小光斑全波形激光雷达特征变量优化提取和森林生物量反演研究

The accurate estimation of forest biomass provides an important basis for accounting regional forest net carbon dioxide emissions and interpreting carbon cycling process in the forest ecosystem. Small footprint full-waveform LiDAR (FW-LiDAR) can acquire rich object features and complete forest vertical information, indicates large potentials for the enhancements of the estimation accuracy of forest biophysical properties. In this research, on the basis of data pre-processing and analysis of the FW-LiDAR data’s waveform signals, firstly, the amplitude of waveform will be decomposed and extracted, and the pseudo-vertical waveform model will be constructed; then the geometric and radiometric information will be extracted by spatio-temporal analysis form the waveform and the metrics will be calculated based on these information; lastly, the sensitivities of the metrics will be tested by statistical methods, and the inversion model will be fitted by combining the field-measured biomass. The influences of metric extractions from various directions of the incident pulses will be deeply tested; meanwhile, the geometric, radiometric and spatial information features will also be fully explored. The optimized biomass inversion model based on FW-LiDAR feature variables will be studied to realize a high accuracy of biomass estimation. By doing so, the theories and methods of plot-level forest biomass estimation using FW-LiDAR data will be enriched and improved, provides a new approach of making further efforts for fast, quantitive and accurate estimation of regional forest biomass.

精确估算森林生物量是核算区域森林CO2净排放、阐明森林生态系统碳循环过程的重要基础。小光斑全波形激光雷达（FW-LiDAR）可获得丰富的目标物特征和完整的森林垂直信息，在提升森林生物物理特性的估算精度方面具有很大潜力。本研究将在预处理和分析FW-LiDAR波形信号的基础上，首先基于体元框架分解和提取波形强度，并构建伪垂直波形模型；然后通过时空分析提取其中的几何与辐射信息，并以此计算特征变量；最后借助统计学方法测试变量敏感性，并结合实测生物量构建反演模型。力求在减少入射脉冲方向性对波形变量提取影响的同时，充分挖掘FW-LiDAR返回信号中关于森林冠层结构的几何、能量和空间信息特征，探索基于FW-LiDAR特征变量高精度反演森林生物量的方法。从而丰富和完善样地尺度上采用FW-LiDAR技术估算森林生物量的理论与方法，为进一步快速、定量、精确地估算区域森林生物量探索新途径。

精确估算森林生物量是核算森林汇、阐明森林生态系统碳循环过程的重要基础。小光斑全波形激光雷达可获得丰富的目标物特征和完整的森林垂直信息，在提升生物量估算精度方面具有很大潜力。本研究在预处理和分析波形信号的基础上，首先基于体元框架分解和提取波形强度，并构建伪垂直波形模型；然后通过时空分析提取其中的几何与辐射信息，并以此计算特征变量；最后借助统计学方法测试变量敏感性，并结合实测生物量构建反演模型。结果表明：1）去除累积频率低于70%的低值部分，采用了宽度为5个采样间隔的高斯滤波器，可以有效实现去噪和平滑；2）依据脉冲光斑和采样间隔，将体元的大小设置为0.25×0.25×0.15m，可以有效减弱入射激光脉冲的方向性对波形信号的影响；3）结合了高度信息和返回脉冲能量信息的特征变量对于森林生物量的估算能力强。波形特征变量模型的总体估算效果较好，最优估算精度达到（Adj-R2=0.65）；其中，针叶林的组分生物量估算精度最高，最优估算精度达到（ Adj-R2=0.93）；4）研究发现，体元水平分辨率的确定需要综合考虑光斑大小、地面脉冲间距和冠幅大小；5）借助逐步回归预测模型可以有效实现研究区的森林生物量空间分布制图。研究获得了高密度LiDAR点云、地面点云、数字地形模型、样地内的垂直波形、波形特征变量组、冠层容积剖面特征变量组、生物量估算模型以及森林生物量图等关键数据。丰富和完善了全波形激光雷达技术估算森林生物量的理论与方法，为进一步快速、定量、精确地估算森林生物量探索新途径。