运用机载LiDAR数据对橡胶林地上生物量估测的采样尺度效应分析

气候变化下,森林生物量遥感监测是当前研究的热点,机载LiDAR作为重要的遥感信息源,其采样大小对生物量估测精度有着一定的影响。以机载LiDAR数据为信息源,以44块30m×30m的方形橡胶林实测样地数据为基础,对机载激光雷达数据进行不同尺寸采样(共21个采样尺寸,边长从10m至30m,间隔为1m),提取不同采样尺寸下的激光雷达参数,并与橡胶林地上生物量建立PLSR模型,就机载激光雷达采样大小对橡胶林地上生物量估测精度的影响进行研究。研究表明:当采样尺寸小于18m时,估测精度随着采样尺寸的增大而增大;而当采样尺寸大于18m时,估测精度随着采样尺寸的增大而减小,进而趋于平缓。结果虽然呈现出一定的规律性,但是差异并不是很明显。当采样尺寸为18m时估测效果最佳,模型决定系数(R^2)为0.718,均方根误差(RMSE)为17.830 t/hm^2;交叉验证精度P和RMSEcv分别为82.741%和18.874t/hm^2。相较于实际样地(30m)尺寸下的估测结果,18m采样尺寸下的R^2提高了1.989%,RMSEcv降低了2.611%。因此,生物量的估测精度受机载激光雷达数据采样尺寸大小的影响,在生物量估测过程中需结合研究对象和研究区的实际情况对采样尺寸进行选择,从而提高生物量估测精度。     

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。     

激光雷达技术在林业科学研究中的进展分析

基于Web of science 数据库检索平台,应用科学引文分析方法对检索到的1 355 篇2000 年以来激光雷达技术 在林学上的应用的文章进行了全面分析,主要涉及发表年份、国家分布、作者排行、期刊分布、作者单位分布、提取 参数等,对该领域所涉及到的主要国际国内会议进行了总结。分析了激光雷达的主要传感器类型和2 种数据结构 (波形和点云),系统总结了主要森林参数的提取方法,包括波形分析、点云分析、参数预测和数据融合。分析认为: 激光雷达技术的林学应用研究的深度和广度均呈现快速上升趋势,研究方法渐成体系,有系统化的国际会议;但研 究水平的地域差异较大,参数提取的机理性、实用性不足,尚未达到成熟,还有很大的提升空间。最后,从理论、应 用及组织3 个方面提出了建议。      

基于车载三维激光雷达的玉米点云数据滤波算法

为支持表型参数测量和数字植物相关研究,对车载三维激光雷达获取的玉米点云数据进行分析处理,提出了一种基于统计分析的两次滤波算法。以大喇叭口期的京农科728和农大84玉米为研究对象,使用VLP-16型三维激光雷达采集田间玉米点云数据;对点云数据进行直通滤波预处理,去除无关点后,进行第1次点云数据滤波处理,设置精确率和召回率阈值,选取参数组合;再对点云进行第2次滤波处理,确定精确率和召回率最优组合(110,0. 9)、(6,1. 2),边际组合(100,1. 0)、(6,1. 2)和(110,0. 8)、(5,0. 9),共3组参数组合;以3组验证集数据进行测试,结果表明:最优组合性能最优,可在京农科728和农大84玉米点云数据滤波中通用。     

基于无人机LiDAR的天然林与人工林林隙提取

为研究主动遥感进行森林地物分类和林隙提取的效果,分别在天然林和人工林中比较了无人机激光雷达(Li DAR)数据的阈值法、逐像元法和面向对象法3种方法的分类精度和适用性。选取天然林(黑龙江省哈尔滨市帽儿山林场)和人工林(内蒙古自治区赤峰市旺业甸林场)两处试验区,应用阈值法、逐像元法和面向对象法3种方法,对两个试验区采集的无人机Li DAR数据进行林隙、非林隙、其他类型划分。研究结果表明,面向对象法在天然林和人工林试验区中的分类精度和Kappa系数均最高,天然林为82. 43%、0. 73,人工林为91. 74%、0. 88;逐像元法次之,天然林为76. 62%、0. 64,人工林为78. 68%、0. 68;阈值法的分类精度和Kappa系数差异较大,在天然林中的精度极低,为50. 54%、0. 27,人工林的精度较高,为79. 12%、0. 69。面向对象法和逐像元法在天然林和人工林普遍适用,均可以达到理想的分类精度和Kappa系数。阈值法在天然林的精度较低,更适合于人工林的分类,即林分高度趋于一致,且建筑、道路等其他类型干扰较少的区域。天然林的最佳分类方法为面向对象法,人工林的最佳分类方法为阈值法。     

