滇西北森林郁闭度估测模型——基于全球生态系统动力学调查多波束激光雷达数据

探究全球生态系统动力学调查(GEDI)多波束激光雷达数据估测区域森林郁闭度(FCC)的潜力,对于评估森林生态系统状态和林分环境具有重要作用。选取滇西北典型生态脆弱区香格里拉为研究区,以GEDI波形数据为信息源,提取46245个有林地光斑参数,使用经验贝叶斯克里金法(EBK)获取光斑参数在研究区未知空间的连续分布,结合54块实测样地数据,采用支持向量机的递归特征消除法(SVM-RFE)、随机森林(RF)和Pearson分析分别优选特征变量,基于贝叶斯优化(BO)随机森林回归模型(BO-RFR)、贝叶斯优化梯度回归模型(BO-GBRT)和偏最小二乘法(PLSR)研建森林郁闭度最佳估测模型。结果表明:(1)EBK法预测精度高,估测结果可靠,R²:0.20-0.92,RMSE:0.004-2812.912,MAE:0.003-1996.258,MRE:0.007-4.423;(2)基于不同特征优选方法筛选的特征变量和数量略有差异,SVM-RFE 法优选出6个参数(cover、pai、sensitivity、rv_a1、rv_a4、rg_a4)的平均交叉验证精度达0.84,RF法以贡献度5%为阈值筛选出5个参数(cover、pai、pgap_theta_error、modis_treecover、modis_nonvegetated),Pearson法以相关性大于0.3且在0.01水平显著优选出5个参数(cover、pai、rv_a5、rg_a5、pgap_theta_error);(3)不同特征变量优选方法筛选的建模参数研建估测模型精度差异性较大,以SVM-RFE和RF方法优选参数构建估测模型的精度更佳,SVM-RFE方法优选参数研建估测模型精度变化相对稳定,以 RF方法中的BO-GBRT模型为最佳FCC估测模型(R²=0.85、RMSE=0.069,P=86.5%);(4)采用BO-GBRT模型估测研究区森林郁闭度和空间制图,与GEDI pai参数预测的FCC具有较高空间相关性达0.53,FCC均值分别为0.58、0.61,主要分布在0.4-0.7,分别占比65.45%、51.79%。研究区森林郁闭度主要处于中度郁闭,北部区域主要为高度郁闭区,与研究区植被覆盖度的空间分布具有一致性,说明使用GEDI数据估测森林郁闭度的方法具有可行性、结果具有可靠性。研究为使用GEDI数据高效、及时、低成本估测大空间尺度的森林水平结构参数的相关研究奠定了基础。     

中亚热带森林单木地上生物量的机载激光雷达估测

以雪峰山武冈林场为研究对象,利用遥感数据和地面实测样地数据,研究机载激光雷达（LiDAR）估测中亚热带森林乔木层单木地上生物量的能力.利用条件随机场和最优化方法实现LiDAR点云的单木分割,以单木尺度为对象提取的植被点云空间结构、回波特征以及地形特征等作为遥感变量,采用回归模型估测乔木层地上生物量.结果表明: 针叶林、阔叶林和针阔混交林的单木识别率分别为93%、86%和60%;多元逐步回归模型的调整决定系数分别为0.83、0.81和0.74,均方根误差分别为28.22、29.79和32.31 t·hm^-2;以冠层体积、树高百分位值、坡度和回波强度值构成的模型精度明显高于以树高为因子的传统回归模型精度.以单木为对象从LiDAR点云中提取的遥感变量有助于提高森林生物量估测精度.
     

