机载大光斑激光雷达数据估测森林结构参数研究进展

针对LiDAR对森林结构具有较强探测能力,从而能够准确地获取森林的三维结构的优势,该文试图将该技术运用于估测森林结构参数,并介绍了机载大光斑LiDAR系统的工作原理和主要技术规格,系统总结了机载大光斑LiDAR数据估测森林结构参数的研究现状,分析了机载大光斑LiDAR估测森林结构参数的局限性并对其进行了展望。     

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%。     

基于模拟退火算法的植被参数遥感反演

提出了基于模拟退火( SA, Simulated Annealing ) 算法的植被参数( 叶面积指数和叶绿素含量) 反演方案。该方案以冠层反射率模型( SAIL, Scat tering by Arbit rarily Inclined Leav es) 作为正向模型, 分别以Bo ltzman 模拟退火( BSA , Bolt zman Simulated Annealing) 、快速模拟退火( FSA,Fast Simulated Annealing ) 、极快速模拟再退火( VFSA, Very Fast Simulated Anneal ing ) 算法为优化方法, 并采用模型输出的光谱反射率和观测的光谱反射率的残差平方和作为目标函数。模拟反演结果表明: ①模拟退火算法能够跳出局部最优, 得到全局最优解; ②极快速模拟再退火算法在时间效率和反演精度上都优于Bo ltzman 模拟退火和快速模拟退火;③ 在给定的光谱数据没有误差的情况下, 利用模拟退火算法反演SAIL 模型, 能够得到高精度的叶面积指数和叶绿素含量。     

基于机载激光雷达数据的DEM获取及应用

作为直接获取对象表面点三维坐标的现代对地观测技术,激光雷达技术能够快速获取高精度地面高程模型。基于Lidar系统所获取的点云数据,通过过滤处理将区域纯地形特征信息与地物信息相分离,最终生成高精度的DEM,并在此基础上对同步获取的数码影像进行了正射纠正,为进一步的信息提取、定量分析及实体建模奠定基础。     

基于机载激光雷达数据识别单株木的新方法

在林业应用中,机载激光雷达技术较被动式遥感技术有着独特优势。以从机载激光雷达数据中分离单株木,提取单株木树高和树冠大小信息为目的,融合有标记约束的分水岭分割和流域跟踪分割两种图像分割方法,提出一种新的单株木识别思路。以美国某地区实地采集激光雷达数据为例验证本文提出方法,实验结果表明该方法通过增加边缘检测范围的约束条件,能够有效避免过分割现象,并通过使用约束条件,减少在其检测范围内的目标数量,从而避免不必要的检测干扰,较传统方法能快速准确地识别单株木。     

基于机载激光雷达的密林山区测绘研究

为了有效解决密林山区测绘高程相关问题,基于机载激光雷达(机载Lidar)技术穿透地表植被,进行密林山区点云数据采集,以点云滤波方式获取地表点高程数据信息,与既有RTK方式所采集高程数据对比分析综合精确度.通过实验分析,结果表明机载激光雷达在密林山区地表点测绘中具备较高密度与精确度,可在很大程度上满足密林山区地形测绘相关要求.     

基于机载激光雷达数据的简单规则建筑物模型重建

机载激光雷达数据具有直接描述对象几何特征、便于表达空间不连续变化等优势,是建筑物重建的主要数据源之一。为实现基于激光雷达点云数据的模型自动重建和解决现有方法存在的问题,提出了一种基于特征线提取、面向简单规则建筑物的重建方法。该方法以投影为基础,以平高分解为手段,通过在多个投影平面内逐步确定平面、高程信息实现特征线提取及模型重建。实验表明,该方法能够避免现有方法遇到的若干困难,有效重建简单规则建筑物模型。     

基于无人机遥感技术的森林参数获取研究进展

凭借着高分辨率、可控性强和性价比高的特点,无人机遥感技术在森林研究中得到了迅速的发展与应用.对无人机遥感成像平台的发展和国内外利用无人机遥感技术开展森林调查的情况进行介绍,针对单木和林分两种森林资源调查对象,总结了目前利用无人机遥感技术提取森林参数的前沿方法.重点分析和讨论了基于无人机平台的多光谱、高光谱和激光雷达传感...     

