机载激光雷达森林叶面积指数反演及垂直分解研究

Leaf area index (LAI) is one of the most important parameters for quantifying forest canopy structure characteristics, and it is a critical variable in process-based models of vegetation canopy response to global environmental change. Therefore, rapid, objective and accurate estimations of LAI have great significance. The laser pulse of LiDAR transmitted can penetrate forest canopy, and therefore the LiDAR system can accurately capture three-dimensional canopy structure and the terrain under forest canopy. Forest structural parameters can be accurately estimated using LiDAR data. In this project, LiDAR data will be resampled with different spatial scales and decomposed vertically, and then we will build the vertical forfile information model and extract the vertical profile area. A new method of estimating LAI based on vertical profile area will be developed. A procedure will be developed to get the vertical decomposition of LAI. Finally, the leave-one-out cross-validation (LOOCV) procedure and field-measured LAI are respectively used to access the stability and validate the accuracy of LAI estimation model. The new method will fully utilize both LiDAR height and return number, and therefore the accuracy of LAI estimation can be improved and the vertical spatial distribution of LAI can be delineated precisely. The method can promote the deep research of energy transfer, partitioning and relationship among canopy trophic levels within the forest ecosystem. This research will provide a new method for forest health monitoring, ecological modeling and interactions of horizontal and vertical spatial ecology.

叶面积指数（LAI）是定量描述森林冠层结构最重要的参数之一，是植被冠层对全球环境变化响应过程模型的关键变量，因此快速、客观和精确地估算LAI具有非常重要的意义。激光雷达（LiDAR）脉冲对植被具有穿透能力，可以精确地获取冠层三维结构和林下地形信息，精确地估算森林结构参数。本项目拟对激光雷达数据进行不同空间尺度重采样和垂直分层，建立冠层垂直剖面信息模型，提取垂直剖面面积，基于垂直剖面面积提出LiDAR反演LAI的新方法，并对反演的LAI进行垂直分解；最后用留一交叉验证法和未参加建模的实测LAI分别对反演模型的可靠性和精度进行评价和验证。本研究方法将充分利用LiDAR高程和回波数信息，能提高森林LAI反演精度，精确描绘LAI的水平和垂直空间分布特性，促进森林生态系统内部能量传输和分配以及冠层内各营养级之间关系的深入研究，为森林健康状态监测、生态建模、水平和垂直空间生态相互作用的研究提供新方法。

叶面积指数（LAI）与植被的光合、呼吸、蒸腾、碳循环和降水截获等密切相关，精确地反演植被LAI及垂直分布剖面非常重要。激光雷达（LiDAR）可以直接测量植被的三维结构参数，减少光学遥感数据中饱和的问题，提高植被参数的反演精度。围绕研究目标，主要开展了以下研究：.（1）基于激光穿透指数的LAI反演，包括基于回波数LPI的计算及LAI反演、激光雷达强度值校正及基于激光雷达强度的LAI反演；.（2）基于机载LiDAR数据的叶面积垂直剖面及LAI反演，包括数据的重采样、垂直分层的回波数校正、叶面积剖面制图及LAI反演模型构建、确定最优的反演尺度及模型；.（3）森林LAI垂直分解研究，包括叶面积的垂直分解模型及精度验证；.（4）叶面积指数空间分布制图及精度验证；.（5）激光雷达植被fPAR、高度及生物量反演；.（6）激光雷达点密度、采样尺寸及高度阈值对植被参数反演的影响。.基于以上研究内容得到了以下重要研究结果：.（1）实现了激光雷达强度校正，为激光雷达强度数据的应用提供可靠的数据；.（2）提出了低矮湿地植被LAI及高度反演方法，为低矮湿地植被LAI及高度反演提新的思路与方法；.（3）比较了基于激光雷达高度与强度变量反演LAI的方法，并融合两种变量实现了森林LAI的反演，提高了LAI反演精度；.（4）综合研究了激光雷达点密度、数据采样尺度及高度阈值对植被LAI、高度及生物量反演精度的影响，为激光雷达植被研究人员提供可靠的技术指导；.（5）探索了激光雷达叶面积垂直剖面制图方法，实现了森林叶面积高精度垂直分布制图；.（6）探索构建回波数校正模型、LAI垂直分布模型；.（7）提出了融合激光雷达与高光谱数据反演低矮湿地植被、森林生物量的方法；.（8）融合激光雷达与高光谱数据实现高精度的植被分类；.（9）叶面积指数空间分布制图。.研究获取的关键数据：.（1）研究区机载激光点云数据及滤波分类后的点云数据；.（2）校正后的激光雷达强度数据；.（3）研究区高光谱数据及其预处理后的数据；.（4）叶面积指数空间分布图；.（5）基于激光雷达与高光谱获取的土地利用分类数据。.该项目取得的这些成果，包括LAI反演的新方法、叶面积剖面制图方法及提出的其它植被参数反演方法，提高了多种植被参数的反演精度，拓展了激光雷达遥感的定量反演应用领域，为植被生长监测、生态建模及碳循环研究提供可靠的基础数据。