基于地基激光雷达监测不同地表覆盖条件的土壤侵蚀试验研究

土壤侵蚀量是土壤退化风险评估的重要指标,地基激光雷达(TLS)为土壤侵蚀量动态监测提供新技术手段,但野外不同地表覆盖条件对监测精度的影响尚不明确。基于2019年11月和2021年7月在鹰潭红壤生态实验站获取的地表裸露、石块、稀疏象草、马尾松、马尾松+石块,马尾松+稀疏象草等不同地表覆盖条件的6个径流小区两期TLS数据,运用移动曲面拟合滤波和反距离加权插值方法估算土壤侵蚀量,结合实测侵蚀量数据评价TLS精度,并探讨不同地表覆盖条件下TLS的最小变化识别度(minLOD)。研究表明,TLS监测精度与土壤侵蚀量呈正相关关系,更适用于中等强度以上或长时间发生明显侵蚀的土壤侵蚀区监测。不同地表覆盖条件下minLOD为4～60 mm,TLS监测相对误差(RE)依次为：地表裸露(RE=–9.4%)<马尾松+石块(RE=12.6%)<石块(RE=15.5%)<稀疏象草(RE=–18.9%)<马尾松(RE=23.4%)<马尾松+稀疏象草(RE=–25.2%);地表覆盖条件不仅影响土壤侵蚀强度、地表粗糙度,也产生点云滤波及空间插值误差,进而影响TLS识别minLOD准确度和土...     

基于地基激光雷达的叶倾角分布升尺度方法研究

地基激光雷达因其具有穿透力强,能够提取植被冠层三维结构信息的优势,是提取植被叶倾角分布(Leaf angle distribution,LAD)的理想数据源,因此将地基激光雷达数据与遥感影像结合获取大尺度叶倾角分布结果颇具潜力。以河北省保定市北部4个县为研究区,利用10个玉米样地的地基激光雷达数据提取叶倾角分布结果,使用主成分正变换提取玉米实测叶倾角分布数据中信息量最大的前3个主成分,再利用神经网络模型对所提取的主成分与Landsat8反射率数据结合建立关系模型,然后将训练好的模型应用于整个研究区进行升尺度转换,最后通过主成分逆变换,得到升尺度后平均叶倾角(Mean tilt angle,MTA)结果。对升尺度后LAD与实测LAD及升尺度后MTA与实测MTA进行交叉验证,结果表明,升尺度MTA与实测MTA的验证精度(R2)为0.786 2,均方根误差(RMSE)为3.04°。该结果表明,使用提取主成分方法建立光谱数据与叶倾角分布的关系模型从而达到升尺度转换的目的具有可行性,模拟精度较高,且误差较小。     

基于机载LiDAR数据的玉米叶面积指数反演

以机载LiDAR离散点云数据为数据源,基于植被冠层孔隙率与叶面积指数的关系,提出一种反演大田玉米叶面积指数的方法。对反演LAI和实测LAI进行对比分析,结果表明:基于Axelsson改进的不规则三角格网加密方法可以将地面点和非地面点分开,结合高分辨率影像能够提取出玉米冠层点云;基于孔隙率反演LAI,尼尔逊参数的选择对结果影响很大,利用扫描天顶角模拟尼尔逊参数,LAI反演结果接近于真实情况。利用机载LiDAR点云数据能精确地反演大田玉米LAI,该研究方法适用于中等高度的农作物,可以扩展到甜菜、甘蔗等其他中等高度农作物。     

基于双Fabry-Perot标准具的双边缘测风激光雷达系统

本文明确了全球大气风场观测的重要性,较为详细地介绍了测风的基本原理、基于双Fabry-Perot标准具的双边缘测风激光雷达的系统结构和技术参数。明确了测风系统回波数据的处理方法及风速测量的误差计算。该风速反演方法和误差估算方法的可行性已经被实验验证。     

