国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

多源遙感數(shù)據(jù)結(jié)合的橡膠林有效葉面積指數(shù)升尺度估測(cè)

2020-06-02 10:13羅洪斌舒清態(tài)王冬玲
關(guān)鍵詞:橡膠林激光雷達(dá)葉面積

羅洪斌,舒清態(tài),王 強(qiáng),王冬玲

(西南林業(yè)大學(xué) 林學(xué)院,云南 昆明650224)

【研究意義】葉面積指數(shù)(leaf area index,L AI)定義為單位地面面積上所有葉片單面面積的總和[1],作為表征植物冠層結(jié)構(gòu)生理生化的一個(gè)重要參數(shù)在碳循環(huán)和水循環(huán)中起著重要的作用[2-3]。傳統(tǒng)的森林葉面積指數(shù)以實(shí)測(cè)數(shù)據(jù)為基礎(chǔ),通過大量的野外調(diào)查,不僅調(diào)查時(shí)間長(zhǎng)、工作量大,而且造成一定的破壞,因此難以進(jìn)行大區(qū)域推廣[4]?,F(xiàn)階段通常使用葉面積指數(shù)測(cè)量?jī)x得到葉面積指數(shù),其中常用的測(cè)量?jī)x器包括LAI-2200、LAI-2000、AccuPAR、Sunscan、Sunfleckceptometer Demon、TRAC及魚眼等光學(xué)儀器,雖然方便快捷且不具破壞性,但是測(cè)量結(jié)果存在較多不確定因素。首先,葉面積儀是以點(diǎn)進(jìn)行L A I的獲取,最后取平均值代替點(diǎn)尺度的林分LAI實(shí)際情況,其原理是利用間隙率模型計(jì)算葉面積指數(shù),并且容易受到天氣的影響,其次已有研究表明葉面積儀器測(cè)量的LA I存在明顯的低估現(xiàn)象,低估范圍為25%~50%[5-7]?!厩叭搜芯窟M(jìn)展】機(jī)載激光雷達(dá)(airborne light laser detection and ranging,LiDAR)是是傳統(tǒng)雷達(dá)與現(xiàn)代激光技術(shù)結(jié)合的主動(dòng)遙感技術(shù),具有高精度、全天候的特點(diǎn),可獲取高精度植被表面點(diǎn)的三維坐標(biāo)[8],已廣泛應(yīng)用于郁閉度、樹高、葉面積指數(shù)等森林參數(shù)的提取,其中基于LiDAR點(diǎn)云的L A I提取方法是將孔隙理論納入比爾朗博定理,激光雷達(dá)脈沖通過冠層的穿透率可以用來描述冠層孔隙度,并可通比爾朗博定律轉(zhuǎn)換成葉面積指數(shù)LAI,Richardson[9]等利用航空離散回波激光雷達(dá)對(duì)LA I進(jìn)行了4種建模方法的比較。4種方法中,基于單參數(shù)(k:消光系數(shù))的Beer-Lambert定律的模型精度最高(R2=0.665)。表明假設(shè)球面葉角分布的理論k值(k=0.5)和垂直光束天頂角(β=0.8)則可以用激光雷達(dá)數(shù)據(jù)估計(jì)植被的有效LAI。隨后,駱社周、趙傳燕等[10-11]基于Beer-Lambert定律對(duì)森林LA I反演并與實(shí)際觀測(cè)值進(jìn)行對(duì)比其決定系數(shù)R2分別為0.81和0.73;Li等[12]使用激光雷達(dá)數(shù)據(jù)通過比爾朗博定理計(jì)計(jì)算得到有效葉面積指數(shù)并與破壞性取樣得到的葉面積指數(shù)進(jìn)行對(duì)比,決定系數(shù)R2為0.76,均方根誤差R M S E為0.47?!颈狙芯壳腥朦c(diǎn)】大量的研究表明了機(jī)載激光雷達(dá)數(shù)據(jù)能夠反演高精度的森林有效葉面積指數(shù)。但是機(jī)載激光雷達(dá)數(shù)據(jù)獲取成本高,條帶面積有限無法進(jìn)行大尺度估測(cè)。光學(xué)遙感數(shù)據(jù)結(jié)合激光雷達(dá)數(shù)據(jù),可以使大區(qū)域森林葉面積指數(shù)估測(cè)與長(zhǎng)時(shí)間變化監(jiān)測(cè)成為可能。通過機(jī)載激光雷達(dá)數(shù)據(jù)快速獲取的地面的LA I,并與光學(xué)遙感影像中提取的光譜植被指數(shù)之間建立回歸統(tǒng)計(jì)模型,從而預(yù)測(cè)植被L A I的大尺度空間分布?!緮M解決的關(guān)鍵問題】本研究以云南省景洪市為研究區(qū),以機(jī)載LiDAR數(shù)據(jù)和Landsat 8 OLI數(shù)據(jù)為主要信息源,使用LiDAR激光點(diǎn)云基于比爾朗博定理反演得到點(diǎn)云條帶區(qū)的橡膠林有效葉面積指數(shù),并使用樣地實(shí)測(cè)值對(duì)LiDAR激光點(diǎn)云反演的有效葉面積指數(shù)進(jìn)行差異性檢驗(yàn)。其次,以有效葉面積指數(shù)作為訓(xùn)練樣本結(jié)合Landsat 8 OLI遙感變量,分別使用偏最小二乘回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)葉面積指數(shù)進(jìn)行估測(cè),從而為森林有效葉面積指數(shù)高效、快速、大尺度的遙感監(jiān)測(cè)提供有利參考。

