论文部分内容阅读
森林作为陆地生态系统的重要组成部分,对全球的气候、生态、碳循环等具有深远的影响。森林空间结构是由单株树木所组成,对于森林资源状况调查和生产实践来说,准确且高效地获取单木结构参数具有重大的意义。另外,森林树种识别也可以为清查森林资源,绘制林相图、森林地上碳储量估算等方面提供基础和重要依据。传统的单木结构参数提取和树种识别主要依靠实地调查,并借助专用仪器,需花费大量时间、人力和财力,尤其是对于大面积的森林资源调查,只能使用抽样调查的方式。高光谱遥感影像蕴含着地物近乎连续的光谱信息,能够准确探测到具有细微光谱差异的各种地物类型,在树种识别方面具有巨大的优势。同时,激光雷达(Light Detection And Ranging,LiDAR)是一项新型遥感技术,具有强大的对地观测能力,尤其在探测地物空间结构特征方面具有巨大的应用潜力。本文选取大兴安岭根河森林保护区为研究区,以机载激光雷达数据及其同步获取的高光谱遥感影像为数据源,进行单木树参数提取和树种分类研究。首先对LiDAR点云数据采用不规则三角网的渐进加密滤波算法区分地面点和非地面点,对地面点以反距离加权插值(Inverse Distance Weighted,IDW)生成数字高程模型(Digital Elevation Model,DEM),LiDAR点云首次回波插值生成数字表面模型(Digital Surface Model,DSM),两者栅格计算生成冠层高度模型(Canopy Height Model,CHM),并对原始点云数据以DEM进行归一化。对生成的CHM和归一化点云数据进行单木提取研究,并在此基础上进行单木尺度的树种识别,主要结论如下:(1)在100m×100m大样地内,基于冠层高度模型的单木提取方法能够提取出355棵单木,其中与地面实测正确匹配单木数量为322棵,分离结果正确率达90.7%;基于归一化点云的单木提取方法能够分离的单木较少,共提取出221棵单木,其中与地面实测正确匹配数量为206棵,分离结果正确率为93.21%。(2)基于冠层高度模型的单木提取方法获取的树高参数与地面实测树高的R2为0.71,平均精度为81.2%,基于归一化点云的单木提取方法获取的树高参数与地面实测树高的R2为0.73,平均精度为82.6%。两种方法提取的冠幅数据均与实测冠幅相差较大,前者提取的冠幅与实测冠幅R2为0.42,后者提取的冠幅与实测冠幅R2仅为0.21,且后者提取的冠幅远大于实测冠幅。(3)以基于冠层高度模型的单木提取方法分离的单木结果为基础,融合高光谱数据进行单木光谱特征提取,并使用随机森林分类器对样地内落叶松和白桦进行树种分类研究,分类总体精度达91.61%,Kappa系数为0.7819。