复杂地形条件下多源遥感数据森林生物量协同反演研究

森林是地球陆地生态系统主要的碳储存库，森林生物量作为陆地生态系统碳循环研究和碳动态分析的基础，已经成为生态学和全球变化的重要研究内容。为弥补现有研究多针对平坦地形及未能实现多源传感器协同反演的不足，本课题针对复杂地形（多数森林区分布在山区地形），建立光学、激光雷达、微波多源遥感数据的森林生物量协同反演。本课题利用激光雷达与光学数据提取的结构参数、叶面积指数垂直分布、冠层覆盖度以及树冠的空间分布状况，并将这些特征信息协同到微波后向散射模型中去，量化冠层对微波信号的衰减，提高生物量的反演精度。在构建协同反演模型的过程中，考虑地形影响对光学与微波信号的影响，建立复杂地形条件下多源遥感数据协同反演模型，并考虑其尺度效应。最后与单一数据源的结果进行比较分析，定量评价协同反演的效果。综合利用多源遥感数据的特征信息，实现各传感器信息互补，可望从平面到垂直分布进一步提高森林生物量的反演精度。

森林是地球陆地生态系统主要的碳储存库，森林生物量作为陆地生态系统碳循环研究和碳动态分析的基础，已经成为生态学和全球变化的重要研究内容。为弥补现有研究多针对平坦地形及未能实现多源传感器协同反演的不足，本项目提出基于LiDAR、光学数据和SAR的森林生物量协同反演模型。从模型的角度建立了将LiDAR结构参数与光学数据叶面积指数、覆盖度协同微波后向散射模型中的森林生物量协同反演模型。主要内容包括：1）基于不同密度激光雷达点云数据的区域森林参数的提取。对高密度激光雷达数据通过先提取单木信息，然后进行区域森林参数提取的方法。对于低密度激光雷达数据，通过对归一化点云统计的方法，建立森林参数与点云统计量的估测方程进行区域森林参数的提取。并进行了森林生物量不同组分的估算研究。2）山地地形条件下SPOT5数据森林生物量反演。本研究对包含信息量最多的第一主成分进行了纹理测度计算，并研究了不同窗口大小对生物量反演的影响。结果表明纹理信息在生物量建模中可以发挥很大的作用，显著地提高了生物量的估算精度。3）提出了一种基于高光谱与激光雷达提取叶面积指数垂直分布的方法，综合利用高光谱数据的水平信息以及激光雷达到植被高度信息的反映，提取了区域叶面积指数的垂直分布，可以为基于物理模型的植被辐射传输模型提供更为精确的参数输入。4）基于多源遥感数据的森林生物量协同反演研究。从模型的角度建立了将LiDAR结构参数与光学数据叶面积指数、覆盖度协同微波后向散射模型中的森林生物量协同反演模型。模拟的结果表明从总的后向散射中减去树冠后向散射和树冠地表双向散射后能更好的反映森林生物量。本研究充分利用光学数据对森林水平信息的反映，结合激光雷达对森林垂直结构的探测，提取叶面积指数的垂直分布、冠层覆盖度，并将这些特征信息协同到微波后向散射模型中去，该协同反演模型充分利用各传感器的优势，将各传感器提取的优势参数相结合，使各传感器优势互补，为多源遥感数据地表参数的协同反演提供一种新的思路。