机载激光雷达和地基激光雷达林业应用现状

激光雷达技术可以直接获取地物的三维信息,在森林参数反演方面具有独特优势。近年来,机载激光雷达与地基激光雷达在林业上的应用取得很大进展,在森林调查中应用广泛。文中介绍了机载激光雷达与地基激光雷达在森林参数提取中的应用,并分析了两者的优缺点;概述了2种数据结合在森林参数反演中的应用,并对应用前景进行了展望。     

以机载激光雷达为核心的多源遥感巨树检测

为探讨以机载激光雷达为核心的多源遥感巨树检测方法，准确、快速和高效地提取区域范围内巨树位置及信息，以有较大面积天然林分布、地形较复杂且高差较大的广西金秀瑶族自治县为研究区，以2018年获取的机载激光雷达点云及2015年获取的高分辨率航摄正射影像为数据源，建立基于多源遥感的巨树检测方法。对分类后的机载激光雷达点云进行高程归一化处理，以20 m×20 m分辨率生成点云最大高栅格图；对点云最大高栅格图进行异常值检测，筛选出> 50 m的像元，并排除坡度> 60°区域的像元，生成巨树初检矢量；将巨树初检矢量叠加机载激光雷达点云数据及高分辨率航摄正射影像，进行人工判读，确定其是否为巨树。结果显示，在金秀县共检测出14棵巨树，与实地调研结果一致。以机载激光雷达为核心的多源遥感巨树检测方法，具有坚实的物理机理，利用机载激光雷达对地表进行精准三维刻画，辅以高分辨率光学影像，可十分便捷、准确地识别巨树及提取巨树基本信息，在森林生态系统的保护和管理中具有良好的应用前景。     

基于无人机机载激光雷达构建森林蓄积量模型反演及精度分析

基于机载激光雷达点云数据提取的嵩县测区森林资源数据，结合样地调查数据，采用多元线性回归模型，重点分析无人机载激光雷达获取的点云数据在森林蓄积量模型反演方面的精度分析，为河南省森林蓄积量的测算提供参考依据。结果显示：山区栎类蓄积量调整决定系数AdjR2=0.890m³·hm^-2，平均相对误差MSE=0.237 m³·hm^-2，均方根误差RMSE=0.478 m³·hm^-2，结合分层地面样地调查数据对山区栎类蓄积量数据进行多元线性回归模型反演，模型精度为96.01%。无人机机载激光雷达能够自动获取大面积栎类标准地的激光点云数据，可以提取森林的垂直结构信息(高度参数)和水平结构信息(郁闭度)具备三维结构参数提取能力，通过全覆盖的激光雷达数据反演结果以及地面验证两个部分的数据验证，得到的精度测算结果较好，为计算森林蓄积量提供新的方法。     

激光雷达技术及其在林业上的应用

激光雷达是近年来国际上发展十分迅速的主动遥感技术,在森林参数的定量测量和反演上取得了成功的应用。激光雷达具有与被动光学遥感不同的成像机理,对植被空间结构和地形的探测能力很强,特别是对森林高度的探测能力,具有其他遥感数据无法比拟的优势。介绍激光雷达遥感的基本原理、大光斑和小光斑激光雷达系统的特点,对它们在林业上的应用现状进行评述,重点分析激光雷达反演森林参数的方法,对激光雷达的林业应用前景进行分析和展望。     

