考虑目标光谱差异的机载离散激光雷达叶面积指数反演

利用间隙率模型反演LAI（Leaf Area Index）,需要同时获取冠层间隙率和消光系数,后者与冠层叶倾角分布有关。基于点云数量构建激光雷达穿透指数LPI （LiDAR Penetration Index）,用以代替冠层间隙率GF （Gap Fraction）,并利用间隙率模型反演冠层LAI是利用LiDAR PCD（LiDAR Point Cloud Data）数据反演冠层LAI主要思路。冠层和背景的光谱差异是影响PCD数据中冠层和背景点云数量的重要因素,因此从LPI到GF的校正需要获取背景和冠层的后向散射系数比（μ=ρg/ρv）。本文基于PCD数据中点云强度进行μ值获取,用以实现LPI到GF的校正;在假设区域内叶倾角满足椭球形叶倾角分布的基础上,利用样地尺度下的多角度GF,采用有约束的非线性最优化方法获取椭球形叶倾角分布参数χ,实现冠层消光系数的获取;最后利用间隙率模型实现基于PCD数据的LAI反演。本文探讨了基于PCD数据进行冠层LAI反演时,样地尺度Rxy_Tile、样方尺度Rxy_Plot以及进行背景和冠层分割的高度阈值Ht对模型的影响。结果显示,由于区域内地衣植被广泛覆盖,基于点云强度的μ 值接近1,符合区域特点;经过μ值校正后的GF对冠层间隙率具有较好的反映能力（R2=0.78,RMSE=0.09）;对于优势种明显的区域,基于样地尺度内多角度GF的χ值反演受样地内冠间大间隙的影响,选择合适的样地尺度能够减小LAI反演过程中的系统性误差;结合地面参考数据,确定的最优Rxy_Tile、Rxy_Plot和Ht分别为950 m、10 m和2.6 m,在此基础上反演的LAI与地面测量数据具有高度的一致性（R2=0.84,RMSE=0.51）;与Rxy_Plot相比,基于间隙率模型的LAI反演对Ht的选择更为敏感。

Estimation of forest leaf area index based on spectrally corrected airborne LiDAR pulse penetration index by intensity of point cloud