基于机载激光雷达数据的森林蓄积量模型研建

【目的】建立变量相同、结构稳定、具有普适性的基于机载激光雷达数据的森林蓄积量预估模型,为规范森林蓄积量建模与评价提供科学参考,为森林资源调查提供计量依据。【方法】利用东北林区落叶松林、红松林、杨树林和桦树林4种森林类型790块样地的激光雷达数据和地面实测蓄积量数据,首先采用多元线性回归和非线性回归方法,分别建立基于机载激光雷达数据的森林蓄积量回归模型,通过对比分析,确定具有相同变量和统一结构形成的普适性模型;然后采用哑变量建模方法,建立基于相同激光雷达变量的不同森林类型蓄积量模型。【结果】4种森林类型线性蓄积量回归模型的解释变量个数在2～6之间,确定系数(R~2)在0.701～0.827之间;非线性蓄积量回归模型的解释变量个数在2～4之间,R2在0.707～0.818之间。基于点云平均高度和平均强度的落叶松林、红松林、杨树林、桦树林非线性二元蓄积量模型,其R~2分别为0.679、0.814、0.698和0.703,平均预估误差分别为4.26%、2.90%、3.68%和3.83%,平均百分标准误差分别为24.44%、18.23%、21.47%和23.26%。【结论】基于机载激光雷达数据估计森林蓄积量,非线性模型优于线性模型;基于点云平均高度和平均强度的二元蓄积量模型具有普适性,可作为森林蓄积量估计的标准模型;本研究建立的4种森林类型蓄积量模型,其预估精度均达到森林资源调查相关技术规定要求,可在实践中推广应用。     

基于机载激光雷达和机器学习的林分平均胸径遥感估测

为探究不同模型对林分平均胸径的预测精度,使用贵州省桂花国有林场马厂工区同步获取的机载激光雷达点云数据和地面实测样地数据,通过提取样地水平的点云特征变量,采用方差膨胀因子分析和皮尔逊相关性检验进行自变量选择,建立机器学习模型估测样地平均胸径。结果表明：1)点云特征变量,如平均冠层高度和高度偏态与林分平均胸径有很强的相关性。2)机器学习模型(随机森林、支持向量机、最近邻算法)优于多元线性回归模型,其中,随机森林的拟合效果最好。随机森林的决定系数(R²)为0.71,均方根误差(RMSE)为2.50。3)通过柳杉纯林、针叶混交林、针阔混交林、马尾松纯林4种森林类型的林分平均胸径预测值与实际值差值,进一步证实随机森林模型精度最高,拟合效果最好。利用机载激光雷达点云数据提取点云特征变量,并构建基于机器学习算法的林分平均胸径估测模型是可行的,该方法的精度能满足森林资源调查的应用需求,可作为辅助林业调查工作的技术手段。     

机载激光雷达数据估测森林资源蓄积量研究

针对传统森林资源二类调查方法周期长且费时费力,难以满足新形势下森林资源动态监测需求的问题,以南京市六合区内3个林场为研究区,利用平均点密度1点/m²的激光雷达数据提取特征变量,结合二类调查数据,使用SMLR与Boruta两种算法进行因子筛选,对比SMLR,SVM与RF这3种建模方法,估测森林蓄积量。结果表明：1)高度因子是影响森林蓄积量的主要特征参数;2)SVM和RF这算法在模型拟合与验证精度方面均表现较优,SVM算法在混交林方面表现略逊色于RF这算法,SMLR方法表现不佳。结果表明,利用激光雷达提取因子与森林蓄积量进行建模有较好的结果,稀疏性机载激光雷达对森林资源调查有较好的适用性,为今后森林资源调查提供了新的思路。     

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。     

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。     

基于机载激光雷达的国外松片林蓄积量反演研究

该文基于金坛区碳汇监测山区调查点范围内,第250,77号国外松林小班的LiDAR数据和样地实测数据,利用冠层高度模型与点云分割相结合的方法实现单木识别,以实测胸径作为因变量,估测树高作为自变量,通过建立非线性回归方程的方式进行林分胸径反演和公顷蓄积量估算.结果表明:机载LiDAR估测的国外松数据与实测数据具有较好的相关...     