1 研究區(qū)概況及數(shù)據(jù)獲取

1.1 研究區(qū)概況

研究區(qū)景洪市位于(東經(jīng)100°25′~101°31′,北緯21°27′~22°36′),地處云南省南端、西雙版納傣族自治州的中部(圖1)。國土面積約6 959 km2。東接勐臘,北臨普洱,西接勐海,南與緬甸接壤,毗鄰老撾、泰國。境內(nèi)常年高溫酷暑,干濕分明,日溫差大,年溫差較小,因此成為了橡膠林的主要分布區(qū)之一。

1.2 樣地?cái)?shù)據(jù)的獲取與處理

研究所使用的樣地?cái)?shù)據(jù)獲取時(shí)間為2014年4月,所有樣地均分布于機(jī)載激光雷達(dá)數(shù)據(jù)條帶內(nèi),為保證數(shù)據(jù)的代表性選擇不同齡級(jí)、不同葉面積指數(shù)大小的樣地共44塊,為了與Landsat8 OLI光學(xué)遙感影像數(shù)據(jù)的分辨率大小(30 m×30 m)所匹配,樣地的大小為30 m×30 m,分別對(duì)每塊樣地進(jìn)行每木檢尺測(cè)量樣地內(nèi)每株橡膠樹的胸徑、樹高并記錄樣地的坡度、坡向以及GPS定位信息,其次,在樣地內(nèi)選取標(biāo)準(zhǔn)木進(jìn)行樣本葉片的采集,根據(jù)橡膠樹葉片的大小以及分布位置選取上、中、下3層葉片作為樣本,并對(duì)摘取的鮮葉葉片進(jìn)行稱重,使用用葉面積測(cè)量?jī)x測(cè)量其鮮葉葉片的面積,以其作為樣本葉面積。

1.3 機(jī)載激光雷達(dá)數(shù)據(jù)獲取及處理

激光雷達(dá)數(shù)據(jù)的獲取采用中國林科院的LiCHy(LiDAR,CCD and Hyperspectral系統(tǒng)。激光雷達(dá)數(shù)據(jù)獲取時(shí)間為2014年4月,由RIEGL LMS-Q680i激光雷達(dá)傳感器獲得,傳感器平均飛行高度為851 m,共6個(gè)航帶,最高脈沖發(fā)射頻率400 kHz,激光脈沖發(fā)射頻率400 kHz,點(diǎn)云的密度為3.9個(gè)/m2,飛行高度為851 m,掃描角度為±30°,共6個(gè)條帶。

點(diǎn)云數(shù)據(jù)預(yù)處理和有效葉面積指數(shù)的計(jì)算運(yùn)用LiDAR360軟件進(jìn)行。主要包括:點(diǎn)云去噪、地面點(diǎn)濾波、植被點(diǎn)的分類(根據(jù)相關(guān)研究通常取0~2 m設(shè)為低植被點(diǎn),2~6 m設(shè)為中間植被點(diǎn),6~30 m為高植被點(diǎn),30~150 m為建筑物)等處理,并利用地面點(diǎn)生成的DEM對(duì)點(diǎn)云進(jìn)行歸一化處理。