基于机载激光雷达点云和随机森林算法的森林蓄积量估测

【目的】基于机载激光雷达点云数据提取的森林高度参数和郁闭度,结合分层地面样地调查数据,采用随机森林算法构建森林蓄积量估测模型,分析机载激光雷达点云数据在森林蓄积量反演方面的潜力,为森林蓄积量高效准确估测提供方法依据。【方法】以直径30 m的地面样圆离散点云数据为数据源,经数据校准等预处理后,利用Li DAR360软件提取森林高度参数(最大高、平均高等)和郁闭度,并将数据随机分成训练数据(70%)和验证数据(30%)。采用随机森林算法构建森林蓄积量估测模型,对仅用高度参数建模以及联合高度参数和郁闭度建模结果进行比较;同时运用R软件VSURF工具包筛选建模变量,对筛选后变量的建模结果进行分析。【结果】仅用高度参数建模的估测精度为R~2=0.75、RMSE=40.07 m~3·hm~(-2)、MAE=29.21 m~3·hm~(-2)、MRE=49.40%,联合高度参数和郁闭度建模的估测精度为R~2=0.79、RMSE=36.23 m~3·hm~(-2)、MAE=26.16 m~3·hm~(-2)、MRE=38.35%。通过变量筛选,建模参数从24个减少至7个,可极大提高运算效率,同时R~2未变化,RMSE从36.23 m~3·hm~(-2)升至36.50 m~3·hm~(-2),rRMSE从31.92%升至32.97%,MAE从26.16 m~3·hm~(-2)降至26.08 m~3·hm~(-2),MRE从38.35%降至38.05%。【结论】机载激光雷达点云数据可以提取森林的垂直结构信息(高度参数)和水平结构信息(郁闭度),具备三维结构参数提取能力。采用随机森林算法,增加林分郁闭度信息可显著提高森林蓄积量估测精度。通过变量筛选,虽然能够降低参数数量,但对模型精度具有一定影响,在建模精度要求较高的情况下,建议使用全变量进行蓄积量估测;而在数据量较大的情况下,建议使用筛选变量进行蓄积量估测。基于机载激光雷达点云数据估测森林蓄积量显著优于光学遥感数据,可为森林蓄积量高效准确估测提供方法依据,能够满足大范围森林蓄积量快速反演需求。     

国外森林地上部分碳汇遥感监测方法综述

森林的碳汇功能对缓解气候变化具有重要作用, 森林碳汇的计量和监测方法备受关注, 其中应用遥感方法对森林地上部分碳汇进行监测计量已经成为目前林业遥感的热点。文中基于光学遥感、微波雷达和激光雷达3种常用的遥感数据源综述了国外森林地上部分碳汇遥感监测的主要方法, 并讨论了这些监测方法的精度和不确定性。得出:1)基于光学遥感数据的多元回归分析法在森林地上部分碳汇估算中应用最为广泛, 人工神经网络法具有更高的估算精度; 2)微波雷达系统能够穿透云层, 可用于多云地区森林地上部分碳汇的估算; 3)基于激光雷达数据的估算结果是三者中精度最高的, 可用于高生物量地区森林地上部分碳汇的监测。     

不同空间尺度森林叶面积指数的估算方法

总结不同空间尺度森林叶面积指数(LAI)的估算方法,并讨论这些估算方法的优缺点与发展趋势:通过地面实测来估算小尺度的森林LAI,包括破坏性采样法、落叶收集法、异速生长方程法、光学仪器法和倾斜点嵌块法;通过遥感反演估算区域乃至全球尺度的森林LAI,包括统计模型法、基于冠层物理特征与反射特性的冠层反射模型法、人工神经网络技术及查表法.     

点云密度对机载激光雷达大区域亚热带森林参数估测精度的影响

【目的】点云密度是影响机载激光雷达数据获取和预处理成本的关键因素,探明点云密度对森林参数估测精度的影响,为机载激光雷达大区域森林调查监测应用技术方案的优化提供参考依据。【方法】基于我国广西一个亚热带山地丘陵区域获取的机载激光雷达和样地数据,通过系统稀疏方法,将全密度点云(4.35点·m^-2)分别稀疏至4.0、3.5、3.0、2.5、2.0、1.5、1.0、0.5、0.2和0.1点m^-2,得到11个样地尺度的点云数据集,包括1个全密度和10个稀疏密度点云数据集;应用配对样本t检验方法,分析4种森林类型(杉木林、松树林、桉树林和阔叶林)中稀疏密度点云和全密度点云之间12个激光雷达变量的差异;通过变量和结构固定的多元乘幂模型式,分别采用不同密度点云数据集对林分蓄积量(VOL)和断面积(BA)进行估测,比较模型优度统计指标决定系数(R²)、相对均方根误差(rRMSE)和平均预估误差(MPE)的差异,并应用t检验方法分析稀疏密度点云VOL和BA估测值均值和全密度点云相应估测值均值的差异。【结果】1)点云密度较低时,稀疏密度点云分位...     

