CN105116407B - 一种利用手持型激光测距仪测量植被覆盖度的方法 - Google Patents

一种利用手持型激光测距仪测量植被覆盖度的方法 Download PDF

Info

Publication number
CN105116407B
CN105116407B CN201510364497.XA CN201510364497A CN105116407B CN 105116407 B CN105116407 B CN 105116407B CN 201510364497 A CN201510364497 A CN 201510364497A CN 105116407 B CN105116407 B CN 105116407B
Authority
CN
China
Prior art keywords
vegetation
measurement
coverage
probability
error
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510364497.XA
Other languages
English (en)
Other versions
CN105116407A (zh
Inventor
梁博毅
屈永华
刘素红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Normal University
Original Assignee
Beijing Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Normal University filed Critical Beijing Normal University
Priority to CN201510364497.XA priority Critical patent/CN105116407B/zh
Publication of CN105116407A publication Critical patent/CN105116407A/zh
Application granted granted Critical
Publication of CN105116407B publication Critical patent/CN105116407B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

一种利用手持型激光测距仪测量植被盖度的方法，它有四大步骤：步骤一：确定测量范围，通过米尺圈定样区的范围边界，保证测量时测量点在样区内部；步骤二：激光点探测，采用计算机随机生成采样点坐标，或者预先确定探测路线，在探测路线上随机采点，在样点上获取植被非植被信息；步骤三：数据记录，测量时将每一个测量点有无植被的情况进行记录，每组观测结束后，统计出该组观测中有植被点的个数，探测到的植被个数与总的探测次数的商就代表测量范围的植被覆盖度；步骤四：误差评估。相比于传统地面样点法以及照相法，本发明具有操作简单，测量效率高，计算简便等优势。