基于机载激光雷达的小兴安岭温带森林组分生物量反演

使用小兴安岭温带森林机载遥感-地面观测同步试验获取的机载激光雷达(light detection and ranging, Lidar)点云数据和地面实测样地数据, 估测了典型森林类型的树叶、树枝、树干、地上、树根和总生物量等组分的生物量。从激光雷达数据中提取了两组变量(树冠高度变量组和植被密度变量组)作为自变量, 并采用逐步回归方法进行自变量选择。结果表明: 激光雷达数据得到的变量与森林各组分生物量有很强的相关性; 对于针叶林、阔叶林和针阔叶混交林三种不同森林类型生物量的估测结果是: 针叶林优于阔叶林, 阔叶林优于针阔叶混交林; 不区分森林类型的各组分生物量估测与地面实测值显著相关, 模型决定系数在0.6以上; 区分森林类型进行建模可以进一步提高生物量的估测精度。     

结合机载LiDAR和LANDSAT ETM+数据的温带森林郁闭度估测

森林郁闭度是森林资源调查中的一个重要因子,在森林生态系统管理中具有重要作用。研究如何有效地将激光雷达数据应用于森林郁闭度遥感估测具有重大意义。激光雷达数据的应用能够有效地弥补传统地面调查耗时、费力等不足,不仅可以快速、准确地获取郁闭度遥感估测的模型训练数据和验证数据,还有助于进一步推广应用于大区域的森林郁闭度反演,为林业资源调查提供有力的依据。该研究结合激光雷达数据和LANDSAT ETM+数据估测温带森林郁闭度。以高密度机载激光雷达(ALS)点云数据估算的郁闭度作为模型训练数据和验证数据,通过LANDSAT ETM+影像数据计算得到的8种植被指数作为自变量,使用多元逐步回归(MSR)、随机森林(RF)和Cubist 3种模型,对内蒙古大兴安岭根河林区森林郁闭度进行估测。经验证,Cubist模型的效果比较好(决定系数R2=0.722,均方根误差RMSE=0.126,相对均方根误差r RMSE=0.209,估计精度EA=79.883%)。结果表明,结合激光雷达数据和LANDSAT ETM+影像数据估算温带森林郁闭度非常有潜力。但要将其推广应用于更大区域尺度的森林郁闭度遥感估测,模型的预测能力还有待进一步改进和提高;自变量应尝试加入更多种类遥感数据和其他遥感因子参与建模,例如采用地形因子、高分辨率遥感影像提取纹理特征等,最大可能地减少光学影像、植被指数、地形阴影等带来的影响,提高反演精度;激光雷达数据计算得到的郁闭度的准确性和可靠性还需进一步验证。     

普洱季风常绿阔叶林乔木物种多样性高分辨率遥感估测

季风常绿阔叶林是我国南亚热带典型的地带性植被,也是云南省普洱地区重要森林类型。季风常绿阔叶林乔木物种多样性遥感估测对研究区域尺度生物多样性格局及其规律具有重要作用。根据光谱异质性假说和环境异质性假说,首先使用1m空间分辨率的机载高光谱数据和激光雷达数据提取了光谱多样性特征和垂直结构特征。然后利用基于随机森林算法的递归特征消除方法选择对研究区森林乔木物种多样性指数具有较好解释能力的遥感特征,并对Shannon-Winner物种多样性指数进行建模、制图。研究结果表明：(1)基于机载LiDAR数据提取的垂直结构特征和机载高光谱数据提取的光谱多样性特征均对研究区森林乔木物种多样性具有较好的解释能力,随机森林模型估测结果分别为R²=0.48,RMSE=0.46和R²=0.5,RMSE=0.45;两种数据源融合可以进一步提高遥感数据的森林乔木物种多样性估测精度,随机森林估测模型R²和RMSE分别为0.69和0.37。(2)机载激光雷达数据对研究区针阔混交林乔木物种多样性的估测能力优于机载高光谱数据。(3)机器学习方法有助于从高维遥感...     

