倾斜摄影测量技术提取落叶松人工林地形信息

目的林下地形是提取单木树高、冠幅等森林参数的必备条件,但由于林区地形起伏较大,传统的测量手段难以获取大范围高精度的森林地区数字地形模型（DTM）。近年来,倾斜摄影测量克服了传统测量技术的缺点,成为获取三维地理信息的新型手段。本文使用无人机倾斜摄影测量技术提取落叶松林下地形,并评测精度与适用性,为后续基于倾斜摄影测量技术提取单木参数的研究提供参考。方法选择内蒙古旺业甸林场内山区典型落叶松幼龄林、中龄林和成熟林林分在落叶季进行无人机飞行,采用Context Capture软件对获取的落叶季倾斜像片进行三维重建,生成林区点云。使用布料模拟滤波、加权线性最小二乘、渐进不规则三角网加密法、渐进形态学滤波算法从点云中提取地面点,并采用3种插值方法插值地面点生成测区完整地形。使用激光雷达DTM作为验证数据评价精度。结果不同算法的地形提取精度与郁闭度相关。在幼龄林区域和中龄林区域,布料模拟滤波提取地面点的精度最高,决定系数（R2）均达到0.999,均方根误差（RMSE）分别为1.61 m和0.47 m;在成熟林区域,渐进三角网滤波效果最好,R2为0.999,RMSE为0.39 m。在不同郁闭度林分选择最优滤波算法基础上,比较不同插值方法生成的数字地形模型（DTM）精度,结果表明:在幼龄林和中龄林,布料模拟滤波点云后经不规则三角网（TIN）插值得到的DTM精度最高,RMSE分别为1.58 m和0.44 m;成熟林分渐进不规则三角网加密滤波后地面点经克里金（Kriging）法插值得到的DTM精度最高,RMSE为0.31 m。结论实验证明,倾斜摄影测量技术可用于落叶松林分地形提取。      

不同精度地形数据对面源在不同地形条件下大气预测的影响

【目的】在使用AERMOD模式进行复杂地形区域大气预测时,控制气象条件与污染源源强等参数相同,采用分辨率更高的DEM地形数据可使得预测结果更加精确。【方法】设置气象条件相同,对于同一无组织面源,在复杂山地、复杂河谷2种地形条件下分别进行不添加地形数据、添加90 m×90 m精度地形数据、添加30 m×30 m精度地形数据的大气预测。【结果】在复杂山地地形条件下,不添加地形数据、添加90 m×90 m精度地形数据下预测结果与添加30 m×30 m精度地形数据下最优预测结果相关性分别为24.0%与52.4%;在复杂河谷地形条件下,不添加地形数据、添加90 m×90 m精度地形数据下预测结果与添加30 m×30m精度地形数据下最优预测结果相关性分别为48.7%与89.3%。【结论】在使用AERMOD模式进行大气预测时,若面源为复杂山地地形,建议采用30 m×30 m精度地形数据,以提升预测结果的准确性。     

基于小波递推最小二乘滤波算法的马铃薯高光谱图像去噪研究

为了提高马铃薯高光谱图像的滤波效果,降低马铃薯外部损伤检测模型的错误率和误判率,采用小波递推最小二乘滤波算法对马铃薯高光谱图像进行去噪.该算法先对经过主成分分析的马铃薯高光谱图像进行4尺度的小波变换,并将得到的二维小波变换系数集成为一个单一的一维重构向量,利用此向量的系数重构分辨率更高的图像,再将经过小波逆变换的图像使用递推最小二乘滤波算法进行滤波,得到结果图像;同时与改变噪声类型的滤波效果、采用维纳滤波和递推最小二乘滤波算法对马铃薯高光谱图像的滤波效果进行对比.结果表明:该滤波算法对高斯和椒盐噪声均具有良好的滤波效果;与采用维纳滤波算法和递推最小二乘滤波算法相比,滤波效果明显,对提高马铃薯外部损伤检测模型的正确率和识别率具有促进作用.     

