机载激光雷达LVIS指标的森林生物量估测

量化全球大区域森林地区的生物量是至关重要的,这是完善生态系统、模拟气候变化方式的一个非常重要的过程。本文在获取的激光雷达数据和实地测量数据的基础上,分析相应地区的区域生物量和激光雷达指标之间的关系,以检测和评估利用激光雷达方式来估测森林生物量上的准确性。     

激光雷达在水土保持监测中的应用

针对开发建设项目的水土保持监测,提出了一种新的渣场测量方案,即结合激光雷达技术和差分GPS技术,优势互补。该方案运用于实际,取得了很好的效果,实践证明它是一种更加科学高效的技术和方法,可应用于目前开发建设项目水土保持监测。（1）它在测量精度上比传统方法测量结果要精细许多,更真实、可信;（2）可详细反映渣场形态,轻松实现三维建模;（3）真正实现了非接触式测量,大大减少了外业工作量,降低了外业危险;（4）可对开挖边坡、崩岗、山体滑坡等许多形式的水土流失进行测量,使传统水土保持走上“精耕细作”之路。     

基于激光点云的三维虚拟果园构建方法

针对果园管理数字化程度低、构建方法较为单一等问题,本研究提出了一种基于激光点云的三维虚拟果园构建方法。首先采用手持式三维点云采集设备（3D-BOX）结合即时定位与地图构建-激光测距与测绘（Simultaneous Localization and Mapping-Lidar Odometry and Mapping,SLAM-LOAM）算法获取果园点云数据集;然后通过统计滤波算法完成点云数据离群点与噪声点的去除,并结合布料模拟算法（Cloth Simulation Filtering,CSF）与DBSCAN（Density-Based Spatial Clustering of Applications with Noise）聚类算法,实现地面去除与果树聚类分割,进而使用VoxelGrid滤波器降采样;最后利用Unity3D引擎,构建虚拟果园漫游场景,将作业机械的实时GPS（Global Positioning System）数据从WGS-84坐标系转换为高斯投影平面坐标系,并通过LineRenderer显示实时轨迹,实现作业机械运动轨迹控制与作业轨迹的可视化展示。为验证虚拟果园构建方法的有效性,在海棠果园与芒果园开展果园构建方法测试。结果表明,所提出的点云数据处理方法对海棠果树与芒果树聚类分割的准确率分别达到了95.3%与98.2%;通过与实际芒果园的果树行距、株距对比,虚拟芒果园的平均行间误差约为3.5%,平均株间误差约为6.6%。并且将Unity3D构建出的虚拟果园与实际果园相比,该方法能够有效复现果园三维实际情况,得到了较好的可视化效果,为果园的数字化建模与管理提供了一种技术方案。     

长白落叶松单木参数与生物量机载LiDAR估测

采用黑龙江长白山地区长白落叶松人工林LiDAR数据和野外调查补充样地数据,利用树冠高层模型和三维点云分割相结合的方法实现单木识别,选择逐步回归分析法进行单木参数和生物量估算。结果表明：机载LiDAR估测的长白落叶松单木参数与实测数据具有较好的相关性,单木树高、冠幅、胸径和地上生物量的R2分别为0.8732、0.6335、0.7903和0.7992;平均拟合精度分别为88.34%、83.46%、85.11%和86.19%;幼龄林、中龄林、近熟林和成熟林的单木平均生物量分别为25.12、94.08、117.74、279.33kg。     

雷达技术及其在林业上的应用

随着遥感技术的迅速发展,雷达技术已经广泛应用于国内外林业工作中.合成孔径雷达和激光雷达由于其独特的优势,在我国的林业工作中进行了大量的尝试,并取得了突破性进展.本文主要概述了合成孔径雷达和激光雷达技术在我国林业上的应用现状,并提出了存在的问题以及未来的发展方向.     

基于GLAS数据的森林生物量估算研究进展

森林生物量是森林生态系统监测的一个重要指标。GLAS波形信息与森林冠层高度、生物量有较强的相关性,在森林冠层高度、生物量等参数估算中具有广阔的应用前景。本文简要介绍了GLAS激光雷达系统及其特点,重点总结归纳了应用GLAS进行森林冠层高度、生物量估算原理及方法,并对森林冠层高度、生物量估算模型作了介绍。     

