地面LiDAR数据模拟及单木LAI反演

地面激光雷达Li DAR可以快速获取高精度、高密度的点云数据,在植被结构参数获取方面的应用越来越广泛。为了定量分析地面激光雷达点云数据获取单木结构参数的能力和精度,本文提出利用光线跟踪结合植被真实结构模拟地面3维激光扫描仪的单木点云数据(以RIEGL VZ-1000为例),并结合间隙率模型反演单木叶面积指数LAI。在点云模拟过程中,充分考虑了脉冲特性,包括光斑大小、波束发射角以及回波探测强度。重点分析了光斑大小和最小探测强度对LAI反演的影响,并采用根河实测单木数据进行了验证。结果表明,光斑大小和最小探测强度的设定对于LAI反演结果存在很大影响,该结论对于提高地面激光雷达点云数据反演植被结构参数精度具有重要意义。     

平面特征的多站地面激光雷达点云配准

为了进一步研究建筑物密集区域多站地面激光雷达(LiDAR)点云数据的配准问题,该文提出一种基于平面特征的地面LiDAR数据配准方法:对点云数据进行分割获取平面信息;人工选择典型的平面,对相应的点云数据进行平面拟合,得到相应法向量;利用罗德里格矩阵的性质,建立三维激光扫描数据配准模型。实验结果表明,该方法的配准精度较高、计算速度快,可以取得较好的点云配准效果。     

地面激光雷达点云数据乔灌分离方法研究

针对当前基于地面激光雷达点云数据的乔灌分离方法在不同环境中很难准确地实现分离的问题,提出了一种粗分离和精分离相结合的方法：先对点云数据进行预处理;结合法向量和支持向量机对此进行粗分离;利用RANSAC算法拟合圆柱、结合格网点云数标准差变化筛选乔灌,以及基于点云数标准差的自适应DBSCAN进行最终的精分离。选取了8块不同生长环境的样地进行测试,其乔木提取株数准确率均高于93%。实验结果表明：该方法能够实现不同环境下的地面激光雷达点云高效准确地乔灌分离,并与现有的传统方法相比,其精度和效率更高、普适性更强,为后续植被参数、林木株数准确提取奠定了基础,具有广泛的应用前景。     

地面激光雷达用于大型钢结构建筑施工监测与质量检测

大型钢结构施工中利用地面激光雷达技术进行安装对接接口扫描,在控制测量基础上对测量接口进行快速扫描,通过对扫描数据的特征提取并对比接口数据进行分析,可以精确快速地获取接口现状并指导实际施工调整。     

小麦生物量和真实叶面积指数的高光谱遥感估算模型

利用大田小麦的参数数据和冠层光谱数据,基于光谱一阶微分技术和光谱响应函数,构建等效MODIS植被指数,建立小麦生物量(本文指总干生物量,下同)和真实叶面积指数的高光谱遥感估算模型.结果表明:①小麦生物量与冠层光谱在552 nm,721 nm处呈现最显著相关关系,叶面积指数与冠层光谱的相关性在400～1100 nm范围内较显著;②红边位置与生物量的关系最为显著,相关系数R为0.818;③6种等效MODIS植被指数中,增强型植被指数对生物量最为敏感;④红边位置估算小麦总生物量的指数模型最优,决定系数R2为0.829;⑤增强型植被指数与小麦叶面积指数的指数模型拟合度最强,决定系数R2为0.94.利用实测光谱模拟MODIS等效反射率构建植被指数反演小麦参数的方法,可为利用卫星数据进行大面积、无破坏和及时获取地面植被信息研究提供重要手段.     

激光雷达和点云切片算法结合的森林有效叶面积指数估算

叶面积指数(LAI)是定量模拟和刻画植被冠层结构、生理过程以及研究森林生态系统碳水循环中物质和能量交换的重要生物物理参数之一。定量分析林冠元素的3维空间分布是准确估算森林叶面积指数的重要基础和关键步骤。本文利用地面激光雷达扫描系统(TLS),获取了不同树种、密度、年龄和空间分布的森林3维点云数据,利用"径向半球点云切片"和"点云法向量重建"算法分别计算森林的角度孔隙率和消光系数,进而得到森林冠层的有效叶面积指数。通过与利用传统光学仪器得到的结果比较发现:单站半球式激光雷达扫描得到森林样方尺度的结果与LAI-2200和数字半球摄影观测所得结果的相关性分别为R2=0.7084(N=9,p0.01)和0.7409(N=14,p0.01)。通过角度分辨率(LBA)和角度孔隙率(AGF)的敏感性分析,建议径向半球切片算法的角度分辨率应参考中心单站TLS半球式扫描所设置的采样间距。本文所采用的径向半球切片算法可以有效地利用单站半球式扫描所获取的3维点云进行森林冠层有效叶面积指数的定量估算。     

