[發明專利]一種遙感森林生物量反演的方法

有效

• 申請號: 201510056042.1
• 申請日: 2015-02-03
• 公開（公告）號: CN104656098B
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 曹林;徐婷
• 申請（專利權）人: 南京林業大學
• 主分類號: G01S17/89
• 分類號: G01S17/89
• 代理公司: 南京申云知識產權代理事務所(普通合伙)32274
• 代理人: 邱興天

1.一種遙感森林生物量反演的方法，其特征在于，包括以下步驟：

1)OLI影像預處理：首先借助OLI傳感器的輻射定標參數對原始影像進行輻射定標，將原始DN值轉化為像元輻射亮度值；再以FLAASH模型對輻射定標后的影像進行大氣校正，從而將輻射亮度值轉化為地表實際反射率；然后對大氣校正后的影像進行幾何精校正，選取同名地物點，采用二次多項式進行校正，校正誤差控制在0.1個像元以內，并采用最鄰近像元法進行重采樣；

2)LiDAR數據預處理：先進行噪聲水平估計和數據平滑，然后高斯擬合及波形數據點云化，生成數字地形，再利用DEM對植被回波點的高程進行歸一化處理；

3)OLI特征變量提取：通過對OLI影像進行波段組合、纓帽變換、紋理信息提取、主成分分析、最小噪聲分離變換以及多種植被指數變換，提取5組特征變量，分別為原始單波段變量、波段組合變量、信息增強組變量、植被指數變量以及紋理信息變量；其中紋理分析針對主成分分析的第一主成分進行；

4)提取的LiDAR點云特征變量：LiDAR點云特征變量是基于三維歸一化LiDAR點云值計算的4組特征變量，分別為高度變量、高度百分位數變量、冠層密度變量、冠層覆蓋度變量；

5)特征變量篩選：將提取的LiDAR特征變量及OLI特征變量與需要預測的參數進行Pearson’s相關性分析，選取Pearson’s相關系數的絕對值高于0.2的特征變量作為建模候選變量；Pearson’s相關系數的計算方法為：

r=Σi=1n(xi-x‾i)(yi-y‾i)Σi=1n(xi-x‾i)2·Σi=1n(yi-y‾i)2---(1)]]>

式中，x_i為地面實測的某林分特征，y_i為某LiDAR特征變量，為x_i的平均值，為y_i的平均值；

6)統計分析：將地面實測匯總的生物量信息作為因變量，遙感方法提取的特征變量作為自變量，建立多元回歸模型；運用逐步進入法stepwise和檢驗決定系數R²的變化情況來選擇進入模型的合適變量；如果有自變量使統計量F值過小并且T檢驗達不到顯著水平，則予以剔除；F值較大且T檢驗達到顯著水平則得以進入；采用決定系數R²、均方根誤差RMSE和相對均方根誤差rRMSE評價回歸模型的精度；

R2=1-Σi=1n(xi-x^i)2Σi=1n(xi-x‾i)2---(2)]]>

式中，x_i為地面實測的某林分特征，為x_i的平均值，為模型估算的某林分特征，n為樣地數量；

RMSE=1nΣi=1n(xi-x^i)2---(3)]]>

rRMSE=RMSEx‾i×100%---(4);]]>

步驟2)中，高斯擬合及波形數據點云化為：對波形數據采用非線性最小二乘法進行擬合；然后通過局部最大峰值檢測濾波算法從處理后的波形數據上提取離散點云，每個離散點中記錄了返回信號的能量和振幅信息；

步驟2)中，噪聲水平估計和數據平滑為：首先把原始數據轉換到頻率域，再將頻率較高的低值部分作為噪聲水平的判斷標準；然后選用高斯濾波器進行平滑。