共查询到19条相似文献，搜索用时 140 毫秒
1.
中国南方森林冠顶高度Lidar反演—以江西省为例 总被引：1，自引：0，他引：1
激光雷达(Lidar)与光学遥感的有效结合对中国南方区域森林冠顶高度反演意义重大,而国产卫星将为中国森林生态研究提供新的数据源。本文联合利用大脚印激光雷达GLA和国产MERSI数据,在实现GLAS波形数据处理和不同地形条件下森林冠顶高度反演算法基础上,建立了区域尺度不同森林类型林分冠顶高度GLAS+MERSI联合反演关系模型,进行了江西地区森林冠顶高度反演。总体上,GLAS激光雷达森林冠顶高度估算精度较高;且在与MERSI 250 m数据的联合反演模型中,针叶林模型精度较好(R2=0.7325);阔叶林次之(R2=0.6095);混交林较差(R2=0.4068)。分析发现,考虑了光学遥感生物物理参数的GLAS+MERSI联合关系模型在区域森林冠顶高度估算中有较高精度,且在空间分布上与土地覆盖数据分布特征非常一致。 相似文献
2.
红树林是世界上生产力最高、价值最高的湿地生态系统之一。冠层叶绿素含量CCC（Canopy Chlorophyll Content）作为红树林重要的生物物理参量,是估算其生产力和评价其健康状况的重要指标。本文利用珠海一号高光谱卫星（OHS）影像与Sentinel-2A多光谱数据计算传统植被指数与组合植被指数并构建了高维数据集,综合利用正态分布检验、最大相关系数法与变量重要性评价进行数据降维和变量优选;分别基于单一线性回归算法、机器学习回归算法和堆栈集成学习回归算法构建了红树林CCC遥感反演模型,探明北部湾红树林CCC的最佳遥感反演模型,验证OHS高光谱影像与Sentinel-2A数据反演红树林CCC的精度差异,评估SNAP-SL2P算法反演红树林CCC的适用性。研究结果表明：（1）通过数据降维和变量选择处理,从高维度OHS数据集选取了8个特征变量,其中RSI（12,17）、DSI（12,18）和NDSI（6,12）组合植被指数对红树林CCC反演精度的贡献率较高;（2）联合OHS数据和最优堆栈GBRT集成学习回归模型（Score=0.999,RMSE=0.963 μg/cm2）的训练精度优于最优RF机器学习回归模型（RMSE降低了7.531 μg/cm2）,明显优于最优Lasso线性回归模型（RMSE降低了19.383 μg/cm2）;（3）在最优堆栈集成学习回归模型下,OHS数据反演红树林CCC的精度（R2=0.761,RMSE=16.738 μg/cm2）高于Sentinel-2A影像（R2=0.615,RMSE=20.701 μg/cm2）;（4）联合OHS和Sentinel-2A数据的最优堆栈集成学习回归模型反演红树林CCC的精度都明显优于SNAP-SL2P算法（R2=0.356,RMSE=49.419 μg/cm2）。研究结果论证了正态分布检验、最大相关系数法和基于XGBoost的特征选择方法有效降低了高维数据集的维度,并得到了最优特征变量;OHS数据的最优堆栈GBRT集成学习回归模型训练精度最高,是估算红树林CCC的最优反演模型;OHS和Sentinel-2A数据都能有效反演红树林CCC（R2均大于0.61）,而OHS数据的估算精度更高（R2大于0.75）;SNAP-SL2P算法不能有效反演红树林CCC（R2小于0.4）,且对红树林CCC数值存在系统性低估。 相似文献
3.
