机载激光雷达(LiDAR)数据在森林资源调查中的应用综述

LiDAR技术可以直接获取地表地物的三维信息,在森林参数估测方面具有独特的优势,因此,在森林资源调查中有着广泛应用.本文首先介绍了LiDAR系统组成和基本工作原理,然后详细分析了LiDAR技术定量提取树高、林分郁闭度和密度、蓄积量和生物量等森林参数的技术方法与研究进展,并对LiDAR数据在森林及其生态状况监测中的应用前景进行展望.     

基于机载激光雷达数据的森林结构参数反演

机载激光雷达(Light Detection And Ranging,LiDAR)技术对植被空间结构和地形的探测能力较强,在植被参数定量测量和反演方面具有显著优势。首先利用野外调查并结合高分辨率Geoeye-1影像数据,对黑河上游天涝池流域植被类型进行分类,提取研究区森林分布,然后结合0.5m×0.5m机载激光雷达(LiDAR)数据对森林结构参数(树高、冠幅、胸径和叶面积指数)进行反演,最后利用实际观测数据对反演结果进行验证。结果表明:机载激光雷达数据能够精确地反演森林结构参数,树高、冠幅、胸径和叶面积指数的实测值与估测值决定系数分别为0.98、0.84、0.57和0.73。本研究获得流域森林覆盖区域高精度树冠高度和叶面积指数空间分布图,同时分析了冠层高度和叶面积指数随高度的变化。本研究的结果为该流域分布式生态水文模型提供了重要的输入参数。     

基于激光雷达的大兴安岭典型森林生物量制图技术研究

森林生物量作为森林生态系统基本的数量表征,表明了森林的经营水平和开发利用价值,并能反映其与环境在物质循环和能量流动方面的复杂关系。同时,森林生物量也是林业问题和生态问题研究的基础。以内蒙古大兴安岭国家野外生态站为研究区域,通过对机载激光雷达(LiDAR)点云数据的预处理,利用计算机编程提取LiDAR点云数据的结构参数,以植被分位数高度变量与密度变量为自变量,结合地面调查数据,建立生物量与LiDAR结构参数的回归模型(决定系数为0.69,均方根误差为0.34)。运用IDL编程对LiDAR点云块数据进行运算并生成分辨率为20m×20m的栅格图像,拼接后得到整个区域的地上生物量分布图,对生成的地上生物量分布图进行验证的R2为0.78,RMSE为23.09t/hm2,平均估测精度达83%。     

基于机载LiDAR数据的三维树木建模方法

提出一种基于机载激光雷达系统LiDAR数据树木可视化建模的方法。利用机载LiDAR数据的特点,结合L-系统分形的思想,对传统的L-系统方法进行随机化、参数化的扩展和改进,由此对数据进行建模。针对LiDAR数据分布空间由内到外的层次特点,采取分步的建模策略,在外层建立从LiDAR数据中提取L-系统参数的方法。实验结果表明,该方法具有较好的建模效果,适用于三维数字城市、虚拟现实以及林业领域。     

合成孔径雷达森林树高和地上生物量估测研究进展

微波遥感具有一定的穿透性,能够与森林内部的散射体发生相互作用,从而获得指示森林垂直方向的参数,被认为在森林垂直结构参数估测方面具有很大的潜力。PolSAR、InSAR、PolInSAR、多基线InSAR以及多基线PolInSAR技术的发展进一步拓展了微波遥感在林业中的应用,为森林垂直结构参数估测提供了可行的解决方案。首先总结了森林垂直结构剖面的层析提取方法;然后重点阐述了林下地形、森林树高以及森林地上生物量的微波遥感估测方法;最后就森林垂直结构参数估测研究中存在的问题及其发展趋势进行了分析。
     