卫星遥感监测产品在中国森林生态系统的验证和不确定性分析——基于海量无人机激光雷达数据

准确获取森林结构参数对森林生态系统研究及其保护有着重要意义。卫星遥感数据作为获取大尺度森林结构参数的重要数据源, 已被制作成各种植被监测产品并被应用于森林质量状况变化评估、森林生物量估算以及森林干扰和生物多样性监测等研究。然而, 这些卫星遥感植被监测产品针对中国复杂多样的森林区域缺乏有效验证, 在不同林况和地形条件下的不确定性也不明确。激光雷达具备高精度三维信息采集的优势, 在国内外已被广泛用于森林生态系统监测和卫星遥感产品验证。为此, 该研究利用在中国114个样地收集的153 km²的无人机激光雷达数据, 构建了我国森林结构参数验证数据集, 并以此为基础对3套全球遥感监测产品(全球叶面积指数(GLASS LAI)、全球冠层覆盖度(GLCF TCC)、全球冠层高度(GFCH))进行了像元尺度的验证, 并分析了其在不同坡度、覆盖度和林型条件下的不确定性。研究结果表明: 与无人机激光雷达获取的叶面积指数、覆盖度以及冠层高度相比, GLASS LAI、GLCF TCC、GFCH在中国森林区域均存在一定的不确定性, 且受林况和地形因素影响的程度不一致。对GLASS LAI和GLCF TCC影响的最大因素分别为林型和覆盖度; 而GFCH则更易受地形坡度和覆盖度的影响。     

基于机载激光雷达的中亚热带常绿阔叶林林窗特征

机载激光雷达(LiDAR)是一种新型主动式遥感技术,能直接获取多尺度高精度的冠层三维结构信息,将其推广到森林干扰生态学领域,可为林窗研究提供应用支撑.以湖南中亚热带常绿阔叶林为研究对象,利用小光斑LiDAR数据进行林窗识别和几何特征估测.选择合适的分辨率和内插方法生成冠层高程模型,采用计算机图形学方法估测林窗面积、边界木高度和形状指数,并进行野外观测验证.结果表明: 林窗识别率为94.8%,主要影响因素是林窗面积和林窗形成木类型;估测的林窗面积和边界木高与野外观测值呈较强线性相关,R²值分别为0.962和0.878,其中估测的林窗面积平均比野外观测值高19.9%,估测的林窗边界木高度平均比野外观测值低9.9%;区域内林窗密度为12.8个·hm^-2,占森林面积13.3%;林窗面积、边界木高和形状指数的平均值分别为85.06 m²、15.33 m和1.71,区域内多为较小面积、边缘效应不太显著的林窗.
     

近地面激光雷达点云密度对森林冠层结构参数提取准确性的影响

基于激光雷达技术获取冠层结构为森林生态学研究增加了新的维度。搭载于多旋翼无人机的近地面激光雷达相比于固定翼有人机的机载激光雷达,能够更加灵活高效地获取森林群落样地高密度点云。但在实际操作中,往往出现局部低密度点云数据,影响了冠层结构参数提取的准确性。使用4块森林动态样地的近地面激光雷达点云数据;利用航带分解方法分析各样地低密度样方成因;采用点云抽稀模拟算法计算并拟合偏差曲线,对比不同样地、参数和取样尺度间的点云密度对冠层结构参数提取准确性的影响;根据偏差曲线计算各条件下保证参数提取准确性的最低点云密度。结果发现：1)低密度区域主要受地形或(和)近地面遥感设计规划的影响。地形复杂的测区(西双版纳和古田山样地),遥感规划难度大,整体难以获取高密度点云(在30点/m²左右),容易在沟谷和高海拔处出现低密度样方。平坦测区(长白山两块样地)虽可获取高密度点云(均超过150点/m²),但欠佳的遥感规划设计导致长白山1测区北部出现1hm²低密度区域。2)冠层参数提取准确性随点云密度减少而迅速降低,呈负指数幂函数关系。这一变化趋势在不同...     

