【摘要】：森林參數(shù),如葉面積指數(shù)(Leaf area index,LAI)、森林郁閉度(Canopy closure,CC)、高度(Forest height,h)及森林地上生物量(Above-ground biomass,AGB),是生態(tài)過程模型及森林碳循環(huán)模型不可缺少的重要特征參量。因此,實現(xiàn)區(qū)域或全球尺度的森林參數(shù)精確估測,對深刻理解全球環(huán)境變化的內(nèi)在規(guī)律具有重要意義。隨著遙感技術手段的多樣化發(fā)展,單一遙感數(shù)據(jù)已不能同時滿足區(qū)域及高精度的需求,多源遙感數(shù)據(jù)的聯(lián)合逐漸成為目前區(qū)域森林參數(shù)估計的主要手段。多源遙感數(shù)據(jù)聯(lián)合多采用統(tǒng)計分析方法,少有研究采用物理模型方法。統(tǒng)計分析方法對實測樣地的數(shù)量及分布要求較高,模型形式也相對多樣,對于區(qū)域的森林參數(shù)監(jiān)測的普適性較差。而現(xiàn)有物理模型方法多數(shù)是基于平坦地表假設構建的,忽略了地形對遙感傳感器觀測到的反射率的影響,無法滿足復雜地形條件下的應用需求。此外,混合像元也是影響區(qū)域山地森林參數(shù)反演的主要問題之一。目前已有的全球尺度地表參數(shù)產(chǎn)品,如GLOBCARBON LAI、CYCLOPES LAI,采用的模型算法均假設地表為單一植被類型,未考慮像元的混合特性,這將會對地表異質(zhì)性較大的山地森林帶來很大的不確定性。綜上所述,區(qū)域應用、地形影響以及混合像元分解成為目前多源遙感數(shù)據(jù)聯(lián)合反演森林參數(shù)的三大科學問題。針對這三大問題,本研究提出了一種估計區(qū)域山地森林高度、森林郁閉度及有效葉面積指數(shù)(Effective leaf area index,LAIe)的方法,并進一步聯(lián)合植被指數(shù)、地形指數(shù)和這些具有物理意義的結(jié)構參數(shù)構建森林AGB模型。本文研究內(nèi)容主要分為以下3個方面:(1)利用山地模型GOST(Geometric-optical model for sloping terrains)耦合多源遙感數(shù)據(jù)的森林高度估計研究本文提出了一種反演區(qū)域山地森林高度的可靠方法。該方法利用GOST模型的四個分量與冠層結(jié)構參數(shù)之間存在的關系,耦合機載激光雷達(Light detection and ranging,LiDAR)及多光譜遙感數(shù)據(jù)實現(xiàn)了區(qū)域森林高度的高精度制圖。首先,使用連續(xù)最大角凸錐(Sequential maximum angle convex cone,SMACC)算法生成Landsat 7影像中的圖像端元及相應的豐度。其次,利用LiDAR衍生的森林結(jié)構參數(shù)及地形因子作為先驗知識來校準和驗證GOST模型,其目的是準確地將混合像素分解為光照冠層、光照背景和陰影。然后,將Landsat 7影像提取的端元分別組合成不同的分量子集。