国产自产21区,亚洲97,免费毛片网,国产啪视频,青青青国产在线观看,国产毛片一区二区三区精品

基于激光雷達綜合波形模型反演森林生物物理特性的方法
【專利摘要】一種基于激光雷達綜合波形模型反演森林生物物理特性的方法，通過進行樹冠分割和單木范圍內(nèi)的波形信息匯總，然后再匯總林分尺度上，使得反演尺度變換更為靈活合理；借助數(shù)字地形和高度誤差閾值來判斷地面返回脈沖，從而間接提升冠層返回脈沖的判別效果；從多個維度上提取綜合波形特征信息，從而更加深入挖掘了波形數(shù)據(jù)中豐富的森林冠層信息。借助以上自主開發(fā)技術(shù)及創(chuàng)新內(nèi)容，本發(fā)明在提升森林生物物理特性估算精度的同時也為其在機理上解釋提供了理論及方法支撐。有效地避免了由于舍棄了原始波形數(shù)據(jù)中記錄豐富的森林連續(xù)垂直分布信息從而大大降低了波形數(shù)據(jù)的應有價值的缺陷。
【專利說明】基于激光雷達綜合波形模型反演森林生物物理特性的方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明可應用在小尺度和中等尺度的森林資源調(diào)查、碳匯估算以及森林生態(tài)學研究的監(jiān)測領(lǐng)域，本發(fā)明涉及一種利用機載小光斑全波形激光雷達傳感器獲取的波形數(shù)據(jù)計算森林生物物體特性的方法，具體地說，是指一種在數(shù)據(jù)校正的基礎(chǔ)上，通過提取激光脈沖返回信號中波形的幾何和能量信息并結(jié)合單木分割方法用以建模估算如Lorey’ s樹高、胸高斷面積和蓄積量這樣的典型森林生物物體特性的方法。

【背景技術(shù)】
[0002]機載小光斑激光雷達(smal 1-footprint airborne, LiDAR)是通過發(fā)射激光脈沖至地物表面并分析其返回信號的一種主動遙感技術(shù)。在林業(yè)應用中，可以通過該技術(shù)獲得豐富的森林冠層三維結(jié)構(gòu)和強度返回信息，在精確估算森林生物物理特性及結(jié)構(gòu)參數(shù)方面具有很大的潛力。研究表明，在某些結(jié)構(gòu)較單一的森林類型內(nèi)，通過機載小光斑LiDAR技術(shù)獲取的高度信息精度甚至高于地面實測數(shù)據(jù)。
[0003]在機載小光斑LiDAR技術(shù)的近20年發(fā)展歷程中，絕大多數(shù)LiDAR系統(tǒng)獲取的是每束發(fā)射脈沖的多個返回信號(η < 5)，并以“離散點云”的形式來反映和記錄物體(如森林)的三維結(jié)構(gòu)及返回信號強度。該類LiDAR技術(shù)被成功應用于森林參數(shù)的高精度提取，其代表研究為2002年Nsesset在《Remote Sensing of Environment》第80卷上發(fā)表“Predicting forest stand characteristics with airborne scanning laser using apractical two-stage procedure and field data”,文中提出了基于高度百分位數(shù),冠層密度參數(shù)等“小光斑”離散點云特征變量反演北寒帶森林生物物理特性的方法。以及Lim等在〈〈Canadian Journal of Remote Sensing〉〉第 29 卷上發(fā)表 “Lidar remote sensing ofb1physical properties of tolerant northern hardwood forests，，,文中使用了最大激光高度、平均激光高度以及通過強度信息篩選過的平均激光高度等特征變量反演了加拿大東部溫帶森林的生物物理特性。然而，由于電子器件的限制，該LiDAR系統(tǒng)只能區(qū)分垂直距離大于“最小脈沖區(qū)分距離”的地物。
