机载激光雷达在林业中的应用

在介绍机载激光雷达(LiDAR)的工作原理、应用领域、国内外发展现状基础上,重点就机载LiDAR进行森林参数(树高、郁闭度、林分密度、生物量和蓄积量等)的反演方法和技术进行了分析,对LiDAR在森林参数反演方面存在的问题进行了总结,对未来的发展趋势进行了展望。     

基于机载LiDAR数据的玉米叶面积指数反演

以机载LiDAR离散点云数据为数据源,基于植被冠层孔隙率与叶面积指数的关系,提出一种反演大田玉米叶面积指数的方法。对反演LAI和实测LAI进行对比分析,结果表明:基于Axelsson改进的不规则三角格网加密方法可以将地面点和非地面点分开,结合高分辨率影像能够提取出玉米冠层点云;基于孔隙率反演LAI,尼尔逊参数的选择对结果影响很大,利用扫描天顶角模拟尼尔逊参数,LAI反演结果接近于真实情况。利用机载LiDAR点云数据能精确地反演大田玉米LAI,该研究方法适用于中等高度的农作物,可以扩展到甜菜、甘蔗等其他中等高度农作物。     

基于机载LiDAR和光学遥感数据的热带橡胶林叶面积指数反演

叶面积指数（LAI）作为表征植被冠层结构的重要参数，一直是气候变化和生态研究中的热点，遥感技术的发展为大范围叶面积指数的获取提供了可能。以景洪市热带橡胶林为研究对象，以机载LiDAR和Landsat8/OLI为信息源，结合44块样地实测数据，使用支持向量机回归(SVR)、BP神经网络(BPNN)和偏最小二乘回归(PLSR) 3种模型,在前期建立基于林分水平的LAI估测模型的基础上，进一步构建区域尺度的LAI反演模型，实现景洪市橡胶林LAI的反演。结果表明，基于LiDAR的林分水平模型中，SVR模型最优，决定系数（R²）为0.76，相对均方根误差（rRMSE）为17%，估测精度（P）为83%；以SVR模型估测结果作为区域尺度遥感反演模型的先验样本，结合Landsat8/OLI数据的BP神经网络模型反演效果最好，估测精度达76%。     

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。      

基于机载LiDAR全波形数据白桦林林分LAI反演研究

为提高森林叶面积指数(LAI)的估测精度,本研究以白桦林为研究对象,以机载激光雷达(LiDAR)全波形数据为研究数据,首先提出了机载LiDAR全波形数据读取与波形特征信息提取的相关算法,结合具体算法的实现分析出每条全波形对应的各波形分量的能量信息,然后依据波形能量信息在传统激光穿透指数(LPI)计算的基础上结合全波形数据的特点,计算出全波形激光穿透指数(LPIfi),最后获得样地体元激光穿透指数(LPIf-mean),用于估测森林林分LAI,并将估测结果与机载LiDAR离散回波点云数据估测森林LAI的结果进行了对比。结果表明,全波形样地体元激光穿透指数LPIf-mean与森林林分LAI之间的建模精度R~2=0.815,RMSE=0.105,预测精度R~2=0.864,RMSE=0.139,同时在同等样地尺度下,全波形数据返回脉冲能量信息估测森林LAI的精度要高于离散回波点云数据的,因而,基于机载LiDAR全波形数据能够实现森林林分LAI的高精度反演。可以为进一步森林生态参数模拟与估测提供高精度的基础数据,弥补和提供了机载LiDAR全波形数据估测森林LAI的方法和思路。     

基于无人机激光雷达的刺槐人工林森林健康指标的构建

利用无人机激光雷达LiDAR(Light detecting and ranging)数据,提取能反映植被垂直和水平结构变化的LiDAR特征变量,通过相关性分析和层次聚类方法构建森林健康指标来识别黄河三角洲刺槐人工林的健康状况.结果表明,森林健康指标由LADcv(叶面积密度的变异系数)、weibull_α(Weibul...     

