机载激光雷达在林业中的应用

在介绍机载激光雷达(LiDAR)的工作原理、应用领域、国内外发展现状基础上,重点就机载LiDAR进行森林参数(树高、郁闭度、林分密度、生物量和蓄积量等)的反演方法和技术进行了分析,对LiDAR在森林参数反演方面存在的问题进行了总结,对未来的发展趋势进行了展望。     

基于机载激光雷达的森林地上碳储量估测

以内蒙古大兴安岭生态站为研究对象,以2012、2013年的66块样地数据和2012年同步获取的机载Li DAR遥感数据为数据源,分别采用多元线性回归和随机森林回归算法,通过对比不同算法间的估测精度差异,选择更适于研究区的估测方法,实现研究区森林地上碳储量的遥感估测。结果表明:随机森林回归算法的估测精度最优,模型训练精度(R2为0.861,RMSE为11.133 t/hm2,rRMSE为0.279)和预测精度(RMSE为17.956 t/hm2,rRMSE为0.342,估测精度范围40.898%~95.129%,平均估测精度76.385%)均优于多元线性回归的模型训练结果 (R2为0.676,RMSE为11.846 t/ha,rRMSE为0.351)和模型预测结果(RMSE为22.703 t/hm2,rRMSE为0.636,估测精度范围45.824%~94.752%,平均估测精度69.859%)。机载Li DAR数据的高度变量和密度变量与森林地上碳储量均具有显著相关性,高度变量相关性更为显著。随机森林回归算法对区域森林地上碳储量的估测结果趋于真实分布情况,效果比较理想。     

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。     

利用小光斑激光雷达估测林分参数和生物量

为弥补小光斑激光雷达在林业研究中应用较少起步较晚,且研究结果精度不高的缺点,利用软件TerraScan及小光斑雷达数据自身的优点,对小兴安岭凉水地区的航拍数据进行了研究,并在此基础上估测了树高、胸径等林分参数及生物量,其精度均达到了90%以上,能够满足实际生产的需要。其中:树高的估测精度最高,为97%,表明小光斑激光雷达能够高效率、高精度地提供多种林分参数,可为林业生产及时准确地提供必要的数据支持。     

基于地基激光雷达的单木森林参数提取分析

[目的]利用激光雷达手段大范围估算森林参数。[方法]以安徽省黄山市休宁县岭南林场森林资源为研究对象,通过地面调查获取3种森林类型单木胸径和树高数据,并同步使用地基激光雷达获取点云数据,利用Hough变换检测算法提取每木胸径和树高,在Matlab2020a软件下构建基于地面调查数据和激光雷达提取值的估算模型。[结果]针叶林、阔叶林和毛竹林的胸径估测精度（R■）分别为0.921、0.921和0.996,RMSE_c分别为2.080、2.460和0.291,模型表现显著;树高估测精度分别为0.908、0.846和0.500,RMSE_c分别为1.120、1.620和1.210。[结论]该研究可为运用激光雷达手段大范围估算森林参数提供依据,也可为森林类型点云识别与分割提供参考。     

运用机载激光雷达数据和立地质量分级对亚热带森林蓄积量遥感反演

为了探讨不同的立地条件下,应用机载激光雷达(Lidar)数据建立的林分蓄积量模型的反演精度。以高峰林场2016年森林资源二类调查小班数据为研究对象,运用随机森林对Lidar分位数高度、水平结构参数等变量重要性排序,构建蓄积量估测基础模型(不考虑立地质量分级)和优化模型(考虑立地质量分级)。结果表明:105块样地中有23块低立地生产力样地(LSP),有82块高立地生产力样地(HSP);在不同立地质量分级样地中,对树高和胸径进行logistic最小二乘回归曲线,胸径-树高之间存在着显著差异;基础模型和优化-A_B模型估测的蓄积量在总体样地和HSP上没有显著差异(P>0.05),但在LSP上差异极显著(P<0.001);优化模型估测的蓄积量和实测蓄积量在两种立地质量的样地中差异不显著(P>0.05);基础模型估测的蓄积量和实测蓄积量在HSP没有显著差异(P>0.05),但在LSP差异极显著(P<0.001)。由分位高度(P_H90)和实测蓄积量生成(含HSP和LSP)的两个伪模型曲线表明,在HPS中,实测蓄积量与P     