光学与微波植被指数协同反演农作物叶面积指数的可行性分析 总被引：1，自引：0，他引：1
光学遥感是目前反演植被叶面积指数LAI（Leaf Area Index）的主要手段,但是当叶面积指数较大时存在光学遥感信息饱和、反演精度显著降低的问题。叶面积指数和平均叶倾角对光学、微波波段范围内反射和散射特性都有重要影响,主要表现在植被结构参数的变化可以引起冠层孔隙率和消光截面大小的改变。本文以典型农作物玉米为例,通过构建统一的PROSAIL和MIMICS模型输入参数,生成一套玉米全生长期光学二向反射率和全极化微波后向散射系数模拟库和冠层参数库。通过对模拟数据与LAI敏感性和相关性分析得出：（1）光学植被指数MNDVI(800 nm,2000 nm),在LAI为0—3时敏感,基于MNDVI与LAI的回归模型可以估算LAI变化 0.4的情况,RMSE是0.33,R2是0.958。（2）微波植被指数SARSRVI(1.4 GHz HH,9.6 GHz HV),在LAI为3—6时敏感,基于SARSRVI与LAI的回归模型可以估算LAI变化1的情况,RMSE为0.22,R2是0.9839。研究表明,采用分段敏感的植被指数,协同光学和微波遥感反演玉米全生长期叶面积指数是可行的。 相似文献
4.
在油气资源遥感探测中，通过烃渗漏引起的海表面甲烷气浓度异常来探测海底气藏是最直接的方法之一。为了更好地识别海表甲烷异常，提高遥感反演精度，对海表甲烷气含量进行定量光谱分析研究。设计室内甲烷波谱测试平台，获取海水背景下不同含量甲烷高光谱数据为数据，对光谱数据预处理及进行比值导数光谱法，并提取光谱吸收特征参数，对甲烷含量与光谱参数之间进行相关性分析，构建甲烷含量的反演模型。比值导数光谱法确实抑制了海水背景信息，突出了甲烷特征。1650—1664 nm和2180—2210 nm波段范围的光谱参数与甲烷含量相关性显著；其中，波谷、波深、面积、斜率与甲烷含量显著相关。基于2180—2210 nm波段范围建立的波谷、波深、面积、斜率四元回归方程y=-14.356 - 5931.796x1 - 4325.081x2+241.481x3+7531.973x4拟合效果最好，R2为0.9817；且在此波段范围内基于波深建立的单变量甲烷反演模型y = 2047.571x - 9.758，R2为0.9741，比基于其他变量所建立的反演模型效果要好。成功获取了和海水背景下甲烷含量线性相关显著的对应波段和吸收特征，可为利用多/高光谱遥感预测勘探海表面甲烷气浓度提供一定的理论和技术依据。 相似文献
5.
全球海洋次表层温度异常遥感反演的季节时空变化特征 总被引：1，自引：1，他引：0
卫星遥感反演海洋内部多时相、大尺度热力结构信息对于了解海洋内部复杂、多维的动力过程有重要意义。本文采用随机森林回归模型，利用卫星遥感观测的海表参量（海表高度异常（SSHA）、海表温度异常（SSTA）、海表盐度异常（SSSA）和海表风场异常（SSWA）），反演不同季节、不同深度层位（1000 m深度以上）的海洋次表层温度异常（STA），并用Argo实测数据作精度验证，采用均方根误差（RMSE）、归一化均方根误差（NRMSE）以及决定系数（R2）评价模型在全球及洋盆尺度上的反演精度。结果显示，全球海洋16个深度层位的平均R2在春、夏、秋、冬四季分别为0.53、0.60、0.54、0.66，NRMSE分别为0.051、0.031、0.043、0.044。随着季节的变化，模型反演性能有所波动。模型在印度洋的反演效果最佳，不同季节、不同深度层位上的平均R2和RMSE分别为0.71和0.18 ℃，而大西洋的反演精度最低，平均R2和RMSE分别为0.46和0.25 ℃。研究表明随机森林模型适用于全球不同季节的STA遥感反演，且在不同洋盆上均有较好的反演效果；不同季节上，上层STA有明显变化信号，空间异质性显著，但300 m以深，STA信号较弱且基本不随季节变化。本研究可为长时序、大尺度海洋内部参量信息遥感反演与重建提供依据，有助于进一步发展深海遥感方法。 相似文献
6.