基于高光谱和激光雷达数据的林分类型识别

【目的】探讨随机森林、支持向量机分类器下机载高光谱影像和激光雷达点云数据源对林分类型识别的影响,并检验叶绿素在林分类型识别中的作用,为提高林分类型分类精度提供科学依据,为森林资源管理和监测提供技术支持。【方法】以东北林业大学帽儿山实验林场老山施业区为研究区,以机载高光谱影像和激光雷达点云为数据源,在多尺度影像分割基础上,从高光谱影像中提取光谱、纹理和叶绿素指数等特征,从Li DAR点云中提取高度、强度等特征。通过随机森林的特征选择,选取重要性较高的特征变量,在随机森林和支持向量机分类器下,以影像分割数据为试验样本,设置6种分类方案(随机森林分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据,支持向量机分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据),对阔叶混交林、樟子松林、落叶松林、红松林和蒙古栎林5种林分类型进行识别,比较不同分类器下不同数据源的分类效果。【结果】高光谱影像数据共提取34个特征变量,激光雷达点云数据共提取72个特征变量,经特征选择后,高光谱影像数据和激光雷达点云数据各选取11个重要性较高的特征(共22个),其中高光谱影像数据提取的归一化植被指数(NDVI)重要性最大。6种分类方案中,随机森林分类器下高光谱影像与激光雷达点云数据结合的分类精度最高(88.02%),支持向量机分类器下激光雷达点云数据的分类精度最低(76.19%)。多源数据协同的平均分类精度(86.22%)高于单源数据(79.98%),随机森林分类器的平均分类精度(82.92%)高于支持向量机分类器(81.19%)。叶绿素指数参与分类后,分类精度提高约3.32%。5种林分类型中,阔叶混交林分类效果最好,平均分类精度为92.62%,红松林分类效果最差,平均分类精度为49.67%。【结论】多数据源较单源数据可更好地提高分类精度,即2种数据协同可以提高林分类型识别精度;单一数据源相比,高光谱影像数据源的分类效果更好,光谱特征是林分类型识别的重要影响因子;林分类型识别时,不同机器学习模型相比,随机森林分类器较支持向量机分类器分类效果更优;叶绿素作为生物化学参数对林分类型识别有积极影响。     

激光雷达技术在森林资源监测中的研究进展

对激光雷达技术在森林资源监测方面的运用前景、局限性和研究进展进行总结,并研究激光雷达技术在森林资源监测方面的成果。结果表明:激光雷达技术植物资源方面的监测主要为森林的整体结构高度、植被的具体高度及森林中植被的占有密度,生物密度方面的监测一般应用小光斑系统,温带气候的森林植被叶面积较为均衡,可采用常规的激光检测进行监测。由于应用普通激光雷达技术对森林资源进行监测时,会受到雷达运行空间不足、费用高昂、检测数据量有限等问题的约束,提出应形成一套费用低、监测数据量大、运行空间充足的机载系统,提高雷达的灵活性。     

小光斑激光雷达数据估测森林生物量研究进展

小光斑激光雷达可以直接获取森林的垂直和水平结构参数,因此广泛应用于森林树高、生物量和郁闭度等结构参数估计。本文主要分析小光斑激光雷达在森林生物量估测中的应用,根据研究尺度的不同,分别对小光斑激光雷达在单木、样方水平森林生物量的反演技术和方法进行详细分析,并对小光斑激光雷达与其他类型遥感数据进行融合,共同用于森林生物量研究的潜能进行阐述,通过对上述分析得出小光斑激光雷达用于森林生物量研究中存在的问题进行总结并对其未来的研究进行展望。     

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。     

基于多源数据协同作业的森林信息提取研究进展

传统森林调查手段正逐渐被激光雷达、光学遥感及卫星遥感等新兴的遥感技术所代替。随着研究的不断深入，单一遥感数据源往往难以满足高精度的森林信息提取需求。因此，文中以激光雷达为研究主体，综述摄影测量、高光谱遥感及卫星遥感等多种遥感技术在森林信息提取中不同遥感技术协同作业的研究进展。相较于单一数据源，多源数据协同作业在森林结构参数提取、生物量估测以及树种识别等领域均有明显优势。结合目前的研究工作，从数据获取成本、获取方式、多源数据融合、配套软件及系统构建等方面展望了多源数据协同作业方式的发展趋势。     

高光谱遥感森林叶面积指数估测研究现状

文中简要概述了叶面积指数和高光谱遥感的概念, 分析比较了高光谱遥感与传统的宽波段遥感估测森林叶面积指数的优势, 以及利用高光谱遥感数据估测森林叶面积指数的常用方法, 并对目前高光谱遥感估测森林叶面积指数存在的问题行了讨论。     

基于LiDAR离散点云能量信息的针叶林叶面积指数反演方法

叶面积指数是森林的重要结构参数,对于研究与植被叶片相关的生物物理活动具有重要意义。为了提高针叶林叶面积指数的估测精度,以吉林省长春市净月潭国家森林公园为研究区,通过对小光斑激光雷达离散点云进行滤波分类处理、拟合波形数据,从中提取5个能量参数,分别用于估测针叶林样方的叶面积指数,通过分析得出I2预测模型最好,R=0.911,P=0.968。结果表明小光斑激光雷达离散点云的能量信息能够较好地估计针叶林的叶面积指数,未来应加大小光斑激光雷达能量参数的应用。     

