竹林是我国亚热带一种重要的森林资源,在森林生态系统碳循环中发挥着重要作用。郁闭度可以反映林冠的郁闭程度、树木利用空间的程度及指示林分密度,是森林资源调查的一个重要因子。森林郁闭度测定方法主要包括地面调查和遥感调查两种方式,地面调查不仅耗时耗力,而易受人为因素影响较大,调查范围也较小,与地面调查相比,遥感技术具有实时、连续和大范围覆盖的特点,使得其在森林郁闭度定量反演中具有独特的优势。随遥感技术的发展,基于多源遥感数据的森林资源监测成为新的趋势,森林参数多尺度估算也是国内外研究热点。基于此,本研究将以毛竹林(Phyllostachys heterocycla var.pubescens)为例,以浙江省西北部的安吉县及其境内的山川乡为研究区域,在地面调查的基础上,开展基于无人机、SPOT5和Landsat TM等多源遥感数据的毛竹林冠层郁闭度多尺度反演研究,主要研究内容如下:1、无人机遥感数据结合Li-Strahler几何光学模型的毛竹林郁闭度估算。以无人机遥感数据为数据源,首先利用最小噪声分离(Minimum Noise Fraction,MNF)方法获取影像端元,然后采用全约束和无约束两种方法进行混合像元分解,并将得到的光照背景比例分别代入几何光学模型得到郁闭度估算结果,最后对比分析两种方法的估算精度。2、SPOT5数据结合Erf-BP神经网络模型的毛竹林郁闭度估算。以无人机郁闭度估算结果为基础、SPOT5遥感影像为数据源,利用Erf-BP神经网络模型进行山川乡毛竹林郁闭度估算,并探索最佳的模型结构,其中包括变量的设置与筛选、隐含层神经元及训练目标的设置等问题。3、Landsat TM数据结合Erf-BP神经网络模型的毛竹林郁闭度估算。以SPOT5郁闭度估算结果为基础、Landsat TM影像为数据源,采用Erf-BP神经网络模型实现安吉县毛竹林冠层郁闭度反演。通过研究主要得到以下几方面的结论:1、无人机遥感数据结合几何光学模型在一定程度上可以实现毛竹林郁闭度的估算。但基于无约束混合像元分解所得到的研究区毛竹林郁闭度具有较大的RMSE,反演结果整体小于实测值,严重低估,而全约束混合像元分解郁闭度反演精度具有大幅度的提高,其反演郁闭度与野外实测数据在0.01显著水平下,相关指数R为0.7933,且RMSE也很小,为0.04左右,因此,能够较为真实的反映毛竹林的实际情况。2、基于Erf-BP神经网络模型与SPOT5遥感数据的毛竹林冠层郁闭度估算结果在一定程度上可以满足精度要求。SPOT5结合Erf-BP神经网络模型的样地检验结果表明,Erf-BP神经网络模型估算结果与实测郁闭度在0.01显著水平下具有较强的相关关系,其相关系数R达到0.7414,RMSE为0.0223,说明该方法反演精度较高。3、基于Erf-BP神经网络模型与Landsat TM数据的毛竹林冠层郁闭度估算结果在一定程度上是可行的。Landsat TM结合Erf-BP神经网络模型的样地检验结果表明,Erf-BP神经网络模型估算结果与实测郁闭度具有较强的相关关系,其相关系数R达到0.7378,RMSE为0.0156,说明基于Erf-BP神经网络模型反演得到的毛竹林郁闭度与实测郁闭度有较好的拟合。