ICESat-2植被冠层高度和地表高程数据产品用于森林高度提取的效果评价 总被引：1，自引：0，他引：1
由美国宇航局（NASA）研制的新一代冰、云和陆地高程卫星（ICESat-2）于2018-09-15发射成功,其搭载的先进地形激光测高系统（ATLAS）采用微脉冲多波束光子计数激光雷达技术,可用于全球高程线采样数据的获取。目前公开发布了9种数据产品,其中包括植被冠层高度和地表高程数据产品（ATL08）,为全球森林结构参数的估算提供了新的契机。本文以美国宾夕法尼亚州斯奈德县和印度尼西亚西加里曼丹吉打邦为研究区,在温带森林和热带雨林两种不同的生态系统立地条件下,对 ICESat-2的ATL08数据产品用于森林高度估算的效果进行评价。首先建立了地形高程数据产品（ATL03）与ATL08数据产品的关联规则,以获取分别记录在这两种产品中的光子空间分布信息和分类信息;进而以机载小光斑激光雷达数据为参考,对ATL08数据产品的光子分类可靠性及其用于森林高度估算的准确性进行了分析评价。结果表明：（1）在温带森林情况下,ATL08数据产品提供的平均冠层高度和最大冠层高度与参考数据的相关系数（R2）分别为0.54和0.61,相对误差分别为16.78%和10.71%,表明ATL08数据产品的光子分类结果能够用于刻画森林冠层结构和林下地形;（2）在热带雨林情况下,到达地面的光子数量相较于温带森林明显减少,地面光子类型识别的可靠性低,ATL08数据产品提供的平均冠层高度和最大冠层高度与参考数据的相关系数（R2）分别为0.21和0.19;（3）森林覆盖度的增大会导致ATL08计算的冠层高度误差增大,热带雨林平均冠层高度的误差随着坡度增大有增大趋势,在坡度为0°—10°、10°—20°和20°—30°共3组情况下,误差分别为5.7 m、6.6 m和9.3 m。因此,在高森林覆盖度情况下,现有的ATL08数据产品难以直接用于森林高度的提取。 相似文献
7.
利用遥感技术对大气环境污染进行监测时，云是影响痕量气体反演精度的重要因素，因此在痕量气体反演中需要对云的影响进行校正，通常使用的云参数主要是有效云量和云压。本文基于O2-O2 477 nm吸收波段构建了O2-O2云反演算法：首先，根据有效云量和云高与连续反射率和O2-O2斜柱浓度之间的对应关系，结合假定的云模型利用VLIDORT辐射传输模型建立关于有效云量和云压的查找表；然后，通过差分吸收光谱技术拟合卫星载荷观测的大气层顶辐射，获得O2-O2斜柱浓度并计算连续反射率；最后，结合辅助数据，根据查找表进行插值反演获得有效云量和云压。通过将算法应用到OMI观测数据，将反演结果与OMCLDO2产品进行对比验证，有效云量和云压空间分布一致，相关系数R均超过0.97；并还将该算法应用于下一代大气成分监测仪器TROPOMI，与FRESCO+产品对比，有效云量和云压空间分布基本一致，当地表类型为海洋时，有效云量相关系数R大于0.97，云压相关系数R大于0.94，云压反演结果存在一定的区别；通过将O2-O2云反演算法和FRESCO+云压反演结果与CALIOP Cloud Layer产品进行对比，结果表明，在低云情况下，O2-O2云反演算法线性回归方程斜率为0.782，截距为198.0 hPa，相关系数R为0.850，算法表现优于FRESCO+。而在高云情况下，FRESCO+反演结果更接近CALIOP云压结果。在OMI和TROPOMI上的应用表明O2-O2云反演算法在大气云反演中具有较高的准确性和可行性，可以为大气痕量气体反演的校正提供云参数，并为中国同类型卫星载荷的云反演算法提供算法参考。 相似文献
8.
