ICESat-GLAS波形與HJ-1A高光譜影像聯(lián)合反演森林地上生物量的研究.pdf

1、傳統(tǒng)森林參數(shù)獲取主要依賴于野外調(diào)查，需要耗費大量人力、物力和時間，而且只能獲取到點上的數(shù)據(jù)，不能夠及時獲取大區(qū)域森林參數(shù)的空間分布情況。遙感技術(shù)的出現(xiàn)和發(fā)展彌補了傳統(tǒng)估測方法的不足，可以實現(xiàn)對大區(qū)域森林參數(shù)的快速、無損估測，提高了森林參數(shù)的估測精度，能夠滿足森林資源調(diào)查的需要。
　　本研究以吉林省汪清林區(qū)為研究區(qū)，從ICESat-GLAS(the geoscience laser altimetersystem onboard t

2、he ice，cloud，and land elevation satellite)波形數(shù)據(jù)中提取波形參數(shù)（波形長度W、地形坡度參數(shù)TS、比值能量參數(shù)I和差值能量參數(shù)ec），利用這些參數(shù)實現(xiàn)GLAS波形數(shù)據(jù)對各森林類型（闊葉林、針葉林和混交林）的森林最大樹高、森林郁閉度和森林地上生物量的估測。但由于GLAS光斑呈離散條帶狀分布，不具有成像性，不能實現(xiàn)森林參數(shù)的區(qū)域估測，所以本研究引入HJ-1A/HSI高光譜影像，協(xié)助GLAS波形數(shù)據(jù)對森

3、林參數(shù)進行空間反演，應用支持向量回歸機算法建立GLAS估測的森林參數(shù)與HJ-1A/HSI高光譜影像光譜信息間的關(guān)系模型，得到森林參數(shù)的空間分布圖。主要研究結(jié)果如下:
　　(1)基于分段主成分分析和波段指數(shù)綜合法對HJ-1A/HSI高光譜數(shù)據(jù)降維，選出最佳波段為波段2、波段52和波段107，波段之間的相關(guān)性小，信息量大。但由于HJ-1A/HSI數(shù)據(jù)的空間分辨率低，分類結(jié)果不理想（分類精度為70.5％）。將其與CCD數(shù)據(jù)融合后空間分辨

4、率得到提高，基于支持向量分類機算法，利用融合后影像的波段信息及波段紋理特征信息將分類精度提高到了85.3％。
　　(2)基于GLAS波形提取的地形坡度參數(shù)TS，與地形坡度間存在很強的相關(guān)性。基于W和TS建立的森林最大樹高模型要優(yōu)于只利用W建立的森林最大樹高模型和利用地形指數(shù)修正的森林最大樹高模型。基于支持向量回歸機算法，建立了GLAS估測森林最大樹高與HJ-1A/HSI高光譜影像前3個MNF分量的SVR模型，生成森林最大樹高分布圖

5、，其估測誤差的最大值為7.1m，最小值為0.07m，25％的估測誤差小于等于0.75m，50％的估測誤差在0.75m-2.31m之間，精度較高。
　　(3)對于GLAS波形來說，利用比值能量參數(shù)I75所建模型的估測效果優(yōu)于利用差值能量參數(shù)ec所建模型，將I75和ec聯(lián)合建立的多變量模型的精度最高。利用HJ-1A/HSI高光譜數(shù)據(jù)進行森林郁閉度建模時，多變量森林郁閉度模型的估測效果優(yōu)于單變量森林郁閉度估測效果。HJ-1A/HSI所建

6、多變量森林郁閉度模型的估測效果稍高于GLAS所建多變量模型，因此本研究最終采用HJ-1A/HSI高光譜影像生成森林郁閉度分布圖，并對所得森林郁閉度分布圖的估測誤差進行分析，其中25％的估測誤差小于等于0.031，50％的估測誤差在0.031-0.126之間，估測精度較高。
　　(4)利用GLAS估測的森林最大樹高建立的森林地上生物量單變量模型的估測效果不是很理想，但是將GLAS估測的森林最大樹高與HSI估測的森林郁閉度相結(jié)合，利用