基于LiDAR和CCD数据的地形与建筑提取方法优化及精度评价

借助机载小光斑激光雷达点云数据,采用Kraus滤波法结合增强Canny算子优化提取数字高程模型,然后结合LiDAR数据中提取的nDSM和粗糙度特征,以及CCD数据中获得的光谱属性和几何属性,应用多源特征融合面向对象影像分类方法,以提高城市环境下遥感分类的可靠性和建筑实体信息提取精度。结果表明:DEM估测值变异解释能力达到96%,其均方根误差1.15 m,拟合的直线紧贴1∶1线;同时,结合粗糙度、光谱信息和形态指数等信息分类的方法不仅缓解了分类“噪声”,降低了错分现象,且精度较高;研究区内建筑的面积决定系数大多高于0.7,高度信息的估测值变异解释能力也均达到92%以上,表明基于多源特征融合的面向对象分类方法结果可靠且对建筑的三维结构参数提取精度高。     

基于机载LiDAR点云数据森林郁闭度估测

郁闭度是反映森林数量和质量的重要参数,是森林调查的重要因子之一。以广西壮族自治区高峰林场试验区获取的机载LiDAR点云数据为基础,基于二维冠层高度模型（Canopy Height Model,CHM）和三维点云开展了森林郁闭度估测研究。使用实地调查的105块样地作为验证参考数据对郁闭度估测结果进行了精度评价,结果表明：基于二维CHM估测郁闭度与实测值之间的R²=0.388,RMSE=0.17;而基于三维点云估测郁闭度采用了2种方法：第一种方法采用归一化后2 m以上高度植被点云密度与归一化后所有点云密度比值估测郁闭度,估测结果与实测值之间的R²=0.467,RMSE=0.13。第二种方法采用归一化后2 m以上高度第一次回波植被点云密度与归一化后第一次回波所有点云密度比值估测郁闭度,估测结果与实测值之间的R²=0.478,RMSE=0.12;基于三维点云的2种方法估测林分郁闭度的精度皆优于基于二维CHM的方法,基于三维点云估测林分郁闭度方法中,第二种方法的精度优于第一种方法。     

机载LiDAR数据航带平差研究进展

面向机载LiDAR数据航带平差处理的理论前沿,全面总结了机载LiDAR航带平差技术的国内外现状并进行了相应的归纳、分析,指出了当前研究中的一些不足,为后续的研究提供了参考。     

机载X-波段双天线InSAR数据森林树高估测方法

短波长的干涉合成孔径雷达(InSAR)适用于数字表面模型(DSM)提取,但难以提取准确的林下地相位,在缺乏高精度数字高程模型(DEM)的森林区域,短波长InSAR数据估测树高的能力受到限制。针对这一问题,采用机载X-波段单极化(HH)双天线InSAR数据开展了森林树高估测方法研究。双天线InSAR可以忽略时间去相干的影响,并且X-波段波长较短,入射角较大(中心入射角45.77°),地表对干涉去相干的贡献可以忽略,因此可将干涉复相干作为体去相干,对体去相干模型中的结构函数进行勒让德展开,截取第0阶展开式得到了基于相干幅度的森林树高估测模型,利用均匀选取的LiDAR冠层高度模型(CHM)检验样本对估测结果进行严格的精度评价,并与差分法的树高估测结果进行对比。精度评价结果显示:相干幅度法与差分法都得到了较高的估测精度,两者的R~2、RMSE、总精度分别为0.81、0.86;1.20m、0.97m;86.4%、88.7%。研究结果表明:相干幅度与森林树高具有负相关关系,适用于估测树高,基于单极化相干幅度的估测模型也可以得到较高的估测精度,与差分法的估测结果相比,虽然估测精度略有降低,但此方法具有两方面的优势:一方面,估测结果不需要实测样地数据标定,对于没有实测样地数据的森林区域亦能进行高精度的树高估测;另一方面,相干幅度法不需要高精度的DEM,具有更强的实用性。     

机载脉冲激光雷达剖面测量技术的进展及应用

机载脉冲激光雷达(LiDAR)剖面测量技术是一种先进的主动遥感测量技术,可以快速、大面积地直接获取地表地物、森林和水下地貌等的三维信息,具有机动性强、高效和实时等优点。该技术可用于海岸线海水深度测量,海岸生态状况监测,森林资源调查及地震等突发事件响应,具有巨大的应用潜力和广阔的发展前景。首先全面介绍了国外机载脉冲激光雷达剖面测量技术的发展历史,评述了各个发展阶段,并介绍了国内该技术的发展状况。然后分析了机载脉冲激光雷达剖面测量技术的主要应用领域。最后对机载脉冲激光雷达剖面测量技术的未来发展趋势作了展望。     

