《基于机载lidar全波形数据白桦林林分lai反演研究-邢艳秋.pdf》由会员分享，可在线阅读，更多相关《基于机载lidar全波形数据白桦林林分lai反演研究-邢艳秋.pdf（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、西北林学院学报2018，33(1)：11 18Journal of Northwest Forestry Universitydoi：103969jissn1001746120180102基于机载LiDAR全波形数据白桦林林分LAJ反演研究邢艳秋1，姚松涛，尤号田1，田 昕2，彭 涛3，李梦颖1，谢 杰1，闫 灿1(1东北林业大学森林作业与环境研究中心，黑龙江哈尔滨150040；2中国林业科学研究院资源信息研究所，北京1000913东北林业大学信息与计算机工程学院，黑龙江哈尔滨1 50040)摘 要：为提高森林叶面积指数(LAD的估测精度，本研究以白桦林为研究对象，以机载激光雷达(LiDAR)
2、全波形数据为研究数据，首先提出了机载LiDAR全波形数据读取与波形特征信息提取的相关算法，结合具体算法的实现分析出每条全波形对应的各波形分量的能量信息，然后依据波形能量信息在传统激光穿透指数(LPI)计算的基础上结合全波形数据的特点，计算出全波形激光穿透指数(LPIf。)，最后获得样地体元激光穿透指数(LPI一。)，用于估测森林林分LA，并将估测结果与机裁LiDAR离散回波点云数据估测森林LAI的结果进行了对比。结果表明，全波形样地体元激光穿透指数LPI。与森林林分LAJ之间的建模精度R 20815，RMSE一0105，预测精度R20864，RMSE一0。139，同时在同等样地尺度下，全波形数
3、据返回脉冲能量信息估测森林LAJ的精度要高于离散回波点云数据的，因而，基于机载LiDAR全波形数据能够实现森林林分LAJ的高精度反演。可以为进一步森林生态参数模拟与估测提供高精度的基础数据，弥补和提供了机载LiDAR全波形数据估测森林LAI的方法和思路。关键词：机载激光雷达；全波形数据；样地体元激光穿透指数；白桦林；叶面积指数中图分类号：$792153 文献标志码：A 文章编号：10017461(2018)01001卜08A Inversion on Birch Forest LAI Based on Airborne LiDAR Full Waveform DataXING Yanqiul，
4、YAO Song-taoH，YOU Hao-tianl，TIAN Xin2，PENG Ta03，LI Meng-yin91，XIE Jiel，YAN Canl(1Center，0r Forest Operation and Environment，Northeast Forestry University，Harbin，HeitongJiang 150040，China；2Research Institute of Forest Resource Information Techniques，Beijing 100091，China；3College of Information and Co
5、mputer Engineering，Northeast Forestry University，Harbin，HeilongJiang 150040，China)Abstract：In order to improve the estimation accuracy of forest leaf area index(LAD，this paper took birchforest as the research obj ect and the fullwaveform data of airborne 1ight detection and ranging(LiDAR)asthe resea
6、rch dataFirstly，the algorithm of airborne LiDAR fullwaveform data reading and waveform feature information extraction were proposed to analyze the energy information of each waveform componentcorresponding to each fullwaveform，and then based on the waveform energy information in the traditionallaser
7、 penetrating index(LPI)calculation，the whole waveform data(LPI。)were obtained，which wereused to estimate the LAJ of forest stands and to estimate the results with the airborne LiDAR discretization(LPI“)The echo point cloud data were used to estimate the results of forest LAIThe results showedthat th
