运用融合纹理和机载LiDAR特征模型估测森林地上生物量

针对区域尺度森林地上生物量的分布情况,以大兴安岭生态观测站为例,提出了一种融合光学影像纹理和机载LiDAR点云特征的森林地上生物量遥感估测方法。该方法首先提取Landsat 8 OLI不同波段在不同运算窗口下的纹理特征;然后对机载LiDAR点云进行滤波提取地面点,并利用地面点对点云数据进行高度归一化处理,提取点云特征因子;最后结合提取的遥感特征因子,利用支持向量回归的方法对研究区森林地上生物量进行估测,并对结果进行精度验证。结果表明:不同波段和窗口尺寸的建模精度差异较大,蓝光波段在7×7运算窗口下模型精度最高(R~2=0.73,R_(MSE)=22.32 t/hm~2);点云高度分位数变量的建模精度呈正态分布,变量H_(50)的建模精度最高(R~2=0.75,R_(MSE)=19.24 t/hm~2);与单一的遥感特征变量相比,融合光学影像纹理和机载LiDAR点云特征的模型精度有了一定提高,且针叶林和混交林的估测R_(MSE)分别为19.63和20.40 t/hm~2。因此,该方法可以为区域性的森林地上生物量估测提供有效参考。     

基于激光雷达的宁波市晴天消光系数垂直特征分布

对2015年7月至2017年6月宁波市镇海站晴天AGHJ-I-LIDAR激光雷达资料进行分析,发现355 nm波长的平均消光系数明显高于532 nm波长,355 nm波长的消光系数平均高值区可达>0.6 km^-1,离地面有一定的距离,主要出现在0.5~0.9 km的高度,时间上主要出现在9:00—23:00。消光系数>0.4 km^-1区域的上边界呈现出一定的日变化趋势,中午前后与日出、日落时相比略高。632 nm波长上消光系数高值区仅为0.4~0.6 km^-1,主要出现近地面层,集中分布在0.1~0.3 km的高度,时间上主要在13:00—21:00。划定不同消光系数的界限,统计超过界限消光系数的出现区域概率,结果表明,消光系数高值区的分布概率上,355 nm波长区域明显>532 nm波长对应区域;从高度分布上来看,355 nm波长高概率区域的上界和下界均比532 nm波长要高。同时,355 nm波长有明显的日变化,中午前后上界有峰值。     

果园移动机器人激光雷达双源信息融合实时导航方法

为提高林果园移动机器人导航系统的精确性与鲁棒性,提出一种基于激光雷达三维点云的果园行间高低频双源信息融合实时导航方法。首先,喷雾机器人搭载三维激光雷达采集两侧果树点云信息,对原始点云数据进行直通滤波、降采样和统计滤波等预处理,保留感兴趣区域内果树冠层点云;然后,将分别基于高频更新的牛顿插值算法和低频更新的非线性支持向量机(Non-linear support vector machine, NSVM)算法拟合的行间导航线进行互补融合;最后,在导航线切换时,对融合后导航线的稳定性进行优化,并使用三次B样条算法使导航线平滑。实验结果表明：融合优化后的导航线最大曲率为0.048 m^-1,平均曲率为0.018 m^-1;分别以0.5 m/s和1.0 m/s的行驶速度对融合优化后的导航线进行跟踪,绝对横向偏差最大值分别为0.104 m和0.130 m,平均值分别为0.053 m和0.049 m,说明该导航方法能够满足作业装备在果园行间自主导航作业的需求,为喷雾机器人在果园环境中的自主导航提供技术参考。     

农田耕后地表微地貌自走遥控测量装置设计与试验

针对油菜精量联合直播机作业后,田间作业厢面微地貌形状特征参数测量困难、传统测量方法存在测量效率和误差难以兼顾、现有测量装置操作便捷性不够的问题,设计了一种自走遥控地表微地貌测量装置。该装置主要由行走部件和微地貌测量系统组成,装置可以通过遥控操作到达指定测量区域并通过手机APP控制激光雷达扫描作业高度和扫描作业速度及实时显示测量装置测量状态信息,实现农田耕后地表微地貌特征高效测量。对装置行走部件悬挂避振机构和驱动机构行走驱动力进行了设计和分析,确定了弹簧避振器中圆柱螺旋压缩弹簧参数和驱动机构驱动电机参数;对微地貌测量系统控制单元硬件和软件进行了设计,确定了控制单元硬件电路和软件工作流程;对装置倾斜误差和系统误差进行了分析,消除了装置倾斜误差和系统误差。开展了装置田间测量试验,对地表厢面微地貌特征及畦沟沟型进行了测量,结果表明：相较于传统针板法测量方式,所开发的微地貌测量装置测量油菜直播机作业后的地表微地貌特征,获得的厢面平整度特征参数高度均方根、表面相关长度、畦沟平均沟宽、沟宽稳定性系数、平均沟深和沟深稳定性系数误差分别为4.01%、4.81%、3.70%、1.34%、2.09%和2.8...     