基于地面激光扫描数据的单木特征因子提取与分析

本文利用三维激光扫描仪对树木进行扫描获取树点云数据,经过格式转换、分离、提取后,对树木各测量因子包括胸径、树高、树冠、材积量进行测定与测量方法与意义的分析.通过实验分析,可以得出:树冠测定因子通过测定树冠的叶面积指数来更精确地反映树冠的生理学意义;通过不规则三角网构建的多面体计算的树干体积较以平均断面积、中央断面积求树干材积更为准确与便捷.     

机载激光雷达数据中电力线的快速提取

针对当前机载LiDAR技术在电力巡线应用中对电力线数字模型高精度和快速重建的需求,该文提出一种高效的电力线点云分类方法。首先基于局部范围点的高程统计直方图,实现电力线点的快速粗提取;然后运用随机抽样一致性算法剔除残留的电塔点,结合点云高程统计进一步剔除绝缘子点,实现电力线点的精提取;最后利用同一垂直面内电力线点的高程分布特性,实现单根电力线点的快速提取。基于实际输电线路机载LiDAR数据的实验结果表明,该方法可实现电力线点的快速、高精度提取:粗分类后的电力线点中仅含约10%的非电力线点;精分类后约有2%的电力线点被误分为绝缘子点,最终各条电力线点的提取比率平均为98%以上。     

应用机载激光雷达数据制作DEM的方法探讨

通过对机载激光雷达数据的分析、点云处理、DEM处理,探讨应用机载激光雷达数据制作DEM的方法,并通过实例介绍应用机载激光雷达数据制作DEM的生产流程。     

机载激光雷达数据的地物分类方法及处理方式

机载激光雷达技术衍生于传统的工程测量中的激光测距技术,是传统雷达技术与现代激光技术结合的产物,是遥感测量领域的一门新兴技术。随着机载激光雷达数据的不断发展,其在基础测绘、城市三位建模、铁路、电力等领域有着越来越广泛的应用,然而机载激光雷达数据刚扫描完的数据全部存放到一个点云层,不利于后期数据的分析、应用。因此,本文以处理吉林省白城市激光点云数据的方式为例,介绍了机载激光雷达点云数据的处理方式及地物分类的原则。     

多回波点云数据解算单株木叶面积指数

以行道树无患子为研究目标,采用地面激光扫描(TLS)技术提取单木分回波点云数据。获取全波形数据、单目标数据、首次回波数据、其余次回波数据,建立基于多回波点云的算法,利用消光系数法提取不同投影分辨率0.01 m、0.02 m和0.03 m的的单株树叶面积指数(LAI)。利用2维影像数据数字半球影像(DHP)和LAI2200提取对应单株树的叶面积指数,进行比较分析,以检验其精度。结果表明:点云投影的分辨率与激光回波都对LAI有极显著影响,其中分辨率为0.02 m和0.03 m的估算结果与LAI2200所得估算结果相近,且差异不显著;单目标回波数据用于LAI的解算,可以同LAI2200的2维影像数据结果进行相互验证。使用单目标回波数据,0.02 m投影分辨率可以最大程度的保证单株LAI的精度,其与LAI2200测定的数据进行截距为0的线性回归,斜率达到0.827。本研究所做多回波地面激光数据计算叶面积指数的算法拓展了地面激光扫描的应用领域,为立木生长量信息准确提取和树木精确建模提供了重要的技术参考。     

利用地面激光扫描数据提取单木结构参数

针对现有提取单木结构参数的方法精度不高的现状,文章研究利用地面三维激光扫描数据提取单木的高度、胸径和冠幅,特别是将RANSAC算法用于圆拟合,提高了胸径的反演精度。最后利用野外实测数据进行验证,并比较分析了Hough变换和RANSAC算法在提取胸径中的差异。结果表明,本文方法提取的单木参数精度较高;并且无论从相关系数、平均残差还是均方根误差等方面,RANSAC算法提取的胸径精度均高于Hough变换方法。     