基于机载激光雷达和高光谱数据的树种识别方法

训练样本的选取是影响监督分类精度的直接原因之一,数据空间分辨率越高,训练样本要求越准确,而人机交互训练样本选取推广力有限。利用机载高光谱（AISA）和激光雷达（LiDAR）主被动遥感数据,探讨基于高分辨率影像的训练样本自动提取技术以及适合树种识别的遥感变量。根据树木的结构和高度差异,开展树高分层掩膜试验,并计算光谱间夹角,在每个高度层中自动化优选树种的高纯度训练样本。计算植被指数、主成分分析等特征变量,基于支持向量机分类器对研究区进行树种精细分类。实验表明:通过对阔叶林、马尾松Pinus massoniana,毛竹Phyllostachys edulis,杉木Cunninghamia lanceolata,油茶Camellia oleifera的训练样本分层自动提取后再进行分类,激光雷达和不敏感色素指数变量能有效提高树种分类精度。其中高光谱+激光雷达+结构不敏感色素指数变量组合的分类精度最高,其总体精度和Kappa系数分别为89.12%和0.86,阔叶林、马尾松、毛竹、杉木、油茶的用户精度分别为75.00%,100.00%,86.36%,90.91%和96.55%。该方法对本研究区森林树种的识别是有效的。     

基于参数设计字典的稀疏表示方法

稀疏化是压缩感知理论的关键,对信号恰当的稀疏表示能提高恢复的精度.本文提出一种基于参数字典的 稀疏表示方法,把参数字典设计作为一个优化问题来分析,通过交替迭代的方式求得参数方程的可行解,进而生成 参数字典.本文的参数字典设计方法较其他方法而言能获得较优的近似解,且该方法产生的优化字典更符合紧框 架特性.     

基于激光雷达数据的三维建筑屋顶重构算法

针对高精度建筑虚拟化中的建筑屋顶重构问题,提出了基于激光雷达数据驱动的三维建筑屋顶重构算法。首先,根据高度相似性和平面相似性将建筑物标记的点云聚类为同构簇;其次,基于分割的簇,提取线性建模线索,使用二元空间分割技术重构模型线索的拓扑元素;再次,结合最小描述长度框架和假设检验来实现正则化,发掘建筑屋顶模型的规律;最后,使用基准数据集来评估该算法。实验结果表明,所提出的方法可以生成准确的三维建筑屋顶模型。     

基于机载激光雷达数据的天山云杉林蓄积量反演模型构建

构建多变量的天山云杉林Schumacher蓄积收获模型,提高林分蓄积量反演精度,获得便捷、快速提取森林蓄积信息的技术方法,为探索山地天然林精准监测与评价提供技术途径。以2020年激光雷达影像与样地实测数据为研究材料,在激光雷达影像图中提取遥感因子,代入Schumacher蓄积收获模型中,通过再参数化来构建适用于天山云杉林的可变密度收获预估模型,并进行精度检验。结果表明,激光雷达影像分辨率较高,进行点云数据处理后,树高提取精度为89.64%,每公顷株数提取精度为85.13%,坡度提取精度为84.26%,坡向提取精度为84.26%,海拔提取精度为97.25%。结合Schumacher蓄积收获模型构建天山云杉蓄积量反演模型,R²=0.80,将检验数据代入模型中,估测蓄积量与实测蓄积量平均精度为90.22%,模型的拟合度较好。研究将立地因子、林分密度、林龄等变量引入Schumacher蓄积收获模型,对于天山云杉的蓄积估测精度有较大提高,优于以往经验模型,满足新疆山地天然林数字经营管理的标准。     