三维激光雷达果园路面不平度采集试验与分析

以果园典型路面不平度的采集为研究对象,建立基于激光雷达点云处理的路面不平度采集方法,搭建了基于三维激光雷达的路面不平度采集系统平台,结合点云处理技术完成路面高程信息的提取;采用AR(auto regressive,自回归)模型依据比例分析法对路面功率谱密度进行计算,确定不平度等级,并通过加速度振动记录仪进行系统验证,利用系统开展典型果园路面不平度数据信息采集试验。试验结果显示,果园路面不平度结果为水泥路面主要集中在B级,B级占比82.33%;砂石路面主要集中在C级,C级占比84.00%;泥土路面主要集中在D、E等级,D级路面占比48.67%,E级占比31.00%,表明基于三维激光雷达采集系统与数据处理方法在果园路面不平度采集和评价上是可行的。最终不平度评价结果显示,三维激光雷达果园路面不平度采集系统应用可靠,评价结果准确,适合于山地林、果、茶园路面不平度的采集。     

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SfM的城市树木参数提取研究

通过在城市森林样地水平的树干三维模型重建与估算胸径试验（半径6 m圆形样地）,研究运动恢复结构（SfM）算法在城市森林调查中应用的可行性,并将SfM算法得到的胸径与手持式激光雷达结果进行比较。结果表明：在胸径估算结果上,SfM算法的rRMSE为5.38%（rBias=2.74%）,手持式激光雷达的rRMSE为3.35%（rBias=1.04%）,2种方法的估测值均与野外实测值高度呈正相关（R²大于0.97）,满足树木参数提取精度要求。SfM算法成本低、易操作,具有创新意义,且估算树干胸径在森林资源调查允许误差范围内,在城市森林资源调查中具有一定应用价值。     

基于变量优选的机载激光雷达对林分平均高的反演

森林高度是反映森林数量和质量的重要指标,是森林经营管理的重要基础数据,准确获取森林高度信息一直是林业遥感研究的目标。本研究以广西高峰林场的105块地面实测样地数据和机载激光雷达(Light detection and ranging, LiDAR)数据为基础,从点云数据中提取35个特征变量,分别采用支持向量机-递归特征消除法(SVM-RFE)、轻量级梯度提升机(LightGBM)和主成分分析(PCA)法进行特征筛选,并结合参数模型(LR)和非参数模型(RFR、KNN)对林分平均高进行反演。研究结果表明,不同特征选择方法和估测模型的组合精度差异较大。其中,利用LightGBM进行特征筛选结合KNN回归反演效果最佳,建模的R²和RMSE分别为0.83和1.64 m,验证的R²和RMSE分别为0.81和1.56 m。此外,在SVM-RFE、LightGBM和PCA这3种特征筛选方法中LightGBM的效果最好,无论在RFR模型还是在KNN模型中均能得到较高的R²,优于SVM-RFE和PCA。     

融合2D激光雷达与航向姿态参考系统的采茶机仿形方法研究与试验

为推动大宗茶机械化采收,提升大宗茶鲜叶采收效率与质量,针对目前仿形采茶机感知传感器易受接触作用力、自然光照或茶蓬面叶片间隙影响,提出了融合2D激光雷达与航向姿态参考系统(Attitude and heading reference system,AHRS)的采茶机割刀仿形距离估计方法,在此基础上,设计并研制精度验证试验台与自动仿形采茶样机,分别开展了室内与田间试验。采茶机采用2D激光雷达测量采茶机割刀仿形距离信息,为提升测距精度与实时性,结合AHRS感知的加速度信息,提出了融合2D激光雷达测距与加速度信息(Fusion of2D-LiDAR ranging and acceleration,FLRA)的采茶机割刀仿形距离估计算法,并研制了算法精度验证装置和方法,验证了算法有效性。室内试验结果表明,算法处理前仿形距离测距误差均值为36.53 mm,标准差为23.21 mm,算法处理后仿形距离估计误差均值为8.56 mm,标准差为6.31 mm,算法处理后的输出数据延迟更小,提升了仿形距离测距精度与实时性。田间试验表明,鲜叶采收效率达180～210 kg·h^-1,割刀...