地基激光雷达的玉兰林冠层叶面积密度反演 总被引：1，自引：0，他引：1
叶面积密度LAD(Leaf Area Density)是表征冠层内部叶面积垂直分布的重要参数,其分布廓线的准确反演对研究植被碳氮循环、初级生产力和生物量估算等具有重要意义。本文在电子科技大学校内建立实验样区,利用地基激光雷达Leica Scan Station C10和数码相机获取玉兰林高分辨率3维激光点云数据和真彩色影像。利用监督分类将真彩色影像中枝干等非光合组织与叶片分离,再将像素分类信息映射给点云数据,从而提取叶片点云。通过点云数据体元化,并引入2维凸包算法确定垂直方向分层树冠边界,获取激光接触冠层的频率;随机选择不同高度的多个叶片,利用特征值法进行叶片平面拟合,估算出叶倾角,并结合天顶角估算叶倾角校正因子;最后基于体元的冠层分析VCP(Voxel-based Canopy Profiling)方法实现树林冠层LAD反演。结果表明体元化的叶片点云数据能准确确定树林冠层边界和统计接触频率实现LAD反演;反演的LAD变化走势与区域林木冠层叶片垂直分布相吻合,在冠层中下部随着高度的增加叶面积密度也随之增加,在4 m高度处达到最大值1 m2/m3,之后随着高度的增加叶面积密度逐渐降低。根据LAD计算得到的累积叶面积指数LAI为3.20 m2/m2,与LAI-2200实测的叶面积指数相比,相对误差为1.26%。 相似文献
9.
氮素是植被整个生命周期的必要元素,红树林冠层氮素含量（CNC）遥感估算对红树林健康监测具有重要意义。以广东湛江高桥红树林保护区为研究区,本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图。研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建;然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数,采用递归特征消除法（SVM-RFE）确定CNC估算的最优变量组合,进而构建CNC反演的核岭回归（KRR）模型;最后选取最优模型实现CNC制图。研究结果表明：基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性,且明显提高了影像的清晰度和空间细节。红树林CNC反演波段主要集中在红（B4）、红边（B5）、近红外波段（B8a）以及短波红外波段（B11和B12）,与“红边波段”相关的植被指数（RSSI和TCARIre1/OSAVI）也是红树林CNC反演的有效变量。基于3种方法重建后10 m的影像构建的模型反演精度（R2val>0.579）均优于原始20 m的影像（R2val=0.504）;基于Sen2Res算法重建影像构建的反演模型拟合精度（R2val=0.630,RMSE_val=5.133,RE_val=0.179）与基于三次卷积重采样重建影像的模型拟合精度（R2val=0.640,RMSE_val=5.064,RE_val=0.179）基本相当,前者模型验证精度（R2cv=0.497,RMSE_cv=5.985,RE_cv=0.214）较高且模型变量选择数量最为合理。综合重建影像光谱细节及模型精度,基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力,能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑。 相似文献
10.
Sentinel-2卫星落叶松林龄信息反演 总被引：1，自引：0，他引：1
林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力，对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象，分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像，采用多元线性回归（MLR）、随机森林（RF）、支持向量机回归（SVR）、前馈反向传播神经网络（BP）以及多元自适应回归样条（MARS）等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期，并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演，分别为冠层含水量（CWC），归一化水体指数（NDWI），叶面积指数（LAI），光合有效辐射吸收率（FAPAR）和植被覆盖度（FVC）。研究结果表明，展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数（PSRI）以及落叶期的NDVI、RVI外，落叶松林龄与各指标之间均呈负相关关系，其中与冠层含水量（CWC）的相关性最高，pearson相关系数达到-0.74（p<0.01）。此外，不同模型反演结果表明，随机森林模型（RF）为最佳落叶松林龄估测模型，其平均决定系数R2和平均均方根误差RMSE分别为0.89和2.91 a；多元线性回归模型（MLR）的林龄估测结果最差，其平均决定系数R2和平均均方根误差RMSE仅为0.57和5.69 a，非线性模型能更好的解释林龄与建模变量之间的关系。 相似文献
11.