利用LiDAR离散点云估测针叶林叶面积指数

通过对小光斑激光雷达离散点云数据进行处理,提取了6个变量参数分别用于估测针叶林叶面积指数,为了提高模型估测精度及弥补单变量模型的不足,在单变量模型的基础上尝试多变量组合共同用于估测森林叶面积指数,经过对比得出单变量模型中OGF模型最好,拟合相关性R=0.897,预测精度p=0.959;多变量预测模型结果差异不大,拟合相关性均＞0.905,估测精度均＞0.957。同时为了验证模型的推广性,对点云数据进行随机稀释操作获得4种不同密度的点云数据,分别用于验证点云密度对OGF模型及OGF与LPI组合模型的影响,结果表明点云密度对模型结果的影响不大,即使在0.125倍点云密度时模型仍能较好的估测针叶林叶面积指数,满足生产需要。     

基于星载LiDAR波形数据的森林胸高断面积估测研究

为探索星载LiDAR在森林胸高断面积上的应用潜力,利用星载激光雷达ICESat/GLAS波形数据对吉林汪清林区的森林胸高断面积进行估测。通过对ICESat/GLAS波形数据波形进行处理,提取一系列波形特征参数,利用回归估计方法分析波形特征参数与胸高断面积的相关关系,建立预测模型对森林胸高断面积进行估测。结果表明:在所提波形特征参数中,波形长度、H₅和H₁₀与胸高断面积在三次函数拟合时具有明显的相关性,判定系数R₂分别为0.813、0.737和0.613,预测精度P分别为0.951、0.932和0.901,综合分析最终确定波形长度估测模型最好,该模型可稳定准确地估测出胸高断面积。表明星载LiDAR是未来估测森林胸高断面积一种有效的方法,并为进一步的森林蓄积量研究提供了一种技术手段。     

Worldview-2不同波段纹理特征对森林蓄积量估算精度影响

为检测高分辨率遥感影像不同波段纹理特征对于森林蓄积量估算精度的影响,以湖北省荆门市京山县太子山林场马尾松纯林为对象,基于灰度共生矩阵的方法分别提取高分辨率遥感影像Worldview-2 红光、绿光、蓝光、近红外波段和全色波段的纹理特征,利用随机森林算法,分别建立野外样地蓄积量与纹理参数的模型。结果表明,全色波段对马尾松森林的精度最高（R²=0.86,RMSE=47.37 m³·hm^-2）,其次是绿色波段（R²=0.85,RMSE=50.82 m³·hm^-2）和近红外波段（R²=0.85,RMSE=46.85 m³·hm^-2）,蓝色波段（R²=0.68,RMSE=60.72 m³·hm^-2）和红色波段（R²=0.69,RMSE=56.27 m³·hm^-2）的精度最低;窗口大小对模型精度影响较小,全色波段的R²取值在0.82~0.86,RMSE取值在47.66~51.99 m³·hm^-2,多光谱波段的R²取值在0.88~0.89;蓝色和红色波段的非相似度（DIS）的估算模型精度相对较高,绿色波段的对比度（CON）（R²=0.87,RMSE=46.21 m³·hm^-2）估算精度最高,红色波段的非相似度（R²=0.68,RMSE=58.30 m³·hm^-2）估算精度较高,近红外波段的角二阶矩阵（ASM）（R²=0.68,RMSE=60.30 m³·hm^-2）精度最高,全色波段的对比度、相关性、熵、变化量模型精度较高,R2为0.85。利用高分辨率遥感影像纹理特征估算森林参数时需综合考虑不同波段的纹理特征对模型的贡献。     

