基于ICESat-GLAS数据和回波仿真原理识别森林类型

【目的】利用星载激光雷达波形数据对森林类型识别时,受地形、噪声和林层结构等因素影响,针叶林、阔叶林和混交林森林类型识别精度较低,为提高森林类型识别精度,需提取与森林类型相关的波形特征参数。【方法】结合回波仿真原理与林分冠层特征对GLAS回波波形进行理论分析,提出了与森林类型相关的波形特征参数Rcafit1-47、K1-47,并与其他森林类型相关的波形特征参数进行联合,建立多种波形特征参数组合,用于森林类型识别。【结果】1)针叶林和阔叶林森林类型识别时,波形特征参数组合Rcafit1-47、K1-47森林类型总体识别精度为92.86%,优于另外两种波形特征参数组合AGS、MSGS和AGS、SGS森林类型总体识别精度;2)针叶林、阔叶林和混交林森林类型识别时,波形特征参数组合Rcafit1-47、K1-47森林类型总体识别精度为77.03%,低于另外两种波形特征参数组合AGS、MSGS和AGS、SGS森林类型总体识别精度;3)波形特征参数Rcafit1-47、K1-47与其他波形特征参数组合后能够提高森林类型识别精度,其中,Rcafit1-47、K1-47、AGS、MSGS参数组合森林类型识别精度最高,针叶林和阔叶林森林类型识别精度为94.64%,针叶林、阔叶林和混交林林分类型识别精度为89.19%。【结论】提出的波形特征参数Rcafit1-47和K1-47在针叶林和阔叶林森林类型识别方面具有明显优势,而且与其他波形特征参数组合后能够明显提高针叶林、阔叶林和混交林3种森林类型的识别精度。     

火焰原子吸收光谱法测定黄连中金属元素的含量

[目的]利用原子吸收光谱法测定黄连中金属元素的含量。[方法]使用HNO3～HClO4体系消解样品,并采用火焰原子吸收光谱法测定6种不同来源的黄连中的Mg、Fe、Mn、Cu和Zn等5种金属元素的含量。[结果]黄连中含有丰富的金属元素,其中Mg的含量最高,Fe、Mn和Zn含量相差不大,Cu的含量最低;加标回收率在100.10%～107.24%,相对标准偏差在0.19%～3.69%(n=6)。[结论]该方法快速、简便、灵敏,结果准确可靠,可用于黄连的质量控制及资源开发。     

基于双目立体视觉SLAM的林下实时定位

【目的】在林下环境中受到树木冠层的遮挡,易造成全球导航卫星系统卫星信号失锁,不能满足林下实时定位的需求。本研究引入双目立体视觉SLAM技术,在移动过程中根据周围环境中路标点的位置变化实时确定传感器的空间位置和姿态,以期在林下环境中达到实时定位的目的。【方法】实验过程中使用双目相机按照10 Hz的采集频率对3块边长为40 m的方形样地连续拍摄,按照ORB特征提取方法从图像中选择具有代表性的路标点,然后依据双目相机成像模型恢复路标点的空间位置,并由路标点的位置变化实时推算相机空间位置和姿态。最后使用光束平差法优化相机位姿和路标点坐标,进一步提高算法的定位精度。通过对比全站仪的测量结果,计算出采集路线中控制点坐标的均方根误差,验证双目立体视觉SLAM算法在林下环境中的定位精度。【结果】实验从控制点坐标定位精度和算法实时性角度对双目立体视觉SLAM算法的定位结果进行定量分析。结果显示由双目立体视觉SLAM算法计算出的相机运行轨迹和全站仪的测量轨迹基本一致,控制点坐标沿X轴、Y轴与Z轴方向的均方根误差(RMSE)分别为0.81、0.65、0.58 m;每帧图像处理时间集中分布在0.06~0.08 s之间,处理速度高于其采集频率。【结论】提出的双目立体视觉SLAM算法,在移动过程中实时确定出相机传感器的空间位置和姿态,解决了林下无法实时定位的难题,为基于移动采集方式的森林样地调查工作奠定了基础。     

弱光束条件下森林区域光子云去噪算法精度研究

先进地形激光高度计系统（ATLAS）可为全球森林冠层高度测量提供科学数据，利用ATLAS光子云数据可获取森林冠层高度信息。为探究光子云去噪算法在弱光束条件下森林研究区的去噪效果，采用局部距离统计算法、基于密度的聚类(Density based spatial clustering of applications with noise, DBSCAN)算法和基于粒子群优化(Particle swarm optimization, PSO)模型的PSO-DBSCAN算法在弱光束条件下的森林区域进行了光子云去噪试验，研究了算法的去噪精度，并分析研究区不同特性对于去噪效果的影响。结果表明： PSO-DBSCAN算法在弱光束条件下森林区域去噪精度达到了0.95，满足光子云去噪的精度要求，该算法相对局部距离统计算法和DBSCAN算法表现出更好的去噪效果；相对地形坡度和植被覆盖度，太阳高度角会对算法的去噪结果产生更大的影响。     

GEDI与Tandem-X DEM估测密林林下地形性能评价

针对密林情况下，GEDI数据与现有的Tandem-X DEM数字地面模型估测林下地形精度没有进行整体评价问题，拟以密林情况作为主要分析场景，通过提取GEDI L2A数据产品对应光斑的经纬度、林下地形信息与数据质量筛选参数，开展数据质量筛选，用以估测基于GEDI数据的林下地形数据，与Tandem-X DEM数据估测密林情况下研究区林下地形开展比较，并进一步探究冠层高度、森林覆盖度与植被类型对估测精度的影响。GEDI与Tandem-X DEM的R²分别为0.99和0.98,GEDI估测林下地形结果的RMSE、Average与STD分别6.49、-1.92、4.42 m, Tandem-X DEM估测林下地形结果的RMSE、Average与STD分别为18.15、14.63、7.35 m。GEDI数据在混交林和稀疏草原情况下RMSE与Average分别变化8.05 m和6.04 m, Tandem-X DEM数据在常绿针叶林与农田/天然植被情况下，RMSE与Average变化幅度为21.63、26.43 m。实验结果表明，GEDI与Tandem-X DEM数据与机载验证...