行的LAI反演精度是可靠的。
　　 6)物理模型反演森林冠層生化參數涉及模型的尺度轉換問題。對于第三章分類結果掩膜后的林地區(qū)域,根據樹種類型,葉片模型分別選擇闊葉PROSPECT和針葉LIBERTY、冠層選擇SAIL輻射傳輸模型,并通過敏感性分析確定葉片模型輸入參數的變動范圍,最后模擬得到冠層的反射率。
　　 7)建立輸入參數與輸出