依据BP神经网络的机载LiDAR数据估算林分平均高

以东北虎豹国家公园范围内的针叶纯林为研究对象,结合2018年9月机载LiDAR点云数据和同步地面调查数据,提取半径为15 m的圆形采样尺度下的LiDAR点云特征变量为数据基础,采用BP神经网络算法、逐步回归法分别构建林分算术平均高模型和林分加权平均高模型,实现对林分平均高的估测.其中在利用BP神经网络算法构建模型时分别选择了贝叶斯正则化算法和L-M算法作为神经网络训练算法.结果表明:BP神经网络算法对数据具有更好地解释能力,其构建的林分平均高模型相关系数(R2)均在87％以上,高于逐步回归法构建的林分平均树高模型;林分加权平均高模型精度更高,用样地加权平均高作为实测值时,采用逐步回归算法、BP神经网络L-M算法、BP神经网络贝叶斯正则化算法构建的模型的检验样地数据的决定系数(R2)分别为0.858、0.919、0.908,树高估测精度(P)分别为88.6％、89.8％、91.2％,与以林分算术平均高作为实测值构建的估测模型相比,决定系数(R2)分别提升了4.9％、3.7％、3.4％,估测精度(P)分别提升了2.9％、2.4％、1.5％;BP神经网络的不同训练函数之间无明显性能差异,两种不同训练方法构建的林分平均高模型的决定系数R2及树高估测精度(P)略有差异,但整体相差较小.     

基于Landsat ETM数据的落叶松林生物量估算模式

根据全国森林清样调查围场满族自治县的落叶松林样地数据,应用与之同期的ETM遥感影像,探讨基于ETM数据的落叶松林生物量的估算方法和模式 根据ETM各波段数据的特点,选用和开发18个变量,逐样点比较生物量与变量之间的关系,并对影响生物量的因子进行逐步回归分析,结果表明ETM3数据是落叶松林生物量的最好估计因子,生物量与ETM3数据有双曲函数关系,与1/ETM3呈极显著正相关,相关系数为0 878,在ETM3波段辐射亮度范围内生物量随ETM数据的增大而减小 并给出了用ETM3数据估算落叶松林生物量的模型     

基于机载LiDAR和光学遥感数据的热带橡胶林叶面积指数反演

叶面积指数（LAI）作为表征植被冠层结构的重要参数,一直是气候变化和生态研究中的热点,遥感技术的发展为大范围叶面积指数的获取提供了可能。以景洪市热带橡胶林为研究对象,以机载LiDAR和Landsat8/OLI为信息源,结合44块样地实测数据,使用支持向量机回归(SVR)、BP神经网络(BPNN)和偏最小二乘回归(PLSR) 3种模型,在前期建立基于林分水平的LAI估测模型的基础上,进一步构建区域尺度的LAI反演模型,实现景洪市橡胶林LAI的反演。结果表明,基于LiDAR的林分水平模型中,SVR模型最优,决定系数（R²）为0.76,相对均方根误差（rRMSE）为17%,估测精度（P）为83%;以SVR模型估测结果作为区域尺度遥感反演模型的先验样本,结合Landsat8/OLI数据的BP神经网络模型反演效果最好,估测精度达76%。     

