无人机高光谱联合LiDAR估测林分与单木尺度叶绿素含量

摘要：

叶绿素是表征植被健康状况的重要指标,它的准确估计对森林碳汇评价研究至关重要.本研究通过无人机高光谱数据联合激光雷达点云估计针叶林、阔叶林和针阔混交林林分与单木水平的叶绿素含量,提升叶绿素无损估测精度,全面分析不同尺度叶绿素含量空间分布规律.在无人机高光谱数据与激光雷达点云融合的基础上,结合地面样地实测数据,通过相关性分析筛选与叶绿素含量相关的36个光谱特征变量,采用统计模型多元逐步回归、BP神经网络、萤火虫算法优化的BP神经网络、随机森林和混合数据驱动的机理模型PROSPECT模型构建多个叶绿素估算模型,选取最优模型估算森林叶绿素含量,分析其在林分和单木尺度上水平方向与垂直方向的空间分布规律.结果表明:在统计模型中,随机森林(R2=0.59～0.64,RMSE=3.79～5.83 μg·cm-2)优于多元逐步回归、BP神经网络和萤火虫算法优化的BP神经网络构建的模型;机理模型验证精度最高(R2=0.97,RMSE=3.40μg·cm-2).不同林分类型叶绿素的含量存在较大差异,阔叶林叶绿素含量为25.25～31.60μg·cm-2,高于针阔混交林(13.52～23.93μg·cm-2)和针叶林(6.40～13.71 μg·cm-2),在垂直方向上,各林分间叶绿素含量存在显著差异.不同单木树种在水平方向上表现为冠层内部的叶绿素含量比冠层外部低,在垂直方向上,樟子松各冠层间叶绿素含量差异不显著,胡桃楸树冠上层与中、下层存在显著差异.采用融合的高光谱图像与激光雷达点云数据,基于混合数据驱动的机理模型可以有效提升不同尺度植被叶绿素含量估测的精度及稳定性.

关键词：无人机、高光谱、LiDAR、林分、叶绿素

所属期刊栏目：34

分类号：P237;TP79;S771.8

资助基金：国家自然科学基金31971580

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2101-2112