基于机载LVIS和星载GLAS波形LiDAR数据反演森林LAI

发布时间：2021-12-09 20:57

　　波形激光雷达（Light Detection And Ranging,LiDAR）已经大量用于森林叶面积指数（Leaf Area Index,LAI）估算,但是波形LiDAR数据估算森林LAI易受地形影响。地形坡度引起的波形展宽使得地面回波和植被冠层回波信息混合在一起,难以得到准确的地面回波和冠层回波,进而影响到LAI估算精度。为了估算不同地形坡度条件下的LAI,本文采用一种坡度自适应的方法处理机载LVIS和星载GLAS波形数据。通过坡度自适应的方法得到地面波峰位置,基于高度阈值来区分地面回波和冠层回波,进而得到能量比值用于LAI估算。基于LVIS和GLAS数据,估算了不同森林站点的LAI,并利用实测LAI数据进行检验。结果表明:利用波形LiDAR数据可以估算森林LAI,坡度自适应方法可以改善地形的影响,提高LAI估算精度。对于机载LVIS,估算新英格兰森林LAI精度为R²=0.77和RMSE=0.21;对于星载GLAS,估算塞罕坝森林LAI精度为R²=0.81和RMSE=0.28。无论机载还是星载数据,该方法都有着较高的精度,对于复杂地形估... 

【文章来源】：遥感技术与应用. 2020,35(05)北大核心CSCD

【文章页数】：11 页

【部分图文】：

新英格兰地区的地面回波和冠层回波分离示意图

图4 新英格兰地区的地面回波和冠层回波分离示意图图6 新英格兰所有站点的实测DHP LAI与LVIS LAI的回归关系（R2=0.77和RMSE=0.21)

图5 新英格兰地区不同的森林站点LVIS LAI与实测DHP LAI的回归模型分离GLAS地面回波和冠层回波后，得到能量比值，采用公式（5）估算塞罕坝的LAI。如图8所示，建立了17个脚点下的实测LAI与GLAS LAI数据的相关性分析。GLAS LAI与实测得到的LAI显示出良好的相关性（图8(a)),R2=0.81和RMSE=0.28。但是，数据散点严重偏离了1∶1线，基于GLAS估算的LAI小于实测的LAI值，有着明显的低估效应。考虑实测数据与卫星观测时间的不匹配，从MCD15A2H得到2005～2018年的LAIdiff为0.74，根据公式（6）得到LAIadj。如图8(b）所示，考虑时间差异可以有效地提高LAI估算的精度，改善低估效应。


本文编号：3531297