Description

一种利用手持型激光测距仪测量植被覆盖度的方法
技术领域
本发明涉及一种利用手持型激光测距仪测量植被覆盖度的方法，它与植被覆盖度的地面测量以及植被冠层分析有关，属于农业与生态学技术领域。
背景技术
植被覆盖度(Fractional of vegetation cover，简称FVC或fCover)通常定义为植被(包括叶、茎、枝)在地面的垂直投影面积占统计区域总面积的百分比，它是生态环境变化、地表各圈层之间的相互作用的重要参数。
植被覆盖度通常采用地面测量和遥感数据估算两种方法来获得。地面植被覆盖度测量一般选择多个代表性的植被样方，单个样方植被覆盖度通过计算样方内植被面积和总面积的比值得到，多个样方覆盖度的平均值作为总样区植被覆盖度值；遥感估算方法通过经验模型或者参数模型计算植被覆盖度的空间分布。地面测量的植被覆盖度一般认为是真实值，遥感估算结果常常利用地面实测覆盖度数据进行精度验证。因此，植被覆盖度地面测量是植被覆盖度遥感估算的基础。
地面测量植被覆盖度的方法包括目估法、采样法和照相法。目估法一般利用多个观察者对地面样方进行目视判读，经过反复多次估测并计算平均值作为样区植被盖度目估值。这种方法效率较高，但观察者的主观性对结果影响很大，并且估算精度也依赖于目估人员的经验，因此该方法具有很大局限性。采样法是人们在研究对样方范围内，采用探针、观测孔等小型设备对地面样方内的取点，每次探测对应较小的范围，探测结果只有植被和非植被两种情况，探测到植被的数目和总的探测结果的比值作为植被覆盖度。采样法精度比较高，但是探针、探孔等设备需要回收，费时费力。照相法使用数码相机对样方垂直拍照，对成像结果进行植被和非植被分类，计算植被面积和总面积的比值。该方法广泛用于不同植被类型植被覆盖度的测量。照相法精度也比较高，但是需要后期做图像分类处理，且成像范围有限。
发明内容
1.目的：针对上述问题，本发明提出了一种基于手持激光测距仪来快速估算植被覆盖度的方法。该方法属于采样法，但是以小型手持激光测距仪替代传统的探针和探孔设备，并利用误差概率分布模型，确定在不同采样样点情况下，获取到不同精度的植被覆盖度。
2.技术方案：本发明为一种利用手持型激光测距仪测量植被盖度的方法，具体测量示意图如图1所示。
2.1植被覆盖度测量方法
测量的基本步骤分三部分：确定测量范围，激光测距仪探测和数据记录。
步骤一：确定测量范围
通过米尺圈定样区的范围边界，保证测量时测量点在样区内部。
步骤二：激光点探测
采用计算机随机生成采样点坐标，或者预先确定探测路线，在探测路线上随机采点，在样点上获取植被非植被信息。对于低矮的灌木等植被类型，测量时测距仪垂直向下，人工读出测量点是否为有植被点；对于树高较高的乔木等植被类型，采用垂直向上的观测方式，可认为有测量值的为有植被观测点，无测量值(或测量值显示错误)为无植被观测点。测量时应保证激光测距仪的测量点在测区内部，并利用微型水平仪辅助仪器水平。为保证测量结果的真实可靠，可以选择不同的测量员分别进行探测与读数，避免主观因素所造成的误差。
步骤三：数据记录
测量时将每一个测量点有无植被的情况进行记录，每组观测结束后，统计出该组观测中有植被点的个数。探测到的植被个数与总的探测次数的商就可以代表测量范围的植被覆盖度。
步骤四：误差评估
误差评估部分包括其他方法验证以及理论误差推导两部分，其中其他方法验证指的是利用照相法等已有的植被覆盖度测量方法对激光测距仪的测量结果进行对比验证，避免人为误差；理论误差是利用概率公式推导出理论上利用激光测距仪测量植被覆盖度的误差分布情况。推导过程包括以下几个部分：
一：单点测量结果与概率
待测样方内的植被盖度是一个确定的值，设为f，则每次激光测量结果为植被概率为f，非植被的概率为1-f。利用激光测距仪进行点探测，结果为植被或非植被两种情况。
二：N次独立实验测量结果与概率
当观测点足够多时，观测到的植被次数应服从二项分布。
进行N次独立实验，则探测到n次植被的概率为公式(1)：