近地遥感在森林冠层物候动态监测中的应用

近地遥感技术是原位观测森林冠层物候的重要手段,具有高时间分辨率的优点,而且空间尺度适中,是实现物候尺度推绎的有力工具.本研究首先评述了利用3种光学传感器(辐射表、光谱仪和数码相机)监测森林物候的近地遥感方法;结合帽儿山通量观测站的实测数据分析识别物候期的不确定性来源,发现最重要的误差来自物候提取方法;剖析近地遥感与其他物候观测方法的衔接以及该技术自身存在的问题.最后提出该领域的重点研究方向: 加强冠层光学(或冠层结构)物候与功能(生理、生态过程)物候的联系;整合各区域冠层物候观测网络,实现冠层尺度的全球物候联网观测与数据共享;充分发挥近地遥感的优势,整合多源多尺度物候数据;发展近地遥感物候模型,改进动态全球植被模型中物候模拟.     

联合星载ICESat-GLAS波形与多光谱Landsat-TM影像的森林郁闭度估测

森林郁闭度的空间分布是评价森林生产力和分解率的一个重要指标.本研究以吉林汪清林区为研究区,分别利用星载激光雷达ICESat-GLAS波形数据和多光谱遥感Landsat-TM影像对该区的森林郁闭度进行估测,然后采用多元线性回归和BP神经网络两种方法对GLAS数据和TM数据进行联合,共同估测了森林郁闭度.结果表明:单一遥感数据估测森林郁闭度时,GLAS数据的模型决定系数为0.762,TM数据的模型决定系数为0.598.将GLAS数据和TM数据联合后估测森林郁闭度时,多元线性回归模型的复决定系数为0.841,BP神经网络模型的仿真精度为0.851.表明ICESat-GLAS数据与Landsat-TM影像联合能够发挥多源遥感数据的优势,提高森林郁闭度的估测精度,并为后续的空间区域内森林郁闭度的连续制图提供可靠的方法.     

基于无人机激光雷达遥感的亚热带常绿阔叶林群落垂直结构分析

森林植被高度与树木分布格局是植物群落重要结构特征,也是计算森林生物量分布的重要参数。传统的森林群落调查方法耗费大量人力物力难以进行较大尺度的群落结构测量,而一般的遥感影像也难以获得精确的地形信息及垂直结构。近年来激光雷达(Light Detection and Ranging,LiDAR)技术快速发展,能够较好的进行植被三维特征的提取并被广泛应用于森林生态系统检测模拟。且随着无人机低空摄影技术的发展催生的无人机激光雷达(UAV-Lidar)更增加了激光雷达的灵活性以及获取较大范围植被冠层信息的能力。而受限于激光的穿透性以及不同植被类型郁闭度的影响,该技术的应用多局限于在针叶林群落的垂直结构研究,而在常绿阔叶林的研究中应用较少。为探究现有无人机激光雷达设备及垂直结构提取分析技术应用于常绿阔叶林的可行性,利用无人机载激光雷达遥感技术对哀牢山中山湿性常绿阔叶林3块面积1hm~2的样地进行基于数字表面模型以及数字地表高程模型做差得到树冠高度模型测量的植被冠层高度、基于局部最大值法进行单木位置提取并使用Clark-Evans最近邻体分析方法进行样地内高大乔木分布格局的计算。分析结果显示,植被高度提取精度平均大于95%,与地表实测的植被高度值拟合度较高,相关系数R~2介于0.833—0.927之间;3个样地冠层高度平均值分别为18.79、19.08、17.03 m,标准差分别为8.10、7.34、7.17 m。单木探测百分比平均86.3%,用户精度以及生产者精度平均分别为75.69%和65.15%。实测得出三个样地全部高大乔木空间分布格局均为聚集分布,而激光雷达测量结果显示为随机分布或均匀分布。实验显示基于无人机激光雷达技术能够很好地提取植被冠层高度信息并能够较好地获取树木位置,但对于树木空间分布格局判定的准确性有待于进一步探索。未来研究应从多角度对激光雷达测量造成的误差原因予以分析(如环境因素),并进一步研究更为精确的单木提取以及植被高度提取方法,为通过无人机激光雷达测算森林生物量及各种生态过程提供更加精准的指标数据。     