一种机载LIDAR数据估算森林蓄积参数的方法

针对林业调查中的单株树木提取问题,提出一种基于机载激光雷达点云数据,采用局部最大值和噪点消除获取树冠顶点,利用分水岭分割方法提取单株树,根据样地树高和森林蓄积模型估算胸径和森林蓄积量的方法,与传统的人工现场勘测方法相比,具有更高的时间效率,减少了大量的人力成本。     

基于多尺度遥感影像纹理特征的森林蓄积量反演

以国产"高分一号"卫星(以下简称GF-1)获取的遥感影像数据与少量研究区样地数据为数据源,构建以光谱信息与多尺度纹理特征为特征变量的森林蓄积量反演模型,探讨不同尺度下提取的纹理特征对森林蓄积量估测模型准确度的影响,通过对特征变量的优选,寻求一种提高森林蓄积量反演模型的准确度的方法。首先,对覆盖研究区域的GF-1遥感影像进行重采样,得到覆盖研究区域的不同分辨率的影像序列,基于不同窗口大小的灰度共生矩阵提取影像序列的纹理特征,与遥感影像光谱信息共同作为特征变量;然后,使用随机森林(random forest,RF)算法构建森林蓄积量反演模型,对研究区域的森林蓄积量进行估测,分析不同特征变量与窗口大小对森林蓄积量反演模型准确度的影响;最后,通过比较特征变量重要性,确定森林蓄积量反演模型的最佳特征变量与窗口大小选择,对研究区进行森林蓄积量反演,得到研究区域的森林蓄积量分布图。当使用从8m分辨率遥感影像提取的纹理特征与光谱信息作为特征变量时,森林蓄积量反演模型准确度明显优于使用其他特征变量。其中,当灰度共生矩阵窗口大小设置为9×9时,森林蓄积量反演模型准确度最高,为R~2=0.70,RMSE=6.317。在根据重要性对从多尺度遥感影像提取的纹理特征进行选择后,所构建的森林蓄积量反演模型的准确度为R~2=0.74,RMSE=6.439。使用较高分辨率遥感影像提取的纹理特征作为特征变量,可以有效的提升森林蓄积量反演模型的准确度。将基于不同分辨率遥感影像提取到的纹理特征作为特征变量,其模型准确度优于使用单一分辨率遥感影像所提取的纹理特征。     

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。     

森林背景反射率对乔木层地上生物量遥感估算的影响研究——以大兴安岭林区为例

遥感技术能够大面积覆盖和动态监测森林冠层叶片特征,森林乔木层地上生物量(AGB)与叶生物量之间存在良好的统计关系,根据遥感数据提取森林有效叶面积指数(LAIe)以估算叶生物量、进而估算AGB是可行的。然而,利用遥感数据提取森林LAIe时会受到林下植被等背景信息的影响。因此,论文以我国东北大兴安岭林区为研究区,利用中分辨率成像光谱仪(MODIS)数据和四尺度模型定量研究森林背景反射率对冠层LAIe和乔木层AGB遥感估算的影响。结果表明:背景反射率对森林LAIe遥感反演和AGB估算影响显著,利用遥感数据提取的背景反射率对背景影响订正后,反演的LAIe与基于高分辨率专题制图仪(TM)影像反演出的LAIe之间的相关性明显提高,决定系数(R~2)由0.32(n=25,p0.10)增大到0.48(n=25,p0.01),遥感估算的AGB与利用森林一类清查数据估算的AGB之间R~2由0.52(n=10,p0.05)上升到0.86(n=10,p0.01),LAIe和AGB高估现象得到明显纠正。     

遥感技术在森林树种多样性监测中的应用研究进展

树种多样性的快速、有效监测能够促进生物多样性保护与研究以及森林可持续管理。遥感技术正逐渐成为森林生物多样性大面积快速监测的新兴手段,为树种多样性空间格局信息的快速提取提供了有力保证。以数据源为线索,文中系统阐述了近年来多光谱遥感、高光谱遥感、激光雷达、微波遥感及多源遥感协同方法在树种多样性监测中的应用研究现状,并从数据源、数据平台、遥感异质性指数、数据时间特征和监测模型5个方面讨论了森林生物多样性遥感监测研究的发展趋势,旨在为生物多样性遥感监测研究提供有益启示。