TLS技术在森林资源调查中的应用现状与展望

森林资源调查是森林经营管理的基础,传统的调查与监测方法工作量大,费时费力,难以满足目前的监测研究需求。地基激光雷达(Terrestrial Laser Scanning,简称TLS)是一种主动遥感技术,提供一种非破坏性三维测量手段,能够获取目标对象高精度3D点云数据,自动化提取森林调查属性参数,在森林参数反演方面具有独特优势。介绍了TLS工作原理、技术特点以及林业应用现状,讨论了TLS在森林调查中的优缺点,并对其未来在林业应用前景进行了分析和展望。     

基于LiDAR的温室番茄冠层几何参数提取

【目的】准确获取温室番茄作物行中单株冠层数据,为分析作物生长状态和为对靶喷药提供冠层数据支持。【方法】采用三维激光雷达(LiDAR)搭建番茄植株冠层检测平台,使用导轨以0.05 m/s的速度移动三维激光雷达,利用雷达上位机软件Ctrlview保存双侧扫描的A、B 2组共40株番茄植株点云。双侧点云使用ICP(迭代最近点)算法进行配准,利用基于特征值的平面拟合法去除地面,使用均值漂移算法(Meanshift)分割番茄行中的单株点云,获取冠层参数,与人工测量值比较验证精度,将单株点云在MATLAB中使用alpha shape算法进行重建并进行体积的获取,使用凸包算法作物参考值对比。【结果】该检测平台在激光雷达前进方向与垂直前进方向的测量误差分别为-2.65%、-3.95%;获取到的单株番茄植株高度与人工测量值相比,平均绝对误差分别为0.025和0.031 m;重建后求取的体积与凸包算法相比平均误差下降了约15.3%,与人工获取相比相差不大,各指标良好。【结论】番茄行点云分割结果与人工测量相比A、B 2组的均方根误差RMSE分别为0.039和0.043,冠层体积获取与参考值对比V_RMSE为0.011 3,激光雷达在获取作物外形轮廓信息中具有一定的准确性和可靠性,该方法用于温室环境下单株作物冠层数据的获取。     

植被叶面积指数遥感反演方法研究进展

叶面积指数(leaf area index,LAI)是描述植被冠层结构关键参数。本文着重介绍遥感反演植被LAI模型理论发展,以及国内外利用不同传感器数据估测LAI的研究进展。     

植被叶面积指数遥感反演方法研究进展

叶面积指数(leaf area index,LAI)是描述植被冠层结构关键参数。本文着重介绍遥感反演植被LAI模型理论发展,以及国内外利用不同传感器数据估测LAI的研究进展。     

基于点云体素化的单木叶面积指数地基遥感反演

以黑松、马尾松、荔枝、相思树为对象,采用地基激光雷达获取点云数据,基于点云体素化理论,分割叶片点云,建立"叶片—体素"的投影关系,研究体素化理论中尺度因子与点云密度对叶面积指数(LAI)反演精度的影响,实现单木LAI的高精度获取。结果表明,样木反演的LAI随着尺度因子的增大而增大,最优尺度区间为1.2~1.3,样木LAI最优反演精度范围为93.3%~99.9%,决定系数R~2为0.989 3,反演结果与实测LAI具有较高相关性;在最优尺度区间下,样木LAI反演精度随着点云密度的降低而减小,最大精度为98.63%,最小精度为84.14%,点云密度对单木LAI反演精度影响不大。     

遥感反演植被叶面积指数的不确定性来源综述

叶面积指数(LAI)是表征冠层结构的关键参数,影响植被光合、呼吸、蒸腾、降水截留、能量交换等诸多生态过程。目前利用不同的卫星遥感数据和反演方法,已经生成了多种全球LAI产品。然而,遥感反演LAI存在着主要由输入数据和反演算法引起的不确定性。本文从地表反射率的光谱特征和大气校正、土地覆盖分类、数据时空分辨率等方面论述了LAI反演输入数据的不确定性;从经验或半经验模型、物理模型以及模型对植被集聚效应方面论述了LAI反演模型的不确定性;最后总结了评价遥感反演LAI不确定性的方法,以及控制、减少不确定性的新途径。     

