论文摘要
森林是陆地生态系统的重要组成部分,而森林结构参数(如：平均树高、叶面积指数、郁闭度、生物量)在全球气候、水分及碳循环研究中起着关键作用。小光斑激光雷达因其光斑直径较小,在反演森林垂直结构及水平结构参数方面具有其他遥感技术无法比拟的优越性。本研究以吉林省长春市净月潭国家森林公园为研究区,以小光斑LiDAR(Light Detection And Ranging)离散点云数据为基础数据,对点云数据进行去噪、能量校正、随机稀释、分类、分层、波形拟合等操作,从中提取一系列的参数,通过一元及多元回归分析分别估计了森林样方平均树高、叶面积指数、郁闭度,通过偏最小二乘回归及支持向量回归分别估计了森林样方生物量。主要研究内容及研究结果如下：(1)对样方平均树高而言,在本研究点云密度范围内无论点云密度的高低4种参数模型都能够较好地估测森林样方平均树高；波形能量参数模型在4种不同点云密度情况下的结果都较其他模型结果要好,且冠层半能量高模型结果比半能量高模型结果要好；4种参数模型分别在不同点云密度时获得最佳的估测结果,且多数模型在点云密度相对较低时结果较佳；绝大多数情况下落叶松的估测精度比樟子松的估测精度要高。(2)对森林样方叶面积指数而言,在1.0倍点云密度情况下单变量预测模型中变量OGF模型最好(Adj R2=0.790,P=0.959)；多变量模型结果均比单变量模型要好,如OGF’和OLGF’组合模型(Adj R2=0.812,P=0.965)；不同点云密度对模型的影响各不相同,OGF模型结果与点云密度成正相关；OGF和LPI多变量模型结果与点云密度无严格相关性,且点云密度对模型结果的影响差异不大；不同点云密度下的模型均能较好的估测森林叶面积指数,满足生产需求。(3)对森林郁闭度而言,单变量反演模型中变量I2最好,拟合相关性为：AdjR2=0.810, RMSE=0.016,模型精度为：P=0.978；多变量预测模型中LPI;和I3’组合的反演模型最好,拟合相关性为：Adj R2=0.889, RMSE=0.012,模型精度为：P=0.972。结果表明能量结构参数相对数量结构参数而言能够较好的估测森林郁闭度,且在一定范围内适当增加自变量个数能够显著提高反演模型精度。(4)对森林样方生物量而言,用PLSR估测森林样方生物量时,当主成分个数为7时,模型的建模精度及预测精度均较好,Pseudo-R2分别为0.922和0.852；用SVR估测森林样方生物量时,采用v-SVR中的线性核函数且参数设定为C=75.5, Nu=0.01,支持向量为10时结果最好,建模精度和预测精度Pseudo-R2分别为0.847和0.830;对比PLSR和SVR生物量模型结果可知,PLSR生物量模型更适合估测本研究区森林样方生物量。