基于机载LiDAR数据的林下地形提取算法比较与组合分析

激光雷达(LiDAR)克服了传统测量技术的缺点, 成为了获取DEM的新型手段。针对不同地形林区,选择合理的点云滤波算法,是提取林下地形的关键步骤。本研究在黑龙江省凉水自然保护区内选择了3块具有代表性的区域,分别为平缓山地林区、陡峭山地林区和复杂地区。以1:10 000地形图矢量化生成的高精度DEM为参考,评价了迭代线性最小二乘法、基于坡度法、不规则三角网法(TIN)点云滤波算法在3种地形的适应性。结果表明:不同算法有不同的适应区域。3种方法在平缓山地林区都具有良好的效果,决定系数(R2)均达到了0.98,均方根误差(RMSE)均低于0.21 m。迭代线性最小二乘法在复杂地区滤波效果最好,R2为0.94,RMSE为0.21 m;不规则三角网法在陡峭山地林区效果最好,R2为0.99,RMSE为1.43 m。但是,单一的方法在复杂区域情况下、陡峭山地林区,有明显的分类误差,会将植被分为地面点。为提高林下地形提取精度,本文提出不同滤波方法的组合双重滤波,结果表明,迭代线性最小二乘法和不规则三角网方法组合可以在减少参数调整情况下得到良好滤波效果,对复杂地区、陡峭山地林区滤波效果大大改善。      

天山西部云杉林生物量与遥感地学数据相关性分析

[目的]探讨生物量与遥感地学数据之间的相关性为森林植被生物量遥感动态监测研究奠定基础.[方法]以新疆天山云杉林幼龄林、中龄林、近熟林、成熟林和过熟林的生物量及其对应环境星数据与其派生数据、气象数据、地形数据之间的相关性进行分析.[结果]分龄级比不分龄级的条件下,生物量与各因子团的相关性都有所提高,尤其是幼龄林、近熟林、成熟林和过熟林体现的较明显.[结论]林分生物量与水热因子中的平均气温、最高气温、最低气温、降水等因子有较高相关性;与地形因子中海拔、坡度具有较高相关性,与遥感因子中B3在0.05的水平上显著,而与其它因子在这个水平上相关不显著.在水热因子中,幼龄林、近熟林生物量与平均气温、最高气温、最低气温有较高相关性,成熟林、过熟林生物量与水热因子中的平均气温有较高相关性;在遥感因子中,幼龄林生物量与遥感因子中B2有较高相关性,中龄林生物量与DVI、EVI有较高相关性,其他龄级生物量与NDVI、RVI有较高相关性;在地形因子中,幼龄林和近熟林生物量与地形因子中的海拔具较高相关性,成熟林和过熟林生物量与地形因子中DEM分级具有较高相关性,中龄林与地形因子相关性不高;在森林特征因子中,过熟林生物量与年龄有较高的相关性,其他龄级相关性不高.     

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16线阵TLS数据的单木识别及林分断面积估测研究

目的地基激光雷达(TLS)可以对林冠下层进行快速、非破坏性的三维测量，与传统森林参数调查相比，节省了大量人力、物力和时间，在林业调查中有广泛应用。目前的研究集中在基于全方位TLS数据的参数提取，全方位扫描获取的点云数据量庞大，所需扫描时间较长，而针对快速扫描的多线阵点云数据的研究较少，相关算法有待提出，多线阵激光雷达数据的应用能力也有待验证。方法以北京市东升八家郊野公园和奥林匹克森林公园内的人工林为研究对象，基于多个单站扫描采集的16线阵TLS点云数据，提出了一种新的树干识别算法。该算法利用点云到达目标单木及周围其他物体距离的差异，检测出树干表面点云，并结合随机采样一致性(RANSAC)算法拟合圆，提取单木胸径；在此基础上引用角规抽样技术，进行林分平均胸高断面积的估测。结果对于多个单站扫描数据，单木检测率均在80%以上，株数密度最小的样地单木检测率可高达95%；对于单站数据，单木平均检测率随着扫描半径的增加而下降，在10 m左右范围内可以达到较高的检测率。以样地中被正确检测到的单木胸径估测值与实测值建立回归方程，单木胸径估测的决定系数R2在0.72~0.82之间；计算各样地单木胸径实测值与估测值的平方平均数，林分平均胸径估测精度均在90%以上，最高可达到99%，表明在样地水平上有较好的胸径估测效果。由TLS提取的胸径值结合角规抽样原理计算林分平均断面积估测值，与实测值相比，林分平均断面积估测精度可以达到90%左右。结论本文提出的算法能够基于单帧16线TLS数据提取单木参数，实现林分平均胸径及单位断面积的快速高效估算，为林业调查提供了一种新方法。      