圖1 研究區(qū)地理位置Fig.1 The location of study area

1.4 Landsat8 OLI影像數(shù)據(jù)的獲取與處理

研究所使用的Landsat8 OLI光學(xué)遙感數(shù)據(jù)拍攝于2014年4月,Landsat8 OLI遙感影像數(shù)據(jù)屬于L1級(jí)別,理論設(shè)計(jì)精度達(dá)12 m,且每景遙感影像誤差不超過0.1個(gè)像素,因此本研究對(duì)影像進(jìn)行了輻射定標(biāo)、大氣校正、幾何校正、地形矯正以及對(duì)影像進(jìn)行拼接和裁剪,并結(jié)合研究區(qū)橡膠樹布矢量圖進(jìn)行裁剪得到研究區(qū)橡膠林分布的影像。

2 研究方法

2.1 樣地葉面積指數(shù)的計(jì)算

樣地葉面積指數(shù)根據(jù)葉面積與生物量的關(guān)系推算得,計(jì)算原理如下:

單株葉生物量計(jì)算:橡膠樹單株葉生物量使用唐建維[13]等研究得到的橡膠樹單株葉片生物量模型推算樣地尺度的樣地橡膠樹葉生物量,計(jì)算公式為:

式(1)中,D為胸徑(cm),W為葉生物量(kg)

單株總?cè)~面積的計(jì)算:根據(jù)橡膠樹葉片含水量,推算出樣本葉生物量W1,按下式計(jì)算出單株的總?cè)~面積,計(jì)算公式為:

式(2)中,S為單株總?cè)~面積,W為單株葉生物量,S1為樣本葉面積(m2)

樣地葉面積指數(shù)的計(jì)算:?jiǎn)沃耆~面積匯總得到樣地葉面積,根據(jù)單面總?cè)~面積的除以樣地面積計(jì)算得到樣地橡膠樹葉面積指數(shù),計(jì)算公式為:

式(3)中,L A I為樣地橡膠樹葉面積指數(shù),S總為樣地內(nèi)橡膠樹單面總?cè)~面積,S樣為樣地面積。

2.2 基于LiDAR有效葉面積指數(shù)的提取

根據(jù)預(yù)處理得到激光點(diǎn)云在LiDAR360軟件下進(jìn)行橡膠林有效葉面積指數(shù)的提取,由于Landsat 8 OLI柵格大小為30 m×30 m,因此有效葉面積指數(shù)以30 m×30 m分辨率方式輸出。其計(jì)算原理沒有考慮聚集情況,也沒有考慮光合作用部分和非光合作用部分的分離,LiDAR360提取的葉面積指數(shù)指的是有效的植被面積指數(shù)。首先,根據(jù)分類完成的點(diǎn)云得到林分間隙率,結(jié)合用戶設(shè)定的葉傾角分布(已有研究表明葉傾角的橢圓分布可能適用于大部分森林的實(shí)際情況,值為0.5。)計(jì)算得到植被的有效葉面積指數(shù)[9]其計(jì)算原理如下:

式(4)中,ang是平均掃描角,G F是間隙率,k是消光系數(shù),消光系數(shù)與樹冠的葉傾角分布緊密相關(guān),ln是自然對(duì)數(shù)。

平均掃描角計(jì)算公式如下:

式(5)中,ang是平均掃描角度,n是點(diǎn)數(shù),an gl e是第i個(gè)點(diǎn)的掃描角度。

間隙率的計(jì)算,使用以下公式:

式(6)中,nground是提取的Z值低于高度閾值的地面點(diǎn)數(shù),n是總點(diǎn)數(shù)。

2.3 基于LiDAR條帶的有效葉面積實(shí)數(shù)樣本選取

據(jù)已有的研究區(qū)橡膠樹分布矢量圖裁剪得到條帶區(qū)橡膠林的有效葉面積指數(shù)。在ARCGIS軟件中創(chuàng)建漁網(wǎng)產(chǎn)生1 502個(gè)點(diǎn)作為樣地點(diǎn),并提取樣地點(diǎn)所對(duì)應(yīng)的有效葉面積指數(shù)作為訓(xùn)練樣本(圖2)。

圖2 采樣點(diǎn)和實(shí)測(cè)樣地點(diǎn)樣地點(diǎn)分布Fig.2 distribution diagram of sampling points and measured sampling points