最后,根據(jù)反向傳播神經(jīng)網(wǎng)絡(Back propagation neural network,BPNN)和查找表(Look-up table,LUT)反演研究區(qū)的森林高度。GOST模型在坡地針葉林森林高度估計表現(xiàn)良好,決定系數(shù)在0.70以上。研究證明了GOST模型在聯(lián)合利用LiDAR數(shù)據(jù)和多光譜遙感數(shù)據(jù)定量反演山地森林高度中具有較大潛力。(2)利用Li-Strahler幾何光學模型耦合多源遙感數(shù)據(jù)的森林郁閉度及有效葉面積指數(shù)的估計研究本文提出了一種反演區(qū)域森林CC及LAIe的方法�；贚i-Strahler幾何光學模型,耦合機載LiDAR及多光譜遙感數(shù)據(jù)提出解決混合像元問題的方法,并進一步實現(xiàn)了區(qū)域森林郁閉度及有效葉面積指數(shù)的反演。首先,基于機載LiDAR數(shù)據(jù)的冠層高度信息,提取機載LiDAR飛行區(qū)域的CC、LAIe等參數(shù);其次,基于光照背景分量與空隙率、CC、LAIe之間的簡化關系計算樣地水平光照背景分量;然后,基于線性分解模型計算出最優(yōu)光照背景端元反射率;最后,運用Li-Strahler幾何光學模型計算所有像元的光照背景分量,進一步實現(xiàn)研究區(qū)域森林CC及LAIe的反演。研究結(jié)果表明,本文提出的反演方法可以有效地用于區(qū)域森林CC及LAIe的反演。(3)多參數(shù)協(xié)同反演森林AGB的研究基于森林高度、CC、LAIe、多光譜遙感信息及地形信息反演研究區(qū)森林AGB。首先,基于具有物理意義的森林高度構建了森林AGB線性模型。其次,融合多參數(shù)構建了森林AGB的多元線性回歸模型。然后,基于支持向量回歸(Support vector regression,SVR)的機器學習算法,構建了森林AGB非線性遙感反演模型。最后,對比了線性模型、多元線性回歸模型以及SVR非線性模型對估測森林AGB的能力,通過選擇最優(yōu)模型反演區(qū)域上的森林AGB。研究發(fā)現(xiàn),基于線性回歸、多元線性回歸構建的森林AGB模型都有一定的估測能力;但經(jīng)獨立樣本驗證表明,兩類模型都存在一定的高估現(xiàn)象;基于SVR的機器學習算法比線性模型及多元線性模型估測精度高,有限抑制了高估現(xiàn)象。綜上所述,本文針對多源遙感數(shù)據(jù)在精確估測森林參數(shù)時存在的區(qū)域難以擴展及地形影響嚴重等問題,提出了針對森林結(jié)構多參數(shù)的有效估測方法,通過實驗證明本文提出的耦合方法可有效地解決坡度大于10°的山地森林高度難估測以及混合像元難分解的問題,最終實現(xiàn)了研究區(qū)森林AGB高精度制圖。本文研究成果不僅為山地遙感定量反演模型理論分析的完整性提供支撐,同時也為山地森林參數(shù)反演應用提供了新思路。
【學位授予單位】：中國林業(yè)科學研究院
【學位級別】：博士
【學位授予年份】：2018
【分類號】：S771.8
【圖文】：

