基于機(jī)載LiDAR反演森林參數(shù)的研究——以內(nèi)蒙古依根地區(qū)為例.pdf

1、隨著遙感技術(shù)的迅猛發(fā)展，機(jī)載激光雷達(dá)作為一種主動(dòng)遙感技術(shù)已被廣泛用來(lái)估測(cè)森林參數(shù)。本研究選取了內(nèi)蒙古依根地區(qū)為實(shí)驗(yàn)區(qū)，聯(lián)合野外測(cè)量數(shù)據(jù)與機(jī)載LiDAR數(shù)據(jù)對(duì)實(shí)驗(yàn)區(qū)的單木參數(shù)和林分參數(shù)進(jìn)行了估測(cè)，主要方法及成果如下:
　　(1)提出了四次多項(xiàng)式擬合法估測(cè)單木冠幅。本研究采用可變窗口搜索樹頂點(diǎn)，并采用局部最大值法提取單木樹高。以單木頂點(diǎn)為中心在樹冠高度模型上提取東西、南北兩個(gè)方向的高程數(shù)據(jù)，分別得到兩組數(shù)據(jù)的四次多項(xiàng)式擬合曲線，曲線中

2、兩凹點(diǎn)之間的水平距離為該方向的冠幅值。冠幅的估測(cè)值即為兩個(gè)方向提取冠幅的平均值。結(jié)果顯示:可變窗口的形狀對(duì)樹項(xiàng)搜索的成功率有影響，圓形窗口（識(shí)別率85.2％）優(yōu)于方形窗口（識(shí)別率82.1％）;單木樹高的平均絕對(duì)誤差為2.33m;冠幅估測(cè)值的平均絕對(duì)誤差為0.99m。
　　(2)提出了激光穿透指數(shù)計(jì)算方法估測(cè)林分葉面積指數(shù)。對(duì)激光雷達(dá)回波進(jìn)行同束劃分，根據(jù)回波強(qiáng)度求得單束激光穿透指數(shù)(LPIs)，利用LPIs得到均值LPImean。

3、為了比較LPImean與未分束LPI估測(cè)LAI的效果，在4種不同LiDAR數(shù)據(jù)采樣尺度（直徑5m、10m、15m和20m的圓）下分別建立了LAI的理論模型和經(jīng)驗(yàn)?zāi)Ｐ?。通過(guò)對(duì)比發(fā)現(xiàn):分束LPImean估測(cè)LAI的效果明顯好于未分束LPI的估測(cè)效果，且當(dāng)LiDAR數(shù)據(jù)采樣尺度為15m時(shí)，LPImean的經(jīng)驗(yàn)?zāi)Ｐ停≧2=0.80，平均絕對(duì)誤差為0.11）和理論模型（R2=0.77，平均絕對(duì)誤差為0.16）的估測(cè)結(jié)果均達(dá)到最佳。綜合應(yīng)用最佳經(jīng)驗(yàn)

4、模型與理論模型共同繪制了研究區(qū)的白樺林LAI分布圖。
　　(3)利用BP神經(jīng)網(wǎng)絡(luò)建立了研究區(qū)地上生物量模型。BP神經(jīng)網(wǎng)絡(luò)的輸入層為最大估測(cè)樹高Hmax、最小估測(cè)樹高Hmin、平均估測(cè)樹高(H)、估測(cè)樹高的標(biāo)準(zhǔn)差σH、最大估測(cè)冠幅Cmax、最小估測(cè)冠幅Cmin、平均估測(cè)冠幅(C)、估測(cè)冠幅的標(biāo)準(zhǔn)差σC以及LPImean，輸出層為樣地總生物量，1個(gè)隱含層，隱含層節(jié)點(diǎn)為19個(gè)。對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，當(dāng)?shù)螖?shù)為6的時(shí)候網(wǎng)絡(luò)性能達(dá)到最佳。結(jié)果顯