星载LiDAR与HJ-1A/HSI高光谱数据联合估测区域森林冠层高度

【目的】将ICESat-GLAS波形数据与HJ-1A/HSI高光谱数据联合,借助HSI高光谱数据提供的连续高分辨率光谱信息,实现区域森林冠层高度的估测,降低由于GLAS光斑呈离散条带状分布无法覆盖整个研究区造成的估测误差。【方法】首先,从平滑后的ICESat-GLAS波形数据中提取波形参数(波形长度W和地形坡度参数TS),基于W和TS建立GLAS森林冠层高度估测模型,并利用此模型计算研究区所有GLAS光斑内的森林冠层高度;然后,采用最小噪声分离法(MNF)对HJ-1A/HSI高光谱数据进行降维,提取前3个MNF分量(MNF1,MNF2,MNF3);最后,基于支持向量回归机(SVR)算法,利用GLAS估测的森林冠层高度和3个MNF分量建立区域森林冠层高度SVR估测模型,并估测研究区内无GLAS光斑覆盖区域的森林冠层高度,生成森林冠层高度分布图。【结果】从ICESat-GLAS波形数据中提取的地形坡度参数TS与野外实测地形坡度具有显著线性关系(R2=0.78);基于W和TS建立的GLAS森林冠层高度估测模型的R~2=0.78,RMSE=2.51 m,模型验证的R~2=0.85,RMSE=1.67 m;基于支持向量回归机算法建立的SVR模型建模的R2=0.70,RMSE=3.62 m,模型验证的R2=0.67,RMSE=4.42 m。采用野外数据对最终得到的森林冠层高度分布图的估测误差进行分析,结果估测误差最大值为7.10 m,最小值为0.07 m,平均值为1.78 m,估测误差的标准差为1.49 m,Q1为0.75 m,Q3为2.31 m。【结论】从ICESat-GLAS波形数据中提取的地形坡度参数TS能够很好地反映地形坡度的变化,本研究建立的线性关系模型可克服对数关系模型在平坦地区解释困难的问题。基于支持向量回归机算法,将ICESat-GLAS波形数据与HJ-1A/HSI高光谱数据联合,可克服ICESat-GLAS由于光斑呈离散条带状分布无法实现区域森林冠层高度估测的不足,实现对区域森林冠层高度的高精度估测。     

机载林业探测大光斑激光雷达系统的设计与应用

激光雷达以其独特的穿透能力在大面积的林业探测中越来越受到重视。以国家林业局调查规划设计院和北京遥测技术研究所共同设计研发的大光斑激光雷达系统为基础,详细介绍了该系统的工作原理、模块组成、设备安装、参数设计、数据处理等,并对该系统的飞行试验数据进行了分析,结果显示,该系统下得到的波形数据可对建筑、农田、森林等地物进行精确地刻画。进一步利用Matlab 2014b软件对大光斑激光雷达回波波形估测森林样地最大冠层高度,并利用与之对应的小光斑激光雷达数据提取的森林最大冠层高度对比,总体平均精度达到89.24%。利用SPSS软件做配对样本T检验,结果表明,该系统下获得的大光斑波形数据估测的森林最大冠层高度与小光斑估测的森林冠层高度的差异显著性为0.366,大于0.05,无明显差异,直接证明了大光斑激光雷达估测森林最大冠层高度的独特性能。因此,在未来的林业探测中,可用该系统对大面积的森林资源进行探测,为大面积估测林分最大高、平均高、郁闭度、生物量、蓄积量、叶面积指数等一系列森林参数创造了条件。     

