基于小光斑激光雷達反演森林結構參數的研究.pdf

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