森林冠层叶面积密度激光雷达遥感反演

Leaf area density (LAD) is defined as the total one-sided leaf area per unit layer volume. It is very important for estimating leaf chemical components vertical distribution and biomass. Accurate retrieval of LAD over forest canopies will improve our understanding of forest carbon and nitrogen cycle. Based on the vegetation canopy transfer modeling, this project is designed to explore the fusion of terrestrial and airborne light detection and ranging( LiDAR) data for retrieving LAD of forest canopies. With long term plot level observations, multi-temporal terrestrial LiDAR data is acquired to estimate forest structural parameters, and algorithms for point cloud segmentation are developed to discriminate the leaves and non-photosynthetic tissues, and accurately extract LiDAR points of leaves; With the support of voxel-based canopy profiling (VCP) method, LAD retrieve model is developed for forest canopies using terrestrial LiDAR data; Since the terrestrial LiDAR system can not capture point cloud of upper canopies, and it is also difficult to acquire dataset over large area, LiDAR data acquired by airborne small foot-print full-waveform system is adopted to retrieve LAD of upper forest canopies, with synergic utilization of terrestrial LiDAR data, the LAD of forest canopies could be retrieved over large area. The accuracy and uncertainty of the LAD estimation model is evaluated by comparing the results of separated LiDAR data sets with those of the combined method.

叶面积密度（LAD）是每单位地面面积每单位高度范围内的总单面叶面积，是表示叶面积垂直分布的重要参数，准确反演森林冠层LAD对于研究森林碳、氮循环、叶片生化组分垂直分布、生物量估算等具有重要意义。 项目将在辐射传输理论的支持下基于地基和机载激光雷达（LiDAR）数据探索森林冠层垂直分布特征表达规则；通过大量观测实验，获取不同生长条件森林样方的地基三维激光点云和森林结构参数数据，建立适用于冠层叶片与非光合组织准确分离的点云分割算法，实现叶片点云数据的精确提取；结合基于体元的冠层分析方法（VCP），构建地基LiDAR数据的树林冠层LAD反演模型；针对地基LiDAR冠层顶部容易出现盲区和无法开展大面积反演的特点，利用机载小光斑波形LiDAR数据反演森林冠层上部LAD，协同地基LiDAR对冠层下部LAD的准确反演构建森林冠层LAD协同反演模型；发展LAD反演误差分布模型，评价模型与观测的不确定性。

森林冠层中不同高度的叶片对总光合作用和碳储量的贡献不同，叶面积垂直分布状况是能量、水和养分流动的重要决定因素，在确定生物栖息地适宜性、物种的数量和多样性中发挥着重要作用。本项目开展了基于地基与机载激光雷达（LiDAR）数据的森林冠层垂直结构参数叶面积密度（LAD）反演模型与方法研究，主要取得以下成果：. 1.项目提出了两种单木冠层枝叶点云分离新方法，均基于叶片和枝干的几何形态差异。其中法向量差分方法通过统计每个点与其邻域内其他点的法向量差值，进行枝干和树叶点云的分割，叶片点云提取精度85%左右；点云分类与分割结合的单木枝干点云提取方法，冠层枝干点云提取精度超过91%。利用基于体元的冠层分析（VCP）方法进行了单木和阔叶林冠层LAD估算，并进行了模型不确定性分析，与地面观测结果对比，体元最优尺度与点云分辨率相同。. 2. 针对机载LiDAR数据，提出了一种新的基于森林点云数据的单木提取算法，并利用C#语言开发了机载激光雷达点云数据处理和森林参数反演系统、复杂环境森林树种分类及三维显示系统。. 3. 项目提出一种根据点云空间位置进行粗配置，然后利用ICP算法进行地基与机载LiDAR数据精确配准的方法，配准精度优于0.2米。利用VCP模型分别计算地基与机载LiDAR数据的LAD，以拐点处为连接点重新构建了树林冠层LAD，实现了地基与机载LiDAR数据对森林冠层LAD的重构与协同反演。. 4. 探索了基于地基激光雷达数据的林木冠层聚集度指数与间隙率反演新方法，反演结果与数字半球摄影观测数据具有良好的相关性。. 项目在国内外核心期刊和重要学术会议上发表了15篇学术论文，其中SCI检索期刊论文7篇。项目获批发明专利1项，软件著作权2项。