基于TanDEM-X数据和改进三阶段算法反演森林冠层高度

【目的】提出一种基于TanDEM-X SAR数据的RVoG模型三阶段算法反演森林冠层高度,以解决RVoG模型实际应用中模型成立条件难以严格满足、受地形影响导致森林冠层高度估测精度不高的问题。【方法】以云南省普洱市思茅区思茅松纯林和混交林为研究对象,开展经典三阶段算法、地面相位优化的三阶段算法、纯体散射复相干优化的三阶段算法和低估补偿改进的三阶段算法反演森林冠层高度试验。【结果】RVoG模型经典三阶段算法反演森林冠层高度存在低估现象(r=0.11, bias=-26.20 m, RMSE=7.16 m),地面相位优化的三阶段算法、纯体散射复相干优化的三阶段算法、低估补偿改进的三阶段算法反演森林冠层高度的估测精度较经典三阶段算法提高,其中低估补偿改进的三阶段算法反演森林冠层高度的改善效果最佳(r=0.79, bias=-1.69 m, RMSE=2.56 m);思茅松纯林的估测效果(r=0.81, bias=1.40 m, RMSE=2.27 m)优于思茅松混交林(r=0.72, bias=-3.09 m, RMSE=2.87 m)。【结论】相比经典三阶段反演算法,基于TanDEM-X S...     

基于机载大光斑激光雷达的森林冠层高度估测

利用国家林业和草原局卫星林业应用中心设计研发的机载林业探测大光斑激光雷达回波数据,基于Matlab2014a软件对光斑数据进行数据读取、背景噪声估计、信号起始位置判断、地面回波位置确定,从而估测光斑位置下森林冠层高度。通过选取样地位置附近连续10组大光斑回波波形对森林冠层高度进行估测,并与样地实测森林冠层高度进行精度验证。结果表明:机载林业探测大光斑回波波形对7种森林冠层高度均有不同程度的估测能力,其中以胸高断面积加权平均高、优势树种平均木平均高估测效果最好,相对误差分别为4.36%和8.29%,RMSE(均方根误差)为1.40 m和1.55 m;对优势木平均高H、优势木平均高D估测能力最差,相对误差为19.81%和22.00%,RMSE为2.99m和3.34m。     

基于深度学习的森林可燃物含水率反演技术

【目的】探究基于卫星遥感数据的森林可燃物含水率反演,比较深度学习模型与传统机器学习模型的精度,并探索一种解决冠层遮挡问题的方案,为全国建立森林可燃物含水率数据库提供理论依据。【方法】以河北省张家口市崇礼区为研究区,基于实地测量数据,针对传统机器学习模型误差较大的问题,建立深度学习中的多层感知机(MLP)模型,研究光谱反射率与森林冠层植被和地表枯落物含水率之间的关系,并与传统机器学习中的支持向量回归(SVR)模型进行精度对比。选取与实地考察时间同季度的哨兵遥感数据,以光谱反射率、光谱水分指数等遥感估测法中常用变量作为反演森林冠层植被和地表枯落物含水率的影响因子,结合实地考察数据进行模型训练。针对以往采用遥感估测法反演地表枯落物含水率遇到的冠层遮挡问题,使用双向反射分布函数处理遥感数据获得不同观测角度的遥感数据,结合辐射传输模型,将冠层反射率映射到地表反射率后再训练模型。【结果】以红光、绿光、近红外和短波红外波段为输入变量的MLP模型在森林冠层植被含水率反演中的拟合度为0.843,优于SVR中最优模型的拟合度0.807,精度提高4.5%;MLP模型在地表枯落物含水率反演中拟合度为0.448...     

基于GLAS数据的森林生物量估算研究进展

森林生物量是森林生态系统监测的一个重要指标。GLAS波形信息与森林冠层高度、生物量有较强的相关性,在森林冠层高度、生物量等参数估算中具有广阔的应用前景。本文简要介绍了GLAS激光雷达系统及其特点,重点总结归纳了应用GLAS进行森林冠层高度、生物量估算原理及方法,并对森林冠层高度、生物量估算模型作了介绍。     

基于机载LiDAR多回波类型森林叶面积指数反演研究

森林叶面积指数(Lai)作为森林的重要结构参数,对于研究森林物质能量交换相关的生理活动具有重要意义。为提高森林Lai的反演精度,本研究充分利用激光雷达点云数据多回波类型之间所含信息的差异,通过对机载激光雷达点云数据预处理后,基于点云数据的多回波类型,共提取了6个激光穿透指数(Lpi),分别与野外样方实测Lai建立线性回归模型用于估测森林Lai。结果发现:单变量估测模型中,基于首次回波强度Lpi(i LPIfirst)模型最好(R2=0.836,Mad=0.091)。多变量模型中,基于首次回波强度Lpi(i LPIfirst)、冠层回波数量Lpi(n LPIcan)及冠层回波能量Lpi(i LPIcan)的三变量模型估测精度最高(R2=0.883,Mad=0.076),相比于单变量估测模型而言,R2提高了0.047,Mad减少了0.015。结果表明,基于点云回波类型分类的Lpi能够较好的估测森林Lai,且多变量模型的估测精度要优于单变量模型的估测精度。     