2.4 Landsat8 OLI光學(xué)遙感影像因子提取

遙感影像上的不同色彩、紋理信息及其它特征由植被的不同森林結(jié)構(gòu)參數(shù)所表現(xiàn)。這些特征的遙感信息均可作為遙感估測(cè)橡膠樹葉面積指數(shù)模型的備選參數(shù)。本研究提取了特征波段、植被指數(shù)、信息增強(qiáng)因子、紋理因子等作為備選參數(shù)(表1)[14]。

2.5 自變量的篩選

提取的變量參數(shù)較多,各自變量參數(shù)與有效葉面積指數(shù)之間的相關(guān)性參差不齊,并非所有變量都適合引入有效葉面積指數(shù)估測(cè),因此在SPSS19軟件下將自變量與因變量進(jìn)行Pearson’s相關(guān)性雙側(cè)檢驗(yàn),通過分析相關(guān)性系數(shù)和顯著性水平,擇優(yōu)選取自變量參數(shù),由于樣本數(shù)量較多,變量參數(shù)也較多,因此選擇相關(guān)系數(shù)大于0.4的變量作為備選變量,結(jié)果見表2。

2.6 統(tǒng)計(jì)分析模型

偏最小二乘回歸(partial least squares regression,PLSR)模型可以解決多個(gè)變量之間的多重共線性問題,同時(shí)小樣本的特點(diǎn),原理為:b個(gè)自變量(X1,X2,…,Xb)、單個(gè)因變量M,n樣本數(shù);由此構(gòu)成自變量和因變量的矩陣F=[x1,x2,..,xa]n×a和M=[m]n×1。分別在X與Y中提取一對(duì)成分t1和u1。并分別實(shí)施對(duì)成分t的回歸,直到回歸方程精度達(dá)到滿意為止。否則X和Y對(duì)t1回歸后的殘余信息再進(jìn)行下一輪成分提取,直至滿足預(yù)期的精度[15]。

表1 變量參數(shù)說明Tab.1 Description of variable parameters

表2 自變量的相關(guān)性篩選結(jié)果Tab.2 Correlation screening results of independent variables

BP(BP neural network regression model)神經(jīng)網(wǎng)絡(luò)模型是目前應(yīng)用較廣的神經(jīng)網(wǎng)絡(luò)模型之一。其包括:輸入層(I),隱含層(H)和輸出層(O)其原理為:BP神經(jīng)網(wǎng)絡(luò)在傳播過程中,誤差向前,而信號(hào)從輸入層到隱含層逐層處理,最后到達(dá)輸出層,而且下一層的神經(jīng)元只能被當(dāng)前的神經(jīng)元影響;如果輸出層的值和期望輸出不一樣,則生成一個(gè)誤差值,將這個(gè)誤差值反向傳播,BP神經(jīng)網(wǎng)絡(luò)會(huì)根據(jù)該誤差值調(diào)整網(wǎng)絡(luò)的閾值和權(quán)值,如此循環(huán),BP神經(jīng)網(wǎng)絡(luò)就能逐漸接近期望輸出[16]。

估測(cè)模型的擬合和預(yù)測(cè)效果通過決定系數(shù)(R2)、均方根誤差(R M S E)、相對(duì)均方根誤差(rRMSE)作為評(píng)價(jià)指標(biāo)。

式中,Li為有效葉面積指數(shù);為有效葉面積指數(shù)平均值;為模型估測(cè)值;n為樣本數(shù)量。

3 結(jié)果分析

3.1 樣地實(shí)測(cè)葉面積指數(shù)與LiDAR反演的有效葉面積指數(shù)精度驗(yàn)證

為驗(yàn)證機(jī)載激光雷達(dá)數(shù)據(jù)的可行性,本文將樣地測(cè)量的橡膠林葉面積指數(shù)與機(jī)載LiDAR數(shù)據(jù)反演得到的橡膠樹有效葉面積指數(shù)進(jìn)行對(duì)比分析(圖3),并使用SPSS 19.0統(tǒng)計(jì)分析軟件對(duì)兩組數(shù)據(jù)進(jìn)行差異性檢驗(yàn)和相關(guān)性分析(表4)。

圖3 LiDAR與樣地實(shí)測(cè)值對(duì)比Fig.3 Comparison between LiDAR and measured values of sample plots