用地基激光雷达提取单木结构参数——以白皮松为例

以白皮松(Pinus bungeana Zucc)为研究对象,针对地基激光雷达TLS扫描的3维点云数据在单株木垂直方向的分布特征,提出了一种基于体元化方法的树干覆盖度变化检测方法,获取单木枝下高;然后根据获取的枝下高引入2维凸包算法获取垂直方向分层树冠轮廓,并计算树冠体积和冠幅;同时获取的单木参数还有胸径与树高。结果表明:单木枝下高的估测精度较高,R2与RMSE分别为0.97 m和0.21 m;胸径估测结果的R2与RMSE分别为0.79 cm和1.07 cm;采用逐步线性回归方法建立单木树冠体积与其他单木参数的相关关系,模型变量包括冠幅、叶子填充树冠长度和胸径,样本数为20,模型的R2与RMSE分别是0.967 m3和2.64 m3。本文方法能较准确地估测枝下高,TLS数据具有对树冠结构3维建模的潜力。     

基于回光强度的地面三维激光扫描仪测距误差模型

地面三维激光扫描仪是一种新型测量仪器,其核心优势是非接触、速度快、精度高,应用领域非常广泛,而使用之前的设备检校极为重要。影响地面三维激光扫描仪测距精度的因素很多,本文的研究以地面三维激光扫描仪测距原理及误差来源为基础,提出一种稳健的曲线拟合算法对点云数据进行处理,建立了基于回光反射强度的地面三维激光扫描仪测距误差模型,经实验验证取得了良好效果。     

Calibration of area based diameter distribution with individual tree based diameter estimates using airborne laser scanning

Diameter distribution is essential for calculating stem volume and timber assortments of forest stands. A new method was proposed in this study to improve the estimation of stem volume and timber assortments, by means of combining the Area-based approach (ABA) and individual tree detection (ITD), the two main approaches to deriving forest attributes from airborne laser scanning (ALS) data. Two methods, replacement, and histogram matching were employed to calibrate ABA-derived diameter distributions with ITD-derived diameter estimates at plot level. The results showed that more accurate estimates were obtained when calibrations were applied. In view of the highest accuracy between ABA and ITD, calibrated diameter distributions decreased its relative RMSE of the estimated entire growing stock, saw log and pulpwood fractions by 2.81%, 3.05% and 7.73% points at best, respectively. Calibration improved pulpwood fraction significantly, which contributed to the negligible bias of the estimated entire growing stock.     

The influence of scanner parameters on the extraction of tree metrics from FARO Photon 120 terrestrial laser scans

In the present study the influence of the scanner parameters, scan resolution (angular step size), scan speed (number of laser pulses per second), and pulse duration, on tree stem detection, stem diameter and volume extraction from phase-shift FARO Photon 120 TLS data was assessed. Additionally the effects of a data post processing (filtering of raw scan data) were investigated. All analyses were carried out based on single and merged scan data. It could be shown that scan speed, pulse duration and data filtering only marginally affect stem detection rates and stem diameter and volume estimation accuracies. By contrast scan resolution was found to have an effect, the magnitude of which, however, is range-dependent. For example mean stem detection rates for the three different scan resolutions tested were found to be equal in near range, but decreased more strongly for the lower scan resolutions in far range. With regard to the stem diameter extraction, scan resolution did not affect stem diameter at breast height (DBH) estimation accuracy, but limited the range within which DBH could be reliably extracted. The root mean squared error (RMSE) for DBH extracted from the single scan data was found to be significantly larger compared to the RMSE for DBH extracted from the merged scan data. Single scan data yielded stem volume estimates with lower accuracies, too. This study demonstrated that it is possible to maximize sampling efficiency by using scanner parameter sets with low scanning times (i.e., low scan resolution, high scan speed) without significantly losing estimation accuracy. If maximum accuracy is desired for both DBH and stem volume, the acquisition of multiple scans with a subsequent data merging is required.     

基于时间序列叶面积指数稀疏表示的作物种植区域提取

以华北平原黄河以北地区为研究区域,以时间序列叶面积指数LAI(Leaf Area Index)傅里叶变换的谐波特征作为不同作物识别的数据源,利用稀疏表示的分类方法识别2007年—2016年冬小麦、春玉米、夏玉米等主要农作物种植区域。首先利用上包络线Savitzky-Golay滤波分别对2007年—2016年的时间序列MODIS LAI曲线进行重构,进而对重构的年时间序列LAI进行傅里叶变换,以0—5级谐波振幅、1—5级谐波相位作为作物识别的依据,基于各类地物的训练样本,通过在线字典学习算法构建稀疏表示方法的判别字典,对每个待测样本利用正交匹配追踪算法求解稀疏系数,从而计算对应于各类地物的重构误差,根据最小重构误差判定待测样本的作物类型,并对作物识别结果的位置精度进行验证。结果表明,2007年—2016年作物识别的总体精度为77.97%,Kappa系数为0.74,表明本文提出的方法可以用于研究区域主要作物种植区域的提取。