结合无人机可见光和激光雷达数据的杉木树冠信息提取

以年珠实验林场为研究区,以无人机可见光正射影像和激光雷达数据为数据源,采用分水岭分割与面向对象结合的方法提取不同郁闭度下杉木单木树冠信息,并对提取精度进行验证首先采用面向对象法基于无人机可见光影像提取树冠区域,然后基于构建的CHM进行分水岭分割获取单木树冠初步分割结果,最后基于初步分割结果对树冠区域进行二次分割,提取单木树冠信息。结果表明：不同郁闭度林分条件下单木树冠信息提取效果较好,其中单木树冠提取F测度分别为88.07%～95.08%和78.57%～88.29%;提取的树冠面积与实测面积建立的线性回归模型,R²分别为0.8591和0.7367,RMSE分别为2.49 m²和3.29 m²;提取的冠幅与实测冠幅建立的线性回归模型,R²分别为0.8306和0.7246,RMSE分别为0.46 m和0.57 m。基于无人机可见光影像采用面向对象多尺度分割法提取树冠区域很好的消除了样地内裸地及林下灌木等因素的影响;同时,无人机LiDAR数据能够更加精确的区分单木信息,2种数据源结合发挥了二者的优势,提高了单木树冠的提取精度。本研究可为快速获取不同郁闭度林分下单木树冠信息提供参考。     

基于DOM航空影像单木树冠提取

准确提取单木树冠边界是获取森林数量参数的重要基础,是高分辨率遥感图像林业应用的技术难题。基于DOM航空影像数据源,采用面向对象的方法对研究区内的2个树种的林分进行了单木树冠边界提取研究。首先利用桉树和杉木的空间分布矢量数据对DOM航空影像进行掩膜处理,在掩膜区域内进行多层次多尺度图像分割得到初步树冠分割结果,并剔除非树冠信息;再以树冠信息种子对象为基础,使用区域增长算法对树冠信息种子对象增长得到单木树冠范围;最后使用形态学滤波的方法优化单木树冠边界,完成林区内桉树和杉木两类树种的单木树冠边界提取。结果表明,由于不同树种的树冠存在尺度和形态差异,进行单木树冠分割时需要设置不同的参数才能到达较好的分割效果。本研究中桉树和杉木的单木树冠提取总体精度分别为86.75%与89.21%,可满足林业部门获取森林单木树冠的精度需求。     

倾斜摄影测量技术提取油松单木信息

[目的]获取森林单木参数的信息是经营、管理森林过程中的一项重要内容.倾斜摄影测量技术以其多角度拍摄方法,成为目前高效获得单木信息的研究方法之一.[方法]本研究以内蒙古旺业甸油松林为研究对象,利用无人机倾斜摄影测量技术获取油松单木的树高、冠幅和材积,探究了4种不同的相片分辨率(1、0.5、0.25、0.1 m)对单木信息...     

基于无人机三维信息的杉木新造林林分参数遥感估测研究

以福建顺昌埔上国有林场的杉木新造林为研究对象,采用大疆Phantom 4 Multispectral无人机分2次获取研究区的无人机影像,并以无人机影像为数据源,从研究区的数字表面模型（DSM）中提取冠层高度模型（CHM）。根据局部最大值算法和分水岭算法,从CHM中获取研究区杉木的树高和冠幅数据;同时在研究区设立15个标准地,采用测量杆测定各标准地内所有杉木的树高和南北冠幅;以随机选取、且在影像中具有精确位置的265棵杉木为单木水平的实测数据,以及各标准地内杉木的平均树高和平均南北冠幅为林分水平的实测数据,分别从单木和林分角度对杉木树高和冠幅的遥感估测精度进行评价。结果表明：2次飞行作业之间树高的估测精度分别为90.86%和91.34%,南北冠幅的估测精度分别为83.55%和83.95%;在单木水平上,遥感估测的树高精度为R²=0.89、RMSE=22.37 cm、EA=91.00%;南北冠幅精度为R²=0.70、RMSE=27.33 cm、EA=82.22%;在林分水平上,树高的估测精度为R²=0.95、RMSE=12.27 cm、EA=94.61%;南北冠幅的估测精度为R²=0.82、RMSE=11.24 cm、EA=92.20%。遥感估测的树高均值比野外测量的树高均值小0.07 m,南北冠幅均值比野外测量的均值小0.04 m。基于无人机三维信息实现了研究区杉木树高和冠幅的精确估测,且在飞行参数一致的情况下,不同飞行区域和飞行批次之间的估测精度相近。研究可以为杉木新造林快速、稳定的监测和经营管理策略的科学制定提供基础数据。     