8、e modeling accuracy R2=0815，the RMSE一0105，the prediction accuracy was R20864，RMSE=01 39，and the same accuracy was obtained at the same size as the plot voxel laser penetration indexLPIm。a。and the forest stand LAIThe fullwaveform data return pulse energy information to estimate the收稿日期：2017 0322修回日期：
9、2017 0503基金项目：国家重点基础研究发展计划项目(2013CB733404)；林业公益性行业科研专项(201 504319)。作者简介：邢艳秋，女，教授，博导，研究方向：森工管理与林业信息工程。Email：yanqiuxingnefueducn*通信作者：姚松涛，男，硕士研究生，研究方向：机载激光雷达。E-mail：yaosongta00374163corn万方数据12 西北林学院学报forest LA，accuracy was higher than the discrete echo point cloud dataTherefore，based on the airborneLi
10、DARfullwaveform data could realize the high precision inversion of the forest stand LA I，which couldprovide high precision basic data for the further simulation and estimation of forest ecological parameters，to make up and provide the airborne LiDAR fullwaveform data to estimate the forest LAJ metho
11、dsKey words：airborne LiDAR；fullwaveform data；plot voxel laser penetration index；birch forest；leaf areaindex作为植被冠层的重要结构参数，叶面积指数(Leaf area index，LAD定义为单位水平地面面积上绿色植物叶表面积总和的一半口2，常用于表征植物冠层叶片的疏密程度，不仅是植被生长状况的重要指标，也是植被生长模型的重要输入参数r3。激光雷达(Light Detection And Ranging，LiDAR)作为一种主动式遥感技术，通过发射激光脉冲和接收返回脉冲的方式，来获取高精度
12、的森林空间结构和林下地形信息，现已广泛应用于森林经营管理与生态系统研究等领域4。5。按回波模式，LiDAR系统通常可分为离散回波和全波形2种，其中，离散回波LiDAR通过记录冠层的单个或多个离散回波信号以获得不同密度的点云数据；全波形LiDAR则通过记录返回脉冲的全部能量来得到亚米级森林垂直剖面5。近年来，有学者基于离散回波LiDAR点云数据对森林冠层LAr反演进行了大量的研究，其中多是通过计算森林冠层内部的激光穿透指数(Laserpenetration index，LPj)，以此实现森林LAj的准确估测。如：TSasaki63等通过使用机载LiDAR数据，评估了2种不同类型的阔叶林叶面积指数
13、(LAI)。结果表明，使用简单的地面点数与所有点数的比值激光穿透变量，即使在冠层严重闭合的情况下，仍是估计阔叶林LAJ最实用。骆社周73等利用LiDAR离散回波强度数据借助LPI实现了甘肃大野口地区的森林LA工估测，并与TM遥感影像反演结果进行对比，结果表明LiDAR数据森林LAJ反演精度明显高于光学遥感影像。但利用离散回波强度计算LPI时，未考虑激光脉冲在穿透森林冠层时的能量损耗，会使不同离散回波类型之间强度数据的可比性较小，进而影响反演模型精度。邢艳秋81等通过离散回波强度数据的同束划分，避免了不同离散回波类型之间强度数据可比性小的问题，并通过同束激光穿透指数估测了白桦林冠层LAj，结果表
14、明同束激光穿透指数估测LAj的效果明显好于未分柬激光穿透指数。因全波形LiDAR数据处理方法不成熟，限制了其广泛应用9，近年来，随着技术的不断发展，全波形LiDAR数据开始逐渐应用于LAJ估测并获得成功，但此类研究多见于农业植被LA，估测研究。周梦维1 0|、苏伟1妇等基于机载LiDAR全波形数据，通过引入Kuusk多层均匀冠层方向反射模型反演了农作物的叶面积体密度和叶面积指数，验证结果表明反演的作物叶面积体密度与实测数据基本一致，叶面积指数反演的相对误差为125。然而由于森林垂直及水平结构比分布较为规则且整齐的农作物复杂很多，使得机载LiDAR全波形数据反演森林冠层LA，变得更加复杂，因而有
