论文部分内容阅读
森林与大气之间碳、水及能量的生态交换过程受到森林冠层与林分结构的影响，因此，冠层与林分结构的定量提取技术在森林动态监测中显得尤为重要。同时，植被冠层是大气与陆地生物圈的重要接口，而叶面积指数(LAI)是植被冠层对全球环境变化响应过程模型的一个非常关键的参数。因此快速、精确、可靠和客观地评价LAI是研究大气与植被相互作用必不可少的过程。植被指数(Vegetation Index, VI)是光学遥感影像评价地表植被覆盖状况的关键参数。植被指数可用于反演叶面积指数(LAI)，但主要缺陷是植被指数存在饱和问题。被动光学遥感多用于探测植被冠层水平结构信息，在植被生长茂盛的地区，植被指数达到饱和状态后，植被指数和LAI不再线性增加，导致LAI被低估。所以，光学遥感数据提取LAI具有一定的局限性，其反演精度受到一定的影响。如何提高LAI反演精度，并且同时能够使反演方法简单易用，是该领域的一个重要研究方向。激光雷达(Light DetectionAnd Ranging, LiDAR)是近年来国际上发展十分迅速的主动遥感技术，可快速获取目标的三维空间信息，能精确地估算森林垂直结构参数(如树高、冠层郁闭度和地上生物量等)。本文主要有四个目标：一是探索机载、星载LiDAR数据提取LAI的理论方法；二是通过LiDAR数据实现LAI反演并进行精度验证，三是对研究区进行基于LiDAR反演模型的LAI制图；四是用光学遥感数据反演LAI，并与LiDAR数据提取LAI的结果进行对比分析。具体主要开展了以下几个方面的研究工作：(1)对机载LiDAR数据进行了分类，计算出了不同空间尺度的激光穿透指数(LPI)。(2)研究了机载LiDAR数据提取LAI的理论和方法，并通过LPI实现LAI反演。(3)比较了不同空间尺度下机载LiDAR提取LAI的精度，获取机载LiDAR数据反演LAI的最优模型是采样半径为10 m空间尺度(R2=0.77)，并对研究区进行LAI制图。(4)深入研究了星载LiDAR数据波形处理方法，并对GLAS波形数据进行了高斯分解，确定了波形特征参数，并计算了地面回波能量与总能量的比值。(5)探索了星载激光雷达提取LAI的方法，建立了星载LiDAR数据反演LAI的模型(R~2=0.80)，并对研究区进行LAI制图。(6)确定光学遥感反演LAI的最优模型，并实现了研究区LAI制图。(7)对机载LiDAR数据和光学遥感数据提取大野口研究区的LAI结果进行了对比分析，并证明了机载LiDAR数据可提高LAI反演精度。(8)对星载LiDAR数据提取LAI和光学遥感提取西藏林芝地区的LAI进行了对比分析，结果表明星载LiDAR数据能提高LAI的反演精度。本文的创新研究成果包括以下几个方面：(1)提出了GLAS波形数据反演LAI的方法。(2)融合GLAS数据与TM影像，实现了研究区LAI反演及制图。(3)提出了基于机载LiDAR数据的简化LAI反演方法。本研究工作的结果表明LiDAR数据可实现LAI的高精度反演，特别是星载LiDAR数据为全球性高精度LAI估算提供了可能性。