[0004]近年來，機載小光斑“全波形” LiDAR傳感器逐步商用化并開始應用于林業(yè)研究中(2004年奧地利Riegl公司推出了世界上第一臺商業(yè)機載小光斑全波形LiDAR數(shù)字測量系統(tǒng))。該技術(shù)可獲得物體(如森林冠層)完整的后向散射信號，并記錄了更為詳細的幾何和物理能量信息，從而一定程度上彌補了 “離散點云”技術(shù)的弱點。理論上，借助特定的波形信號處理及信息提取方法，可從“全波形”數(shù)據(jù)中挖掘更為豐富的森林冠層描述特征變量。近年來為數(shù)不多的基于機載小光斑“全波形”LiDAR技術(shù)反演森林生物物理特性的研究為 Kronseder 等發(fā)表在〈〈Internat1nal Journal of Applied Earth Observat1n andGeoinformat1n》第 18 卷的 “Above ground b1mass estimat1n across forest typesat different degradat1n levels in Central Kalimantan using LiDAR，，,該石開究首先從原始“波形”數(shù)據(jù)上直接提取“點云”，再利用點云特征變量來估算森林生物物理特性。由于基于LiDAR點云的特征變量提取技術(shù)已較為成熟，故此方法相對簡單快捷。但是由于舍棄了原始波形數(shù)據(jù)中記錄豐富的森林連續(xù)垂直分布信息，大大降低了波形數(shù)據(jù)的應有價值。


【發(fā)明內(nèi)容】

[0005]本發(fā)明提供一種基于激光雷達綜合波形模型反演森林生物物理特性的方法，通過進行樹冠分割和單木范圍內(nèi)的波形信息匯總(然后再匯總林分尺度上)，使得反演尺度變換更為靈活合理；借助數(shù)字地形(DTM)和高度誤差閾值來判斷地面返回脈沖，從而間接提升冠層返回脈沖的判別效果；從多個維度上提取綜合波形特征信息，從而更加深入挖掘了波形數(shù)據(jù)中豐富的森林冠層信息。借助以上自主開發(fā)技術(shù)及創(chuàng)新內(nèi)容，本發(fā)明在提升森林生物物理特性估算精度的同時也為其在機理上解釋提供了理論及方法支撐。有效地避免了由于舍棄了原始波形數(shù)據(jù)中記錄豐富的森林連續(xù)垂直分布信息從而大大降低了波形數(shù)據(jù)的應有價值的缺陷。
[0006]為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案為:
[0007]一種基于激光雷達綜合波形模型反演森林生物物理特性的方法，步驟如下:
[0008]步驟1:借助機載小光斑全波形LiDAR的傳感器進行數(shù)據(jù)采集，數(shù)據(jù)采集中獲得的LiDAR波形數(shù)據(jù)參數(shù)包括有脈沖發(fā)射頻率、掃描頻率和激光脈沖的光斑半徑，由此所述的機載小光斑全波形LiDAR的傳感器記錄了每束激光脈沖返回的完整的LiDAR波形信息；
[0009]步驟2:進行LiDAR波形數(shù)據(jù)的預處理，進行LiDAR波形數(shù)據(jù)的預處理的具體方式為首先把每束激光脈沖返回的完整的LiDAR波形信息導出后載入LiDAR信息處理系統(tǒng)，LiDAR的信息處理系統(tǒng)就對該LiDAR波形信息進行噪聲水平估計和數(shù)據(jù)平滑的處理，所述的噪聲水平估計和數(shù)據(jù)平滑的處理的具體方式為把LiDAR波形信息轉(zhuǎn)換到頻率域，再將頻率比設(shè)定的基準頻率更高的低值部分作為噪聲水平的判斷標準，然后對轉(zhuǎn)換到頻率域的LiDAR波形信號還原，再用高斯濾波器進行平滑處理，然后進入高斯擬合(分解)及波形數(shù)據(jù)點云化的處理，所述的高斯擬合(分解)及波形數(shù)據(jù)點云化的處理的具體方式為對進行平滑處理后所得的波形數(shù)據(jù)采用非線性最小二乘法進行擬合，然后通過基于局部最大峰值的檢測濾波算法從進行擬合處理后的波形數(shù)據(jù)中提取離散點云，每個離散點中記錄了每束激光脈沖返回的完整的LiDAR波形信息的高度和能量強度信息；然后進入生成數(shù)字地形的處理，所述的生成數(shù)字地形的處理的具體方式為首先對從進行擬合處理后的波形數(shù)據(jù)中提取出的離散點云進行分類，然后對末次回波進行迭代選權(quán)濾波法處理用以去除非地面點，最后使用迭代選權(quán)濾波法后的末次回波數(shù)據(jù)并借助自然鄰近法插值生成數(shù)字地形模型；