第四章研究了 Li-Strahler 幾何光學模型協(xié)同多源遙感數(shù)據(jù)反演森林郁閉度及有效葉面積指數(shù)的方法。主要內(nèi)容包括基于冠層高度模型的森林郁閉度提取，基于冠層高度模型的有效葉面積指數(shù)提取，基于線性光譜分解模型及 Li-Strahler 幾何光學模型協(xié)同反演區(qū)域林冠郁閉度及有效葉面積指數(shù)方法。第五章研究利用 GOST 反演的森林高度、Li-Strahler 幾何光學模型反演的郁閉度、STER DEM 提取的地形指數(shù)、以及從多光譜遙感數(shù)據(jù)提取的植被指數(shù)構建森林 AGB 模型。主要內(nèi)容包括遙感信息提取，參數(shù)相關性分析，基于森林高度的線性 AGB 模型，基于多參數(shù)的多元回歸 AGB 模型以及基于 SVR 的非參數(shù)機器學習反演 AGB 研究。最后通過精度評價，選擇最優(yōu)模型反演 AGB。第六章為結(jié)論和討論，總結(jié)了本研究取得的研究成果及不足，討論了需改進的研究點，以及對未來工作的展望。

17圖 2-1 研究區(qū)域位置及野外實驗的情況Fig.2-1 Location of study area and filed experiments實驗區(qū)是由 973 計劃項目“復雜地表遙感信息動態(tài)分析與建模項目（編號：2013CB733400）”支撐建立的星-機-地遙感綜合實驗區(qū)。內(nèi)蒙古大興安嶺首個國家野外科學觀測研究站—根河森林生態(tài)觀測站位于該實驗區(qū)的東部，介于東經(jīng) 121°30′～121°31′，北緯 50°49′～50°51′之間，占地面積約為 10,100 公頃，屬于中國森林生態(tài)系統(tǒng)網(wǎng)絡（CFERN）和國家生態(tài)系統(tǒng)網(wǎng)絡（CENERN）站點，并選入聯(lián)合國糧農(nóng)組織的全球陸地觀測系統(tǒng)（GTOS）。站內(nèi)通量塔所在位置地理坐標為北緯 50°56.348′，東經(jīng) 121°30.84′，海拔 848 米，通量觀測始于 2007。該站代表我國寒溫帶針葉林區(qū)典型森林生態(tài)系統(tǒng)定位

【參考文獻】

相關期刊論文 前10條

1 HuaGuo Huang;Jun Lian;;A 3D approach to reconstruct continuous optical images using lidar and MODIS[J];Forest Ecosystems;2015年03期

2 王聰;杜華強;周國模;徐小軍;孫少波;高國龍;;基于幾何光學模型的毛竹林郁閉度無人機遙感定量反演[J];應用生態(tài)學報;2015年05期

3 劉明;馮銳;紀瑞鵬;武晉雯;王宏博;于文穎;;基于MODIS-NDVI的春玉米葉面積指數(shù)和地上生物量估算[J];中國農(nóng)學通報;2015年06期

4 劉茜;楊樂;柳欽火;李靜;;森林地上生物量遙感反演方法綜述[J];遙感學報;2015年01期

5 尤號田;邢艷秋;冉慧;王蕊;霍達;;基于LiDAR點云能量信息的樟子松郁閉度反演方法[J];北京林業(yè)大學學報;2014年06期

6 曹林;代勁松;徐建新;許子乾;佘光輝;;基于機載小光斑LiDAR技術的亞熱帶森林參數(shù)信息優(yōu)化提取[J];北京林業(yè)大學學報;2014年05期

7 劉峰;譚暢;雷丕鋒;;中亞熱帶森林單木地上生物量的機載激光雷達估測[J];應用生態(tài)學報;2014年11期

8 吳迪;范文義;;激光雷達協(xié)同多角度光學遙感數(shù)據(jù)反演樹高[J];北京林業(yè)大學學報;2014年04期

9 劉魯霞;龐勇;李增元;徐光彩;李丹;鄭光;;用地基激光雷達提取單木結(jié)構參數(shù)——以白皮松為例[J];遙感學報;2014年02期

10 谷成燕;杜華強;周國模;韓凝;徐小軍;趙曉;孫曉艷;;基于PROSAIL輻射傳輸模型的毛竹林葉面積指數(shù)遙感反演[J];應用生態(tài)學報;2013年08期

相關博士學位論文 前4條

1 吳迪;基于GLAS和MISR數(shù)據(jù)的森林冠層高度和地上生物量遙感估算研究[D];東北林業(yè)大學;2015年

2 范渭亮;適用于坡面森林冠層的新混合反射率模型[D];南京大學;2013年

3 湯旭光;基于激光雷達與多光譜遙感數(shù)據(jù)的森林地上生物量反演研究[D];中國科學院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所);2013年

4 韓愛惠;森林生物量及碳儲量遙感監(jiān)測方法研究[D];北京林業(yè)大學;2009年

相關碩士學位論文 前3條

1 孫少波;亞熱帶典型森林冠層參數(shù)及碳儲量定量估算研究[D];浙江農(nóng)林大學;2016年

2 谷成燕;基于PROSAIL輻射傳輸模型的毛竹林冠層參數(shù)遙感定量反演[D];浙江農(nóng)林大學;2013年

3 吳紅波;基于星載大光斑LiDAR數(shù)據(jù)反演森林冠層高度及應用研究[D];東北林業(yè)大學;2011年

本文編號：2715197