论文部分内容阅读
传统森林参数获取主要依赖于野外调查,需要耗费大量人力、物力和时间,而且只能获取到点上的数据,不能够及时获取大区域森林参数的空间分布情况。遥感技术的出现和发展弥补了传统估测方法的不足,可以实现对大区域森林参数的快速、无损估测,提高了森林参数的估测精度,能够满足森林资源调查的需要。本研究以吉林省汪清林区为研究区,从ICESat-GLAS(the geoscience laser altimeter system onboard the ice,cloud,and land elevation satellite)波形数据中提取波形参数(波形长度W、地形坡度参数TS、比值能量参数I和差值能量参数ec),利用这些参数实现GLAS波形数据对各森林类型(阔叶林、针叶林和混交林)的森林最大树高、森林郁闭度和森林地上生物量的估测。但由于GLAS光斑呈离散条带状分布,不具有成像性,不能实现森林参数的区域估测,所以本研究引入HJ-1A/HSI高光谱影像,协助GLAS波形数据对森林参数进行空间反演,应用支持向量回归机算法建立GLAS估测的森林参数与HJ-1A/HSI高光谱影像光谱信息间的关系模型,得到森林参数的空间分布图。主要研究结果如下：(1)基于分段主成分分析和波段指数综合法对HJ-1A/HSI高光谱数据降维,选出最佳波段为波段2、波段52和波段107,波段之间的相关性小,信息量大。但由于HJ-1A/HSI数据的空间分辨率低,分类结果不理想(分类精度为70.5%)。将其与CCD数据融合后空间分辨率得到提高,基于支持向量分类机算法,利用融合后影像的波段信息及波段纹理特征信息将分类精度提高到了85.3%。(2)基于GLAS波形提取的地形坡度参数TS,与地形坡度间存在很强的相关性。基于W和TS建立的森林最大树高模型要优于只利用W建立的森林最大树高模型和利用地形指数修正的森林最大树高模型。基于支持向量回归机算法,建立了GLAS估测森林最大树高与HJ-1A/HSI高光谱影像前3个MNF分量的SVR模型,生成森林最大树高分布图,其估测误差的最大值为7.1m,最小值为0.07m,25%的估测误差小于等于0.75m,50%的估测误差在0.75m-2.31m之间,精度较高。(3)对于GLAS波形来说,利用比值能量参数I75所建模型的估测效果优于利用差值能量参数ec所建模型,将I,5和ec联合建立的多变量模型的精度最高。利用HJ-1A/HSI高光谱数据进行森林郁闭度建模时,多变量森林郁闭度模型的估测效果优于单变量森林郁闭度估测效果。HJ-1A/HSI所建多变量森林郁闭度模型的估测效果稍高于GLAS所建多变量模型,因此本研究最终采用HJ-1A/HSI高光谱影像生成森林郁闭度分布图,并对所得森林郁闭度分布图的估测误差进行分析,其中25%的估测误差小于等于0.031,50%的估测误差在0.031-0.126之间,估测精度较高。(4)利用GLAS估测的森林最大树高建立的森林地上生物量单变量模型的估测效果不是很理想,但是将GLAS估测的森林最大树高与HSI估测的森林郁闭度相结合,利用多元线性回归和支持向量回归分别建立各森林类型的森林地上生物量模型,模型的估测效果有了很大的提高,支持向量回归模型的估测效果要优于多元线性回归模型。