北京市主要森林类型蓄积量生物量碳储量模型研建

林分水平的蓄积量、生物量和碳储量模型,是开展森林资源规划设计调查的计量基础。基于北京市2016年森林资源连续清查的1 425个乔木林样地数据,分别利用非线性独立回归估计、误差变量联立方程组和含哑变量的误差变量联立方程组方法,建立了油松林、侧柏林、栎树林、桦木林、榆树林、刺槐林、杨树林、其他硬阔林、其他软阔林、乔木经济林等10种主要森林类型的林分蓄积量、生物量和碳储量模型。结果显示:10种主要森林类型的蓄积量、生物量和碳储量模型的确定系数(R~2)都在0.93以上,总体相对误差(TRE)和平均系统误差(ASE)都在±3%以内且多数趋近于0,平均预估误差(MPE)都在5%以内,平均百分标准误差(MPSE)都在15%以内。结果表明:不同森林类型的蓄积量主要取决于林分断面积和平均高,生物量主要取决于蓄积量和林分平均高;含哑变量的非线性误差变量联立方程组方法,是建立林分水平三储量(森林蓄积量、生物量和碳储量)模型系统的可行方法;所建北京市10种主要森林类型的蓄积量、生物量和碳储量模型,其预估精度达到相关技术规定要求,可以在实践中推广试用;为进一步提高模型的准确度,可采用基于二元模型计算的蓄积量和生物量样地数据对所建模型进行修正。     

基于激光雷达数据的东北林区航空林分材积表编制

利用东北林区云冷杉林、落叶松林、樟子松林、红松林、栎树林、桦树林、杨树林、榆树林、椴树林和水胡黄林10种森林类型的1947个样地的激光雷达数据和地面实测蓄积量数据,首先通过多元线性回归和非线性回归方法,分别建立基于机载激光雷达数据的森林蓄积量回归估计模型,并通过对比分析,确定统一形式的基础回归模型;然后利用哑变量建模方法,建立基于不同森林类型参数和相同激光雷达变量的蓄积量模型。结果表明,研究建立的10种森林类型的线性蓄积量回归模型的解释变量个数在2~7之间,确定系数在0.460~0.858之间;非线性蓄积量回归模型的解释变量个数在2~4之间,确定系数在0.461~0.846之间。基于点云平均高度和平均强度建立的10种森林类型的二元蓄积量模型(研究称之为标准模型),其确定系数在0.440~0.815之间,平均预估误差在2.88%~4.42%之间,平均百分标准误差在16.76%~25.52%之间,预估精度基本达到森林资源规划设计调查技术规定要求。依据研究建立的10种森林类型的蓄积量模型,可以编制基于激光雷达数据的航空林分材积表,在森林资源调查实践中推广应用。     

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...     

基于机载激光雷达的崇礼冬奥核心区林分地上生物量反演

【目的】基于机载激光雷达数据建立结构稳定的林分地上生物量预测模型,考虑最小二乘、混合效应和贝叶斯等参数估计方法对最优生物量预测模型选择进行探讨,为生物量建模方法研究、生物量估测提供科学依据,为冬奥核心区实现“双碳”目标和生物量模型计算提供技术支撑。【方法】基于崇礼冬奥核心区2种森林类型(华北落叶松和白桦)62块实测样地及对应的激光雷达数据,通过变量筛选分别建立最小二乘、混合效应和贝叶斯生物量模型,应用确定系数(R²)、均方根误差(RMSE)、残差、总体相对误差(TRE)评价模型,采用留一交叉法验证模型精度。【结果】筛选出相关性较高的激光雷达变量共20个,最终进入模型的自变量3个。拟合效果最好的是Logistic混合效应模型(RMSE=22.99 t·hm^-2,R²=0.768,TRE=6.08%),分树种建立模型后华北落叶松模型拟合效果提升(RMSE=22.92 t·hm^-2,R²=0.795,TRE=7.45%),白桦模型预测精度提高(RMSE=23.34 t·hm^...     

Estimating Stem Volume and Basal Area in Forest Compartments by Combining Satellite Image Data with Field Data

The weighted k - nearest neighbour (kNN) method was used for estimating stem volume (m3 ha?¹) and basal area (m2 ha?¹) on a compartment level (average 19 ha) by combining satellite image data with measurements from Swedish National Forest (NFI) inventory plots. In the kNN method each estimation location (target plot) is assigned a value that is an average, which is weighted, of the attribute data from the k closest reference plots (NFI plots). The distance between target and reference plot was measured on different scales, which were transforms of spectral values and/or ancillary data. The standard error (assuming bias with no trend) of stem volume estimates in the compartments was 36% using only spectral data. This estimation accuracy improved to 17% if site index, age of the forest and mean tree height (ancillary data) were known for the compartments. Low volumes were overestimated and high volumes underestimated. This bias was reduced if ancillary data were added but was also dependent on the transform of the original scales.     