基于ASTER数据黑河中游植被含水量反演研究

植被含水量是影响植物生长的主要限制因子之一,也是衡量植被生理状态和形态结构的重要参数。应用遥感技术定量估测植被含水量,对于农业旱情监测、作物产量估计和科学研究具有重要意义。基于2012年黑河生态水文遥感试验期间获得的6景ASTER遥感数据和同步观测的研究区生物量观测数据集,选取NDVI、RVI、SAVI和MSAVI 4种植被指数分别与单位面积内植被含水量的关系进行比较分析,建立了不同植被指数的植被含水量反演模型,并对反演结果进行了验证。研究结果表明:4种植被指数均与实测的植被含水量有较高的相关性(R20.846),利用MSAVI反演的植被含水量精度略优于其他3种指数,其均方根误差(RMSE)在0.794kg/m2内。模型较为可靠,可以为大范围获取植被含水量信息提供有效方法。     

机载激光雷达测深技术与应用研究进展

近年来机载激光雷达测深技术得到了快速发展,并在近岸海域、河道水深测量以及水下地形地貌测绘等领域发挥了重要作用。详细分析了国内外机载激光雷达测深系统的发展历程,探讨了机载激光测深数据处理和应用方面的研究进展,以及当前机载激光测深技术发展和应用中的问题,最后展望了未来的发展趋势。为机载激光雷达测深技术研究与应用者提供了详细的参考资料。     

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LiDAR的高寒山区遥感高程数据精度评估

遥感高程数据是获取缺资料地区DEM（Digital elevation models）数据的重要手段。然而,由于高寒山区实地高程测量稀少,难以对多源遥感DEM数据进行统一验证。ICESat-2等新的遥感高程数据在高寒山区也缺乏相应的精度评估。针对此问题,以青藏高原东北缘的冰沟流域作为研究区,采用机载航空遥感获取的大范围LiDAR（Light Detection And Ranging）DEM数据对新产品ICESat-2 ATL06（Ice, Cloud, and Land Elevation Satellite-2, Land Ice Height）、ALOS DEM（12.5 m分辨率）以及新版本SRTM V3（SRTM Arc-Second Global 1 V003）、ASTER GDEM V3（ASTER Global DEM）进行验证,并分析地形因子与均方根误差RMSE的关系。研究结果表明：ICESat-2 ATL06数据在高寒山区的RMSE为0.747 m。由于其较高的精度,可用于验证缺资料地区的其他遥感高程数据。其他遥感高程数据的精度都相对较低,ALOS 12.5 m数据的RMSE为5.284 m;ASTER GDEM V3版本的RMSE为9.903 m。实验所采用的4种遥感高程数据与机载LiDAR DEM均具有较高的相关性,相关系数在0.998与1.000之间。实验还揭示了坡度是影响遥感DEM精度的主要因素。除ICESat-2 ATL06外,其他高程数据的RMSE均随坡度的增大先减小再增大,且都存在一个最佳坡度值。鉴于地形复杂多样的冰沟流域具有青藏高原高寒山区的典型特征,多源遥感DEM数据在该区域的验证结论具有较好的代表性,可为相似地区DEM数据的使用和评估提供重要的知识补充。     

茂密植被区域LiDAR点云数据滤波方法研究

点云数据的滤波和分类是激光雷达数据应用处理重要环节,是当前研究的热点问题。本文针对茂密植被区域点云数据的特点,提出了以移动窗口和坡度算法为基础的改进的点云数据滤波算法。试验结果表明,改进的滤波算法对地形变化复杂、植被郁闭度较高覆盖、地面激光脚点比少的点云数据有良好的效果。     

林火卫星遥感监测及早期报警技术研究

以我国林火发生率较高、卫星监测林火难度较大的西南林区为试验区，为大幅度提高林火报准率，开展了微机图像处理技术、地理信息系统（ＧＩＳ）、森林火灾的分布规律、ＡＶＨＲＲ林火信息提取技术和专家系统应用等研究。介绍了该项目的研究方法，叙述了研究成果的技术原理，展望了今后研究的主攻方向。     

Assessment of forest structure with airborne LiDAR and the effects of platform altitude