Forest structural diversity metrics describing diversity in tree size and crown shape within forest stands can be used as indicators of biodiversity. These diversity metrics can be generated using airborne laser scanning (LiDAR) data to provide a rapid and cost effective alternative to ground-based inspection. Measures of tree height derived from LiDAR can be significantly affected by the canopy conditions at the time of data collection, in particular whether the canopy is under leaf-on or leaf-off conditions, but there have been no studies of the effects on structural diversity metrics. The aim of this research is to assess whether leaf-on/leaf-off changes in canopy conditions during LiDAR data collection affect the accuracy of calculated forest structural diversity metrics. We undertook a quantitative analysis of LiDAR ground detection and return height, and return height diversity from two airborne laser scanning surveys collected under leaf-on and leaf-off conditions to assess initial dataset differences. LiDAR data were then regressed against field-derived tree size diversity measurements using diversity metrics from each LiDAR dataset in isolation and, where appropriate, a mixture of the two. Models utilising leaf-off LiDAR diversity variables described DBH diversity, crown length diversity and crown width diversity more successfully than leaf-on (leaf-on models resulted in R² values of 0.66, 0.38 and 0.16, respectively, and leaf-off models 0.67, 0.37 and 0.23, respectively). When LiDAR datasets were combined into one model to describe tree height diversity and DBH diversity the models described 75% and 69% of the variance (R² of 0.75 for tree height diversity and 0.69 for DBH diversity). The results suggest that tree height diversity models derived from airborne LiDAR, collected (and where appropriate combined) under any seasonal conditions, can be used to differentiate between simple single and diverse multiple storey forest structure with confidence. 相似文献
12.
The accurate estimation of leaf water content (LWC) and knowledge about its spatial variation are important for forest and agricultural management since LWC provides key information for evaluating plant physiology. Hyperspectral data have been widely used to estimate LWC. However, the canopy reflectance can be affected by canopy structure, thereby introducing error to the retrieval of LWC from hyperspectral data alone. Radiative transfer models (RTM) provide a robust approach to combine LiDAR and hyperspectral data in order to address the confounding effects caused by the variation of canopy structure. In this study, the INFORM model was adjusted to retrieve LWC from airborne hyperspectral and LiDAR data. Two structural parameters (i.e. stem density and crown diameter) in the input of the INFORM model that affect canopy reflectance most were replaced by canopy cover which could be directly obtained from LiDAR data. The LiDAR-derived canopy cover was used to constrain in the inversion procedure to alleviate the ill-posed problem. The models were validated against field measurements obtained from 26 forest plots and then used to map LWC in the southern part of the Bavarian Forest National Park in Germany. The results show that with the introduction of prior information of canopy cover obtained from LiDAR data, LWC could be retrieved with a good accuracy (R2 = 0.87, RMSE = 0.0022 g/cm2, nRMSE = 0.13). The adjustment of the INFORM model facilitated the introduction of prior information over a large extent, as the estimation of canopy cover can be achieved from airborne LiDAR data. 相似文献
13.
结合机载、星载激光雷达对GLAS(地球科学激光测高系统)光斑范围内的森林地上生物量进行估测,并利用MODIS植被产品以及MERIS土地覆盖产品进行了云南省森林地上生物量的连续制图。机载LiDAR扫描的260个训练样本用于构建星载GLAS的森林地上生物量估测模型,模型的决定系数(R2)为0.52,均方根误差(RMSE)为31Mg/ha。研究结果显示,云南省总森林地上生物量为12.72亿t,平均森林地上生物量为94Mg/ha。估测的森林地上生物量空间分布情况与实际情况相符,森林地上生物量总量与基于森林资源清查数据的估测结果相符,表明了利用机载LiDAR与星载ICESatGLAS结合进行大区域森林地上生物量估测的可靠性。 相似文献
14.
机载激光雷达及高光谱的森林乔木物种多样性遥感监测 总被引：1，自引：0，他引：1
利用机载LiDAR和高光谱数据并结合37个地面调查样本数据,基于结构差异与光谱变异理论,通过相关分析法分别筛选了3个最优林冠结构参数和6个最优光谱指数,在单木尺度上利用自适应C均值模糊聚类算法,在神农架国家自然保护区开展森林乔木物种多样性监测,实现了森林乔木物种多样性的区域成图。研究结果表明,(1)基于结合形态学冠层控制的分水岭算法可以获得较高精度的单木分割结果(R~2=0.88,RMSE=13.17,P0.001);(2)基于LiDAR数据提取的9个结构参数中,95%百分位高度、冠层盖度和植被穿透率为最优结构参数,与Shannon-Wiener指数的相关性达到R~2=0.39—0.42(P0.01);(3)基于机载高光谱数据筛选的16个常用的植被指数中,CRI、OSAVI、Narrow band NDVI、SR、Vogelmann index1、PRI与Shannon-Wiener指数的相关性最高(R~2=0.37—0.45,P0.01);(4)在研究区,利用以30 m×30 m为窗口的自适应模糊C均值聚类算法可预测的最大森林乔木物种数为20,物种丰富度的预测精度为R~2=0.69,RMSE=3.11,Shannon-Wiener指数的预测精度为R~2=0.70,RMSE=0.32。该研究在亚热带森林开展乔木物种多样性监测,是在区域尺度上进行物种多样性成图的重要实践,可有效补充森林生物多样性本底数据的调查手段,有助于实现生物多样性的长期动态监测及科学分析森林物种多样性的现状和变化趋势。 相似文献
15.