基于稀疏型机载激光雷达数据的风景林参数估测

稀疏型机载激光雷达（LiDAR）数据,由于点云密度低,难以对单木尺度的森林参数进行估测,在森林资源监测领域的潜在应用价值没有得到充分发挥。以江苏省南京市紫金山国家森林公园为研究区,以2007年机载激光雷达Optech ALTM LiDAR数据、2007年森林资源规划设计调查数据为主要信息源,在机载LiDAR数据预处理、特征参数提取的基础上,采用多元线性回归、随机森林、支持向量机3种方法,估测小班林分平均树高、平均胸径和单位蓄积量并进行对比分析,同时对森林参数进行空间制图。结果表明:1） 高度百分位数和累计高度百分位数是影响小班平均胸径、平均树高和平均蓄积量的主要特征参数;2）3个遥感估测模型精度对比分析表明,平均胸径、平均树高、单位蓄积量3个参数的估测精度,均是随机森林算法最高,支持向量机次之,多元线性回归最低;3）平均树高、平均胸径、单位蓄积量的空间分布规律一致,人为干扰严重的公园边缘地区和土层瘠薄、立地条件差的山脊较低,山南及山北中部最高。稀疏型机载激光雷达（ALS）数据在林分尺度的森林参数估计中具有较高的精度,可以用于森林资源规划设计调查小班的测树因子估测。本研究应用稀疏型机载激光雷达数据估测风景林森林参数,为稀疏型LiDAR数据在森林资源规划设计调查中的推广应用提供参考。     

应用堆叠融合模型和点云数据的树种分类

2021年6月份,以福州市三江口生态公园为研究区域,应用科卫泰的六旋翼无人机KWT-X6L-15搭载RIEGL VUX-1UAV三维激光扫描仪采集数据,获取8种共计444棵优势树种点云数据;使用LiDAR360激光雷达点云数据处理分析软件对激光雷达(LiDAR)点云数据预处理后,进行单木分割操作,提取树木参数,筛选得到树高、地径、枝下高、冠幅面积、冠高、胸径、95%百分位高度7个单木特征参数;使用堆叠(Stacking)融合模型应用点云数据提取的参数因子进行树种分类,分类结果与常用的支持向量机、随机森林、K最近邻模型3种模型分类结果进行对比,分析堆叠融合模型应用点云数据进行树种分类的准确度、卡帕(Kappa)系数、精确率、召回率等。结果表明：堆叠融合模型的树种分类,准确度达79.72%、卡帕系数为0.768 1;支持向量机、随机森林、K最近邻模型3种模型的分类,准确度分别为60.14%、67.57%、63.95%,卡帕系数分别为0.544 3、0.632 7、0.582 9;堆叠融合模型对树种分类的效果,整体优于K最近邻模型、随机森林模型、支持向量机模型3种常用模型。堆叠融合模型对水杉...     

基于机载激光雷达影像的天山云杉林树高提取及蓄积量反演

【目的】研究提取影像高程数据建立模型反演天山云杉林分蓄积量,获得便捷、快速提取森林蓄积信息的技术方法,为研究山地天然林精准监测与评价提供技术途径。【方法】以新疆天山中部北坡天格尔森林公园天山云杉(Picea Schrenkiana var.tianshanica)为研究对象,机载激光雷达航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法对激光雷达影像高程数据进行提取获得天山云杉树高,根据样地实测数据构建胸径-树高模型,并根据胸径-树高模型天山云杉林林分蓄积量进行反演。【结果】激光雷达影像分辨率较高,经过点云分类后,采用克里金插值法提取的树高平均精度可达89.64%,幂函数曲线模型拟合度最高,R²为0.908,结合二元材积公式,基于激光雷达影像估测蓄积量与样地实测蓄积量对比,精度达到87.43%。【结论】采用克里金插值法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了激光雷达不能对胸径直接测量的缺陷,反演天山云杉林林分蓄积量,该模型可满足对新疆山地天然林数字经营管理的标准。     

基于机载LiDAR落叶松树冠几何形状三维重建关键技术研究

森林冠层的三维重建研究能够更加直观反映森林空间结构,提高森林参数的测量精度。目前小光斑激光雷达已经广泛应用于林业研究中。为建立落叶松树冠三维形状模型,以长春净月潭实验区落叶松机载LiDAR(LiDAR,Light Detection And Ranging)数据为基础,采用K-means算法提取建模参数。该算法以单木树冠顶点作为初始聚类中心,经过4次迭代估测出单木树高和单木树冠直径,通过与试验区的单木实测数据对比,进行相关性分析,得到估测树高和估测树冠与实测数据相关系数分别为0.892 4和0.769 0,经过验证,估测树高和估测树冠的精度为94.06%和82.21%。利用激光雷达提取出的单木坐标、树高、树冠和冠基高采用旋转抛物线方法重建森林尺度三维模型呈现森林结构。     