[0010]步驟3:進行LiDAR波形數(shù)據(jù)校正，所述的進行LiDAR波形數(shù)據(jù)校正的具體方式為到LiDAR的信息處理系統(tǒng)根據(jù)公式⑴和公式⑵導出校正后返回波內(nèi)每個高斯波的波寬和校正后返回波內(nèi)每個高斯波內(nèi)每個高斯波的能量強度
[0011]w； = Wi / We(I)
[0012]1- = (I1.Skj ) / (Ie.Sg)(2)
[0013]上式中斯力校正后返回波內(nèi)每個高斯波的波寬，乃為校正后返回波內(nèi)每個高斯波內(nèi)每個高斯波的能量強度，Wi為原始返回波內(nèi)每個高斯波的波寬，We為發(fā)射波的波寬，Ii為原始返回波的能量強度，Γ為發(fā)射波的能量強度，Ski傳感器到反射物體的距離，Si為標稱距離，k為變化系數(shù)，i為正整數(shù)；
[0014]進入單木容積內(nèi)的原始波形信息匯總的處理，所述的單木容積內(nèi)的原始波形信息匯總的處理的第一步為單木分割的處理，所述的單木分割的處理的具體方式為LiDAR的信息處理系統(tǒng)將地面以上點云插值生成數(shù)字表面模型DSM，然后數(shù)字表面模型DSM減去數(shù)字地形模型DTM從而得到歸一化植被高度CHM，再通過高斯濾波器結(jié)合公式(3)對歸一化植被高度CHM進行平滑處理后得到植被的高斯二維分布函數(shù)G (x，y)，公式(3)如下所示:


I
[0015]G{x, y) = __e 2σ"(3)
[0016]σ為標準差，X為植被的橫坐標，y為植被的縱坐標，然后借助局部最大值法從高斯二維分布函數(shù)G(x，y)中提取單木樹冠，即在設(shè)定高度以上的像元內(nèi)布設(shè)種子并允許其爬向最大坡度的方向，當種子到達的某一像元內(nèi)高度都高于周邊像元時，則將此像元作為樹頂，樹頂所對應的種子的爬行區(qū)域為冠幅，所述的單木容積內(nèi)的原始波形信息匯總的處理的第二步為LiDAR的信息處理系統(tǒng)借助在單木分割的處理中提取的冠幅和樹高參數(shù)，在橢圓柱體范圍內(nèi)匯總其中的所有原始波形脈沖能量，構(gòu)成單木綜合脈沖，再借助數(shù)字地形模型DTM對單木綜合脈沖進行歸一化處理；
[0017]步驟4:進入計算單木綜合波形的特征參數(shù)并匯總至樣地尺度的處理，所述的計算單木綜合波形的特征參數(shù)并匯總至樣地尺度的處理的第一步為LiDAR的信息處理系統(tǒng)通過設(shè)置差異閾值來對比數(shù)字地形模型DTM提取高度和對應位置上最后一個波峰所在高度，依此判斷地形對應的波峰位置從而推測冠層對應的波峰，提取包括地面到脈沖能量質(zhì)心的距離HOME、波形起點到地面距離所表示的波形距離WD、地面到脈沖能量質(zhì)心的距離HOME同波形距離WD的比值所表示的高度中位數(shù)比、波形起點到第一波峰的距離所表示的冠層外層粗糙度ROUGH、波形起點到第一波峰連線的波形垂直角度所表示的前坡度角FS以及冠層高度和地面到脈沖能量質(zhì)心的距離HOME的差值除以冠層高的值VDR所構(gòu)成的特征變量，特征變量是用來作為后續(xù)建模的備選因子；所述的計算單木綜合波形的特征參數(shù)并匯總至樣地尺度的處理的第二步為LiDAR的信息處理系統(tǒng)把特征變量匯總為樣地尺度上的均值和標準差；
[0018]步驟5:進行對各生物物理特性的特征變量敏感性分析、反演模型構(gòu)建和精度驗證，LiDAR的信息處理系統(tǒng)首先借助Pearson’ s相關(guān)系數(shù)分析2組LiDAR特征變量對于生物物理特性的敏感性r，具體如公式(4)所示:
Σ— ι.)