森林资源地形信息三维可视化模型研究

根据林相图和等高线数据,以小班为单位,直接读取出小班相应的等高线数据,利用不规则三角网TIN生成算法,建立DEM模型,生成三维地形模型。     

智慧森林中火点视频图像自动定位算法

以智慧森林中数字视频监控系统为平台,利用摄像机标定技术和空间立体分析,对森林火灾进行自动定位算法研究。运用穷举搜索法和二分法,借助DEM模型,判断地形剖面上的火点位置。根据林区地形变化的特点,运用摄像机镜头光轴在空间的平移方法,在平面像素坐标与立体空间坐标之间建立映射,简化算法,提高计算精度。实际应用表明,该算法在经过40多组数据的测试,计算的火点位置直线距离误差在95 m范围内,旋转角和俯仰角的精度得到了提高。     

基于不同滤波方法的机载激光雷达数据处理及表面模型构建

利用几种不同的滤波算法对黑龙江省凉水国家级自然保护区的点云数据进行处理,对比分析评价了各滤波算法在东北地区的滤波分类效果及对构建数字高程模型和数字表面模型的影响。指出了各算法的适用范围,并生成了高质量的数字表面模型产品———精确反映地形起伏的DEM和准确反映地物高程及形状信息的DSM。     

宜良县云南松林生物量遥感估测方法研究

利用landsat5影像和通过蓄积量-生物量转换方法获得的样地生物量数据,从宜良县云南松林遥感特征、地形特征、郁闭度等方面选取自变量,采用随机森林回归和偏最小二乘法进行生物量遥感估测建模。结果表明:随机森林回归估测模型调整决定系数R2为0.881,模型估测精度为82.3%;偏最小二乘模型的调整决定系数R2为0.753,模型估测精度为78.43%。随机森林回归在模型拟合效果和检验精度上均优于偏最小二乘模型。     

不同滤波算法对反演叶面积指数的影响

目的使用离散型激光雷达数据反演叶面积指数（LAI）的过程中，数据预处理的关键步骤为激光雷达滤波。穿透指数（LPI）作为反演过程中的重要变量，需要根据点云的类型计算，从而直接受到滤波精度的影响。因此，滤波算法的精度能间接影响到反演LAI的精度。虽然滤波算法不断改进，滤波精度逐渐提高，应用在越来越多的场景，但关于不同滤波算法对反演LAI精度影响的探讨较少。方法本文通过对机载LiDAR滤波算法历史、发展和现状的调研，最终选择混合滤波算法（Hybrid）、自适应不规则三角网滤波算法（ATIN）、形态学滤波算法（Morph）和基于坡度滤波算法（Slope）为研究对象；分别使用这4种算法，得到点云中的地面点；根据Beer-Lambert定律，反演帽儿山国家森林公园落叶松林和榆树林的LAI；以经过评估的精度更高的Hybrid算法为标准，计算另外3种算法的滤波精度和LPI偏差；对比分析LAI反演模型的平均精度；最后，通过分析不同误差来源的影响强度，确定了反演LAI时较好的滤波算法。结果在最佳的采样半径下，经过Hybrid、ATIN、Morph和Slope滤波算法处理，LAI反演模型的平均精度，在落叶松林，R2分别为:0.900 3、0.876 3、0.892 5、0.877 0；RMSE分别为:0.105 6、0.134 5、0.109 7、0.133 2；在榆树林，R2分别为:0.914 4、0.903 0、0.887 2、0.900 0；RMSE分别为:0.269 0、0.201 7、0.189 4、0.207 0。在落叶松林，I类误差较大的Morph算法，能保证较高的模型精度；而II类误差较大的Slope和ATIN算法对应的反演模型精度较低。结论经不同滤波算法处理得到的LAI反演模型精度存在差异，经混合滤波算法处理其对应的LAI反演模型精度更高，形态学滤波算法的滤波精度较低，对应的反演模型精度较高；滤波算法导致的I、II类误差中，II类误差对LAI反演模型的影响更大。      

