LiDAR森林冠层高度模型凹坑去除方法

LiDAR技术被越来越多地应用于林业领域,而森林冠层高度模型作为其数据产品直接影响着森林参数的反演,但其存在的局部凹坑现象对森林参数信息的提取形成阻碍。针对此问题,该文对局部凹坑去除进行了研究。利用局部稳健加权回归对点云数据进行散点平滑处理,填充凹坑(无效值);再利用反距离加权插值生成冠层表面模型,使之与数字高程模型相减得到归一化高度点云,形成去除凹坑后的森林冠层高度模型。通过对研究区30个样方的点云数据处理,及与高斯滤波、中值滤波、分层高度最大值法进行比较,并提取树高等信息进行验证。结果显示,无论在去除凹坑效果还是保持原冠层顶部形态结构上,该方法都具有明显优势。     

融合LiDAR点云与高分影像的单木检测方法研究

对一种结合高分影像数据和机载LiDAR点云的单木检测方法进行研究,首先采用面向对象分类方法对高分影像上的单木区域进行分割,得到单木区域分割图;再以单木区域为约束,从机载LiDAR激光点云中分离出单木点云,构建局部冠层高度模型(CHM);最后对单木CHM采用分水岭算法探测冠层局部极值,实现对单木中心定位检测.实验结果表明该方法能够充分利用高分影像和激光雷达点云优势,提高了单木定位准确性,具有广泛的应用前景.     

多源遥感数据支持下的区域性森林冠层高度估测

结合机载LiDAR数据,提出了一种改进的GLAS光斑点冠层高度地形校正模型,以校正后的GLAS光斑点作为输入样本,结合MODIS遥感影像,利用支持向量回归（SVR）的方法对研究区森林冠层高度进行分生态区估测,并利用野外调查数据和机载LiDAR冠层高度结果对估测结果进行验证。结果显示:研究区的坡度等级直接影响GLAS光斑点森林冠层高度估测精度,改进的地形校正模型可以较好的减小坡度对GLAS光斑点森林冠层高度估测的影响,模型精度RMSE稳定在3.25~3.48 m;不同生态分区的SVR模型估测精度较为稳定,其RMSE=6.41~7.56 m;与算数平均高相比,样地的Lorey's高与制图结果拟合最好,不同生态分区平均估测精度为80.3%。机载LiDAR冠层高度结果的验证平均精度为79.5%,和Lorey's高验证结果呈现较好的一致性。     

多平台点云数据的单木参数提取精度分析

以浙江省海宁市4种代表行道树(广玉兰、无患子、悬铃木、香樟树)为研究对象,结合无人机(UAV)影像和三维激光扫描数据,利用ContextCapture、LiDAR360软件完成点云拼接、滤波、降噪和编辑,通过迭代最近点算法实现点云精细匹配,完成多平台点云数据融合,进而得到数字表面模型与数字高程模型,并制作冠层高度模型;采用分水岭分割算法对不同行道树树种的冠层高度模型进行单木分割,并综合局部最大值法实现单木树高、冠幅的参数提取。结果表明,本文方法进行行道树单木分割的精度高,树高、冠幅参数提取值的效果好,满足行道树几何参数调查要求。     

机载激光点云单木分割方法对比及精度分析

通过对机载激光点云基于冠层高度模型、基于点云以及基于层堆叠种子点分割方法,对针叶林、阔叶林、针阔混交林3种不同类型林分进行单木分割,并通过计算单木分割的检测率、正确率、F-score等精度指标,探究不同分割方法在不同类型林分的适用性。实验结果表明,对于针叶林,基于点云分割方法的分割精度最高,基于层堆叠种子点分割方法对树木分割的正确率最高;对于阔叶林和针阔混交林,基于层堆叠种子点分割方法的分割精度和检测率较高,优于其他两种分割方法。     

基于机载激光雷达数据的老街基林场样地单木分割方法研究

机载激光雷达技术凭借着对森林冠层的穿透能力,在森林资源调查中显露出无可比拟的优势。针对林业雷达领域中的单木结构参数提取问题,本文基于局部最大值滤波算法和标记控制分水岭分割算法(Marked-Controlled Watered Segmentation, MCWS)提出了一种单木分割方法,并评价该方法在样地尺度上的单木分割效果,分析结果表明样地区域总体分割精度F为0.736;结合实测树高对反演树高进行相关性分析,拟合精度R²为0.907,表明本文方法能够较准确地提取单木树冠信息。     

基于深度学习的高分辨率航空遥感影像单木识别技术研究

城市森林监测的数字化和智能化是未来发展的主要趋势。利用上海市2020年航空影像和植被冠层高度模型,采用U-net卷积神经网络对上海市金山区乔木林进行单木自动识别研究。研究结果表明：利用计算机深度学习自动识别金山区乔木林单株约454万棵;不同林地类型单木自动提取的精度不同,常绿林地的单木提取精度最高为90.77%;不同郁闭度表现出不同的识别精度,不同郁闭度林地的计算机单木自动识别精度均高于80%。本研究将为上海市森林资源的智能化和数字化管理提供技术支持和科学依据。     

结合高分一号和LiDAR的亚热带森林 年度采伐迹地提取

利用高分一号影像结合机载LiDAR数据进行面向对象的亚热带森林年度采伐迹地分类提取。在面向对象的遥感软件Ecognition中,首先利用森林小班数据参与分割,利用小班数据的属性信息确定林地和非林地区域,在林地区域再一次进行多尺度分割,并通过ESP工具确定最佳分割尺度,通过特征表达提取对象的光谱、纹理、形状、冠层高度模型(CHM)等特征信息,通过最小冗余最大相关性(mRMR)特征选择算法提取最优特征子集,且CHM在最优特征子集中。利用随机森林(RF)分类器进行年度森林采伐迹地分类提取。年度采伐迹地提取精度达到了87%,与没有CHM特征参与分类的情况对比,提取精度提高了13%。     

广西-东盟多源遥感数据的森林高度反演及应用

森林生态系统在调节生态气候与碳循环方面发挥着重要作用,森林高度是衡量森林生态系统功能的重要参数。利用单一遥感数据获取森林冠层高度会受到多种制约。因此,本文使用星载激光雷达ICESat-2提供的高质量离散森林冠层高度点,结合Sentinel-1、Landsat 8及地形数据,采用随机森林方法建立不同影像特征组合森林冠层高度的回归模型,并分析各特征对森林高度反演的影响,最后将模型应用于广西森林冠层高度制图。试验结果表明,多源遥感数据可有效提高森林冠层高度反演精度,在所利用遥感数据中,特征重要性从大到小依次为光学特征、地形特征、SAR特征,“L8+SRTM+Sentinel-1+邻域均值”特征组合的反演精度最高,加入邻域均值特征进行森林冠层高度反演效果最佳,随机森林模型能精确绘制森林冠层高度。     

激光雷达的立体体元模型在森林冠层间隙率提取中的应用

针对光学森林冠层间隙率提取方法受天气影响较大的不足,本文基于激光雷达点云数据,提出一种立体体元模型方法进行森林冠层提取,并采用点云投影、半球成像两种常用方法与其进行对比。结果表明：不同体元大小提取的间隙率结果在变化趋势基本一致,当体元大小越大时,提取的间隙率结果越小;当与点云投影、DHP两种方法进行对比时,随着体元增大,本文方法提取结果与两种方法提取结果相关性也逐渐增高,当天顶角为0°～80°、10°～65°时,相关系数在0.91以上,表明本文方法可用于森林冠层间隙率提取。