[发明专利]一种综合三类数据源联合反演森林地上生物量的方法

说明书

本发明公开一种综合高分辨率CCD数据、高光谱影像数据和激光雷达点云数据联合反演森林地上生物量的方法，具体地说，是指一种首先对机载高分辨率CCD影像进行几何校正、拼接预处理，对高光谱影像进行几何校正、大气校正预处理，对激光雷达点云数据进行滤波，插值生成数字地形模型，点云数据归一化处理；然后分别基于预处理后的三个数据源提取纹理特征、光谱特征和点云结构特征；最后，结合地面实测数据和提取的特征变量分别构建模型以预测森林地上生物量的方法。本发明对亚热带天然次生林的森林地上生物量进行提取，与使用其他相近遥感方法进行地上生物量估算结果相比，其相对均方根误差降低了10％以上。

技术领域

本发明涉及森林资源监测和环境因子调查等领域，具体说是一种综合三类数据源联合反演森林地上生物量的方法。

背景技术

精确的森林地上生物量提取，对于森林资源监测和环境因子调查具有重要意义。同时，这些信息也可以用于掌握森林植物与环境的关系，森林生长发育和更新、演替的规律，对于森林的可持续经营管理、生态系统碳循环研究及全球气候变化理解具有重要意义。常规的森林地上生物量提取主要依赖于野外实测或以实测法为基础的统计分析方法，其精度往往不高，且难于在“面”上实用化推广。

近年来，基于高分辨率CCD、高光谱和激光雷达数据森林地上生物量提取的研究为：Kattenborn等2015年在《International Journal of Applied Earth Observationand Geoinformation》第35卷上发表的“Mapping forest biomass from space–Fusion ofhyperspectral EO1-hyperion data and Tandem-X and WorldView-2canopy heightmodels”，该研究借助星载平台获取的高分辨率和高光谱数据，通过提取高度特征和光谱特征，并在评估这些变量重要性的基础上结合地面实测数据提取了温带森林的地上生物量。Latifi等2012年在《Remote Sensing of Environment》第121卷上发表的“Foreststructure modeling with combined airborne hyperspectral and LiDAR data”，该研究采用航空飞机获取的高光谱和激光雷达数据，结合光谱特征、高度、激光强度特征以及遗传算法估测了森林地上生物量。然而，以上方法都是基于两类数据源，并没有融合同时相获取的高分辨率CCD、高光谱和激光雷达数据以提高森林地上生物量估算的精度。同时，更未见全面深入计算森林冠层高精度空间细节特征、光谱特征、激光雷达特征提取的方法。

发明内容

发明目的：针对上述现有技术存在的不足，提供一种综合三类数据源联合反演森林地上生物量的方法，可有效的提高森林地上生物量估算的精度。

技术方案：为了实现上述发明目的，本发明采用的技术方案如下：一种综合三类数据源联合反演森林地上生物量的方法，包括以下步骤：

1)借助航空飞机分别采集高分辨率CCD影像数据，高光谱影像数据以及激光雷达点云数据；在地面设置样地，并在样地中记录树种并计数，同时测量每木的胸径及树高；地上生物量通过异速生长方程结合每木胸径和树高进行计算；

2)对高分辨率CCD影像数据和高光谱影像数据分别结合地面实测数据进行校正；同时对激光雷达点云数据做归一化处理；

3)根据步骤2)中的预处理结果对三类数据分别提取特征变量；对高分辨率CCD影像数据提取纹理特征变量；对高光谱影像数据提取光谱特征变量；对激光雷达点云数据提取点云结构特征变量；

4)根据步骤3)中提取的特征变量首先筛选特征变量之间相关性低于0.6的特征变量，然后进一步筛选特征变量与森林地上生物量相关性高于0.6的特征变量；

5)将地面实测森林地上生物量作为因变量，将各特征变量作为自变量，建立随机森林模型，该随机森林模型内设置多组决策树，整体随机森林模型由多组决策树构成；