基于小光斑激光雷達(dá)反演森林結(jié)構(gòu)參數(shù)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(jié)構(gòu)參數(shù)（如:平均樹(shù)高、葉面積指數(shù)、郁閉度、生物量）在全球氣候、水分及碳循環(huán)研究中起著關(guān)鍵作用。小光斑激光雷達(dá)因其光斑直徑較小，在反演森林垂直結(jié)構(gòu)及水平結(jié)構(gòu)參數(shù)方面具有其他遙感技術(shù)無(wú)法比擬的優(yōu)越性。本研究以吉林省長(zhǎng)春市凈月潭國(guó)家森林公園為研究區(qū)，以小光斑LiDAR(Light Detection And Ranging)離散點(diǎn)云數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行去噪、能量校正、隨機(jī)稀釋、分類、分層、波

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

3、型分別在不同點(diǎn)云密度時(shí)獲得最佳的估測(cè)結(jié)果，且多數(shù)模型在點(diǎn)云密度相對(duì)較低時(shí)結(jié)果較佳;絕大多數(shù)情況下落葉松的估測(cè)精度比樟子松的估測(cè)精度要高。
　　(2)對(duì)森林樣方葉面積指數(shù)而言，在1.0倍點(diǎn)云密度情況下單變量預(yù)測(cè)模型中變量OGF模型最好（Adj R2=0.790，P=0.959）;多變量模型結(jié)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(diǎn)云密度對(duì)模型的影響各不相同，OGF模型結(jié)

4、果與點(diǎn)云密度成正相關(guān);OGF和LPI多變量模型結(jié)果與點(diǎn)云密度無(wú)嚴(yán)格相關(guān)性，且點(diǎn)云密度對(duì)模型結(jié)果的影響差異不大;不同點(diǎn)云密度下的模型均能較好的估測(cè)森林葉面積指數(shù)，滿足生產(chǎn)需求。
　　(3)對(duì)森林郁閉度而言，單變量反演模型中變量I2最好，擬合相關(guān)性為: AdjR2=0.810，RMSE=0.016，模型精度為:P=0.978;多變量預(yù)測(cè)模型中LPI'和I3'組合的反演模型最好，擬合相關(guān)性為:Adj R2=0.889，RMSE=0.01

5、2，模型精度為:P=0.972。結(jié)果表明能量結(jié)構(gòu)參數(shù)相對(duì)數(shù)量結(jié)構(gòu)參數(shù)而言能夠較好的估測(cè)森林郁閉度，且在一定范圍內(nèi)適當(dāng)增加自變量個(gè)數(shù)能夠顯著提高反演模型精度。
　　(4)對(duì)森林樣方生物量而言，用PLSR估測(cè)森林樣方生物量時(shí)，當(dāng)主成分個(gè)數(shù)為7時(shí)，模型的建模精度及預(yù)測(cè)精度均較好，Pseudo-R2分別為0.922和0.852;用SVR估測(cè)森林樣方生物量時(shí)，采用v-SVR中的線性核函數(shù)且參數(shù)設(shè)定為C=75.5，Nu=0.01，支持向量為1