15、关全波形LiDAR数据反演森林LAf的相关研究相对较少。为研究机载LiDAR全波形数据在森林LAJ估测研究中的应用潜能，本研究依据全波形机载LiDAR发射和返回脉冲的高斯性，尝试将机载LiDAR全波形数据引入到森林LAj反演研究中，希望通过机载LiDAR全波形数据波形特征信息完善森林LA工的反演过程，并建立其与森林LAj的模型，以提高模型的精度。通过完整波形数据的读取和后处理，在LPI理论计算方法的基础上，基于机载LiDAR全波形数据返回脉冲能量信息与每块样地的范围，计算出样地体元激光穿透指数，建立其与实测LAj的模型，并用地面实测LAJ数据对模型精度进行验证，同时与机载LiDAR离散回波点云
16、数据反演森林LAJ的结果进行对比，以期提高森林LAj的反演精度和模型的适用性，为后续同类研究提供参考。1 研究区概况与数据收集11研究区概况选择内蒙古自治区额尔古纳市东南部的依根农林交错区作为研究区域，其东与牙克石市为邻，东南与陈巴尔虎旗相连，西和西南与拉布大林农牧场接壤，北与三河马场交界，东北与根河市毗邻，地理位置坐标为120。36 7 5048”一120。525653”E，50。211108”一50。243200”N。该研究区分布在森林与湿型草原过渡地带，为内蒙古中湿型草原带，海拔高度600 700 m，属寒温带大陆性季风气候，具有较复杂的山岳地形地貌特征1引，是典型的农林交错区，天然植被
17、保护比较完整，山脉丘陵阴坡广泛分布着以白桦(Betula platyphylla)为主的天然次生林，万方数据第1期 邢艳秋等：基于机载LiDAR全波形数据白桦林林分LAI反演研究 13此研究区与白桦林具有一定的区域代表性，符合研究需求，混生树种包括落叶松(Larix gmelinii)、樟子松(Pinus sylvestris varmongolica)等，林下灌木层主要由石棒绣线菊(Spiraea media)、筐柳(Salixz：行Parisi声“znri5)等组成。12外业样地LAI实测数据获取为配合飞行数据，综合考虑研究区内的森林类型及生长状况，本研究于2012年8月至9月在研究区内随
18、机布设了80个边长为10 m的方形样地对天然次生白桦林进行了相应LAJ实测数据的采集工作：使用LAI 2000冠层分析仪对每个样地白桦林林分LAj进行测量，LAI 2000是公认的测量森林LAJ精度较高的仪器口2|，其光学探测器部分由5个呈同心圆排列的光子探测器组成，覆盖了以测量点为中心o74。夫顶角范围的视区，外业操作时应保证仪器处于地面以上130 m处，这个高度不但方便操作，而且能够有效避免下层灌草对测量结果的干扰，测量时记录每个样地4个角点处和样地中心点处的LAI值，其平均值作为该样地的白桦林林分LA，实测值，同时记录了样地内的白桦树棵数树龄、灌木层与地面层植被类型等，并使用Trimbl
19、eGeoXT6000 GPS手持定位仪对样地中心点进行定位，其定位精度达50 cm。外业样地LA工实测数据基本统计结果见表1。表1 外业样地LAI实测数据基本统计量Table 1 The basic statistics of fieldmeasured LAl data13机载LiDAR全波形数据研究区机载LiDAR全波形数据采集时问为2012年8月26日，天气状况良好，采用的飞机型号为运5，相对飞行高度1 300 m，搭载的激光雷达扫描系统为Leica ALS60，采用的大地坐标系统为WGS84、投影坐标系统为UTM。Leica ALS60系统最高扫描频率为200 KHz，最大视场角为75
20、 o13j。每个激光脉冲在地面上所形成的光斑直径大约为02O3 m1 4|，全波形数据是返回脉冲被接收望远镜接收后，由采样器对其进行数字化采样而成，记录了激光光斑内地物对应的完整波形数据1引。本研究采集的全波形数据使用的文件类型为LASl3，以二进制格式存储，记录了接收的完整波形数据，包括采样间隔和实时记录的返回脉冲距离、方位及波形特征信息等16。1 7。在进行数据应用时，需将原始数据的二进制格式转换为十进制数据格式181 9，在转换过程中用到的编程语言为IDL或MATLAB等。2 研究方法基于机载LiDAR全波形数据包含的详细波形信息，实现波形读取、预处理与波形特征信息提取等处理后，能够精确
21、地计算出打在冠层与地面的返回脉冲能量，在LPI理论计算基础上提出一个新的激光穿透指数，即全波形激光穿透指数：通过全波形冠层返回脉冲能量和地面返回脉冲能量，计算完整返回脉冲激光穿透指数。然后根据样地范围内的全波形个数得到其样地体元激光穿透指数，之后结合野外实测LAj数据，分析其与森林LAf的关系。以期实现机载LiDAR全波形数据准确方便地估测森林LAf。21全波形数据读取Leica ALS60系统采集的全波形数据经过坐标转换等处理后，以LASl3格式存储在文件中，LASl3增加了对全波形数据的支持，通过访问一个激光点数据，能够以映射字段访问到与该点关联的返回脉冲波形，读取到对应的波形信息。计算机