不同林龄草类-兴安落叶松林粗木质残体特征

以大兴安岭草类-兴安落叶松林为对象,通过分析不同龄林粗木质残体(CWD)的物种组成、径级结构及腐烂等级,揭示了CWD的基础特征及贮量。结果表明:CWD密度、体积和生物量分别为400～1 650株.hm-2、6.73～203.09 m3.hm-2和3.45～104.33 t.hm-2。随着林分林龄的增加,CWD密度逐渐减少,体积和生物量均从幼龄林开始增加,到成熟林时达到高峰后开始下降。随着林分林龄的增加,高腐烂等级的CWD体积和生物量比例逐渐增加,幼中龄林和近熟林以Ⅰ～Ⅲ级腐烂为主,成过熟林以Ⅳ～Ⅴ级腐烂为主。随着径级的增加,CWD体积和生物量比例在中龄林先增加后降低,在近熟林、成熟林和过熟林中有逐渐增加的趋势。群落由兴安落叶松和白桦构成,兴安落叶松CWD在数量、体积和生物量上均占74%以上。     

坡度对应用机载激光雷达估测人工针叶林单木参数的影响

以黑龙江省佳木斯市桦南县孟家岗林场为研究对象,利用2017年的机载激光雷达(ALS)数据构建冠层高度模型(CHM),探索坡度对单木参数估测的影响。研究区域内坡度分为4级,Ⅰ级为平坡:坡度<5°;Ⅱ级为缓坡:坡度5°~14°;Ⅲ级为斜坡:坡度15°~24°;IV为陡-急-险坡:坡度≥25°。每一级选取8块高郁闭度的人工针叶林样地(50 m×50 m),应用基于区域的分层横截面分析法(RHCSA)进行单木树冠提取,估测单木位置、树高和冠幅信息,利用目视解译的单木树顶和树冠作为参考数据进行精度检验(包括单木树冠提取精度和单木参数估测精度检验)。结果表明:不同坡度下单木树冠提取和单木定位估测均有显著差异(p<0.05)。其中,平坡上的单木树冠提取总体精度最高(均值为84.61%),陡-急-险坡上的总体精度最低(均值为41.31%);缓坡上的单木定位精度最高,平均的均方根误差为1.16 m,陡-急-险坡上单木定位精度最低,平均均方根误差为1.58 m。但是,不同坡度下单木树高和冠幅的估测结果差异并不显著(p>0.05)。因此,应用CHM进行单木参数估测时,虽然进行了地形标准化,但还是需要考虑坡度对单木树冠提取和单木定位的影响,而其对树高和冠幅的影响不大。     

森林区域机载LiDAR点云数据的改进八叉树滤波算法研究

目的利用机载LiDAR点云数据能准确获取地物点三维坐标的特点,本文对森林区域LiDAR数据进行滤波分析,旨在提高点云滤波精度。方法基于改进的八叉树模型,将复杂地形分解为大量山坡地形,通过改变节点尺寸,既保留了点云的原始信息,又增强了点云数据分割的准确性。针对森林区域地形起伏不定的实际情况,在滤波算法中引入坡度判断,在一定程度上改善了山坡低矮植被易被错分为地面点的情况。结果对于3组不同地形下的点云数据,滤波总错误率分别为4.57%、4.75%和5.83%。这一结果对森林区域不同地形下的点云滤波具有一定的实用性。结论本文提出的改进八叉树滤波算法可以充分利用数据结构特征实现快速、高精度的滤波,从而节约时间成本和运行成本,也为后续森林参数的提取奠定基础。      

极化干涉SAR森林冠层高反演的地形坡度改正

极化干涉SAR森林冠层高反演是当前SAR领域研究的热点。经典的森林冠层高反演算法主要基于随机地表二层相干散射模型(Random Volume over Ground,RVo G),该模型在山区受到植被层下地表的地形坡度影响,反演精度存在较大误差。为了提高森林冠层高反演精度,采用地形坡度改正的S-RVo G(Sloped Random Volume over Ground)模型,结合三阶段算法,应用德国宇航局DLR提供的星载Tan DEM-X全极化干涉数据反演森林冠层高,并对结果进行验证。结果表明:坡度级为II、III级,RVo G模型反演效果接近于S-RVo G模型;坡度级为IV级,RVo G模型与二调平均树高的相关关系明显下降,加权相对误差和RMSE增大;S-RVo G模型与二调平均树高保持显著相关关系,反演误差同比小于RVo G模型。因此,S-RVo G模型一定程度上改正了地形坡度造成的误差,提高了森林冠层高反演精度,在坡度大的地区精度提升程度更为明显。     