基于DEM与太阳辐射的北京市山地坡向提取方法研究

目的坡向是描述地形的重要因子,基于DEM提取坡向对于自然生境分析与地理生态过程模拟具有重要意义。同时,由于山地地形复杂,坡面太阳辐射受地形遮挡影响很大。本文基于DEM与太阳辐射研究山地坡向提取方法,既保持了DEM计算山地坡向的客观性,又能和坡面阴阳属性保持良好的一致性,为山地气象、土壤分布、立地条件、适宜性分析等有关研究奠定基础。方法以DEM数字地形分析技术为基础,应用基于DEM的太阳辐射分析模型,探究太阳辐射量与坡向、坡度和海拔之间的关系,建立北京地区太阳辐射参考模型,并计算样地点标准太阳辐射;依据样地点DEM计算太阳辐射与标准太阳辐射推导出太阳辐射等效坡向。结果以北京市一类清查数据山区的2 000个样地点为测试数据,将30、60、90、120、150、200 m空间分辨率的DEM计算坡向作为评判标准,建立太阳辐射参考模型,其中1 398个样地点的DEM计算太阳辐射与标准太阳辐射差异小于5%,太阳辐射等效坡向与30 m空间分辨率DEM计算坡向保持一致,占全部样地点69.9%;602个样地点受地形遮挡较大,依据太阳辐射参考模型计算进行调整,调整后其中583个样地点的太阳辐射等效坡向与评判标准一致。结论与一类清查人工测量坡向的比较表明:测试数据中样地点的太阳辐射等效坡向与评判标准一致性达到99.05%,而测试数据中样地点的人工测量坡向与评判标准一致性为72.05%。因此,依据本文方法推导出的太阳辐射等效坡向能反映出实际太阳辐射的信息,推导的坡向科学实用,为森林资源调查、立地分析等研究与生产提供了坡向获取的新方法。      

一种基于ArcView的实现林分可视化的方法

对浙江省天目山国家级自然保护区内的针阔混交林采用相邻网格调查方法,用全站仪、围尺和生长锥等器材获得每木的空间数据和属性数据。首先,利用地理信息系统软件ArcView,对空间数据进行坐标变换;然后,建立样地数字高程模型（DEM）。实践得知,经过ArcView中的反距离加权法插值,并利用不规则三角网（TIN）模型得到的地形更逼近于地形表面;再利用Photoshop处理实地拍摄的树木照片,提取树木符号,导入ArcView中实现树木可视化;最终,将地形和树木叠加实现林分可视化。图8表2参10     

森林区域机载LiDAR点云数据的改进八叉树滤波算法研究

目的利用机载LiDAR点云数据能准确获取地物点三维坐标的特点,本文对森林区域LiDAR数据进行滤波分析,旨在提高点云滤波精度。方法基于改进的八叉树模型,将复杂地形分解为大量山坡地形,通过改变节点尺寸,既保留了点云的原始信息,又增强了点云数据分割的准确性。针对森林区域地形起伏不定的实际情况,在滤波算法中引入坡度判断,在一定程度上改善了山坡低矮植被易被错分为地面点的情况。结果对于3组不同地形下的点云数据,滤波总错误率分别为4.57%、4.75%和5.83%。这一结果对森林区域不同地形下的点云滤波具有一定的实用性。结论本文提出的改进八叉树滤波算法可以充分利用数据结构特征实现快速、高精度的滤波,从而节约时间成本和运行成本,也为后续森林参数的提取奠定基础。      

不同插值方法的栅格DEM质量分析与最佳分辨率的选取

以鄱阳湖自然保护区为例,利用不同内插算法生成DEM,并选取高程差绝对值、中误差以及单点最大误差三大指标分析了DEM的精度,结果发现利用反距离加权(IDW)算法的精度较好。利用坡度中误差的大小判定了不同网格分辨率下的DEM精度,试图选取DEM的最佳分辨率,结果显示:当分辨率达到20时,坡度中误差的变化明显减缓,因此确定最佳分辨率为20。     