崂山林场森林冠层叶面积指数反演研究

本文以地处崂山林场东部林区作为研究区,运用逐步分析方法对6种植被指数和海拔、坡向、坡度等立地信息进行比较分析,筛选出3种植被指数NDVI、RVI、SAVI可敏感反映森林冠层LAI,建立分别以NDVI、DVI、SAVI为自变量的二次曲线模型、幂函数曲线模型、指数曲线模型以及包含这3种植被指数的多元线性模型,从决定系数(R2)和标准误差两个方面对基于不同植被指数LAI反演模型进行定量分析。结果表明,崂山林场LAI最佳的统计模型是多元线性模型,模型的R2是0.812,具有较好的估测效果。利用该模型反演了研究区的林分冠层LAI,并把崂山林场的林分冠层LAI分为5个等级,研究区的森林冠层LAI分布呈现西北部和东南部较低,而东北部和南部相对较高的特点。     

星载激光雷达在林业上的应用研究进展

简单介绍了星载激光雷达系统的特点及其工作原理和组成部分,重点阐述了基于GLAS数据对森林冠层高度、森林生物量进行估算的方法,以及基于GLAS数据在森林类型识别和郁闭度估算等方面的应用研究,并分析总结了星载激光雷达进行估测的研究进展及其一些局限性。     

基于机载LiDAR的伪大光斑波形数据反演林分平均高

为降低小光斑机载激光雷达因光斑直径太小而导致的脉冲首次回波无法代表冠层高度的影响,以进一步提高小光斑机载激光雷达波形数据在森林结构参数估测中的应用潜能。以内蒙古依根地区为研究区,以机载激光雷达波形数据为基础数据,在波形数据高斯分解的基础上提出一种基于小光斑波形形成伪大光斑波形数据的方法。通过计算样地内各高斯分量脉冲能量占总脉冲能量的比例,将其视为各高斯分量特征参数对应权数,分别求特征参数振幅、位置和半波宽的加权平均数,即为样地伪大光斑波形数据对应高斯函数的特征值。基于小光斑波形数据和伪大光斑波形数据提取特征参数,分别结合野外样方实测平均树高建立回归模型,并进行比较分析。结果小光斑波形反演模型的决定系数R2为0.47,总体平均精度P为78.19%,伪大光斑反演模型的决定系数R2为0.61,估测林分平均高总体平均精度P为90.65%。结果表明,伪大光斑模型反演精度高于小光斑波形反演模型,降低了小光斑LiDAR因光斑直径过小带来的影响,挖掘了小光斑机载LiDAR波形数据的应用潜力。     

基于ICESat-GLAS数据的波形去噪算法优选与森林冠顶高反演模型建立

【目的】比较基于不同窗函数的GLAS数据去噪算法和多种森林冠顶高反演模型的精度,优选波形去噪算法并确立对森林冠顶高估算精度较高的反演模型,为森林生物量估测等研究奠定数据基础。【方法】首先基于布莱克曼窗函数和高斯窗函数对GLAS数据进行去噪处理,采用RMSE和SNR定量比较2种波形去噪方法的去噪效果;然后对去噪效果最好的窗函数去噪后的波形提取波形参数,并分针叶林、阔叶林、针阔混交林和不分林型4种情况,采用线性回归方法,以波形长度为参数建立波形参数模型,以波形长度、地形指数为参数建立地形因子模型,在地形因子模型基础上,逐步引入波形半能量高、波形前缘长度和波形后缘长度等参数建立全模型,比较3类模型的模拟效果。【结果】高斯窗函数去噪后的RMSE较低、SNR较高,去噪效果较优;冠顶高反演模型中,分林型和不分林型情况下,全模型模拟效果均优于其他2类模型。其中地形因子模型中针叶林效果较好:R~2=0.853,RMSE=2.519 7 m;全模型中针阔混交林效果最好:R~2=0.972,RMSE=1.001 4 m。【结论】高斯窗函数对GLAS波形去噪能力较强,且在复杂地形情况下,当引入多种波形参数结合地形因子建立多元线性回归模型时,模型对各林型最大冠顶高的解释能力显著提高,可在一定程度上克服地形因子模型在坡度较大地区对冠顶高解释困难的问题,实现复杂地形情况下森林冠顶高的精确估算。     