[0019]r = 1.⑷
JZ (a -元.)2.Σ (a -」-)
V 1-11-1
[0020]其中，Xi為地面實測的某生物物理特性，Yi為某LiDAR特征變量，A為Xi的平均值，乃為Yi的平均值，η為樣地數(shù)量，然后應用逐步回歸法構(gòu)建預測模型，逐步回歸的實施過程是每一步都要對已引入回歸方程的變量計算其偏回歸平方和，然后選一個偏回歸平方和最小的變量，在預先給定的F水平下進行Ρ〈0.05的顯著性檢驗，P值為用于檢驗顯著性的參數(shù)，如果顯著便保留該變量；相反，則要剔除該變量，為了保證模型因變量和自變量之間的線性相關(guān)關(guān)系，自然對數(shù)變換被應用于所有的因變量和自變量，所述的預測模型因變量位地面調(diào)查的生物物理特性，所述的自變量為LiDAR提取的特征變量，接著預測模型采用決定系數(shù)R2、均方根誤差RMSE和相對均方根誤差rRMSE并結(jié)合公式(5)、公式(6)和公式(7)進行評價:

【權(quán)利要求】
1.一種基于激光雷達綜合波形模型反演森林生物物理特性的方法，其特征在于，步驟如下: 步驟1:借助機載小光斑全波形LiDAR的傳感器進行數(shù)據(jù)采集，數(shù)據(jù)采集中獲得的LiDAR波形數(shù)據(jù)參數(shù)包括有脈沖發(fā)射頻率、掃描頻率和激光脈沖的光斑半徑，由此所述的機載小光斑全波形LiDAR的傳感器記錄了每束激光脈沖返回的完整的LiDAR波形信息，所述的LiDAR帶有高斯濾波器； 步驟2:進行LiDAR波形數(shù)據(jù)的預處理，進行LiDAR波形數(shù)據(jù)的預處理的具體方式為首先把每束激光脈沖返回的完整的LiDAR波形信息導出到LiDAR的信息處理系統(tǒng)，LiDAR的信息處理系統(tǒng)就對該LiDAR波形信息進行噪聲水平估計和數(shù)據(jù)平滑的處理，所述的噪聲水平估計和數(shù)據(jù)平滑的處理的具體方式為把LiDAR波形信息轉(zhuǎn)換到頻率域，再將頻率比設(shè)定的基準頻率更高的低值部分作為噪聲水平的判斷標準，然后對轉(zhuǎn)換到頻率域的LiDAR波形信息進行還原，再用高斯濾波器進行平滑處理，然后進入高斯擬合(分解)及波形數(shù)據(jù)點云化的處理，所述的高斯擬合(分解)及波形數(shù)據(jù)點云化的處理的具體方式為對進行平滑處理后所得的波形數(shù)據(jù)采用非線性最小二乘法進行擬合，然后通過基于局部最大峰值的檢測濾波算法從進行擬合處理后的波形數(shù)據(jù)中提取離散點云，每個離散點中記錄了每束激光脈沖返回的完整的LiDAR波形信息的高度和能量強度信息；然后進入生成數(shù)字地形的處理，所述的生成數(shù)字地形的處理的具體方式為首先對從進行擬合處理后的波形數(shù)據(jù)中提取出的離散點云進行分類，然后對末次回波進行迭代選權(quán)濾波法處理用以去除非地面點，最后使用迭代選權(quán)濾波法后的末次回波數(shù)據(jù)并借助自然鄰近法插值生成數(shù)字地形模型； 步驟3:進行LiDAR波形數(shù)據(jù)校正，所述的進行LiDAR波形數(shù)據(jù)校正的具體方式為到LiDAR的信息處理系統(tǒng)根據(jù)公式⑴和公式⑵導出校正后返回波內(nèi)每個高斯波的波寬和校正后返回波內(nèi)每個高斯波內(nèi)每個高斯波的能量強度 r; = Wj / We(I) /； = H1-Ski)/^ 乂)(2) 上式中，V為校正后返回波內(nèi)每個高斯波的波寬，L為校正后返回波內(nèi)每個高斯波內(nèi)每個高斯波的能量強度，Wi為原始返回波內(nèi)每個高斯波的波寬，We為發(fā)射波的波寬，Ii為原始返回波的能量強度， 為發(fā)射波的能量強度，4傳感器到反射物體的距離V力標稱距離，k為變化系數(shù)，i為正整數(shù)； 進入單木容積內(nèi)的原始波形信息匯總的處理，所述的單木容積內(nèi)的原始波形信息匯總的處理的第一步為單木分割的處理，所述的單木分割的處理的具體方式為LiDAR的信息處理系統(tǒng)將地面以上點云插值生成數(shù)字表面模型DSM，然后數(shù)字表面模型DSM減去數(shù)字地形模型DTM從而得到歸一化植被高度CHM，再通過高斯濾波器結(jié)合公式(3)對歸一化植被高度CHM進行平滑處理后得到植被的高斯二維分布函數(shù)G (x，y)，公式(3)如下所示:
σ為標準差，X為植被的橫坐標，y為植被的縱坐標，然后借助局部最大值法從高斯二維分布函數(shù)G(x，y)中提取單木樹冠，即在設(shè)定高度以上的像元內(nèi)布設(shè)種子并允許其爬向最大坡度的方向，當種子到達的某一像元內(nèi)高度都高于周邊像元時，則將此像元作為樹頂，樹頂所對應的種子的爬行區(qū)域為冠幅，所述的單木容積內(nèi)的原始波形信息匯總的處理的第二步為LiDAR的信息處理系統(tǒng)借助在單木分割的處理中提取的冠幅和樹高參數(shù)，在橢圓柱體范圍內(nèi)匯總其中的所有原始波形脈沖能量，構(gòu)成單木綜合脈沖，再借助數(shù)字地形模型DTM對單木綜合脈沖進行歸一化處理； 步驟4:進入計算單木綜合波形的特征參數(shù)并匯總至樣地尺度的處理，所述的計算單木綜合波形的特征參數(shù)并匯總至樣地尺度的處理的第一步為LiDAR的信息處理系統(tǒng)通過設(shè)置差異閾值來對比數(shù)字地形模型DTM提取高度和對應位置上最后一個波峰所在高度，依此判斷地形對應的波峰位置從而推測冠層對應的波峰，提取包括地面到脈沖能量質(zhì)心的距離HOME、波形起點到地面距離所表示的波形距離WD、地面到脈沖能量質(zhì)心的距離HOME同波形距離WD的比值所表示的高度中位數(shù)比、波形起點到第一波峰的距離所表示的冠層外層粗糙度ROUGH、波形起點到第一波峰連線的波形垂直角度所表示的前坡度角FS以及冠層高度和地面到脈沖能量質(zhì)心的距離HOME的差值除以冠層高的值VDR所構(gòu)成的特征變量，特征變量是用來作為后續(xù)建模的備選因子；所述的計算單木綜合波形的特征參數(shù)并匯總至樣地尺度的處理的第二步為LiDAR的信息處理系統(tǒng)把特征變量匯總為樣地尺度上的均值和標準差； 步驟5:進行對各生物物理特性的特征變量敏感性分析、反演模型構(gòu)建和精度驗證，LiDAR的信息處理系統(tǒng)首先借助Pearson’s相關(guān)系數(shù)分析2組LiDAR特征變量對于生物物理特性的敏感性r，具體如公式(4)所示:
其中，Xi為地面實測的某生物物理特性，Yi為某LiDAR特征變量，力為Xi的平均值，Zi為Ii的平均值，η為樣地數(shù)量，然后應用逐步回歸法構(gòu)建預測模型，逐步回歸的實施過程是每一步都要對已引入回歸方程的變量計算其偏回歸平方和，然后選一個偏回歸平方和最小的變量，在預先給定的F水平下進行Ρ〈0.05的顯著性檢驗，P值為用于檢驗顯著性的參數(shù)，如果顯著便保留該變量；相反，則要剔除該變量，為了保證模型因變量和自變量之間的線性相關(guān)關(guān)系，自然對數(shù)變換被應用于所有的因變量和自變量，所述的預測模型因變量位地面調(diào)查的生物物理特性，所述的自變量為LiDAR提取的特征變量，接著預測模型采用決定系數(shù)R2、均方根誤差RMSE和相對均方根誤差rRMSE并結(jié)合公式(5)、公式(6)和公式(7)進行評價:
其中，Xi為地面實測的某生物物理特征I為Xi的平均值，之為模型估算的某生物物理特征，η為樣地數(shù)量。
2.根據(jù)權(quán)利要求1所述的基于激光雷達綜合波形模型反演森林生物物理特性的方法，其特征在于所述的機載小光斑全波形LiDAR傳感器的遙感平臺為運-5/12且飛行高度為900m且速度為55 m/s這樣的飛機；所述的步驟I中的脈沖發(fā)射頻率為400kHz、在掃描角范圍為-30°到+30°的條件下的掃描頻率為114 lines/sec以及激光脈沖的光斑半徑范圍為29cm到30cm ;所述的步驟I中的所述的機載小光斑全波形LiDAR傳感器的采樣間隔為Ins0
3.根據(jù)權(quán)利要求1所述的基于激光雷達綜合波形模型反演森林生物物理特性的方法，其特征在于所述的步驟4中的差異閾值0.5m。
【文檔編號】G01B11/02GK104180754SQ201410362870
【公開日】2014年12月3日 申請日期:2014年7月28日 優(yōu)先權(quán)日:2014年7月28日
【發(fā)明者】曹林, 代勁松 申請人:南京林業(yè)大學