基于机载激光雷达的森林地上碳储量估测

以内蒙古大兴安岭生态站为研究对象,以2012、2013年的66块样地数据和2012年同步获取的机载Li DAR遥感数据为数据源,分别采用多元线性回归和随机森林回归算法,通过对比不同算法间的估测精度差异,选择更适于研究区的估测方法,实现研究区森林地上碳储量的遥感估测。结果表明:随机森林回归算法的估测精度最优,模型训练精度(R2为0.861,RMSE为11.133 t/hm2,rRMSE为0.279)和预测精度(RMSE为17.956 t/hm2,rRMSE为0.342,估测精度范围40.898%~95.129%,平均估测精度76.385%)均优于多元线性回归的模型训练结果 (R2为0.676,RMSE为11.846 t/ha,rRMSE为0.351)和模型预测结果(RMSE为22.703 t/hm2,rRMSE为0.636,估测精度范围45.824%~94.752%,平均估测精度69.859%)。机载Li DAR数据的高度变量和密度变量与森林地上碳储量均具有显著相关性,高度变量相关性更为显著。随机森林回归算法对区域森林地上碳储量的估测结果趋于真实分布情况,效果比较理想。     

利用TM 影像和偏最小二乘回归方法估测三峡库区森林蓄积量

为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图,并与地面实测值进行比较。结果表明:该模型的最佳主成分数为3,且郁闭度、海拔、坡度、TM1、TM2、TM3、TM4、TM5、TM7、NDVI、RVI、TM7/ TM3、TM4 ⅹTM3/ TM2、亮度和湿度为预测森林蓄积量的入选变量;森林蓄积量预测的调整决定系数为0.524,相对误差为7.33%,均方根误差为1.763 m3 ;利用该模型计算出三峡库区森林总蓄积量约为1郾12 亿m3 ,总体预测精度达到89.58%。研究结果为提高森林蓄积量遥感预测的精度提供了一种有效手段,有利于大面积应用和推广。      

基于机载激光雷达点云的桉树林分蓄积量估算模型构建

  目的  通过2018年1—2月广西国有高峰林场机载激光雷达数据及地面调查数据,采用参数方法和非参数方法建立回归模型,反演桉Eucalyptus树人工林森林蓄积量。  方法  通过点云提取点云高度参数、点云密度参数、林分郁闭度等点云特征变量,采用参数方法(逐步回归、偏最小二乘回归)和非参数方法(随机森林回归、支持向量机回归)进行林分蓄积量构建,通过与样地实测数据对比,进行模型回归预测性能评估,进而选择出表现最优蓄积量反演模型。  结果  采用留一法对以上4种模型进行验证,结果显示:逐步回归模型R2为0.85、均方根误差(RMSE)为23.93 m3·hm?2、平均绝对误差(MAE)为18.18 m3·hm?2;偏最小二乘回归模型R2为0.81、RMSE为26.52 m3·hm?2、MAE为19.94 m3·hm?2;核函数为RBF的支持向量回归模型R2为0.88、RMSE为21.35 m3·hm?2、MAE为16.62 m3·hm?2;随机森林回归模型R2为0.84、RMSE为24.53 m3·hm?2、MAE为17.41 m3·hm?2。  结论  采用随机森林进行变量筛选后,RBF-SVR模型拟合优度及泛化能力最优;通过逐步筛选法结合方差膨胀因子(VIF)方法优选变量的逐步回归模型次之;最后为随机森林回归模型与偏最小二乘回归模型。可见,在解决林业激光雷达领域中的回归预测问题时,采用非参数方法构建RBF-SVR模型更有优势。本研究建立的4种森林类型蓄积量模型,各模型均有较高精度且符合森林资源调查相关技术规定要求。图6表6参25     