基于X波段极化干涉SAR数据的思茅松林冠层高度反演

极化干涉SAR数据在森林冠层高度反演的应用是SAR领域的研究热点。经典的三阶段冠层高度反演算法对体相干系数的解算存在着一定的误差。为提高冠层高度反演的精度,在经典三阶段算法的基础上提出一种基于相位不变原则的三阶段改进算法,并结合相干优化来提高冠层高度反演精度。通过采用星载TanDEM-X全极化干涉数据实现普洱地区思茅松林冠层高度的反演,并结合实测数据进行精度检验。结果表明,改进后的三阶段算法能够较为准确地反演森林冠层高度。     

基于TM影像数据的林分冠层郁闭度反演技术研究

本文以崂山林场为研究区域,利用森林资源二类调查数据和TM影像数据,分析了林分郁闭度与遥感因子之间的定量关系,在此基础上利用多元回归分析法结合实测数据构建郁闭度估测模型,并对模型精度进行检验,结果表明,预估精度达到81.6%,估测效果较好。利用该模型,反演了研究区的林分冠层郁闭度,将崂山林场的林分冠层郁闭度分为四个等级,即非林地区,低郁闭度区,中郁闭度区和高郁闭度区,研究区的森林郁闭度分布呈现西北部和东南部较低,而中部和南部相对较高。     

甘肃黑河流域上游森林地上生物量的多光谱遥感估测

[目的]以黑河流域上游祁连山森林保护区为研究区,利用133个森林样地调查数据、Landsat-5 TM影像和ASTER GDEM产品为数据源,探讨地形对该流域森林地上生物量(above-ground biomass,AGB)估测的影响,以及选择合适的遥感估测方法反演该流域的森林AGB.[方法]首先利用青海云杉特殊的生境范围和绿色植被对比值植被指数(ratio vegetation index,RVI)的灵敏程度,及不同地物对纹理特征的不同响应,制定相应的决策树分类器,将研究区的土地覆盖类型分为两大类:森林(青海云杉)-非森林,并利用133个森林样地调查数据和Google Earth 高分辨率影像的12 722个采样点对分类结果进行验证(总体分类精度达到90.39％,Kappa系数为0.81);然后运用多元线性逐步回归估测法,以及结合随机森林算法(random forest,RF)优化后的k最近邻分类法(k-nearest neighbors,k-NN)进行森林AGB的遥感估测,对比SCS+C地形校正前后青海云杉森林AGB的估测结果,同时比较2种不同估测方法的反演效果;最后利用得到的最优估测方法反演整个研究区的森林AGB,生成黑河流域上游祁连山森林保护区的森林AGB的等级分布图.[结果]SCS+C地形校正前多元线性逐步回归的估测精度为R2=0.31,RMSE =34.41 t·hm-2,地形校正后多元线性逐步回归的估测精度为R2 =0.46,RMSE =30.51 t·hm-2;而基于SCS+C地形校正后的k-NN的交叉验证精度不仅明显高于地形校正前的精度,且显著优于多元线性逐步回归的估测结果,达到R2=0.54,RMSE=26.62 t·hm-2;另外基于最优的k-NN估测模型(窗口为7×7,采用马氏距离,k=3)反演的该流域青海云杉在2009年总的森林地上生物量为8.4×107t,平均森林地上生物量为96.20 t·hm-2.[结论]在地形复杂地区,运用SCS+C模型对地形进行适当校正,能够有效地消除太阳入射角变化引起的地表反射亮度的差异,使影像能够更准确地反映地表信息,提高森林AGB的遥感估测精度;在样本有限的情况下,相对于以大数定律作为理论基础的多元线性逐步回归估测法,k-NN能够避免发生过学习现象和样本不平衡问题,更适于该研究区青海云杉的森林AGB的估测.     

