摘要
植被冠层聚集度指数描述了植被拦截光和冠层辐射传输的过程，是一种非常重要的冠层结构特征参数，对反映森林冠层分布情况和叶面积指数的精确反演有重要意义。激光雷达技术可以快速而准确的获取探测目标的三维空间信息，进而更为高效的反演林木冠层的结构信息，已被广泛应用于冠层间隙率和聚集度指数反演。然而，目前基于激光雷达数据的间隙率和聚集度指数的反演方法往往存在着无法充分利用三维点云信息、冗余数据过多导致的计算量较大、以及依赖比尔定律进行参数反演带来的范围限制和精度限制。本文针对现有方法的缺陷，分别提出了一种基于地基激光雷达数据建立激光点面积模型反演间隙率的方法，以及一种使用机载和地基数据基于泊松分布和点云聚类的聚集度指数反演方法，研究内容与结果如下： （1）提出了一种基于激光点面积模型的阔叶林冠层间隙率估算方法，结合有限长度平均法实现了地基激光雷达的聚集度指数反演 针对目前基于激光雷达数据计算间隙率的方法三维信息利用不足等问题，提出了一种基于激光点面积模型的阔叶林冠层间隙率估算方法。该方法通过激光点面积重构的过程，将三维点云的垂直方向信息表达在了半球投影后的计算结果中，一定程度上克服了传统方法在参数提取中由于对点云垂直信息利用不足所产生的信息损失；并且引入了样地尺度参数和密度调整参数对投影过程中产生的畸变进行了一定程度的修正，保证了激光点面积模型对森林冠层结构的准确描述。通过与基于数字半球照片反演的聚集度指数结果对比，发现两种方法反演的间隙率(R2=0.8551)和聚集度指数(R2=0.5087)结果高度相关，证明了本算法的有效性。 （2）构建了基于泊松分布和K-means聚类的聚集度指数反演方法，实现了阔叶林冠层聚集度指数垂直分层与反演 目前用来计算叶片聚集度指数的主要方法是先计算冠层间隙率，然后再采用对数平均数方法或间隙尺寸分布方法计算。但这类方法存在需要对冠层空间分布进行假设，依赖特定测量仪器，以及结果受不规则大间隙影响较大等缺陷，对精确反演聚集度指数有较大影响。论文提出了一种基于泊松分布和K-means聚类的聚集度指数反演方法，避免了通过中间变量所增加的计算量以及所带来的误差，同时结合统计方法与非监督聚类加强了方法的普适性，扩大了方法的适用范围。通过与本文提出的基于激光点面积模型和有限长度平均法反演得到的聚集度指数进行对比，二者之间具有较高的相关性（R2=0.9716）并讨论阈值选取对方法的影响，对本文估算聚集度指数的方法进行有效性分析，证明了本文提出的协同反演方法是有效的。 本文提出的聚集度指数反演方法，在保证有效性的前提下，充分利用了点云的三维信息，分别通过基于间隙率的方法和非间隙率的泊松假设方法，对小样地纯林和大样地混交林的聚集度指数反演进行了反演，均取得了良好的效果，基于多平台数据实现了样地尺度的聚集度指数垂直分布反演，为日后更大尺度范围的高精度聚集度指数反演模型奠定了基础。
NETL