多时相高分辨率遥感影像的森林可燃物分类和变化分析

目的本文针对国内外利用多时相高分辨率遥感影像进行森林可燃物分类研究匮乏的情况，探索高分辨率影像的分类方法，并研究多时相森林可燃物分类结果的差异，以及与海拔、坡度变化的关系。方法以鹫峰林场为研究区，针对鹫峰林场内植被状况及以往研究成果，主要依据植物群落、林型和燃烧特性划分可燃物类别，研究对比不同森林可燃物类型的光谱特征曲线，建立遥感图像与森林可燃物的联系。选用GF-1号5、8、10月的遥感影像为原始数据，利用EnMAP-box中的支持向量机(SVM)算法、随机森林(RF)以及基于CART的决策树分类方法进行森林可燃物分类，将可燃物类别最终划分为:针叶林、阔叶林、针阔混交林、灌木林和非林地5种类别，并分别对其特征进行描述，之后将最优分类方法应用到多时相的遥感影像中，并使用变化检测算法来确定非防火期(5—10月)森林可燃物类型之间土地面积的变化情况。同时，我们将数字高程模型(DEM)分为4类(1类(< 250 m)、2类(250~500 m)、3类((500~750 m)和4类(>750 m))，坡度分3类:缓坡(< 15°)、斜坡(15°~35°)、陡坡(>35°)，并使用Jenks方法分别对海拔和坡度每个类别土地面积变化计算百分比，研究随着海拔和坡度变化，森林可燃物面积的变化规律。结果划分的5种森林可燃物类别的光谱特征具有很好区分性，SVM分类最为准确，取得惩罚参数(C)为1 000和核参数(g)为10使得SVM分类模型达到最优，其总体分类精度为91.88%，Kappa系数为0.89，精度相对RF和CART分别提高了2.72%和9.36%。非防火期内(5—11月)森林可燃物类型变化有一定的规律，针叶林、混交林属于中等稳定类别，没有显著变化，分别保持93.74%和94.87%不变。相比之下，阔叶林和灌木林发生了较大变化，分别发生14.64%和13.36%。随着海拔的增加和坡度的变化，森林可燃物类型土地面积也发生了变化，海拔500~750 m和坡度16°~35°的土地上面积变化最大，达到了20%以上。结论多时相高分辨率遥感影像的森林可燃物分类中，基于SVM分类方法能够将可燃物更好地分类，且随着时间、海拔和坡度的变化，森林可燃物面积的变化有一定的规律，5—10月阔叶林和灌木林在海拔500~750 m和坡度16°~35°变化最大。      

参数优选支持的光学与SAR数据森林地上生物量反演研究

  目的  森林是整个陆地碳循环系统中最大的有机碳贮库，准确地估测森林地上生物量影响着全球碳源与碳储量的分析与评价。本文旨在评价利用Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR 3组不同源遥感数据估测森林AGB的潜力，进而剖析光学数据和SAR数据在估测森林AGB方面的差异。  方法  首先对Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR数据分别提取波段比值、植被指数、纹理信息，对ALOS-1 PALSAR-1SAR数据同时提取极化分解信息；然后，利用随机森林算法对不同数据提取的特征参数进行重要性排序，选择排序靠前的特征进行建模；最后，利用KNN-FIFS算法分析不同特征组合，对4组数据建立4个模型估测森林AGB，并使用留一交叉验证法对4个模型估测森林AGB值进行精度评价。  结果  使用植被因子、波段比值、纹理因子、极化分解信息4种特征参数分别对3组数据进行建模估测森林AGB，基于Landsat8 OLI数据反演森林AGB的精度评价结果为R2 = 0.50，RMSE = 33.34 t/hm2；基于高分一号数据估测精度为R2 = 0.36，RMSE = 37.60 t/hm2；基于PALSAR纹理特征估测精度为R2 = 0.45，RMSE = 35.40 t/hm2；基于PALSAR全极化分解信息估测精度为R2 = 0.63，RMSE = 28.84 t/hm2。  结论  参数提取方法相同时，即基于植被因子、波段比值、纹理信息3种特征参数估测森林AGB，其光学数据和SAR数据的反演潜力基本一致；参数提取方法不同时，即SAR数据加入极化分解信息估测森林AGB，与光学数据相比，SAR数据对森林AGB的反演潜力较好。