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。     

基于低密度机载LiDAR和CCD数据的林分平均高提取

本文基于低密度的机载激光雷达(LiDAR)数据生成林区树冠高度模型(CHM),结合高分辨率CCD数码相机影像勾绘林分多边形,由改进的树冠识别算法提取林分平均树高。结果表明:全部有效数据林分总体精度达74.86%,刺槐精度达75.62%,油松精度达74.74% ,结果受点云密度影响,使得阔叶树种的精度稍高于针叶树种,因此,低密度激光雷达数据结合高分辨率CCD可以快速、准确地提取林分平均高。     

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。     

基于机载激光雷达冠层高度模型的小班区划

目的 探究如何有效利用机载激光雷达冠层高度模型（CHM）自动区划小班,提高小班区划工作效率。 方法 在高光谱影像树种信息的辅助下,使用机载激光雷达数据生成的CHM进行两种空间尺度的分割和优化来自动区划小班。先对1 m空间分辨率CHM数据进行过分割,再对降尺度处理并平滑后的5 m空间分辨率CHM数据进行欠分割,结合两种尺度分割结果并优化得到最终区划结果。将自动区划结果与人工区划小班、数字正射影像（DOM）屏幕勾绘小班以及主伐作业小班为三类参考小班对比,采用最终测量精度（UMA）准则的圆度（RO）,紧致度（CO）,形状指数（SI）,最小包络圆短半径（RE）,椭圆度（EF）和形状因子（P2A）8个指标,及自动区划小班与参考小班的交并比（IOU）指标,定量评价自动区划小班边界勾绘的准确程度。并利用样地实测数据和CHM数据计算自动区划结果平均胸径、平均树高和冠层平均高的可解释性方差,验证自动区划结果的内部一致性和外部差异性精度。 结果 自动区划结果与参考小班的UMA形状、面积等特征较接近,与人工区划小班最相近。自动区划小班与人工区划、屏幕勾绘、主伐作业小班交并比大于70%的比例分别为46%,37%,43%,交并比大于50%的比例分别为61%,54%,55%。自动区划结果平均胸径可解释性方差为97%,平均树高可解释性方差为98%,和人工区划小班相同,说明其内部一致性高且和相邻小班差异大。冠层平均高可解释性方差为84.81%,比人工区划小班提高了1.77%。 结论 利用两种空间尺度的CHM与高光谱树种分类图的分割和优化方法自动区划的小班在内部一致性及边界的精准度方面有明显优势,更符合小班边界处林木的分布情况,小班边界准确,且工作效率高,有助于森林的精细化管理。     

利用RS和GIS的森林蓄积量偏最小二乘估测研究

在运用RS、GIS可提取的因子为自变量的森林蓄积量遥感估测中 ,本文提出运用偏最小二乘 (PLS)估计的数学模型。它能使蓄积量估测模型的稳健性增强 ,能够很好地克服传统的基于最小二乘 (OLS)估计建立起来的模型无法真正克服样地少、各自变量之间相关性强及对蓄积量的解释性不强等问题 ,并应用于福建漳浦地区。结果表明 :该方法有较高的预报精度 ,同时可大大降低成本。     

基于ICESat-GLAS波形估测平均树高的研究

以吉林省汪清林业局经营区域为例,基于星载激光雷达ICESat-GLAS回波参数,构建了平均树高回归模型,预估精度为84.05%;利用反距离加权法,对ICESat-GLAS光斑平均树高估测值进行差值运算,得到初始CHM(Canopy Height Model),实现了平均树高空间连续分布制图;再利用坡度校正和3×3移动窗口差分滤波平滑初始CHM,得到研究区平均树高修正CHM,预估精度达到91.52%。研究结果表明,坡度校正和移动窗口差分滤波方法能有效削弱坡度影响,剔除异常点,提高平均树高估测精度。     

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。     

小光斑激光雷达数据估测森林树高研究进展

小光斑激光雷达可以同时获得森林的垂直及水平结构参数,因光斑直径较小,可以做到森林单木结构参数的准确估计,进而推广到样方甚至更大区域森林结构参数的估计,近年来在林业中得到广泛应用。文中主要从树高估计方面对小光斑激光雷达在林业中的应用进行研究,通过对先前类似文献进行归纳总结发现,在小光斑激光雷达估测森林树高方面仍存在着一些问题,从而限制了森林树高估测精度的提高,如点云分类算法、点云密度、森林郁闭度、单木的准确分割等,还对小光斑激光雷达估计森林树高中所存在的问题进行了概括,并提出了改进建议。