大光斑激光雷达数据已广泛应用于森林冠层高度提取,但通常仅限于地形坡度小于20°的平缓地区。在地形坡度大于20°的陡峭山区,地形引起的波形展宽使得地面回波和植被回波信息混合在一起,给森林冠层高度提取带来巨大挑战。本文利用激光雷达回波模型和地形信息,提出了一种模型辅助的坡地森林冠层高度反演算法。该方法以激光雷达回波信号截止点为参考,定义了波形高度指数H50和H75,使用激光雷达回波模型与已知地形信息模拟裸地的激光雷达回波,将裸地回波信号截止点与森林激光雷达回波信号截止点对齐,利用裸地回波计算常用的波形相对高度指数RH50和RH75,对森林冠层高度进行反演。并与高斯波形分解法和波形参数法的反演结果进行了比较。研究结果表明:(1)利用所提取的波形指数RH50和RH75对胸高断面积加权平均高(Lorey’s height)进行了估算,在坡度小于20°时,高斯波形分解法、波形参数法和模型辅助法的估算结果与实测值线性拟合的相关系数(R2)分别为0.70,0.78和0.98,对应的均方根误差(RMSE)分别为2.90 m,2.48 m和0.60 m,模型辅助法略优于其他两种方法;(2)在坡度大于20°时,高斯波形分解法、波形参数法和模型辅助法的R2分别为0.14,0.28和0.97,相应的RMSE分别为4.93 m,4.53 m和0.81 m,模型辅助法明显优于其他两种方法;(3)在0°—40°时,模型辅助法对Lorey’s height估算结果与实测值的R2为0.97,RMSE为0.80 m。本研究提出的模型辅助法具有更好的地形适应性,在0°—40°的坡度范围内具备对坡地森林冠层高度反演的潜力。 相似文献
16.
森林植被碳储量的空间分布格局及其动态变化是陆地生态系统碳收支核算的基础。作为森林地上生物量的重要指示因子,森林高度的精确估算是提高森林植被碳储量估算精度的关键。现有研究已证明,由专业星载摄影测量系统获取的立体观测数据可用于森林高度提取,但光学遥感数据最大的问题是受云雨等天气因素的影响严重。区域森林地上生物量产品的生产需要充分挖掘潜在数据源。国产高分二号卫星(GF-2)虽然不是为获取立体观测数据而设计的专业星载摄影测量系统,但其获取的图像空间分辨率可达0.8 m,且具备±35°的的侧摆能力,在重复观测区域可构成异轨立体观测。本文以分别获取于2015年6月20日和2016年7月19的GF-2数据作为立体像对,其标称轨道侧摆角分别为0.00118°和20.4984°,以激光雷达数据获取的林下地形(DEM)和森林高度(CHM)为参考,对利用GF-2立体观测数据进行森林高度提取进行了研究。通过对立体处理得到的摄影测量点云的栅格化得到DSM,以激光雷达数据提供的DEM作为林下地形,得到了GF-2的CHM。结果表明GF-2提取的CHM与激光雷达CHM空间分布格局较为一致,两者之间存在明显的相关性,像素对像素的线性相关性(R2)达到0.51,均方根误差(RMSE)为3.6 m。研究结果表明,在林下地形已知的情况下,GF-2立体观测数据可用于森林高度估算。 相似文献
17.