表4 差異性檢驗(yàn)Tab.4 Difference test

從樣地實(shí)測(cè)葉面積指數(shù)與Li DAR數(shù)據(jù)反演有效葉面積指數(shù)分布來看兩者總體的差異并不明顯,由于LiDAR數(shù)據(jù)反演葉面積指數(shù)未考慮葉片的聚集效應(yīng)所以得到的是有效葉面積指數(shù),因此LiDAR數(shù)據(jù)反演的有效葉面積指數(shù)總體要小于樣地實(shí)測(cè)葉面積指數(shù),但是少部分樣點(diǎn)的差別仍然明顯,從兩者的計(jì)算原理分析得出:其一,樣地?cái)?shù)據(jù)的處理過程中,樣地尺度的橡膠林葉面積指數(shù)是通過樣本葉面積與葉生物量之間的關(guān)系轉(zhuǎn)換的到,此過程中存在一定不確定因素,首先,橡膠葉生物量估算模型的適用性和模型精度有待考證;其次,葉面積樣本人工調(diào)查過程中存在一定的測(cè)量誤差。其二,激光雷達(dá)數(shù)據(jù)獲取過程中,在復(fù)雜地形和植被環(huán)境條件下數(shù)據(jù)質(zhì)量存在不可避免的誤差;其次,激光點(diǎn)云數(shù)據(jù)量大,處理過程中目視判別對(duì)點(diǎn)云進(jìn)行編輯的時(shí)也存在一定誤差,這也是影響估測(cè)結(jié)果的原因之一。

從差異性檢驗(yàn)結(jié)果來看,實(shí)測(cè)葉面積指數(shù)與LiDAR數(shù)據(jù)反演有效葉面積指數(shù)的雙側(cè)顯著性(Si g)=0.21>0.05,結(jié)果表明兩者之間的差異性不顯著,且極顯著相關(guān)(Sig)=0.00<0.01,相關(guān)系數(shù)R為0.82。差異性檢驗(yàn)和相關(guān)性充分證明了基于機(jī)載激光雷達(dá)反演得到橡膠樹有效葉面積指數(shù)的準(zhǔn)確性和可靠性,表明機(jī)載LiDAR能夠獲得高精度的橡膠林有效葉面積指數(shù),結(jié)合了光學(xué)遙感數(shù)據(jù)和激光雷達(dá)數(shù)據(jù)對(duì)景洪橡膠林葉面積指數(shù)的升尺度估測(cè)具有可行性。

3.2 基于Landsat8 OLI數(shù)據(jù)的有效葉面積指數(shù)遙感估測(cè)模型建立

在MATLAB2017B軟件下以L AI為因變量,以篩選后的14個(gè)遙感變量為自變量,分別采用偏最下二乘回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)LA I進(jìn)行遙感估測(cè),建模樣本1 002個(gè),500作為檢驗(yàn)。其中,BP神經(jīng)網(wǎng)絡(luò)回歸模型的構(gòu)建使用軟件提供的newff函數(shù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建,網(wǎng)絡(luò)隱含層神經(jīng)元傳遞函數(shù)采用S型正切函數(shù)tansig,訓(xùn)練函數(shù)使用Levenberg-Marquardt函數(shù),在網(wǎng)絡(luò)構(gòu)建過程中,隱含層的神經(jīng)元的數(shù)量對(duì)于預(yù)測(cè)精度有著較大的影響,若神經(jīng)元數(shù)量較多,則訓(xùn)練時(shí)間較長(zhǎng),同時(shí)容易造成過擬合現(xiàn)象,若神經(jīng)元數(shù)量較少,則網(wǎng)絡(luò)預(yù)測(cè)效果較差,因此根據(jù)Kolmogorv定里進(jìn)行隱含層神經(jīng)元設(shè)置。模型擬合結(jié)果和預(yù)測(cè)結(jié)果見表5。

表5 模型擬合結(jié)果Tab.5 Model fitting results

從兩種模型的LAI的估測(cè)結(jié)果來看,偏最小二乘回歸模型的擬合結(jié)果精度較低,模型的決定系數(shù)(R2)為0.38、均方根誤差(R M S E)為1.41、相對(duì)均方根誤差(rR M S E)為54.92%,BP神經(jīng)網(wǎng)絡(luò)模型的擬合精度明顯優(yōu)于偏最小二乘回歸模型,模型的決定系數(shù)(R2)為0.54、均方根誤差(R M S E)為1.23、相對(duì)均方根誤差(r RMSE)為47.68%,預(yù)測(cè)結(jié)果的決定系數(shù)和均方根誤差均明顯高于偏最小二乘回歸模型預(yù)測(cè)結(jié)果。結(jié)果表明,估測(cè)模型的選擇對(duì)于提高有效葉面積指數(shù)的估測(cè)精度有顯著的影響,就本研究而言非線性模型和線性模型由于模型的泛化能力不同,其估測(cè)結(jié)果也存在著一定差別。