22、系统访问内存速度比访问硬盘速度快得多，在读取数据时如果更少访问硬盘而更多访问内存，那么读取速度将会快速提升。基于这种思路，本研究借助IDL编程语言使用内存映射文件方法2 0。2妇实现研究区ALS60 LASl3全波形数据的读取。22全波形数据预处理与波形特征信息提取全波形数据预处理是消除波形信息中存在的噪声信号，由于每条全波形对应着192 m的沿脉冲距离，实际工作环境中不考虑异常噪声点的情况下，可穿透地物的分布范围通常要小于这个长度。本研究采用波形振幅值排序取N分位点(本研究中取N一50)振幅值作为去噪阈值，剔除相应全波形数据中的噪声振幅值。全波形数据波形特征信息提取采用的是高斯波形分解方法。
23、全波形数据高斯分解的准确性和效率性与初始参数的选取有很大关系。波形分量初始位置的探测方法主要有简单阈值法、二阶导数零点法、局部极大值法、重心法等。本研究使用简单阈值法识别每个波形分量的起止波点振幅值和波峰振幅值，该方法能够准确地得到波形分量，在实际处理中表现出较好的适应性。然后通过LM算法对确定的波形分量迭代优化后，达到预处理后波形的最小二乘拟合(图1)。离散回波点是高斯分量中心位置对应的波峰LiDAR点，在全波形扫描器的情况下，波形分解还可提供脉冲宽度和脉冲强度作为属性，其中脉冲强万方数据14 西北林学院学报度是返回信号的积分，因此该强度值物理上是脉冲能量。相比之下，传统离散回波LiDAR系
24、统仅提供返回信号的三维坐标2 2|，并且在许多情况下也提供强度，然而一般情况下我们对该强度值是如何在这些系统中得到的知之甚少，通常它是返回脉冲的最大振幅值，其被错误地称为强度。 ；1】f波宽 地面峰值。 卅 k 八 波宇 夕一一一一一 7弋-夕 F|64 80 96 ll 2采样数图1 Leica ALs60全波形数据及波形参数Fig1 Leica ALS60 fullwaveform data and waveform parameters因此本研究通过波形数据的高斯分解，可以提取每个波形分量的振幅、宽度、位置等重要的波形特征信息，进而计算每个波形分量的能量信息。高斯波形分量能量信息计算方法
25、如下：E一ZAoe一z班4 d，一瓜Ao口 (1)式中，E表示返回脉冲能量值，A。表示高斯波形分量的波峰振幅值，盯表示高斯波形分量的宽度(高斯波形分量的标准差)。23样地体元激光穿透指数计算植被冠层间有空隙，全波形激光脉冲会在其中发生反射、吸收和散射等现象，返回脉冲波形是经过多次叠加后的复杂高斯波形，末次波形分量可以确定是地面返回脉冲，LPI与冠层空隙大小有着直接的关系。冠层空隙不能很好地通过波形数量反映出来，但返回脉冲能量值与物体表面积存在如公式(2)所示的关系：E一DA (2)式中，A表示返回光斑作用面积，p表示物体反射率。本研究的LPI原理公式(3)反映了激光脉冲的穿透能力，结合公式(2
26、)可以推出公式(4)。LPJ下二等F (3)91-f删一礴鼯一瓤EEg(4)式中，A。和A。分别表示地面返回脉冲和冠层返回脉冲的作用面积；pg和lD。分别表示激光脉冲地面反射率和冠层反射率；E。和E，分别表示完整激光脉冲的地面返回脉冲能量和冠层返回脉冲能量。由于激光脉冲地面反射率和冠层反射率没有确定值，故引入了二者的比值a，a=陬风，表示激光脉冲地面层与植被冠层反射率比值系数。全波形激光雷达系统对返回脉冲进行等间隔采样，记录着发射脉冲的整个返回脉冲，基于其冠层返回脉冲能量和地面返回脉冲能量，本研究可以得到该发射脉冲的完整返回脉冲激光穿透指数，称之为全波形激光穿透指数。然后根据样地范围，对同属一
27、块样地的完整全波形数据进行归纳和处理，就能得到该块样地内所有全波形激光穿透指数的均值，称之为样地体元激光穿透指数。由以上内容得知，本研究样地内的第条激光返回脉冲的全波形激光穿透指数LPI。如公式(5)： LPk一蕊Egl(5)式中，i=1，2N，N表示样地内全波形激光脉冲个数，E。和E矗分别表示样地内第条全波形激光脉冲中的冠层返回脉冲能量和地面返回脉冲能量。由于LPI“仅表示样地内第条激光返回脉冲的全波形激光穿透指数，因此在反演森林样地LAf之前，可以对样地范围内所有激光返回脉冲的全波形激光穿透指数LPI。求取平均值作为该样地体元激光穿透指数，如公式(6)所示。LPIF。一寺LPI (6)式中
28、，LPI。表示样地体元激光穿透指数，N表示样地内全波形激光脉冲个数，i一1，2N。根据以上LPIri和LPIm。的最终计算公式可知，在进行森林样地LAj反演模型构建之前，需要万方数据第1期 邢艳秋等：基于机载LiDAR全波形数据白桦林林分LAf反演研究 15确定公式内部的地面层与植被冠层反射率比值系数a。由于考虑到不同目标物在同一束脉冲内光斑大小近似相等而使全波形激光脉冲的返回脉冲能量减少作用面积产生的影响2 3。，可以认为反射率比值系数近似等于样地的地面层与植被冠层返回脉冲能量之比，即盘一E。E。，从而确定值。24 Lm模型构建与精度评价本研究采用统计模型对森林样地LA，进行分析和验证，从L
