排序方式： 共有9条查询结果，搜索用时 55 毫秒
1
1.
机载激光雷达平均树高提取研究 总被引：16，自引：3，他引：13
为了研究机载激光雷达(LiDAR)树高提取技术,以山东省泰安市徂徕山林场为实验区,于2005年5月进行了机载LiDAR数据获取和外业测量.通过对LiDAR点云数据的分类处理,分别得到了试验区的地面点云子集、植被点云子集和高程归一化的植被点云子集.基于高程归一化的植被点云子集计算了上四分位数处的高度,与实地测量的数据进行了比较,并结合中国森林调查规程进行了实用性分析.结果表明:对于较低密度的点云数据,使用分位数法可以较好地进行林分平均高的估计;机载激光雷达技术对树高估计是可行的,精度都高于87%,总体平均精度为90.59%,其中阔叶树的精度高于针叶树.该试验精度可以满足中国二类森林调查规程中平均树高因子的一般商品林和生态公益林的精度要求,对国有商品林小班的调查精度要求(5%)存在一点差距,需要在国有商品林区进一步开展验证工作.对本试验区而言,已经可以满足其作为森林公园生态公益林的调查要求. 相似文献
2.
结合机载LiDAR数据,提出了一种改进的GLAS光斑点冠层高度地形校正模型,以校正后的GLAS光斑点作为输入样本,结合MODIS遥感影像,利用支持向量回归（SVR）的方法对研究区森林冠层高度进行分生态区估测,并利用野外调查数据和机载LiDAR冠层高度结果对估测结果进行验证。结果显示:研究区的坡度等级直接影响GLAS光斑点森林冠层高度估测精度,改进的地形校正模型可以较好的减小坡度对GLAS光斑点森林冠层高度估测的影响,模型精度RMSE稳定在3.25~3.48 m;不同生态分区的SVR模型估测精度较为稳定,其RMSE=6.41~7.56 m;与算数平均高相比,样地的Lorey's高与制图结果拟合最好,不同生态分区平均估测精度为80.3%。机载LiDAR冠层高度结果的验证平均精度为79.5%,和Lorey's高验证结果呈现较好的一致性。 相似文献
3.
森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型（UnetR）。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明, UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。 相似文献
4.
中国人工林面积居世界第一,精确地对人工林结构进行监测具有重要意义。本研究以内蒙古自治区赤峰市旺业甸林场内的落叶松和油松人工林为研究对象,利用无人机激光雷达LiDAR(Light Detection And Ranging)离散点云数据和地面样地调查数据对人工林林分高进行建模,通过点云特征变量与地面测量的6种林分高(包括:Lorey’s高、算术平均高、最大高、优势树高、中位数高和树冠面积加权高)间的Pearson’s相关性筛选自变量,然后利用全子集回归构建不同林分高估测模型,并采用交叉检验法进行精度评价。结果表明:激光雷达点云高度百分位数与不同林分高相关性均较高,通过一元线性回归构建的不同林分高结果最优,且估测模型的自变量均为高度特征变量。Lorey’s高(R^(2)=0.91—0.97,rRMSE=2.75%—3.96%)、优势树高(R^(2)=0.86—0.97,rRMSE=3.72%—3.83%)和树冠面积加权高(R^(2)=0.86—0.96,rRMSE=3.81%—4.73%)估测精度最高,算术平均高(R^(2)=0.85—0.94,rRMSE=4.52%—6.07%)和中位数高(R^(2)=0.80—0.95,rRMSE=5.37%—7.34%)次之,最大高(R^(2)=0.69—0.87,rRMSE=6.19%—8.09%)最低。针对不同森林类型,落叶松人工林林分高估测精度最优,优于不区分森林类型模型的估测精度(ΔR^(2)=0—0.05,ΔrRMSE=-0.69%—1.97%),优于油松林林分高模型的估测精度(ΔR^(2)=0.06—0.18,ΔrRMSE=-1.90%—1.13%)。无人机激光雷达可以用于估测北方温带针叶林的林分高,能够满足人工林资源调查快速、精确的要求。 相似文献
5.