Airborne scanning LiDAR is a spatial technology increasingly used for forestry and environmental applications. However, the accuracy and coverage of LiDAR observations is highly dependent on both the extrinsic specifications of the LiDAR survey as well as the intrinsic effects such as the underlying forest structure. Extrinsic parameters which are set as part of the LiDAR survey include platform altitude, scan angle (half max. angle off nadir), and beam cross sectional diameter at the reflecting surface (referred to as footprint size). In this paper we investigate the effect of a number of these extrinsic parameters, including three different platform altitudes (1000, 2000, and 3000 m), two scan angles at 1000 m (10° and 15° half max. angle off nadir), and three footprint sizes (0.2, 0.4, and 0.6 m). The comparison was undertaken in eucalypt forests at three sites, varying in vegetation structure and topography within the Wedding Bells State Forest, Coffs Harbour, Australia. Results at the plot scale (40 × 90 m areas) indicate that tree heights computed from the 1000 m LiDAR data set (10° half max. angle off nadir) are well correlated with maximum plot heights (difference < 3 m) and field measured canopy volume (r² > 0.75, p < 0.001). Using normalised canopy height profiles (CHP) derived for sites, from data recorded at each altitude, we observed no significant difference between the relative distribution of LiDAR returns, indicating that platform altitude and footprint size have not had a major influence on CHP estimation. Interestingly, comparisons of first and last returns for individual pulses at increasing altitudes identified progressively fewer discrete first/last pulse combinations with more than 70% of pulses recorded as a single return at the highest altitude (3000 m). A possible hypothesis is that greater platform altitude and footprint size reduces the intensity of laser beam incident on a given surface area thus decreasing the probability of recording a last return above the noise threshold. Furthermore, tree scale analysis found a positive relationship between platform altitude and the underestimation of crown area and crown volume. The implications of this work for forest management are: (i) platform altitudes as high as 3000 m can be used to quantify the vertical distribution of phyto-elements, (ii) higher platform altitudes record a lower proportion of first/last return combinations that will further reduce the number of points available for forest structural assessment and development of digital elevation models, and (iii) for discrete LiDAR data, increasing platform altitude will record a lower frequency of returns per crown, resulting in larger underestimates of individual tree crown area and volume if standard algorithms are applied.     

基于CASI影像的黑河中游种植结构精细分类研究

基于CASI高光谱影像资料,计算出NDVI和纹理数据并综合进行SVM(Support Vector Machine)分类,3种信息的组合形成4种分类方案,是为了探讨CASI数据在种植结构精细分类中的应用潜力,为定量研究和监测提供数据基础。数据在分类前利用同步ASD数据和CE\|318数据进行了辐射定标和大气校正。分类结果与地面实际调查数据对比验证结果表明:① 4种分类结果均与地面实际调查情况基本一致,并分别取得了96.78%、97.21%、88.00%、88.38% 的分类精度和0.9676、0.9691、0.8674、0.8716的Kappa系数;② CASI数据信息丰富,在植被的精细分类方面具有很大的应用潜力;③ 结合空间特征信息和NDVI数据可以有效地提高分类精度。     

一种利用HJ-1B红外相机数据自动识别林火的方法

森林火灾是一种世界性的重要自然灾害,它分布广、发生频度高,破坏森林资源,干扰人民正常生活秩序,造成全球性环境污染,越来越受到各国政府的重视。环境减灾1B卫星上的红外相机(简称HJ-1BIRS),其空间分辨率提高到了150m,高温饱和点达到了500K,是国内目前卫星上可探测地表温度最高的相机。在对HJ-1BIRS数据相关波段进行抽样统计分析基础上,针对HJ-1BIRS数据各波段特性,采用自适应的劈窗检测算法识别林火;在IDL语言环境下,实现了基于HJ-1BIRS和背景信息集成的林火自动识别算法程序。同时,通过近1a的试运行,并选取发生在东北林区和南方林区的森林火灾为验证案例,对算法及其监测精度进行验证。验证结果表明:该方法的判对率达到了90%以上,遗失率都低于10%,错判率为0,该方法基本能满足我国林火监测业务的精度要求。     

黑河综合遥感联合试验研究进展:概述

“黑河综合遥感联合试验”是在我国典型的内陆河流域--黑河流域开展的大型航空、卫星遥感和地面同步观测试验。28个单位的280多名科研人员、研究生和工程技术人员参加了试验。介绍了2008年加强试验期以来的研究工作进展。“黑河综合遥感联合试验”最主要的成果是一套多尺度、高质量的综合观测数据集,该数据集已正式对外发布,十分有力地支持了一系列生态、水文、定量遥感模型的发展、改进和验证,试验所期望突破“数据瓶颈”的目标已经实现。此外,已在积雪参数提取、地表冻融微波遥感、森林结构参数的遥感反演、蒸散发观测与遥感估算、土壤水分反演、生物物理参数和生物化学参数反演、水文气象观测、尺度推绎、流域水文模拟和同化应用等方面取得了丰富的研究成果。试验亮点包括蒸散发观测及其遥感模型改进、机载激光雷达的应用、多角度热红外传感器研制和应用;航空遥感在获取高质量、高分辨率数据方面依然具有不可替代的作用。