1 中国科学院遥感与数字地球研究所, 数字地球重点实验室, 北京 100094
2 北京城市学院, 北京 100083
通过对地球科学激光测高系统(Geoscience Laser Altimeter System, GLAS)波形数据进行高斯分解, 提取精确的波形特征信息, 计算出GLAS波形数据激光穿透指数(LPI), 基于LPI提出GLAS数据反演叶面积指数(LAI)的新方法, 建立了GLAS数据反演森林LAI的模型(R2=0.84, RMSE=0.64), 并用留一交叉验证法(LOOCV)对反演模型的可靠性进行了验证, 结果表明, 该模型没有过度拟合, 具有很好的泛化能力, 最后通过人工神经网络融合GLAS与TM(Thematic Mapper,专题制图仪)遥感数据实现区域尺度森林LAI反演, 用25个实测LAI对反演精度进行了验证, 研究表明反演LAI与实测值较为接近, 精度较高(R2=0.76, RMSE=0.69), 为生态环境研究提供精确的输入参数, 为GLAS数据大区域高精度LAI反演提供新的方法和思路.
激光雷达 叶面积指数 穿透指数 回波强度 神经网络 地球科学激光测高系统(GLAS) LiDAR LAI laser penetrate index echo intensity neural network geoscience laser altimeter system (GLAS)