29、AI与LPI的定义上可知，LA工和LPI两者间具有线性关系，因此本研究拟建立如公式(7)所示的模型对LAf进行估测。LAIaLPJ+e (7)式中，口表示线性回归系数，LPI表示LPIt。或LPI。，e表示误差项。从野外采集的80个样地数据中随机选取60个用于模型构建，余下20个用于模型验证。建模精度用决定系数R2评价，其值越大，说明模型构建结果越好；模型预测精度用RMSE(Root mean squareerror，RMSE)进行评价，其值越小，说明模型预测效果越好。3 结果与分析31 全波形数据读取与后处理结果本研究实现了研究区机载LiDAR LeicaALS60 LASl3格式的原始返回
30、脉冲波形的处理。某条原始返回脉冲波形的读取结果见图2，不仅顺利读取了原始返回脉冲波形数据，还获取了与其相关的参数，如采样起始与结束时间、采样间隔、采样个数、坐标位置参数等。这些参数为后续的全波形数据后处理提供了基础，波形预处理和波形分量高斯拟合等后处理结果，与该原始返回脉冲波形的对比分别见图3、图4。图2Fig2 Tht、I$60系统的原始返回脉冲波形trn pulse waveform of Leica AI$60 sys6 32 48 64 80 96 l 12 128采样数图3波形数据预处理结果与原始返回脉冲波形的比较Fig3 Comparison between the proproc
31、ess of waveform data and the raw return pulse waveform全波形LiDAR系统主要在光斑大小、脉冲能 行高度和光束发散角)，它们在散射脉冲内提供高点量和脉冲重复频率(pulse repetition frequency， 密度和准确测高描述，以使全波形LiDAR系统的PRF)方面有所不同m，大多数商业应用系统是具 每个返回脉冲基本上都可以通过波形分解来检测有较高PRF的小光斑(直径0203 m，取决于飞 到。因此，可以分离沿脉冲方向上具有最小距离万方数据16 西北林学院学报ogtz的相邻目标，其中是激光脉冲在大气中的群速度，t是机载激光扫描(a
32、irborne laser scanner，ALS)系统脉冲持续时间，例如，Leica ALS60扫描器5 ns的脉冲持续时间可以分离075 m的最小距离，此外由于记录的全波形数据具有128次采样且趔】哑e鞲龄楚彀睡12096采样的时间间隔为1 ns，因此完整的全波形对应了约192 m的脉冲方向距离。当然，也容易求得样地内全波形数据原始返回脉冲波形分量的振幅、宽度、位置等重要波形特征信息，并可以按照公式(1)，计算相应返回脉冲的首末次高斯波形分量的能量信息。图4波形分量高斯拟合结果与原始返回脉冲波形的比较Fig4 Comparison between waveform component Ga
33、ussian fit and the raw return pulse waveform32样地反射率比值系数计算结果 LAJ值偏小。但总体来说，基于机载LiDAR全波通过计算全波形激光脉冲的地面返回脉冲能量 形数据波形特征信息求出的样地体元激光穿透指数和冠层返回脉冲能量，得到采集的80个外业样地的LPI-。反演森林LA_的结果比较理想。地面层与植被冠层反射率比值系数的基本统计结果，。(表2)。表2外业样地反射率比值系数基本统计Table 2 Basic statistics of field plot reflectanceratio coefficient data33模型构建结果与精度分
34、析经回归分析得知，通过机载LiDAR全波形数据波形特征信息求出的样地体元激光穿透指数LPIf-me。与实测LAJ有较好的相关性(R2=0815，RMSE=0105)，模型构建结果见图5，建模结果比较理想且实测LAI与全波形样地体元激光穿透指数LPI-。具有明显的负相关关系：LAI随着LPI。的增大而减小，即当叶面积指数越大时激光脉冲的穿透率反而越小，这与森林样地实际情况基本吻合。为了验证该模型的预测精度，用余下的20个野外地面实测LA工值对预测LAj值进行了评价。从模型的验证结果图6来看，实测值与预测值之间的决定系数R2=0864，均方根误差RMSE=0139，可以得知实测LAf值与预测LA，
35、值很接近，但也有些LA页测值比实测值偏大。出现这种情况可能是因为在野外测量LAf时使用的仪器受到操作者采集时间及操作方式等因素的影响，导致实测0 2 0 4 ()6 0 8 1 IlLPl,。图5 实测LAf与LPfF的回归关系Fig5 Regression of the field-measured LAI againstthePn。图6实测LAf与预测LAJ的回归关系Fig6 Regression of the fieldmeasured LAI againstthe predicted LA，万方数据第1期 邢艳秋等：基于机载LiDAR全波形数据白桦林林分LAI反演研究 17另外，将模型
