基于星载GLAS与光学影像的森林生物量反演机理与方法研究

Accurate estimate of forest biomass is one of the key topics for terrestrial ecosystem carbon cycle and global change research, while there is high uncertainty about the quantity and distribution of forest carbon. Lidar has a unique capability for accurately estimating forest canopy structure parameters, which directly relate to aboveground carbon storage, however, current lidar sensors have limited to capture horizontal stucture information of targets. Multi-spectral data provide plentyful horizontal structure informations, e.g. forest type and vegetation indexes, which are insensitive to canopy height. It would, therefore, be desirable to integrate lidar and multi-spectral data for forest structural attribute estimaton with high accuracy. This project will select typical forest areas in Yunan Province and aims at accurately mapping aboveground biomass from GLAS data and multi-spectral images. Waveform decompostion algorithm will be developed for separating ground and canopy components of a GLAS waveform.. A variety algorithms for estimating forest structure parameters, including GLAS-derived average canopy height, continuous average canopy height retrieved from MODIS-BRDF, forest types and vegetation indexes derived from Landsat TM will be studied. Finally, aboveground biomass estimation models will be achieved and then validated with field measurements. The project will concentrate on current hot issues in lidar applications, such as waveform extent extraction, topographic relief removal and multi-source data fusion, especially on removing the influences of terrain slope and roughness on forest structure attribute estimation. .This research will improve the lidar application on global assessments of forest canopy height and biomass, and also provides insights for future work to improve the accuracies of canopy height and biomass estimations at regional and global scales.

精确估算森林生物量是陆地生态系统碳循环和全球变化研究的重要内容。本项目选择我国云南典型林区，融合星载激光雷达（GLAS）和光学影像进行森林生物量反演机理与方法研究，包括：(1)顾及地形因素的GLAS波形数据处理与分析：预处理、波形特征提取、植被结构参数反演等；(2) MODIS-BRDF参数与GLAS提取的植被高度信息反演连续植被高度数据，（3）Landsat TM影像反演植被类型和叶面积指数等；(4)结合地面实测数据，建立不同类型植被平均高度、叶面积指数等与生物量的多变量估算模型并进行精度评价，最终实现大面积森林生物量的高精度反演。本项目从激光雷达工作原理入手，结合地形和森林结构特征信息，定量分析地形因子、波形长度与树高间的关系，提高复杂地形下激光雷达反演森林结构参数和生物量估算模型的精度。研究结果将提升激光雷达波形数据的应用能力，为区域及全球尺度的森林生物量估算提供解决方案。

星载激光雷达（GLAS）在区域和全球尺度的森林结构参数反演中发挥了重要作用，但是GLAS数据缺乏森林水平结构信息，而且在坡度较大的复杂山区，植被回波与坡面回波混叠，导致难以进行波形分解提取植被回波。本项目针对这些问题，开展星载激光雷达（GLAS）和光学影像反演森林结构参数与生物量机理与方法研究，特别是针对复杂地形条件的森林植被结构参数反演关键技术研究。主要研究包括：（1）GLAS波形数据质量评价方法；（2）大光斑激光雷达地形校正方法；（3）顾及地形影响的光学数据森林分类与LAI反演方法；（4）GLAS与光学数据反演LAI方法；（5）融合GLAS与光学数据的森林生物量反演方法研究。通过研究，取得了以下研究成果：.（1）首次提出大光斑全波形激光雷达数据（GLAS）质量评价指标及评价方法。.（2）提出了一个新的基于物理模型的地形校正算法，建立了光斑尺度上高精度的森林冠层高度反演模型。.（3）建立了基于决策树方法的云南省森林分类方法。.（4）构建了基于激光穿透指数的森林植被LAI反演模型，并融合TM数据实现大区域LAI制图。.（5）建立了植被冠层平均高度、叶面积指数等与生物量的多变量估算模型，最终实现大面积森林生物量的高精度反演。.（6）出版《星载激光雷达数据处理与应用》专著1部。.（7）开发了波形激光雷达数据（GLAS）处理与应用软件1套。.（8）申请发明专利1项。.（9）获取的数据集包括：研究区的实测树高、胸径、树种等数据集，反演得到的森林类型、高度、LAI、生物量数据集。.（10）算法模型：基于GLAS反演森林高度模型，以及GLAS与光学数据的森林LAI、生物量反演模型，均对前人的方法进行了一定的创新和改进，提高了反演精度，为复杂区域森林植被结构参数反演提供了方法学参考。