基于機載LiDAR和極化SAR數(shù)據(jù)的山區(qū)森林蓄積量估測方法研究.pdf

1、森林作為生物圈的主體，對生態(tài)系統(tǒng)平衡起著重要作用。利用遙感技術對森林蓄積量/生物量進行估測，對森林碳儲量的空間分布和動態(tài)變化監(jiān)測具有重要意義。激光雷達技術（Light Detection And Ranging，LiDAR）是一種激光探測和測距系統(tǒng)，是現(xiàn)代對地觀測領域的最新熱門技術之一，可以提供高精度的地物三維信息，其在森林資源調(diào)查方面的應用潛力急需研究。合成孔徑雷達技術（Synthetic Aperture Radar，SAR）不受天

2、氣、云霧、日照的影響，且對地物具有一定的穿透能力，相比光學遙感有不可替代的優(yōu)勢。定量遙感是當前遙感研究的發(fā)展方向，然而，大多數(shù)單一傳感器不能同時滿足大范圍、高精度的需求，這就需要多源數(shù)據(jù)協(xié)同反演來實現(xiàn)這一目標。
　　本文就是圍繞森林蓄積量定量反演這一目的，研究在山區(qū)復雜地形環(huán)境下，利用新型多源遙感數(shù)據(jù)進行大范圍森林蓄積量反演問題，對探索新的森林蓄積量和碳儲量遙感定量估測方法具有重要意義。首先，基于低密度機載激光雷達數(shù)據(jù)（0.39個

3、點/m2）利用改進的樹冠識別算法進行了林分平均高、蓄積量估測試驗。其次，利用L波段全極化SAR評價了極化SAR數(shù)據(jù)用于森林蓄積量估測的潛力。最后基于LiDAR和極化SAR數(shù)據(jù)進行了森林蓄積量聯(lián)合反演試驗。主要研究內(nèi)容如下：
　　（1）機載激光雷達點云數(shù)據(jù)的分類及表面模型提取。通過分類后的地面點內(nèi)插得到數(shù)字高程模型（Digital Elevation Model，DEM），點云數(shù)據(jù)內(nèi)插得到數(shù)字表面模型（Digital Surface

4、 Model，DSM），由DSM和DEM相差，得到歸一化的冠層高度模型（Canpoy Height Model，CHM）。
　　（2）基于機載激光雷達數(shù)據(jù)的森林參數(shù)提取。利用改進的樹冠識別算法從 CHM上提取樹高信息，在林分水平上，生成整個山區(qū)林分平均高分布圖，總體精度在75％以上。預測刺槐林分蓄積量與實測刺槐林分蓄積量相關系數(shù)達0.696，均方根誤差 RMSE為21.056m3/hm2；預測油松林分蓄積量與實測油松林分蓄積量相關

5、系數(shù)達0.453，均方根誤差RMSE為21.866m3/hm2，油松林分估測結果較刺槐林分差。
　　（3）基于極化SAR數(shù)據(jù)的森林參數(shù)估測。研究分析了PALSAR數(shù)據(jù)林分尺度上，極化SAR信號對森林蓄積量的響應特征。林分尺度上估測森林蓄積量，采用極化比值建立估測模型是一個相對較好的方法。林分的異質(zhì)性對雷達信號有較大的影響。刺槐蓄積量和油松蓄積量反演相比較，刺槐蓄積量與雷達信號參數(shù)回歸模型的相關系數(shù)為0.787，油松蓄積量與雷達信號

6、參數(shù)回歸模型的相關系數(shù)為0.743，差別不大，但均方根誤差相比較，刺槐林分為17.893m3/hm2，油松林分為29.3m3/hm2，油松林分預測結果總體精度較差。
　?。?）基于多源數(shù)據(jù)協(xié)同反演森林蓄積量研究。結合激光雷達數(shù)據(jù)和全極化SAR數(shù)據(jù)，探索了多源數(shù)據(jù)估測森林蓄積量的潛力。激光雷達和極化SAR數(shù)據(jù)相結合刺槐林分蓄積量回歸模型的相關系數(shù)為0.864，油松林分蓄積量回歸模型的相關系數(shù)為0.813，相關系數(shù)可以較好的反應森林蓄