基于TanDEM-X相干系数的森林高度估测方法

【目的】采用TanDEM-X单极化InSAR数据,研究基于相干系数的SINC模型森林高度估测方法,并分析5 m高分辨率的LiDAR DEM和30 m中等分辨率的SRTM DEM对模型估测精度和稳定性的影响。【方法】首先对观测的相干性进行非体散射失相干校正得到体散射失相干γVol,然后基于SINC模型将γVol的相干系数作为输入估测森林高度。以LiDAR提取的森林高度为验证数据,均匀选取150个检验样本,分别在15 m×15 m、30 m×30 m、50 m×50 m和100 m×100 m大小的样本尺度上进行精度评价,并与DSM-DEM差分法进行对比,分析2种方法的精度和适用性。【结果】5 m和30 m分辨率的参考DEM对SINC模型森林高度估测结果影响较小,随样本尺度增大其影响可逐渐忽略,当样本大小为100 m×100 m时,LiDAR DEM和SRTM DEM估测结果的R~2分别为0.54、0.51,RMSE分别为2.38、2.51 m,精度分别为77.19%、75.99%;相比SINC模型法,DSM-DEM差分法在各样本尺度上的表现更好,但森林高度估测结果存在明显低估现象,必须采用森林高度实测数据进行校正,当样本大小为100 m×100 m时,R2为0.79,校正前后的RMSE分别为2.57、1.63 m,精度分别为75.44%、84.41%。【结论】基于相干系数的SINC模型法估测森林高度,以30 m空间分辨率的SRTM DEM进行地形补偿和地理编码,可以取得较好结果;虽然该方法的精度相比DSM-DEM差分法略有下降,但既不需要实测森林高度数据进行标定,也不需要输入高分辨率的DEM,具有大范围森林高度制图的潜力和更大的实际应用价值。     

基于PROSAIL模型和多角度遥感数据的森林叶面积指数反演

【目的】基于多角度PROBA/CHRIS遥感数据和野外实测数据,结合PROSAIL模型和随机森林模型反演森林叶面积指数(LAI),以提高植被LAI遥感反演精度,为区域土壤侵蚀遥感定量监测提供新的方法和模型。【方法】以南京市紫金山和幕府山为研究区,采用野外调查、遥感影像、辐射传输模型与数学模型相结合的方法,构建基于PROSAIL模型和多角度PROBA/CHRIS遥感数据的随机森林LAI反演模型,对PROSAIL模型进行敏感性分析和适用性评价,确定最佳LAI反演模型,并利用地面实测LAI进行精度验证和评价。【结果】PROSAIL模型中各输入参数敏感性大小为LAI叶绿素a、b含量Cab叶片干物质含量Cm热点参数SL叶片内部结构参数N等效水厚度Cw;模拟的冠层反射率精度大小为0°36°-36°55°-55°。单角度LAI反演模型中,前向观测角55°精度最高,其决定系数(R2)、均方根误差(RMSE)和平均绝对百分误差(MAPE)分别为0.915 7、0.235 7和0.042 6;相比于传统垂直观测,55°模型的R2提高0.75%,RMSE和MAPE分别降低3.76%和5.12%;相比于非线性回归模型,单角度随机森林LAI反演模型的R2提高0.7%,RMSE和MAPE分别降低15.40%和11.98%;单角度LAI反演模型精度由高到低依次为55°、36°、0°、-55°、-36°。多角度LAI反演模型中,3角度组合(0°、36°、55°) LAI反演精度最高,其R2、RMSE和MAPE分别为0.918 4、0.231 9和0.041 5,相比于单角度55°,R2提高0.29%,RMSE和MAPE分别降低1.61%和2.58%;相比于传统垂直观测,3角度组合模型的R2提高1.05%,RMSE和MAPE分别降低5.31%和7.57%;相比于非线性回归模型,多角度随机森林LAI反演模型的R2提高0.79%,RMSE和MAPE分别降低6.72%和9.19%。紫金山西部区域LAI介于0.44～6.70之间,林地LAI均值为3.04;紫金山西部林地LAI整体上呈北部和南部高、中间低的空间分布格局。【结论】最佳LAI反演模型为基于3角度组合(0°、36°、55°)的随机森林LAI反演模型;一方面,增加观测角度可提供更多植被冠层结构信息,LAI反演精度随观测角度增加而增加,但另一方面,观测角度过多会使像元空间重采样、叶片阴影和土壤阴影等问题带来更多不确定性,LAI反演精度反而下降;无论是单角度还是多角度数据,随机森林LAI反演模型精度均高于非线性回归模型,随机森林模型能够明显提高LAI反演精度,适用于区域植被LAI反演;多角度遥感数据能够反映森林立体结构信息和地物多维空间结构特征,显著改善传统垂直观测数据反演LAI精度较低的问题,从而有效提高植被LAI反演精度。     