基于机载LiDAR单束激光穿透指数的白桦林LAI估测

森林叶面积指数(LAI)是描述森林冠层结构和树木生长状况的一个重要指标.本研究以内蒙古依根地区为研究区,在充分考虑机载激光雷达不同回波脉冲之间差异的基础上,对LiDAR点云数据进行分束处理,同时利用传感器与目标之间的距离对LiDAR点云强度进行校正,在由点云校正强度计算传统激光穿透指数(LPI)的同时提出了一个新的激光穿透指数,即单束激光穿透指数(LPI_s),并分别采用LPI和LPI_s两种激光穿透指数在4种不同LiDAR数据采样尺度(直径分别为5、10、15和20 m)下分别应用理论模型和经验模型两种不同的建模方法对森林LAI进行估测,以期通过激光分束来提高森林LAI的估测精度.结果表明: 分束激光穿透指数均值(LPI_mean)估测LAI的效果明显好于未分束LPI的估测效果,且当LiDAR数据采样尺度为15 m时,LPI_mean的经验模型(R²=0.80,平均绝对偏差MAD为0.11)和理论模型(R²=0.77,MAD=0.16)的估测结果均达到最佳.最后综合应用最佳经验模型与理论模型各自的优点绘制了研究区的白桦林LAI分布图.     

基于不同空间尺度遥感影像估算森林叶面积指数的差异

地面测量点对遥感像元的代表性如何,怎样获取像元的相对真值,多大的空间分辨率可以真实地反映森林区域的叶面积指数(LAI),这些都是定量遥感中的重要问题.本研究计算LAI-2200和TRAC两种冠层分析仪测量的空间范围,并结合GF-2(4.1 m)、Sentinel-2(10 m)、Landsat-8(30 m)3种不同空间分辨率遥感影像,找到各尺度下像元的相对真值,在保持真值观测面积和遥感获取面积一致的条件下,基于一元指数和多元回归模型,对比分析不同空间分辨率影像对估算森林LAI的影响,并对3种影像模型进行30和100 m尺度下的检验以及各自数据集的空间代表性评价,比较得出最适合表达研究区域森林LAI的尺度.结果表明:对于森林来说,高分辨率并不一定能充分反映森林LAI.基于3种分辨率影像的统计模型都能很好地估测森林LAI,其中,基于Sentinel-2的反演精度最高,基于GF-2的反演精度最低.30和100 m尺度下的检验结果表明,基于GF-2反演模型高估了森林LAI,基于Landsat-8的反演模型低估了森林LAI,基于Sentinel-2分辨率的统计模型可以很好地估测研究区域森林LAI.     

4-Scale几何光学模型冠层反射率模拟的空间尺度适用性

明确4-Scale模型模拟森林冠层反射率适用的空间尺度,有助于提高其应用于不同植被类型冠层反射率模拟时的精度,进而提升其开展叶面积指数、郁闭度和其他参数的反演精度。以黑龙江省尚志市帽儿山实验林场2块100 m×100 m森林样地(阔叶林与混交林各一块)为研究对象,分别分割为10、20、30、40和50 m空间尺度,使用4-Scale模型模拟森林冠层反射率,采用局部平均法、最邻近法、双线性内插法和立方卷积法对空间分辨率为10 m的Sentinel-2影像升尺度转换至其他尺度并评价,对比分析模拟冠层反射率和遥感像元反射率,明确混交林和阔叶林适合4-Scale模型高精度反演参数的空间尺度。结果表明：4-Scale模型整体低估了像元森林冠层反射率,混交林和阔叶林冠层反射率在20 m尺度的模拟效果均最差,红光波段和近红外波段的均方根误差(RMSE)和平均绝对偏差(MAE)均较大;>20 m尺度的模拟效果开始变好,混交林40 m、阔叶林30 m时模型的适用性最佳,红光波段和近红外波段下,模拟值与遥感像元反射率之差的均值和标准差最小,RMSE和MAE同样最小;10 m尺度混交林和阔叶林模拟结果...     