森林冠层探测激光雷达的波形特征分析 总被引：1，自引：0，他引：1
机载激光雷达通过发射激光脉冲和接收返回波形的方式来探测森林冠层的三维结构,返回波形中包含了森林冠层不同高度处枝叶的后向散射特征.本研究在分析激光脉冲与森林冠层之间的相互作用关系时发现返回波形存在时长展宽现象,为此建立了立体散射体模型,并得到时长展宽量与散射体深度之间的对应关系.根据返回波形的不同特征将散射体划分为简单散射体、立体散射体和复杂散射体三种类型,提出单峰导数法和多峰导数法两种波形分析方法,用于提取相关的波形特征量,并判别散射体的类型.本研究得到了一些初步结果,通过模拟立体散射体的返回波形发现,随着散射体深度的增加,返回波形逐渐被展宽;随着子散射体之间距离的增加,返回波形开始出现两个波峰并成为两个完全独立的子波形.通过对模拟波形和实测波形的波形特征量进行比较发现,模拟波形与实测波形的时长略有差别.总之,激光雷达波形数据很好地描述了森林冠层的后向散射特征,在提高森林参数估测精度方面具有应用潜力. 相似文献
6.
基于LIDAR数据的森林参数反演方法研究 总被引：5，自引：0，他引：5
森林结构参数诸如林分平均高、平均冠幅、平均胸径、林分密度、地上生物量等的空间分布对于森林可持续经营管理具有重要意义。以黑河流域祁连山大野口典型森林区为研究区,采用高密度LIDAR小脚印点云数据,在进行单木结构参数提取的基础上,按20 m×20 m大小的网格进行了小区域森林参数反演研究。首先由LIDAR点云数据生成冠层高度模型(Canopy Height Model,CHM),从CHM中估测单株木结构参数树的位置、树高、冠幅。然后采用多元逐步回归分析法建立样地(20 m×20 m)尺度上LIDAR估测的平均树高、冠幅等与实测森林参数(林分平均高、林分算数平均高、平均冠幅、平均胸径、林分密度、地上生物量)之间的关系。结果表明,林分平均高、林分算术平均高、地上生物量的估测方程精度较高,R2均大于0.7,平均冠幅、平均胸径、林分密度的估测方程R2均大于0.5,根据建立的方程得到了森林参数的空间分布图。高密度LIDAR数据可以得到较高精度的森林参数空间分布图,对于森林可持续经营管理以及林相图的更新等具有重要意义,同时对小流域森林水文科学的研究具有重要的应用价值。 相似文献
7.
8.
亚热带森林参数的机载激光雷达估测 总被引：5，自引：2，他引：3
通过应用机载激光雷达数据,在分析云南省中部的78块样地的基础上提出2个预测森林不同生物特性的统计模型(加权平均高度的预测模型和生物量的预测模型),并讨论了预测结果及其精确性。从激光雷达数据中提取了2组变量(树冠高度变量组和植被密度变量组)作为自变量,采用逐步回归方法进行自变量选择。结果表明,激光雷达数据与森林的平均树高和地上各部分生物量有很强的相关性。对于3种不同森林类型(针叶林,阔叶林和混交林),平均树高估测均能达到比较高的精度;生物量的估测结果是针叶林优于阔叶林,混交林的生物量与激光雷达数据则没有明显相关性。最后,对回归分析的结果和影响预测精度的因素进行讨论,认为预测结果的精度可能与森林类型、激光雷达采样时间和采样密度以及坐标误差等因素有关。 相似文献
9.
激光雷达森林参数反演研究进展 总被引：6，自引：0，他引：6
激光雷达通过发射激光能量和接收返回信号的方式,来获取高精度的森林空间结构和林下地形信息。全波形激光雷达通过记录返回信号的全部能量,得到亚米级植被垂直剖面;离散回波激光雷达记录的单个或多个回波,表示来自不同冠层的回波信号。星载激光雷达一般采用全波形或光子计数激光剖面系统,仅能获取卫星轨道下方的单波束或多波束数据,用于区域/全球范围的森林垂直结构及变化观测。机载激光雷达多采用离散回波或全波形激光扫描系统,能够获取飞行轨迹下方特定视场范围内的扫描数据,用于林分/区域范围的森林结构观测。地基激光雷达多采用离散回波激光扫描系统,获取以测站为中心的球形空间内扫描数据,用于单木/样地范围的森林结构观测。激光雷达单木因子估测方法可分为CHM单木法、NPC单木法和体元单木法3类。CHM单木法通过局部最大值识别树冠顶点,采用区域生长或图像分割算法识别树冠边界或树冠主方向,NPC单木法一般通过空间聚类或形态学算法识别单木,体元单木法在3维体元空间采用区域生长或空间聚类算法识别树冠。根据激光雷达冠层高度分布可以估测林分因子,冠层高度分布特征来自于离散点云或全波形。多时相激光雷达可用于森林生长量、生物量变化等监测,以及森林采伐、灾害等引起的结构变化监测。随着激光雷达技术的发展,它将在森林调查、生态环境建模等生产与科学研究领域中得到更为广泛的应用。 相似文献
1