基于TanDEM-X数据的橡胶林高度反演研究——以云南省勐腊县为例

极化干涉SAR综合了雷达极化和干涉技术,可以分别提取出森林地区的地表和冠层相位中心,实现植被高度反演。文章采用TanDEM-X星座X波段全极化数据,基于随机散射体—地表二层散射模型(RVoG),结合三阶段算法反演云南省勐腊县研究区的橡胶林高度。结果表明,采用RVoG模型结合三阶段算法的反演策略可行,与野外实测橡胶林树高的相关系数R为0.449**,均方根误差R_(MSE)为6.92 m,平均误差M_E为-0.02 m。     

基于机载P-波段全极化SAR数据的复杂地形森林地上生物量估测方法

【目的】利用国产合成孔径雷达(SAR)系统(CASMSAR)获取的机载P-波段全极化SAR(PolSAR)数据,分析SAR对森林地上生物量(AGB)的响应与地形的关系,建立融合地形因子的高精度多项式模型,以提高森林AGB的估测精度。【方法】首先以基于机载激光雷达(Li DAR)数据得到的研究区坡度分布图与结合实测样地AGB数据得到的森林AGB分布图作为参考数据进行系统抽样,分析森林AGB与P-波段PolSAR后向散射强度的关系以及不同坡度下二者的相关性变化;然后利用Li DAR得到的高精度数字高程模型(DEM)结合机载P-波段的轨道数据计算当地入射角,进而建立以后向散射强度、当地入射角以及雷达视角为输入特征的多项式统计模型,同时将以上系统抽样得到的样本一部分作为模型训练样本,一部分作为精度检验样本。为避免样本尺度引起的偶然性,检验了20 m×20 m至100 m×100 m不同样地尺度下的估测精度。【结果】以90 m×90 m样本为例,当坡度为0°~5°时,引入当地入射角(第2组特征)的估测精度与未引入当地入射角(第1组特征)的估测精度分别为:决定系数(R~2)为0.634和0.634,均方根误差(RMSE)为12.07和12.08 t·hm~(-2),总精度(Acc.)为78.91%和78.89%;当坡度为5°~10°时,第2组特征与第1组特征的估测精度分别为:R2为0.524和0.523,RMSE为13.52和13.97 t·hm~(-2),Acc.为80.57%和80.52%;当坡度大于10°时,第2组特征与第1组特征的估测精度分别为:R~2为0.628和0.519,RMSE为13.16和15.70 t·hm~(-2),Acc.为81.05%和78.55%。随着样地尺度增大,2组特征的估测精度均增大,且第2组特征的估测精度大于第1组。【结论】当坡度小于10°时,地形对森林的后向散射强度几乎无影响;当坡度大于10°时,地形的影响显著,在不同尺度下,引入当地入射角的估测模型均可以有效提高估测精度,充分说明模型的有效性和稳定性。此外,随着尺度增大,无论采用的模型是否考虑了地形影响,其估测精度都逐渐提高并趋于稳定,揭示出对复杂地形下森林AGB估测模型效果的评价必须考虑尺度的影响,且参考样地要足够大,否则难以得到客观的结论。     