雷达昆虫学研究进展及应用前景

雷达昆虫学经过近50年的发展,取得一系列的重要成果。本文系统介绍了各类昆虫雷达的体制和功能,总结了相似体制天气雷达与昆虫雷达的主要区别,回顾了各相关国家雷达昆虫学的实践情况,归纳了昆虫雷达建制技术取得的进步,并展望了雷达应用的前景及其今后昆虫雷达建制技术的发展方向,以期促进我国昆虫雷达事业的发展。     

基于机载激光雷达校正的ICESat/GLAS数据森林冠层高度估测

针对星载激光雷达(geoscience laser altimeter system,GLAS)大光斑属性,该文提出了一种改进后的光斑尺度森林冠层高度估测方法,并分析了复杂地表对其估测精度的影响.首先,对机载lidar点云分类出地面点,并利用地面点对点云数据进行高度归一化处理,提取点云局部最大值得到光斑范围内机载lidar最大冠层高度;以机载lidar最大冠层高度作为模型参数拟合因变量,同时以坡度作为模型的输入变量,结合光斑大小和地表粗糙度,进行参数拟合,得到改进后光斑尺度森林冠层高度估测模型;最后,利用实测样地数据对冠层高度估测模型进行验证.结果表明:机载点云数据可以准确地反映光斑范围内森林冠层的分布,受到树种类型和点云密度的影响,不同森林类型的点云冠层分布存在明显差异.坡度等级直接影响GLAS光斑尺度森林冠层高度的估测精度,改进后的估测模型可以减小坡度对GLAS光斑森林冠层高度估测的影响,模型估测均方根误差(root mean square error,RMSE)稳定在3.26～3.88 m.样地Lorey's高与估测结果拟合度较好,相关系数r=0.66,不同森林类型光斑尺度冠层高度估测精度存在差异,混交林估测精度最高,r和RMSE分别为0.84和1.06 m.该方法可以有效减少地形条件对光斑尺度森林冠层高度估测的影响,并为更大尺度的冠层高度制图提供了有效的参考.     

LiDAR单木分割辅助的无人机影像CNN+EL树种识别

为研究激光雷达单木分割辅助条件下无人机可见光图像树种识别应用潜力,提出联合卷积神经网络（CNN）和集成学习（EL）的树种识别方法。首先利用同期无人机激光雷达数据和可见光影像数据进行单木树冠探测并制作单木树冠影像数据集;其次引入ResNet50网络并结合引入有效通道注意力机制、替换膨胀卷积、调整卷积模块层数搭建出4个卷积神经网络,使用ImageNet大型数据集进行模型预训练,加载预训练参数进行模型初始化并利用制作的单木树冠影像数据集训练出5个不同的分类模型;最后通过相对多数投票法建立集成模型。实验结果表明,单木探测总体精度达到83.80%,集成学习的训练精度、验证精度、独立测试精度分别达到了99.15%、98.34%和90.15%,较ResNet50网络提高了4.23、3.04、9.09个百分点,独立测试精度较随机森林分类最优结果高32.31个百分点。激光雷达单木分割辅助条件下利用卷积神经网络和集成学习策略能够充分提取无人机图像特征用于树种识别。     

基于TLS数据的单木胸径和树高提取研究

利用TLS测量森林参数(树高、胸径和林分密度等)不仅节省人力,而且还能提高工作效率,目前已成为快速获取树木几何参数的有效方法之一。本文利用地基激光雷达数据,提出了一种半自动方式提取单木参数的方法。首先,利用发射脉冲与接收回波脉冲的形状偏差和强度对原始点云数据中的“飞点”和噪点进行滤除;然后,配准各站点云数据;接下来采用不同目标回波过滤方法滤除部分树叶点和其他非树干点;抽稀、合并各站点云数据,对合并后的点云数据水平分层并生成对应的灰度影像;对灰度影像采用Hough变换方法估测单木位置和胸径;对Hough变换检测层数较少的结果采用椭圆拟合方法重新检测;最后,结合Hough变换和椭圆拟合检测结果从点云数据中提取单木位置、胸径和树高。用小兴安岭凉水自然保护区的白桦天然次生林对算法进行了检验,5块多站扫描样地单木识别的平均精度为72.16%,将所提取的单木位置、胸径和树高与外业实际测量数据对比,结果一致性较高。5块多站扫描样地的胸径和树高均方根误差分别为2.38、2.55、3.58、2.21、1.92 cm和4.31、3.87、2.34、5.00、3.47 m。      

机载激光雷达LVIS指标的森林生物量估测

量化全球大区域森林地区的生物量是至关重要的,这是完善生态系统、模拟气候变化方式的一个非常重要的过程。本文在获取的激光雷达数据和实地测量数据的基础上,分析相应地区的区域生物量和激光雷达指标之间的关系,以检测和评估利用激光雷达方式来估测森林生物量上的准确性。     

激光雷达数据在森林参数获取中的应用

由于激光雷达技术可直接获取地物的三维空间坐标信息, 使得激光雷达数据在森林参数估测方面具有独特的优势。文中首先介绍了激光雷达的一般工作原理, 然后总结了国外近年来激光雷达数据在森林参数(树高、冠幅、生物量、碳储量)获取方面的应用, 以及国内林业工作者在激光雷达数据应用方面所做的尝试, 最后对激光雷达数据在森林参数获取方面的前景进行了展望。