利用机载LiDAR和高光谱数据并结合37个地面调查样本数据，基于结构差异与光谱变异理论，通过相关分析法分别筛选了3个最优林冠结构参数和6个最优光谱指数，在单木尺度上利用自适应C均值模糊聚类算法，在神农架国家自然保护区开展森林乔木物种多样性监测，实现了森林乔木物种多样性的区域成图。研究结果表明，(1)基于结合形态学冠层控制的分水岭算法可以获得较高精度的单木分割结果(R²=0.88，RMSE=13.17，P<0.001)；(2)基于LiDAR数据提取的9个结构参数中，95%百分位高度、冠层盖度和植被穿透率为最优结构参数，与Shannon-Wiener指数的相关性达到R²=0.39—0.42(P<0.01)；(3)基于机载高光谱数据筛选的16个常用的植被指数中，CRI、OSAVI、Narrow band NDVI、SR、Vogelmann index1、PRI与Shannon-Wiener指数的相关性最高(R²=0.37—0.45，P<0.01)；(4)在研究区，利用以30 m×30 m为窗口的自适应模糊C均值聚类算法可预测的最大森林乔木物种数为20，物种丰富度的预测精度为R²=0.69，RMSE=3.11，Shannon-Wiener指数的预测精度为R²=0.70，RMSE=0.32。该研究在亚热带森林开展乔木物种多样性监测，是在区域尺度上进行物种多样性成图的重要实践，可有效补充森林生物多样性本底数据的调查手段，有助于实现生物多样性的长期动态监测及科学分析森林物种多样性的现状和变化趋势。

PDF全文下载地址:

http://www.ygxb.ac.cn/rc-pub/front/front-article/download?id=7406473