高精度DEM支持下的多时期航片杉木人工林树高生长监测

【目的】集成多时期航片数据和由机载激光雷达数据获取的密集林区数字高程模型,估测多时期杉木人工林冠层高度,并对其生长情况进行定量监测,为多时期航片监测森林生长趋势和评价林地生产力提供可能。【方法】首先基于分类后的激光雷达点云数据获得林下高精度数字高程模型和森林数字表面模型,利用航片数据构建立体像对,通过自动立体匹配算法生成森林冠层的摄影测量数字表面模型,然后借助数字高程模型将2种数字表面模型进行高度归一化,提取研究区多时期森林冠层高度。利用1996、2004年历史航片和2014年数字航片以及激光雷达数据,构建18年内皖南杉木人工林3期森林冠层高度,并对其精度进行分析。【结果】1)由2014年数字航片和激光雷达数据获取的森林冠层高度的R^2为0. 52,RMSE为1. 79 m; 2)由2014年数字航片处理得到的森林冠层高度与对应样地实测上层木的平均高验证精度较高,平均绝对误差1. 59 m,平均相对误差15%,最大绝对误差3. 45 m,最大相对误差30. 80%,测量精度85. 00%; 3)由1996、2004、2014年航片得到3期杉木人工林冠层高度,其增长趋势与树高生长曲线预测趋势一致。【结论】在多山复杂地形条件下,利用航片可准确定量反映山脊向阳面的森林冠层高度变化,但对于山谷阴影处,则会出现冠层高度被低估情况,利用多期航片结合高精度DEM数据可定量反映上层木的冠层高度变化。     

无人机激光雷达与摄影测量林业应用研究进展

森林空间结构及动态变化规律对森林经营管理、生态环境建模等具有重要意义,无人机激光雷达与摄影测量能够获取丰富的森林空间结构和类型信息,在单木、林分尺度森林环境长时间序列监测方面具有无可比拟的优势。无人机激光雷达系统一般搭载多回波/全波形激光扫描仪,配备高精度全球导航卫星系统惯性测量单元(GNSSIMU)等传感器,以保证激光脉冲回波信号的几何定位精度。无人机摄影测量系统通常搭载可见光(RGB)/多光谱相机,配备低精度GNSSIMU,通过高重叠率航片的三维重建算法自动解算航片内外方位元素,生成具有相对参考坐标的图像及点云,采用地面控制点(GCPs)、参考影像等方式进行几何精校正,对于连续覆盖的森林区域,使用高精度GNSS、稳定平台等可以提高图像匹配精度。通过单木分割法可以提取单木结构信息,从激光雷达点云或摄影测量重建点云中识别树冠顶点、树冠边界、位置等属性,也可以将点云投影到体元空间或者生成冠层高度模型(CHM),在此基础上识别单木特征。林分结构信息提取常采用高度分布法,从点云中直接计算高度分位数、回波指数等点云特征量,或者按照指定的高度间隔生成频率或强度合成波形,计算波形分位数、波形前沿、波形后沿等波形特征量,根据点云特征量、波形特征量与地面测量值之间的关系估测森林结构参数。激光雷达点云和摄影测量重建点云均能用于提取林下地形,对于低郁闭度区域二者相差不大,对于高郁闭度区域摄影测量重建点云提取的林下地形精度较低。多时相无人机激光雷达和摄影测量相结合,可以监测人工修枝、择伐、火灾、病虫害等引起的森林结构变化以及枝叶生长、落叶等物候变化。无人机激光雷达与摄影测量提取的森林结构参数精度受采集方式、数据处理算法、森林生长季节、地形等因素影响,尚未形成适合林业推广应用的成熟技术体系。无人机系统飞行应当遵照国家/当地法律法规以及相关规定条款的约束,我国按照空机质量、起飞全重等指标对无人机进行分类管理。未来无人机数据获取与处理系统将更加智能化、微型化、低成本化,更好地满足林业应用业务需求。