從預(yù)測(cè)結(jié)果的散點(diǎn)圖來看(圖4、圖5),PLSR模型和BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)均存在高值低估和低值高估現(xiàn)象,當(dāng)有效葉面積指數(shù)較小時(shí)高值低估和低值高估現(xiàn)象不太明顯,通過分析得出:對(duì)于遙感影像植被定量反演中而言,當(dāng)林分中有灌木或草本的滲入會(huì)產(chǎn)生混合像元,而激光雷達(dá)反演有效葉面積指數(shù)時(shí)根據(jù)所設(shè)置的高度閾值可以去除灌木和草本的滲入帶來的影響,其次,樣點(diǎn)并不完全位于像元中心,通過重采樣的方式來提取樣點(diǎn)所對(duì)應(yīng)的像元值,因此也會(huì)帶來一定的估測(cè)誤差;隨著有效葉面積指數(shù)的增大,高值低估現(xiàn)象越為明顯,相比較而言BP神經(jīng)網(wǎng)絡(luò)回歸模型的預(yù)測(cè)值相較于偏最小二乘回歸模型的預(yù)測(cè)值更為收斂,泛化能力較好,但是隨著有效葉面積指數(shù)的增大,尤其當(dāng)有效葉面積指數(shù)大于6以后高值低估現(xiàn)象越為明顯,進(jìn)而呈現(xiàn)出飽和趨勢(shì),歸因于隨著有效葉面積指數(shù)的增大,各自變量隨因變量變化的靈敏度逐漸降低,進(jìn)而達(dá)到飽和,此時(shí)光學(xué)影像信息不能真實(shí)的反應(yīng)地面植被情況,從而導(dǎo)致有效葉面積指數(shù)的高值低估;同時(shí)從遙感數(shù)據(jù)源的角度來看,激光雷達(dá)數(shù)據(jù)和光學(xué)遙感數(shù)據(jù)的獲取過程中,傳感器的飛行姿態(tài)、大氣以及復(fù)雜地形和植被環(huán)境條件下數(shù)據(jù)質(zhì)量存在不可避免的誤差,其次激光點(diǎn)云數(shù)據(jù)量大,處理過程中目視判別對(duì)點(diǎn)云進(jìn)行編輯的時(shí)也存在一定誤差,這也是影響估測(cè)結(jié)果的原因之一。

圖4 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果Fig.4 Estimation results of BP neural network model

圖5 PLS回歸模型預(yù)測(cè)結(jié)果Fig.5 Estimation results of PLSR regression model

4 結(jié)論與討論

本研究以云南省景洪市為研究區(qū),以機(jī)載Li DAR數(shù)據(jù)和Landsat 8 OLI數(shù)據(jù)為主要信息源,以LiDAR激光點(diǎn)云基于比爾朗博定理反演得到點(diǎn)云條帶區(qū)的橡膠林有效葉面積指數(shù),使用樣地實(shí)測(cè)值對(duì)用Li-DAR激光點(diǎn)云反演得到的有效葉面積指數(shù)進(jìn)行差異性檢驗(yàn),并以有效葉面積指數(shù)作為訓(xùn)練樣本創(chuàng)建樣本點(diǎn),提取樣點(diǎn)所對(duì)應(yīng)的LAI和Landsat 8 OLI遙感變量,分別使用偏最小二乘回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)有效葉面積指數(shù)進(jìn)行估測(cè)得到以下結(jié)論:1)通過對(duì)比Li DAR反演的有效葉面積指數(shù)和樣地實(shí)測(cè)葉面積指數(shù)發(fā)現(xiàn),Li DAR點(diǎn)云反演的有效葉面積指數(shù)與樣地實(shí)測(cè)的葉面積指數(shù)有著良好的相關(guān)性(相關(guān)系數(shù)R為0.82)且差異并不顯著(s ig=0.21>0.05),說明激光雷達(dá)可以獲得高精度的有效葉面積指數(shù),在一定程度上能夠有效彌補(bǔ)傳統(tǒng)野外調(diào)查費(fèi)時(shí)、費(fèi)力的不足。2)以有效葉面為訓(xùn)練樣本,提取樣點(diǎn)所對(duì)應(yīng)的LA I和Landsat 8 OLI遙感變量進(jìn)行有效葉面積指數(shù)升尺度遙感估測(cè)模型,通過預(yù)測(cè)結(jié)果對(duì)比得出BP神經(jīng)網(wǎng)絡(luò)回歸模型的估測(cè)結(jié)果優(yōu)于偏最小二乘回歸模型,其決定系數(shù)R2為0.54,均方根誤差RMSE為1.23,相對(duì)均方根誤差rR M SE為47.68%