火地塘林区数字地形模型(DTM)建立初探

通过建立数字地形模型（ＤＴＭ）（包括数据采集、算法设计、模型建立等）,得出了火地塘林区局部地形透视立体图,为林区地形特征的定量分析和各类专题图自动化提供了数据。     

一种基于ArcView的实现林分可视化的方法

对浙江省天目山国家级自然保护区内的针阔混交林采用相邻网格调查方法,用全站仪、围尺和生长锥等器材获得每木的空间数据和属性数据。首先,利用地理信息系统软件ArcView,对空间数据进行坐标变换;然后,建立样地数字高程模型（DEM）。实践得知,经过ArcView中的反距离加权法插值,并利用不规则三角网（TIN）模型得到的地形更逼近于地形表面;再利用Photoshop处理实地拍摄的树木照片,提取树木符号,导入ArcView中实现树木可视化;最终,将地形和树木叠加实现林分可视化。图8表2参10     

基于机载激光雷达的寒温带典型森林高度制图研究

以内蒙古根河市潮查林场境内的寒温带兴安落叶松原始林及其次生林为研究对象,利用机载激光雷达点云数据与地面调查的66个样地数据,采用不同算法计算样地实测树高(Lorey's高、冠幅面积加权树高和算术平均高)分别与基于双正切角树冠识别算法获取的LiDAR估测高(冠幅面积加权树高、算术平均高)和基于点云提取的百分位高构建树高回归模型(冠幅面积加权树高模型、算术平均树高模型和LiDAR百分位树高模型)。对比不同树高模型的训练精度与估测精度的差异,探讨双正切角树冠识别算法对本研究区的适用性;同时了解冠幅面积加权的样地实测树高与Lorey's高对林分平均高代表性的差异,确定最优解释变量,筛选最优树高模型,计算研究区森林高度空间分布图,为后续生物量和碳储量研究提供参考数据。结果表明:样地冠幅面积加权树高的模型训练精度和估测精度与Lorey's高的结果一致性较好,略低于Lorey's高的估测结果。LiDAR百分位树高模型中的50%分位高与样地实测树高相关性显著且回归模型拟合效果较好,其中,以Lorey's高为样地实测树高时模型的R2=0.869、RMSE=1.366m;以冠幅面积加权树高为样地实测树高时模型的R2=0.839、RMSE=1.392m;Lorey's高的50%分位高模型的估测精度最高,各独立验证样本点估测精度均高于85%,平均估测精度为94.73%,最高估测精度可达99.78%,其中混交林平均估测精度(96.72%)高于针叶林的平均估测精度(93.58%)。因此,选择Lorey's高的50%分位高模型计算研究区的森林高度空间分布。      

基于体素的森林地区机载LiDAR数据DTM提取

机载LiDAR是一种能够直接、快速获取被测目标三维空间信息的主动式遥感技术,被广泛用于获取高精度的数字地面模型,但是在植被比较密集、地势比较陡峭的森林地区,能够穿透植被到达地表的激光脚点数量较开阔区域少,对于提取精确的DTM有一定难度。该文提出一种继承式多分辨率体素滤波算法,从机载激光扫描数据中获取森林地区的DTM。该方法将激光点云数据划分为不同分辨率等级的体素,以体素为单位通过与邻域体素的高程加权均值比较,剔除植被点,保留地面点,从而获取森林地区的DTM。实验证明该滤波方法能够有效地提取森林地区的DTM。      

玲珑山及其周边地区SRTM3和ASTER GDEM高程精度评价

为研究林业应用中小区域范围内数字高程模型（DEM）的高程精度,以地势起伏明显的玲珑山及其周边地区为试验区,利用中误差、等高线套合积差2种定量指标评价方法和DEM回放等高线目视检验主观评价方法对SRTM3和ASTER GDEM 2种免费数字高程模型进行高程精度分析。结果表明：森林覆盖对DEM的精度存在一定的影响,试验区内SRTM3的中误差和等高线套合积差为11534 m和0177,ASTER GDEM的中误差和等高线套合积差为10459 m和0166,均达到官方公布的精度,且ASTER GDEM精度略高于SRTM3;从DEM回放等高线目视检验来看,2种数据提取的等高线对试验区山地描述比较符合实际情况,但对试验区河谷平原处地形描述较差,其中SRTM3提取的等高线偏移较大。综合考虑,玲珑山及其周边地区优先推荐使用ASTER GDEM数据。