基于多源遥感数据的荒漠植被覆盖度估测

以塔里木河下游为靶区,根据地面调查和不同分辨率的多源遥感数据,逐级建立荒漠植被覆盖度遥感估测模型,并对不同模型、不同估测方法的估测精度进行比较.结果表明: 随着遥感数据空间分辨率的提高,植被覆盖度遥感估测模型精度增加;基于高分辨率、中高分辨率及中低分辨率遥感数据建立的植被覆盖度模型的估测精度分别为89.5%、87.0%和84.6%;遥感模型法的估测精度高于植被指数法.不同分辨率遥感数据估测荒漠植被覆盖度的精度变化规律,实现了荒漠植被覆盖度估测的高、中、低分辨率遥感数据参数及尺度的定量转换,可为研究区生态恢复遥感综合监测方案的制定和实施提供直接依据.     

集成高分辨率UAV影像与激光雷达点云的亚热带森林林分特征反演

该研究集成高分辨率无人机(UAV)影像和激光雷达(LiDAR)点云数据估算亚热带天然次生林林分基本特征变量。首先, 基于LiDAR点云和反距离加权插值法构建林下高精度数字高程模型(DEM); 然后利用UAV影像对序列构建植被冠层上层三维点云, 并借助DEM进行高度信息归一化, 提取高度和冠层点云密度相关的特征变量; 最后, 构建预测模型并估算Lorey’s高、林分密度、胸高断面积、蓄积量。结果表明: 联合提取的特征变量与Lorey’s高的敏感性最高, 蓄积量次之, 林分密度和胸高断面积最低; 利用UAV灵活快速的手段获取森林冠层信息, 辅以高精度LiDAR数据获取的地形信息, 两者互补实现一种可重复的快速、廉价和灵活的林分特征的反演方式。     

星载大光斑LiDAR与HJ-1A高光谱数据联合估测区域森林地上生物量

以吉林省汪清林业局经营区为研究区,利用HJ-1A/HSI高光谱数据和ICESat-GLAS波形数据,估测区域森林地上生物量。从平滑后的GLAS波形数据中提取波形长度W和地形坡度参数TS,建立GLAS森林最大树高估测模型;从GLAS波形数据中提取能量参数I(植被回波能量Ev和回波总能量E之比),建立GLAS森林郁闭度估测模型;利用GLAS估测的森林最大树高和森林郁闭度联合建立森林地上生物量模型。由于GLAS呈离散条带状分布,无法实现区域估测,因此研究将GLAS波形数据与HJ-1A/HSI高光谱数据联合,基于支持向量回归机算法实现森林地上生物量区域估测,得到研究区森林地上生物量分布图。研究结果显示,基于W和TS建立的GLAS森林最大树高估测模型的adj.R~2=0.78,RMSE=2.51m,模型验证的adj.R~2=0.85,RMSE=1.67m。地形坡度参数TS能够有效的降低地形坡度的影响;当林下植被高度为2m时,得到的基于参数I建立的GLAS森林郁闭度估测模型效果最好,模型的adj.R~2=0.64,RMSE=0.13,模型验证的adj.R~2=0.65,RMSE=0.12。利用森林最大树高和森林郁闭度建立的森林地上生物量模型的adj.R~2=0.62,RMSE=10.88 t/hm~2,模型验证的adj.R~2=0.60,RMSE=11.52 t/hm~2。基于支持向量回归机算法,利用HJ-1A/HSI和GLAS数据建立的森林地上生物量SVR模型,生成了森林地上生物量分布图,利用野外数据对得到的分布图进行验证,验证结果显示森林地上生物量估测值与实测值存在很强的线性关系(adj.R~2=0.62,RMSE=11.11 t/hm~2),能够满足林业应用的需要。因此联合ICESat-GLAS波形数据与HJ-1A高光谱数据,能够提高区域森林地上生物量的估测精度。     

