%A 曹林, 佘光辉 %T 基于机载小光斑全波形LiDAR的亚热带林分特征反演 %0 Journal Article %D 2015 %J 林业科学 %R %P 81-92 %V 51 %N 6 %U {http://www.linyekexue.net/CN/abstract/article_7118.shtml} %8 2015-06-25 %X [目的] 研究通过集成波形信号处理、空间解析和重构建模以及综合波形信息提取方法,探索基于小光斑全波形LIDAR特征变量高精度反演林分特征的新方法。[方法] 以江苏南部丘陵地区的亚热带天然次生林为研究对象,在预处理和分析小光斑全波形LIDAR数据的基础上,首先基于体元空间框架分解和提取波形的振幅能量信息,并构建伪垂直波形模型; 然后,从中提取空间位置信息(即点云)及几何辐射变量,计算LiDAR点云和波形特征变量,并通过相关性分析筛选特征变量; 最后,结合地面实测林分特征参数构建反演模型并验证精度。[结果] 1) 各LiDAR特征变量对Lorey's树高的敏感性最高,对蓄积量和地上生物量次之,对胸高断面积最低,而返回脉冲总能量和返回脉冲峰值点数对胸高断面积的敏感性却高于其他林分特征因子; 在点云特征变量组中,平均高、高度百分位数及冠层上部的返回点云密度与各林分特征之间的相关性较高,而在波形特征变量组中,能量中值高度的均值、返回脉冲长度的标准差和冠层粗糙度的标准差与各林分特征之间的相关性较高; 2) Lorey's树高的模型估算精度最高(RMSE为实测均值的7.26%),而蓄积量、地上生物量和胸高断面积的模型估算精度略低且较相近(RMSE为实测均值的15.91%~19.82%); 模型自变量的数量都在3个以内,选中的自变量为高度百分位数、冠层返回点云密度、返回脉冲长度和冠层粗糙度的标准差; 3) 各林分特征实测值与交叉验证估算值的拟合结果表明,Lorey's树高的拟合效果最好(R2=0.85),地上生物量(R2=0.68)和蓄积量(R2=0.59)次之,而胸高断面积(R2=0.45)最低; 4) Lorey's 树高、蓄积量和地上生物量的空间分布状况基本一致,源于它们内在的相关性; 相比其他3个特征变量,胸高断面积的空间分布不够连续,这可能是由于其预测模型精度较低所致。[结论] 各林分特征综合回归模型的拟合效果和精度都高于仅使用点云特征变量拟合模型的精度,表明了波形特征变量提取森林中下层信息的潜力。点云特征变量描述了森林冠层及上部的三维结构及密度信息,而波形特征变量则获得了森林冠层及以下部分完整的垂直分布和能量信息,二者互补可提升林分特征反演的精度。