基于无人机载LiDAR数据的玉米涝灾灾情评估

【目的】基于无人机平台的遥感技术是目前研究的热点,也是推动现代化农业快速发展的主要力量之一。笔者欲通过分析涝灾研究区激光雷达点云数据反演的玉米冠层高度,快速准确实现玉米涝灾受灾范围监测和灾情评估,为防灾减灾、高产稳产、农业保险理赔等提供依据。拓展无人机载LiDAR数据在农业领域的应用价值,为农业等相关部门快速有效掌握农情信息提供保障。【方法】2016年7月19—20日,以因大暴雨导致涝灾的北京市昌平区一块玉米大田作为研究区,基于无人机平台获取研究区激光雷达数据。通过冠层高度模型(canopy height model,CHM)反演出玉米冠层高度,采用正态统计理论的双阈值划分策略确定阈值,构建基于玉米冠层高度差异的涝灾灾情遥感监测模型,评价玉米涝灾灾情严重程度,并基于地面实测数据进行精度评价。【结果】涝灾发生后,玉米长势存在一定差异,最明显的差异体现在玉米植株高度。基于正态统计理论和野外测量,最终确定严重涝灾玉米冠层高度为0.30—0.84 m,中度涝灾玉米冠层高度为0.84—1.70 m,冠层高度1.70 m以上为轻度受灾区域。通过野外实测样本对无人机载LiDAR数据估算结果进行混淆矩阵分析,总体分类精度达到72.15%,Kappa系数为0.44。结合数码影像做进一步验证,结果表明研究区玉米涝灾遥感空间制图结果与数码影像结果基本一致。【结论】通过无人机载LiDAR数据能实现玉米冠层高度反演,结合涝灾后玉米植株高度差异特征能有效反映不同涝灾程度,实现区域尺度下玉米涝灾受灾范围监测和灾情等级评估,有利于便捷高效获取灾情灾害信息。     

基于LiDAR的温室番茄冠层几何参数提取

【目的】准确获取温室番茄作物行中单株冠层数据,为分析作物生长状态和为对靶喷药提供冠层数据支持。【方法】采用三维激光雷达(LiDAR)搭建番茄植株冠层检测平台,使用导轨以0.05 m/s的速度移动三维激光雷达,利用雷达上位机软件Ctrlview保存双侧扫描的A、B 2组共40株番茄植株点云。双侧点云使用ICP(迭代最近点)算法进行配准,利用基于特征值的平面拟合法去除地面,使用均值漂移算法(Meanshift)分割番茄行中的单株点云,获取冠层参数,与人工测量值比较验证精度,将单株点云在MATLAB中使用alpha shape算法进行重建并进行体积的获取,使用凸包算法作物参考值对比。【结果】该检测平台在激光雷达前进方向与垂直前进方向的测量误差分别为-2.65%、-3.95%;获取到的单株番茄植株高度与人工测量值相比,平均绝对误差分别为0.025和0.031 m;重建后求取的体积与凸包算法相比平均误差下降了约15.3%,与人工获取相比相差不大,各指标良好。【结论】番茄行点云分割结果与人工测量相比A、B 2组的均方根误差RMSE分别为0.039和0.043,冠层体积获取与参考值对比V_RMSE为0.011 3,激光雷达在获取作物外形轮廓信息中具有一定的准确性和可靠性,该方法用于温室环境下单株作物冠层数据的获取。     

3种遥感产品检测黄土高原森林变化及差异比较

基于Landsat Vegetation Continuous Fields（LVCF）、MODIS Vegetation Continuous Fields（MVCF）和MODIS Land Cover（MODLC）等遥感产品和森林清查数据（NFI）检测2000-2015年黄土高原森林分布及变化。结果表明:1）2000-2015年黄土高原森林覆盖度升高,基于LVCF和MVCF的全区森林覆盖度均值分别由2000年的7.8%和9.6%增加到2015年的9.7%和13.2%。2）遥感产品估算的森林分布空间格局和面积差异较大,基于LVCF、MVCF和MODLC估算的黄土高原森林面积在2000年分别为726.6×10⁴、604.7×10⁴ hm²和325.1×10⁴ hm²,2015年分别为926.2×10⁴、998.3×10⁴ hm²和400.1×10⁴ hm²。3）遥感产品估算的省级尺度上森林面积与NFI的不一致性因省份和年份而异,LVCF与NFI一致性整体略优于MVCF,MODLC与NFI差异最大且估算的森林面积远低于LVCF、MVCF和NFI。4）遥感产品检测的陕西和山西2省的森林面积增加值与NFI一致性高于宁夏;基于遥感产品估算的宁夏森林面积及增加幅度均远低于NFI。