基于随机森林模型的青藏高原森林地上生物量遥感估算

遥感数据可以实时快速获取森林属性信息，利用遥感技术数据估算的森林地上生物量(aboveground biomass, AGB)具有空间连续性且精度较高的优势。与低纬度或低海拔的森林生态系统相比，高寒区因地形复杂、气候特殊，森林属性信息的获取更加困难，因此遥感是获取大尺度高寒区森林属性的重要手段。本研究以青藏高原为研究区，利用MODIS卫星影像和样地调查数据，建立随机森林模型(RF)估算森林AGB,并结合K最近邻算法(KNN)进一步探究该区域主要树种AGB。本研究在不同尺度上验证了模型预测精度，并分析预测变量的重要性。结果表明：(1)建立的AGB估算模型在像元(R²=0.82,RMSE=64.93 t·hm^-2)和景观尺度(t=0.15,P=0.88)上皆表现较好；(2)青藏高原森林AGB空间分布呈现由东南向西北逐渐降低的趋势，平均森林AGB为181.28±104.54 t·hm^-2;最高的森林AGB出现在海拔1000 m以下，为237.66±60.92 t·hm^-2;树种水平上，冷杉、云杉和云南松A...     

无人机高光谱联合LiDAR估测林分与单木尺度叶绿素含量

叶绿素是表征植被健康状况的重要指标,它的准确估计对森林碳汇评价研究至关重要。本研究通过无人机高光谱数据联合激光雷达点云估计针叶林、阔叶林和针阔混交林林分与单木水平的叶绿素含量,提升叶绿素无损估测精度,全面分析不同尺度叶绿素含量空间分布规律。在无人机高光谱数据与激光雷达点云融合的基础上,结合地面样地实测数据,通过相关性分析筛选与叶绿素含量相关的36个光谱特征变量,采用统计模型多元逐步回归、BP神经网络、萤火虫算法优化的BP神经网络、随机森林和混合数据驱动的机理模型PROSPECT模型构建多个叶绿素估算模型,选取最优模型估算森林叶绿素含量,分析其在林分和单木尺度上水平方向与垂直方向的空间分布规律。结果表明：在统计模型中,随机森林(R²=0.59～0.64,RMSE=3.79～5.83μg·cm^-2)优于多元逐步回归、BP神经网络和萤火虫算法优化的BP神经网络构建的模型;机理模型验证精度最高(R²=0.97,RMSE=3.40μg·cm^-2)。不同林分类型叶绿素的含量存在较大差异,阔叶林叶绿素含量为25....     

协同ICESat/GLAS和MISR数据估算小兴安岭地区森林地上生物量

大光斑激光雷达ICESat/GLAS波形数据包含大量的地物垂直结构信息,如森林垂直断面、地形等。这些信息与森林地上生物量具有很强的相关性。本研究在雷达波形数据处理的基础上,提取波形参数,分别用线性逐步回归模型和Erf-BP神经网络模型建立波形参数与森林地上生物量的关系式。使用Erf-BP神经网络模型计算研究区域内GLAS光斑点的生物量,协同多角度光学遥感数据MISR应用随机森林机器学习方法构建从点到面的空间尺度生物量扩展模型,最后用样地数据对模型反演的生物量结果进行检验。研究结果表明Erf-BP神经网络模型预测能力(P=0.965,RMSE=3.81 t·ha-1)优于线性逐步回归模型(P=0.86,RMSE=4.54 t·ha-1);空间尺度扩展模型预测精度P=0.81,RMSE=2.39 t·ha-1,反演的森林地上生物量估计值范围在0~144.4 t·ha-1,平均地上生物量估计值为59.28 t·ha-1,用样地数据检验模型的反演结果(R2=0.72,RMSE=8.98 t·ha-1),估计值与实际值较为接近。研究实现使用少量实测数据获取大尺度、高精度森林地上生物量的目的,为森林资源调查、生态研究及碳循环研究提供基础。