无控制条件下机载LiDAR航带拟稳平差方法

对无控制条件下机载LiDAR测区数据在平差过程中，由于受平差基准选取因素的影响，或难以补偿因POS系统导致的系统偏差，或容易造成误差累积的问题，提出了一种机载LiDAR航带拟稳平差方法。首先介绍了航带平差方法采用的航带形变模型，然后提出了航带拟稳平差模型，并推导了航带拟稳平差约束条件，同时可根据测区实际情况调整拟稳基准权值。最后利用该模型进行机载LiDAR航带平差。实验表明，该方法能够在无控制条件下有效减弱或消除机载LiDAR数据的系统误差，同时抑制航带平差过程中累积误差的产生，从而提高点云数据的质量和精度。     

干涉、极化干涉SAR技术森林高度估测算法研究进展

在干涉、极化干涉SAR森林高度估测中,估测算法对结果精度起着决定性作用。通过对现有森林高度干涉、极化干涉SAR研究的系统性分析,总结了现有研究中森林高度估测算法的基本原理、模型假设及其应用局限性,并对这些算法在区域和全球尺度森林高度反演中的潜力进行了分析。总结发现,基于干涉SAR技术的DSM-DEM差分法在森林高度反演中精度较高,与极化干涉SAR算法相比,受到森林类型、结构的影响较小,在区域和全球尺度森林高度反演中具有很大潜力。但是其局限性在于是否能够获取大范围高精度的DEM;极化干涉SAR技术利用了森林的极化散射特点,不受DEM的限制,可以大范围地进行森林高度反演,但是在森林异质性大的区域,仍然需要进一步分析森林特征对不同波长相位及相干幅度的影响,根据森林的微波散射原理拓展微波散射模型,才能进一步提高估测结果和精度。此外,由于单基线干涉SAR、极化干涉SAR对森林垂直结构可见性差,因此,发展多维度、多基线SAR及其相应算法并朝这个方向拓展是未来采用干涉SAR、极化干涉SAR进行森林高度反演的主要方向。     

基于TerraSolid与Inpho的LiDAR数据处理方法分析与研究

介绍了机载激光扫描(Airborne Laser Scanning)/激光雷达(LiDAR)遥感信息获取系统的基本原理及系统组成,主要对基于TerraSolid和Inpho的两种LiDAR数据处理原理、滤波实现方法以及作业流程进行了分析,并通过不同地形特征的实验数据对其精度、效率、可操作性等方面进行了研究。     

一种高程相关的机载LiDAR点云配准方法

针对现有配准方法难以提取大范围机载LiDAR点云特征信息的问题,提出了一种基于2片待配准机载LiDAR点云高程数据相关的点云自动配准方法。首先,将待配准点一定范围内的点云拟合局部曲面;然后,在另一点云片中确定搜索区域,利用拟合结果求解搜索区域内的点云在拟合曲面上的高程;最后,通过计算拟合高程与实际高程的相关系数,选择搜索区域内相关系数最大位置作为配准的关键点参与点云配准,反复迭代直到完成配准。文章用实际采集的机载LiDAR数据进行了实验分析,并与传统的ICP算法进行了对比。实验结果表明,该方法在配准精度上能达到较高的水准,能够满足机载LiDAR点云配准的要求。     

机载LiDAR数据的LZD航带平差

系统误差是影响机载LiDAR系统精度的主要因素,因而消除或削弱系统误差影响、提高数据精度具有重要理论意义和工程实用价值。提出基于最小高程差(LZD)的机载LiDAR航带平差方法,并通过引入高斯-马尔柯夫模型提高了平差精度。实验部分考察了引入高斯-马尔柯夫模型的必要性及算法精度。实验结果表明:引入高斯-马尔柯夫模型可有效地提高算法精度;使用LZD进行机载LiDAR航带平差获取的结果均可以满足工程生产的精度需求;与商业软件TerraMatch相比,LZD的精度和TerraMatch的精度相当。     