36、构建结果与机载LiDAR离散回波点云数据反演的森林LAf模型结果进行了对比8。发现在同等样地尺度下，通过全波形激光返回脉冲能量信息反演森林LAI的精度(R20815，RMSE一0105)要高于离散回波点云数据的(R20720，RMSE一0140)。因此，比较而言，全波形样地体元激光穿透指数LPI。在实现高精度森林LAjr反演中更准确客观占有优势。4 结论与讨论本研究以白桦林为研究对象，通过对全波形数据进行读取和波形特征信息提取处理，在传统激光穿透指数(LPI)计算的基础上推演出全波形返回脉冲能量信息LPI计算模型，之后求得样地体元激光穿透指数(LPI。)用于估测森林林分LAj，并以地面实测LA
37、I数据对模型进行了验证。通过对结果进行分析，得出以下主要结论。实现了LASl3全波形文件的读取，且采用的波形处理方法，能够较为准确地提取出振幅、宽度、位置等重要波形特征信息，进而获得各波形分量的能量信息，比徐光彩241等的研究提取速度较快且避免了过分解现象，有效波形的提取是波形分析领域里的一个难点问题，这方面技术的改进，将使森林LAj的反演精度大大提高。所有样地反射率比值系数口基本相同，约为12，表明林下地面返回脉冲能量值稍大于森林冠层返回脉冲能量值。邢艳秋8等研究的结果较本研究的大，主要原因是他们使用了整个研究区内的地面单次离散回波强度值和冠层单次离散回波强度值来计算a，未避免样地外较多非林
38、地(如稀疏林甚至空地)范围内较强地面离散回波强度值，导致得到的a值较本研究的大。这是由于全波形数据记录了完整的亚米级森林几何结构和密集的物理能量垂直返回信息，以使机载LiDAR全波形数据在林分特征信息高精度提取上潜力更大。通过机载LiDAR全波形数据提取的样地体元激光穿透指数LPI。能够精确提高森林林分LAf估算。通过LPI。建立的机载LiDAR全波形数据与森林LAI的模型的预测精度R 20864，RMsE一0139，说明该新参数提高了森林冠层LAI的反演精度，同时在同等样地尺度下，全波形激光返回脉冲能量信息反演森林LAj的精度(R20815，RMSE=0105)要高于离散回波点云数据的(R2
39、0720，RMSE=0140)，此外，骆社周73等通过离散回波强度值对森林LAJ进行了估测，预测精度仅为R20825，RMSE一0165。这是因为在离散回波LiDAR系统中，一般通过阈值法存储记录返回脉冲波形上的多个波峰位置点，并将其振幅值拉伸到o255作为其强度值，数值越大表示强度值越大，然而发射脉冲波形能量并不稳定，严格来说离散回波点云强度值是不准确的。由此也反映出机载LiDAR全波形数据本身具有的优势，能够为高精度定量估算森林LAI提供优质的数据源和新的参数。本研究所提取的全波形机载LiDAR样地体元激光穿透指数，虽然可以避免离散回波点云数据归纳完整回波次数能力上的不足，以及由于点云密度
40、导致垂直结构细致程度刻画不一致的问题，提高了森林叶面积指数反演精度，但仍存在一定不足。如：全波形数据预处理与波形特征信息提取方法的选择和优化，不能更准确地获得森林冠层和地面的返回脉冲信息，进而影响了LPI。的计算精度；同时野外采集数据时在样地范围多尺度方面(5、15 m等)和样地林分密度多样性方面(密集林地、稀疏林地、空地等)欠缺了考虑。因此，未来研究应从上述两个方面对反演模型进行完善和评价，以提高统计模型的理论性和可推广性。参考文献：1WATSON D JComparative physiological studies on the growth offield crops：Ivariat
41、ion in net assimilation rate and leaf area betweenspecies and varieties，and within and between yearsJAnnals ofBotany，1947，11(1)：41762 YONGHEE S，SEGUCHI M，KORIYAMA M，et a1Estimation of LAI in the forested watershed using ASTER data basedon Prices model in summer and winterJEuropean Journal ofForest R
42、esearch，2010，129(6)：1237124531 HABOUDANE D，MILLER J R，PATTEY E，et a1Hyperspectral vegetation indices and novel algorithms for predictinggreen LAf of crop canopies：modeling and validation in the context of precision agricultureJRemote Sensing of Environment，2004，90(90)：337-3524郭庆华，刘瑾，陶胜利，等激光雷达在森林生态系统