激光雷達(dá)數(shù)據(jù)具有主動(dòng)性全、天候的、三維高精度的特點(diǎn),光學(xué)遙感數(shù)據(jù)則具備大尺度、多時(shí)相的優(yōu)點(diǎn),因此多源數(shù)據(jù)的結(jié)合成為了森林參數(shù)反演的重要途徑。本文結(jié)合了光學(xué)遙感數(shù)據(jù)和激光雷達(dá)數(shù)據(jù)對(duì)景洪橡膠林葉面積指數(shù)的升尺度估測(cè),此方法雖然具有一定的便捷性和可行性,但就本研究而言也存在一定的問題。首先,野外樣地?cái)?shù)據(jù)的處理過程中,橡膠單株葉生物量是采用單株葉生物量模型進(jìn)行計(jì)算,進(jìn)而推算出樣地的葉面積指數(shù),此過程中存在一定不確定因素,其一橡膠葉生物量估算模型距今有一定的時(shí)間差距,其適用性和模型精度有待驗(yàn)證,由于數(shù)據(jù)的局限性,無法對(duì)其進(jìn)行對(duì)比,其二葉面積樣本人工調(diào)查過程中存在的測(cè)量誤差會(huì)對(duì)驗(yàn)證結(jié)果帶來一定的影響。其次,數(shù)據(jù)源的誤差也是重要的誤差來源,激光雷達(dá)數(shù)據(jù)獲取時(shí)會(huì)受到飛行姿態(tài)等環(huán)境因素的影響,在橡膠林郁閉度較低時(shí),灌草的反射率信息會(huì)滲入像元導(dǎo)致反射率增加或者減小,同時(shí)光學(xué)遙感估測(cè)過程中光學(xué)遙感數(shù)據(jù)存在一定的飽合問題,這是遙感定量反演中的世界性難題,這在本研究中也有所體現(xiàn)。在今后的研究中,為了提高反演的精度,應(yīng)嚴(yán)格規(guī)范操作規(guī)程盡量減少數(shù)據(jù)獲取過程帶來的測(cè)量誤差,對(duì)整個(gè)數(shù)據(jù)獲取流程進(jìn)行嚴(yán)格要求,采用其他的遙感估測(cè)模型進(jìn)行對(duì)比擇優(yōu)。

猜你喜歡
橡膠林激光雷達(dá)葉面積
手持激光雷達(dá)應(yīng)用解決方案
橡膠林氮肥穴施下的氨揮發(fā)和氮淋洗損失
海南橡膠林生態(tài)系統(tǒng)凈碳交換物候特征
橡膠林
法雷奧第二代SCALA?激光雷達(dá)
作物葉面積測(cè)量的研究進(jìn)展
馬奶子葡萄葉面積評(píng)估模型的建立
基于激光雷達(dá)通信的地面特征識(shí)別技術(shù)
基于激光雷達(dá)的多旋翼無人機(jī)室內(nèi)定位與避障研究
苧麻葉面積測(cè)定方法比較研究
电白县| 喀喇| 济宁市| 永济市| 密云县| 金塔县| 陕西省| 郯城县| 兰溪市| 乐都县| 芦溪县| 托克逊县| 阳东县| 霍邱县| 比如县| 无为县| 涟源市| 容城县| 长子县| 广昌县| 德庆县| 砚山县| 宁陕县| 大兴区| 方山县| 安庆市| 桦甸市| 辽宁省| 时尚| 渝北区| 揭阳市| 大田县| 搜索| 宜都市| 宕昌县| 洛阳市| 连南| 克什克腾旗| 安顺市| 手游| 青河县|