利用间隙率模型反演LAI(Leaf Area Index),需要同时获取冠层间隙率和消光系数,后者与冠层叶倾角分布有关。基于点云数量构建激光雷达穿透指数LPI (LiDAR Penetration Index),用以代替冠层间隙率GF (Gap Fraction),并利用间隙率模型反演冠层LAI是利用LiDAR PCD(LiDAR Point Cloud Data)数据反演冠层LAI主要思路。冠层和背景的光谱差异是影响PCD数据中冠层和背景点云数量的重要因素,因此从LPI到GF的校正需要获取背景和冠层的后向散射系数比(
<?fx-imagestate width=\"11.59933376\" height=\"3.89466667\"?>
<?fx-imagestate width=\"11.59933376\" height=\"3.89466667\"?>
)。本文基于PCD数据中点云强度进行
<?fx-imagestate width=\"1.69333339\" height=\"2.87866688\"?>
<?fx-imagestate width=\"1.69333339\" height=\"2.87866688\"?>
值获取,用以实现LPI到GF的校正;在假设区域内叶倾角满足椭球形叶倾角分布的基础上,利用样地尺度下的多角度GF,采用有约束的非线性最优化方法获取椭球形叶倾角分布参数
χ,实现冠层消光系数的获取;最后利用间隙率模型实现基于PCD数据的LAI反演。本文探讨了基于PCD数据进行冠层LAI反演时,样地尺度
<?fx-imagestate width=\"7.62000036\" height=\"3.21733332\"?>
<?fx-imagestate width=\"7.62000036\" height=\"3.21733332\"?>
、样方尺度
<?fx-imagestate width=\"7.62000036\" height=\"3.21733332\"?>
<?fx-imagestate width=\"7.62000036\" height=\"3.21733332\"?>
以及进行背景和冠层分割的高度阈值
<?fx-imagestate width=\"2.79399991\" height=\"3.21733332\"?>
<?fx-imagestate width=\"2.79399991\" height=\"3.21733332\"?>
对模型的影响。结果显示,由于区域内地衣植被广泛覆盖,基于点云强度的
<?fx-imagestate width=\"1.69333339\" height=\"2.87866688\"?>
<?fx-imagestate width=\"1.69333339\" height=\"2.87866688\"?>
值接近1,符合区域特点;经过
<?fx-imagestate width=\"1.69333339\" height=\"2.87866688\"?>
<?fx-imagestate width=\"1.69333339\" height=\"2.87866688\"?>
值校正后的GF对冠层间隙率具有较好的反映能力(
<?fx-imagestate width=\"31.49600029\" height=\"2.87866688\"?>
<?fx-imagestate width=\"31.49600029\" height=\"2.87866688\"?>
);对于优势种明显的区域,基于样地尺度内多角度GF的
χ值反演受样地内冠间大间隙的影响,选择合适的样地尺度能够减小LAI反演过程中的系统性误差;结合地面参考数据,确定的最优
<?fx-imagestate width=\"7.62000036\" height=\"3.21733332\"?>
<?fx-imagestate width=\"7.62000036\" height=\"3.21733332\"?>
、
<?fx-imagestate width=\"7.62000036\" height=\"3.21733332\"?>
<?fx-imagestate width=\"7.62000036\" height=\"3.21733332\"?>
和
<?fx-imagestate width=\"2.79399991\" height=\"3.21733332\"?>
<?fx-imagestate width=\"2.79399991\" height=\"3.21733332\"?>
分别为950 m、10 m和2.6 m,在此基础上反演的LAI与地面测量数据具有高度的一致性(
<?fx-imagestate width=\"31.49600029\" height=\"2.87866688\"?>
<?fx-imagestate width=\"31.49600029\" height=\"2.87866688\"?>
);与
<?fx-imagestate width=\"7.62000036\" height=\"3.21733332\"?>
<?fx-imagestate width=\"7.62000036\" height=\"3.21733332\"?>
相比,基于间隙率模型的LAI反演对
<?fx-imagestate width=\"2.79399991\" height=\"3.21733332\"?>
<?fx-imagestate width=\"2.79399991\" height=\"3.21733332\"?>
的选择更为敏感。
PDF全文下载地址:
http://www.ygxb.ac.cn/rc-pub/front/front-article/download?id=4760215