其中，为概率组合公式，指的是在N个对象中任取n的情况数，如果利用多次测量，探测到样方的植被覆盖度fn可以表示为公式(2)：
三：测量误差概率
测量盖度的误差为∈n,为真实值和测量值的差值的绝对值：即
∈n＝|fn-f| (3)
由于真实植被盖度和总测量次数都是一个常数，所以测量误差只与测量到的植被次数n有关，且测量误差的取值数目大小和n一致，也是一个随机变量，其测量误差分布概率和观测到的植被次数n分布相同。即测量到n个植被点，那么计算出的植被盖度可能有n+1种结果，误差值也存在n+1种结果，盖度误差概率值等于二项分布中n出现的概率值。我们可以利用二项分布原理计算出不同真实植被盖度、不同测量点数条件下进行测量的结果误差范围。
四：测量误差在0.1以内的概率
选择n/N和真实覆盖度之间的差异绝对值为0.1，覆盖度测量精度为90％，我们通过将误差小于0.1的概率进行累加，结果即为覆盖度精度为90％的概率。当我们设定一个测量的精度要求，然后计算出和真实值之间的差异，将误差小于该精度的概率累加，得到一定植被覆盖度条件下，不同采样点所达到要求精度的概率。当我们把观测精度定义为误差小于0.1时，不同植被被盖度和不同采样点的条件下达到所要求精度的概率如图2所示。
三维空间范围中，X轴表示实验的测量点数，Y轴表示真实植被盖度，Z轴表示测量误差小于0.1的概率。从图上可以看出，随着测量点数的增加，理论测量误差小于0.1的概率也随之增加。当测量点数在70次以上时，对于所有0-1的真实植被盖度下的情况而言，误差小于0.1的概率均大于90％；当测量点数大于100，任何0-1植被盖度下误差小于0.1的概率趋于稳定，保持在95％以上。
五：固定采样点数的测量误差概率
设测量的采样点数为70，则测量误差小于0.1的概率与样方内真实植被覆盖度的关系如图3所示。从图中可以看出，无论是较大还是较小盖度，都比处于中等盖度达到一定精度所需要的采样点要少。
六：真实植被盖度为0.5条件下的测量误差概率
设测量样区内真实植被盖度为0.5，则测量误差小于0.1的概率与测量样点数的关系如图4所示。从图4中可以看到，盖度一定条件下，测量点数越多，结果趋近于真实值的概率越高。
3.优点及功效：本发明为一种利用手持型激光测距仪测量植被盖度的方法，其优点是：
(1)利用手持激光测距仪法测量植被盖度相比于传统地面样点法以及照相法具有操作简单，测量效率高，计算简便等优势。
(2)可以定量研究不同真实植被覆盖度、不同采样点数条件下的误差概率分布，从而根据不同的测量要求，选取最为高效且满足精度的测量点数。
附图说明
图1 激光测距仪及照相法测量示意图。
图2 误差概率分布图。
图3 采样点为70条件下误差小于0.1的概率和样方植被覆盖度之间的关系示意图。
图4 0.5盖度条件下误差小于0.1的概率和测量点数之间的关系示意图。
具体实施方式
实例：北京师范大学生物园
测量日期：2014年6月
测量时间：早上9:00到12:00
植被类型：草加低矮灌木
见图1——图4，本发明,一种利用手持型激光测距仪测量植被盖度的方法，该方法具体步骤如下：
步骤一：选择测量点位
在室外实验利用米尺选择20m×20m低矮灌木样区，然后分别选择7个1m×1m的子样区，实现7次重复观测，在每个子样区的内随机选择10个点位。
步骤二：手持型激光测距仪植被盖度计算
利用激光测距仪，按照测量步骤进行测量。记录测量到的植被次数，除以点位数得到植被覆盖度。
步骤三：利用照相法测量样区的植被覆盖度
同时利用相机进行垂直向下成像。通过数字图像分类获得植被盖度为0.548，作为验证数据。
步骤四：结果对比
激光测距仪法对该子区70点位的3组重复观测到的植被点数分别为33、39和36，计算出的植被盖度结果为0.471、0.557和0.514，观测值与照相法计算出的真实盖度值之差绝对量都在0.1以内，三组实验平均误差绝对值为0.05。
对室外的7个子区分别进行相同的测量实验，将激光测距仪的测量结果和照相法结果进行对比，三次测量的平均值和照相法的结果接近，误差为0.034，如表1所示。
表1室外测量结果与误差