机载LiDAR和高光谱融合实现普洱山区树种分类

[目的]通过机载遥感影像对普洱山区进行植被分类研究,为山区森林经营规划与可持续经营方案的制图提供高效应用途径。[方法]将2014年4月航拍的机载AISA Eagle II高光谱和Li DAR同步数据融合,利用点云数据提取的数字冠层高度模型(CHM)得到树种的垂直结构信息,结合经过主成分分析(PCA)的高光谱降维影像,选用支持向量机(SVM)分类器进行分类。[结果]普洱市万掌山实验区主要树种分为思茅松、西南桦、刺栲、木荷等。融合影像数据分类的总体精度和Kappa系数分别为80.54%、0.78,比单一高光谱影像数据分类精度分别提高6.55%、0.08,其中主要经营树种思茅松的制图精度达到了90.24%。[结论]该方法对山区主要树种的识别是有效的,将机载Li DAR与高光谱影像融合可以有效改善分类精度。     

基于激光雷达的宁波市晴天消光系数垂直特征分布

对2015年7月至2017年6月宁波市镇海站晴天AGHJ-I-LIDAR激光雷达资料进行分析,发现355 nm波长的平均消光系数明显高于532 nm波长,355 nm波长的消光系数平均高值区可达>0.6 km^-1,离地面有一定的距离,主要出现在0.5~0.9 km的高度,时间上主要出现在9:00—23:00。消光系数>0.4 km^-1区域的上边界呈现出一定的日变化趋势,中午前后与日出、日落时相比略高。632 nm波长上消光系数高值区仅为0.4~0.6 km^-1,主要出现近地面层,集中分布在0.1~0.3 km的高度,时间上主要在13:00—21:00。划定不同消光系数的界限,统计超过界限消光系数的出现区域概率,结果表明,消光系数高值区的分布概率上,355 nm波长区域明显>532 nm波长对应区域;从高度分布上来看,355 nm波长高概率区域的上界和下界均比532 nm波长要高。同时,355 nm波长有明显的日变化,中午前后上界有峰值。     

基于机载激光雷达校正的ICESat/GLAS数据森林冠层高度估测

针对星载激光雷达(geoscience laser altimeter system,GLAS)大光斑属性,该文提出了一种改进后的光斑尺度森林冠层高度估测方法,并分析了复杂地表对其估测精度的影响.首先,对机载lidar点云分类出地面点,并利用地面点对点云数据进行高度归一化处理,提取点云局部最大值得到光斑范围内机载lidar最大冠层高度;以机载lidar最大冠层高度作为模型参数拟合因变量,同时以坡度作为模型的输入变量,结合光斑大小和地表粗糙度,进行参数拟合,得到改进后光斑尺度森林冠层高度估测模型;最后,利用实测样地数据对冠层高度估测模型进行验证.结果表明:机载点云数据可以准确地反映光斑范围内森林冠层的分布,受到树种类型和点云密度的影响,不同森林类型的点云冠层分布存在明显差异.坡度等级直接影响GLAS光斑尺度森林冠层高度的估测精度,改进后的估测模型可以减小坡度对GLAS光斑森林冠层高度估测的影响,模型估测均方根误差(root mean square error,RMSE)稳定在3.26～3.88 m.样地Lorey's高与估测结果拟合度较好,相关系数r=0.66,不同森林类型光斑尺度冠层高度估测精度存在差异,混交林估测精度最高,r和RMSE分别为0.84和1.06 m.该方法可以有效减少地形条件对光斑尺度森林冠层高度估测的影响,并为更大尺度的冠层高度制图提供了有效的参考.     

果园移动机器人激光雷达双源信息融合实时导航方法

为提高林果园移动机器人导航系统的精确性与鲁棒性,提出一种基于激光雷达三维点云的果园行间高低频双源信息融合实时导航方法。首先,喷雾机器人搭载三维激光雷达采集两侧果树点云信息,对原始点云数据进行直通滤波、降采样和统计滤波等预处理,保留感兴趣区域内果树冠层点云;然后,将分别基于高频更新的牛顿插值算法和低频更新的非线性支持向量机(Non-linear support vector machine, NSVM)算法拟合的行间导航线进行互补融合;最后,在导航线切换时,对融合后导航线的稳定性进行优化,并使用三次B样条算法使导航线平滑。实验结果表明：融合优化后的导航线最大曲率为0.048 m^-1,平均曲率为0.018 m^-1;分别以0.5 m/s和1.0 m/s的行驶速度对融合优化后的导航线进行跟踪,绝对横向偏差最大值分别为0.104 m和0.130 m,平均值分别为0.053 m和0.049 m,说明该导航方法能够满足作业装备在果园行间自主导航作业的需求,为喷雾机器人在果园环境中的自主导航提供技术参考。