43、监测模拟中的应用现状与展望J科学通报，2014(6)：459478GUO Q H，I，IU J，TAO S L，et a1Perspectives and prospectsof Li DAR in forest ecosystem monitoring and modelingJChina Scieuce Bulletin，2014，59：459478(in Chinese)53李增元，刘清旺，庞勇激光雷达森林参数反演研究进展J遥感学报，2016，20(5)：11381150LI Z Y，LIU Q W，PANG YReview on forest parameters inversion
44、using LiDARJJournal of Remote Sensing，2016，20(5)：1138-1150(in Chinese)6SASAKI T，IMANISHI J，IOKI K，et a1Estimation of leaf area index and gap fraction in two broadleaved forests by usingsmallfootprint airborne LiDARJLandscape and EcologicalEngineering，2016，12(1)：117-1277骆社周，王成，张贵宾，等机载激光雷达森林叶面积指数反演万方数
45、据18 西北林学院学报 33卷研究J1地球物理学报，2013，56(5)：14671475LU()S Z，WANG C，ZHANG G B，以a1Forest leaf area index(LA D inversion using airborne LiDAR dataJChinese JGoephys，2013，56(5)：14671475(in Chinese)8邢艳秋，霍达，尤号田，等基于机载LiDAR单束激光穿透指数的白桦林LAf估测J应用生态学报，2016，27(11)：34693478XING Y Q，HUO D，YoU H T。ea1Estimation of birch fo
46、rest LA J based on single laser penetration index of airborne LiDAR dataJChinese Journal of Applied Ecology，2016，27(11)：3469-3478(in Chinese)9焦义涛，邢艳秋，霍达，等机载全波形LiDAR数据处理及林业应用研究综述J世界林业研究，2015，28(3)：4246JIA0 Y T，XING Y Q，HU0 D，et a1A review on fullwaveform airborne LiDAR data processing and it applicat
47、ion to forestryJWorld Forestry Research，2015，28(3)：4246(inChinese)101周梦维，柳钦火，刘强，等机载激光雷达的作物叶面积指数定量反演口农业工程学报，2011，27(4)：207-213ZH()U M W，LIU Q H，I。IU Q，以a1Inversion of leaf areaindex based on smallfootprint waveform airborne LiDARJTransactions of the CSAE，2011，27(4)：207213(in Chinese)11苏伟，展郡鸽，张明政，等基于机
48、载LiDAR数据的农作物叶面积指数估算方法研究J农业机械学报，2016，47(3)：272277SU W，ZHAN J G，ZHANG M Z，ea1Estimation method ofcrop leaf area index based on airborne LiDAR dataJTransactions of the Chinese Society for Agricultural Machinery，2016，47(3)：272 277(in Chinese)12骆社周，王成，习晓环，等星载激光雷达GLAS与TM光学遥感联合反演森林叶面积指数J红外与毫米波学报，2015，34(2)：243-249LU0 S Z，WANG C，XI X H，“a1Forest leaf area index estimarion using combined ICESatGLAS and opticaI remotesensing imageJJournal of Infrared Millimeter Waves，20