集成GIGIS技术与改进LiDAR的建筑测量技术研究

倾斜摄影测量技术因现代测量技术的进步,在众多应用场景中证明了其独特和不可或缺的价值;在GIGIS技术的支持下,研究致力于结合倾斜摄影测量技术与机载LiDAR技术,旨在实现更精确、完整的建筑测量;采用了基于GIGIS的倾斜影像技术,获取了丰富的纹理、色彩特征信息,并利用机载LiDAR技术获取了高精度、低噪声的点云信息,从而优化了LiDAR在建筑测量中的应用;通过对点云特征提取与融合方法的优化,在两个不同区域的测试中,改进后的特征提取准确率分别达到93.56%和92.14%,均明显高于改进前;研究为建筑测量提供了更准确、完整的多源数据特征,为建筑测量技术的进步提供了有价值的方案。     

机载分布式结构应变参数采集系统软件设计与实现

研制机载分布式结构应变参数采集系统的目的在于实现一种先进的分布式应变参数采集系统,以解决愈发突出的飞机空间狭窄与测试布线增加的矛盾.介绍了该系统的分布式结构和软件的主要功能,并提出了实现数据缓冲区分配和PCM数据分发的方法及具体的实现过程.目前该系统已通过了试飞验证并投产交付使用,设备运行可靠.机载分布式结构应变参数采集系统填补了国内机载测试领域此类产品的空白.     

基于样本加权PointNet++的输电通道点云分类研究

输电通道内地物要素复杂，机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则，实际应用中“所见即所得”的应用需求对点云的高效自动化分类带来挑战。将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究，分析样本加权对不同密度点云数据分类精度的影响，利用两组实验数据验证算法的精度和效率，并与随机森林分类算法进行比较。结果表明：基于样本加权PointNet++的方法在输电通道点云自动化分类方面适用性更强，平均F1值87.14%，且分类精度和效率均优于随机森林方法。     

基于机载LVIS和星载GLAS波形LiDAR数据反演森林LAI

波形激光雷达（Light Detection And Ranging, LiDAR）已经大量用于森林叶面积指数（Leaf Area Index, LAI）估算,但是波形LiDAR数据估算森林LAI易受地形影响。地形坡度引起的波形展宽使得地面回波和植被冠层回波信息混合在一起,难以得到准确的地面回波和冠层回波,进而影响到LAI估算精度。为了估算不同地形坡度条件下的LAI,本文采用一种坡度自适应的方法处理机载LVIS和星载GLAS波形数据。通过坡度自适应的方法得到地面波峰位置,基于高度阈值来区分地面回波和冠层回波,进而得到能量比值用于LAI估算。基于LVIS和GLAS数据,估算了不同森林站点的LAI,并利用实测LAI数据进行检验。结果表明：利用波形LiDAR数据可以估算森林LAI,坡度自适应方法可以改善地形的影响,提高LAI估算精度。对于机载LVIS,估算新英格兰森林LAI精度为R²=0.77和RMSE=0.21;对于星载GLAS,估算塞罕坝森林LAI精度为R²=0.81和RMSE=0.28。无论机载还是星载数据,该方法都有着较高的精度,对于复杂地形估算LAI具有一定潜力。     

基于ICESat-GLAS数据估算复杂地形区域森林蓄积量潜力初探-以云南香格里拉县为例

近年来ICESat\|GLAS波形数据被广泛地应用于森林生态参数的估算。为了研究大光斑激光雷达数据在复杂地形区域估算森林蓄积量方面的能力,以云南省香格里拉县为研究区域,将GLA01数据处理后得到的平均树高与实测树高及坡度进行对比,探究了坡度对GLAS数据估算平均树高的影响,同时将其与平均树高、光斑范围内森林蓄积量建立关系,初步研究三者之间的关系。结果表明,坡度会降低大光斑激光雷达数据估算森林植被高度的精度,但GLAS数据估算出的树高与实测的平均树高、蓄积量数据仍有较好的相关性,这说明利用GLAS数据估算森林蓄积量有较大的潜力。