基于三维激光点云的靶标探测系统研究与试验

【目的】使用R-Fans-32三维激光雷达(LiDAR)研究植株三维激光点云与植株叶面积之间的关系,为变量喷雾系统提供数据支撑。【方法】假设植株激光点云数量与叶面积之间存在线性关系。搭建基于三维激光点云的靶标探测的试验系统,先测量靶标植株的高度来探究该探测系统的精度,激光雷达以10Hz的扫描频率和1m的探测距离实现对10株番茄的三维点云数据的获取,激光雷达上位机软件Ctrlview实现对三维激光点云数据的储存。利用Cloud Compare软件对储存的点云数据进行处理,利用LiDAR360软件对植株进行高度测量和点云数量的获取。对采集的植株点云进行数量统计,利用CL-202植物叶面积测量仪对采摘的靶标植株叶片测量叶面积,验证植株点云与叶面积之间的关系。【结果】激光雷达探测所得到的番茄植株的高度与手工测量值的最大相对误差为7.92%。利用线性函数拟合植株点云数量与叶面积,拟合度为0.7805,最大相对误差为5.64%。【结论】设计了一种用于探究基于激光点云的变量喷雾系统可行性的试验系统,依据三维激光点云计算植株的叶面积精度良好,R-Fans-32三维激光雷达可作为变量喷雾系统的探测部件。     

多源遥感数据结合的橡胶林有效叶面积指数升尺度估测

【目的】针对传统森林叶面积指数监测的小尺度、对植被具有破坏性以及低效率。【方法】以机载LiDAR数据和Landsat 8 OLI数据为主要信息源,使用LiDAR点云基于Beer-Lambert定理反演得到点云条带区橡胶林有效叶面积指数,并用样地实测叶面积指数对其进行差异性检验。其次,以LiDAR点云得到有效叶面积指数作为训练样本结合Landsat 8 OLI数据,分别使用偏最小二乘回归模型和BP神经网络模型对有效叶面积指数进行升尺度光学遥感估测。【结果】1)LiDAR点云反演得到的有效叶面积指数与样地实测的叶面积指数之间极显著相关且差异不显著,相关系数为0.82。2)研究所建立的遥感估测模型中,BP神经网络回归模型的估测结果优于偏最小二乘回归模型,其决定系数R2为0.54,均方根误差RMSE为1.23,相对均方根误差rRMSE为47.68%。【结论】在森林参数获取和林业调查中,机载激光雷达数据与光学遥感数据的结合可有效提高工作效率、降低调查成本、效弥补人工调查的不足。     

基于LIDAR数据的林冠层三维信息模型的提取与应用

该文应用机载激光雷达数据,获得了高精度的树冠底部地形信息及树高信息,提取了包含植被冠层高度的数字表面模型,即林冠层三维信息模型(DCM),结合研究区的数字高程模型(DEM)可以获得用常规方法很难准确获取的森林植被参数,如冠层垂直结构、森林高度、郁闭度等.在此基础上,制作了研究区的林木高度图,具有直观、形象等特点,有助于林业部门及时、准确地掌握森林资源相关信息,并可利用DCM获得森林密度、胸高断面积、蓄积量(生物量)及单木参数等森林植被参数.     

基于热暗点植被指数的马尾松林叶面积指数反演分析

为了减少单一角度卫星遥感与传统植被指数在LAI反演过程中的误差，提升马尾松林LAI反演精度，以福建省龙岩市长汀县河田镇马尾松林为研究对象，获取多角度无人机影像和马尾松林LAI实测数据。根据研究区不同波段热暗点指数、植被指数与实测LAI的相关关系，优化热暗点植被指数构建马尾松林LAI反演模型。结果表明，基于红光波段反射率计算的热暗点比值指数HDRI-r（R²=0.398）是研究区马尾松林LAI反演的重要辅助参数；将HDRI-r引入表征研究区冠层结构的传统植被指数NDVI、GNDVI、RVI、MSAVI、NRI、SIPI、VARI，构建的热暗点植被指数NHDRI与实测马尾松林LAI相关性最高，R²为0.406 5；引入热暗点信息的植被指数（NHDRI、GNHDRI、RHDRI、MSAHDRI、NRHDRI、SIPHDRI、VAHDRI）与实测LAI的拟合R²均>0.37，相较于对应的传统植被指数，R²分别提高了82%、333%、295%、161%、1 409%、380%、192%，热暗点信息与传统植被指数的结合能够缓解植被冠层光饱和现象，有效提高马尾松林LAI反演精度；研究区马尾松林LAI范围为0.11~4.28 m²/m²，总体水平偏低，与当地马尾松林以枝叶稀疏、矮小的“老头松”为主的实际情况相符。