Mariano García F. Mark Danson David Riaño Emilio Chuvieco F. Alberto Ramirez Vishal Bandugula 《International Journal of Applied Earth Observation and Geoinformation》2011
This paper evaluates the potential of a terrestrial laser scanner (TLS) to characterize forest canopy fuel characteristics at plot level. Several canopy properties, namely canopy height, canopy cover, canopy base height and fuel strata gap were estimated. Different approaches were tested to avoid the effect of canopy shadowing on canopy height estimation caused by deployment of the TLS below the canopy. Estimation of canopy height using a grid approach provided a coefficient of determination of R2 = 0.81 and an RMSE of 2.47 m. A similar RMSE was obtained using the 99th percentile of the height distribution of the highest points, representing the 1% of the data, although the coefficient of determination was lower (R2 = 0.70). Canopy cover (CC) was estimated as a function of the occupied cells of a grid superimposed upon the TLS point clouds. It was found that CC estimates were dependent on the cell size selected, with 3 cm being the optimum resolution for this study. The effect of the zenith view angle on CC estimates was also analyzed. A simple method was developed to estimate canopy base height from the vegetation vertical profiles derived from an occupied/non-occupied voxels approach. Canopy base height was estimated with an RMSE of 3.09 m and an R2 = 0.86. Terrestrial laser scanning also provides a unique opportunity to estimate the fuel strata gap (FSG), which has not been previously derived from remotely sensed data. The FSG was also derived from the vegetation vertical profile with an RMSE of 1.53 m and an R2 = 0.87. 相似文献
18.
集成Landsat OLI和机载LiDAR条带数据的亚热带森林生物量制图 总被引：1，自引：0，他引：1
以亚热带天然次生林为研究对象,借助一个条带的少量LiDAR点云数据和覆盖整个研究区的免费Landsat OLI多光谱数据,并结合地面实测数据,探索森林生物量低成本高精度制图方法。首先,提取了OLI和LiDAR特征变量,并与地上和地下生物量进行相关分析以筛选变量;然后,借助LiDAR数据覆盖区的样地和条带LiDAR数据构建"LiDAR生物量模型";再从LiDAR反演生物量的结果中进行采样,结合OLI特征变量构建"LiDAR-OLI模型";最后,与单独使用OLI多光谱数据建立的"OLI估算模型"结果进行比较,分析精度并验证新方法的效果。结果表明,"LiDAR-OLI模型"对地上和地下生物量的模型拟合效果较好且均优于"OLI模型",且其交叉验证的精度也较高并优于"OLI模型",从而证明了新方法的可靠性及有效性。本研究为主、被动遥感技术在中小尺度上协同反演森林参数提供了实验基础,也为基于全覆盖免费OLI多光谱数据及条带LiDAR数据的低成本森林生物量制图探索了技术路线。 相似文献
19.
We propose 3D triangulations of airborne Laser Scanning (ALS) point clouds as a new approach to derive 3D canopy structures and to estimate forest canopy effective LAI (LAIe). Computational geometry and topological connectivity were employed to filter the triangulations to yield a quasi-optimal relationship with the field measured LAIe. The optimal filtering parameters were predicted based on ALS height metrics, emulating the production of maps of LAIe and canopy volume for large areas. The LAIe from triangulations was validated with field measured LAIe and compared with a reference LAIe calculated from ALS data using logarithmic model based on Beer’s law. Canopy transmittance was estimated using All Echo Cover Index (ACI), and the mean projection of unit foliage area (β) was obtained using no-intercept regression with field measured LAIe. We investigated the influence species and season on the triangulated LAIe and demonstrated the relationship between triangulated LAIe and canopy volume. Our data is from 115 forest plots located at the southern boreal forest area in Finland and for each plot three different ALS datasets were available to apply the triangulations. The triangulation approach was found applicable for both leaf-on and leaf-off datasets after initial calibration. Results showed the Root Mean Square Errors (RMSEs) between LAIe from triangulations and field measured values agreed the most using the highest pulse density data (RMSE = 0.63, the coefficient of determination (R2) = 0.53). Yet, the LAIe calculated using ACI-index agreed better with the field measured LAIe (RMSE = 0.53 and R2 = 0.70). The best models to predict the optimal alpha value contained the ACI-index, which indicates that within-crown transmittance is accounted by the triangulation approach. The cover indices may be recommended for retrieving LAIe only, but for applications which require more sophisticated information on canopy shape and volume, such as radiative transfer models, the triangulation approach may be preferred. 相似文献