基于激光雷达的农业耕作微地貌测量装置设计与试验

针对现有地表微地貌测量装置难以兼顾农业耕种作业后地表微地貌测量的精度和效率、部分测量装置单次测量覆盖区域不能满足统计要求的问题,设计了一套由激光雷达、直线导轨、便携式计算机和支架等构成的非接触式地表微地貌测量装置,开发了以STM32单片机为核心的步进电机驱动控制器,并与上位机软件形成整套采集系统,可实现激光雷达精确定位并快速获取地表三维坐标。该装置典型分辨率在激光雷达扫描方向为3. 8～10 mm,垂直扫描方向可在毫米精度范围内任意设置,测距分辨率为1 mm;测量区域覆盖面积典型值为6. 8 m~2,垂直扫描方向分辨率为10 mm时,单次测量时间低于2. 5 min。通过分析测量误差来源,建立了系统误差补偿模型,在15次均值滤波的条件下,该装置测量最大绝对误差为2. 7 mm,最大平均绝对误差为0. 9 mm。油菜机械直播后地表微地貌测量试验结果表明:利用Matlab生成的地表三维模型可以精确地重构原有地表微地貌特征,测量结果与实际地表高度变化吻合度较高;测量数据统计结果表明,固定区域内均方根高度和相关长度测量值需分别在16次和64次的等距采样下达到稳定均值,而畦沟相关评价参数也需要多组样本计算才具有统计意义。     

基于LiDAR的亚热带次生林林窗对幼树更新影响分析

以湖南亚热带次生林为研究对象,利用多时相机载激光雷达(Light detection and ranging,Li DAR)和野外调查数据对林窗及幼树进行监测,分析比较林窗对幼树密度分布和树高生长变化的影响。结果表明,林窗大小和位置对幼树密度分布都有显著影响,喜光树种幼树主要集中在小林窗的中心区或大林窗的过渡区,在大林窗中密度最大(647株/hm2),耐荫树种幼树主要集中在林窗的边缘区,在中等林窗中密度最大(941株/hm~2)。林窗大小对幼树树高生长有显著影响,喜光树种和耐荫树种幼树分别在大林窗和中等林窗中树高生长量最大(69.3 cm/a、57.7 cm/a),喜光树种幼树在中心区的树高生长量明显大于其他位置,耐荫树种幼树的树高生长量在位置上的差异不显著。线性混合模型分析显示林窗大小是促进幼树树高生长的最主要因素,幼树树高生长变化在不同林窗中呈聚集性。从幼树密度树高生长情况来看,50~150 m~2林窗较适合促进亚热带次生林的群落演替。     

基于DOM及LiDAR的多尺度分割与面向对象林隙分类

为研究分割尺度对航空正射影像(DOM)与LiDAR数据协同面向对象林隙分割与分类的影响,以东北典型的天然次生林帽儿山实验林场东林施业区为试验区,对DOM与LiDAR数据进行多尺度分割与面向对象林隙分类。分割过程中,采用基于DOM分割、基于LiDAR数据分割、DOMLiDAR协同分割3种分割方案。每种分割方案采用10种尺度。在每种尺度应用两种数据提取的光谱和高度两种特征,采用支持向量机分类器(SVM)进行林隙分类。研究结果表明:3种分割与分类方案分类精度随尺度的增大整体呈现下降的趋势,与ED3(Modified)趋势相反。基于LiDAR数据在尺度参数10获得了最优分割结果。在所有尺度上(10~100),基于LiDAR数据分割与分类精度高于其他两种数据源的分类精度,相比单独使用DOM优势更加明显。基于LiDAR数据分割与分类方案在尺度参数10时获得了最高分类精度(Kappa系数为80%)。3种分割与分类方案最优尺度的分类精度显著高于其他尺度分类精度。分割尺度对面向对象林隙分类结果有重要影响。     

激光雷达在森林垂直结构参数估算中的应用

激光雷达是近年来迅速发展的主动遥感技术, 激光脉冲对森林具有很强的穿透能力, 在森林垂直结构参数估测中具有巨大的潜力与优势。文中分别总结了小光斑和大光斑激光雷达在获取树高、生物量等森林参数中的应用及其优缺点, 同时分析比较了小光斑和大光斑激光雷达在估测森林参数上的不同; 最后重点介绍了目前唯一的星载大光斑激光雷达ICESat/GLAS系统, 总结分析了其在大面积森林空间结构参数估算中的应用现状, 并对激光雷达前景及其应用中存在的问题进行了探讨和展望。