基于小光斑激光雷達反演森林結構參數的研究.pdf_第1頁
已閱讀1頁,還剩79頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、森林是陸地生態(tài)系統(tǒng)的重要組成部分,而森林結構參數(如:平均樹高、葉面積指數、郁閉度、生物量)在全球氣候、水分及碳循環(huán)研究中起著關鍵作用。小光斑激光雷達因其光斑直徑較小,在反演森林垂直結構及水平結構參數方面具有其他遙感技術無法比擬的優(yōu)越性。本研究以吉林省長春市凈月潭國家森林公園為研究區(qū),以小光斑LiDAR(Light Detection And Ranging)離散點云數據為基礎數據,對點云數據進行去噪、能量校正、隨機稀釋、分類、分層、波

2、形擬合等操作,從中提取一系列的參數,通過一元及多元回歸分析分別估計了森林樣方平均樹高、葉面積指數、郁閉度,通過偏最小二乘回歸及支持向量回歸分別估計了森林樣方生物量。主要研究內容及研究結果如下:
  (1)對樣方平均樹高而言,在本研究點云密度范圍內無論點云密度的高低4種參數模型都能夠較好地估測森林樣方平均樹高;波形能量參數模型在4種不同點云密度情況下的結果都較其他模型結果要好,且冠層半能量高模型結果比半能量高模型結果要好;4種參數模

3、型分別在不同點云密度時獲得最佳的估測結果,且多數模型在點云密度相對較低時結果較佳;絕大多數情況下落葉松的估測精度比樟子松的估測精度要高。
  (2)對森林樣方葉面積指數而言,在1.0倍點云密度情況下單變量預測模型中變量OGF模型最好(Adj R2=0.790,P=0.959);多變量模型結果均比單變量模型要好,如OGF'和OLGF'組合模型(Adj R2=0.812,P=0.965);不同點云密度對模型的影響各不相同,OGF模型結

4、果與點云密度成正相關;OGF和LPI多變量模型結果與點云密度無嚴格相關性,且點云密度對模型結果的影響差異不大;不同點云密度下的模型均能較好的估測森林葉面積指數,滿足生產需求。
  (3)對森林郁閉度而言,單變量反演模型中變量I2最好,擬合相關性為: AdjR2=0.810,RMSE=0.016,模型精度為:P=0.978;多變量預測模型中LPI'和I3'組合的反演模型最好,擬合相關性為:Adj R2=0.889,RMSE=0.01

5、2,模型精度為:P=0.972。結果表明能量結構參數相對數量結構參數而言能夠較好的估測森林郁閉度,且在一定范圍內適當增加自變量個數能夠顯著提高反演模型精度。
  (4)對森林樣方生物量而言,用PLSR估測森林樣方生物量時,當主成分個數為7時,模型的建模精度及預測精度均較好,Pseudo-R2分別為0.922和0.852;用SVR估測森林樣方生物量時,采用v-SVR中的線性核函數且參數設定為C=75.5,Nu=0.01,支持向量為1

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論