Claims (1)

1.一种利用手持型激光测距仪测量植被覆盖度的方法，其特征在于：该方法具体步骤如下：
步骤一：确定测量范围
通过米尺圈定样区的范围边界，保证测量时测量点在样区内部；
步骤二：激光点探测
采用计算机随机生成采样点坐标，或者预先确定探测路线，在探测路线上随机采点，在样点上获取植被非植被信息；对于低矮的灌木植被类型，测量时测距仪垂直向下，人工读出测量点是否为有植被点；对于树高较高的乔木植被类型，采用垂直向上的观测方式，认为有测量值的为有植被观测点，无测量值或测量值显示错误为无植被观测点；测量时应保证激光测距仪的测量点在测区内部，并利用微型水平仪辅助仪器水平；为保证测量结果的真实可靠，选择不同的测量员分别进行探测与读数，避免主观因素所造成的误差；
步骤三：数据记录
测量时将每一个测量点有无植被的情况进行记录，每组观测结束后，统计出该组观测中有植被点的个数，探测到的植被个数与总的探测次数的商就代表测量范围的植被覆盖度；
步骤四：误差评估
误差评估部分包括其他方法验证以及理论误差推导两部分，其中其他方法验证指的是利用已有的植被覆盖度测量方法对激光测距仪的测量结果进行对比验证，避免人为误差；理论误差推导是利用概率公式推导出理论上利用激光测距仪测量植被覆盖度的误差分布情况；推导过程包括以下部分：
一：单点测量结果与概率
待测样方内的植被覆盖度是一个确定的值，设为f，则每次激光测量结果为植被概率为f，非植被的概率为1-f，利用激光测距仪进行点探测，结果为植被或非植被两种情况；
二：N次独立实验测量结果与概率
当观测点足够多时，观测到的植被次数应服从二项分布；
进行N次独立实验，则探测到n次植被的概率为公式(1)：
其中，为概率组合公式，指的是在N个对象中任取n的情况数，如果利用多次测量，探测到样方的植被覆盖度fn表示为公式(2)：
三：测量误差概率
测量覆盖度的误差为∈n,为真实值和测量值的差值的绝对值：即
∈n＝|fn-f| (3)
由于真实植被覆盖度和总测量次数都是一个常数，所以测量误差只与测量到的植被次数n有关，且测量误差的取值数目大小和n一致，是一个随机变量，其测量误差分布概率和观测到的植被次数n分布相同；即测量到n个植被点，那么计算出的植被覆盖度有n+1种结果，误差值也存在n+1种结果，覆盖度误差概率值等于二项分布中n出现的概率值；利用二项分布原理计算出不同真实植被覆盖度、不同测量点数条件下进行测量的结果误差范围；
四：测量误差在0.1以内的概率
选择n/N和真实覆盖度之间的差异绝对值为0.1，覆盖度测量精度为90％，通过将误差小于0.1的概率进行累加，结果即为覆盖度精度为90％的概率；当设定一个测量的精度要求，然后计算出和真实值之间的差异，将误差小于该精度的概率累加，得到一定植被覆盖度条件下，不同采样点所达到要求精度的概率；三维空间范围中，X轴表示实验的测量点数，Y轴表示真实植被覆盖度，Z轴表示测量误差小于0.1的概率；随着测量点数的增加，理论测量误差小于0.1的概率也随之增加；当测量点数在70次以上时，对于所有0-1的真实植被覆盖度下的情况而言，误差小于0.1的概率均大于90％；当测量点数大于100，任何0-1植被覆盖度下误差小于0.1的概率趋于稳定，保持在95％以上；
五：固定采样点数的测量误差概率
设测量的采样点数为70，则测量误差小于0.1的概率与样方内真实植被覆盖度的关系无论是较大还是较小覆盖度，都比处于中等覆盖度达到一定精度所需要的采样点要少；
六：真实植被覆盖度为0.5条件下的测量误差概率
设测量样区内真实植被覆盖度为0.5，则测量误差小于0.1的概率与测量样点数的关系是覆盖度一定条件下，测量点数越多，结果趋近于真实值的概率越高。
CN201510364497.XA 2015-06-26 2015-06-26 一种利用手持型激光测距仪测量植被覆盖度的方法 Active CN105116407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510364497.XA CN105116407B (zh) 2015-06-26 2015-06-26 一种利用手持型激光测距仪测量植被覆盖度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510364497.XA CN105116407B (zh) 2015-06-26 2015-06-26 一种利用手持型激光测距仪测量植被覆盖度的方法

Publications (2)

Publication Number Publication Date
CN105116407A CN105116407A (zh) 2015-12-02
CN105116407B true CN105116407B (zh) 2017-08-08

Family

ID=54664440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510364497.XA Active CN105116407B (zh) 2015-06-26 2015-06-26 一种利用手持型激光测距仪测量植被覆盖度的方法

Country Status (1)

Country Link
CN (1) CN105116407B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL236606B (en) 2015-01-11 2020-09-30 Gornik Amihay Standards and methods for agricultural monitoring
CN105891211B (zh) * 2016-05-13 2023-12-01 内蒙古自治区林业科学研究院 一种草本植被盖度激光测量仪
CN107131835A (zh) * 2017-05-11 2017-09-05 兰州大学 一种天然草地草层表面高度测量方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101839732A (zh) * 2010-03-26 2010-09-22 北京师范大学 一种基于无线传感器网络的植被结构参数测量装置
CN102175653A (zh) * 2011-03-18 2011-09-07 北京师范大学 一种测量不同植被冠层下太阳直射辐射透过率传感器装置
CN104089590A (zh) * 2014-06-09 2014-10-08 北京师范大学 一种获取植被冠层结构参数的自动测量装置
CN104142142A (zh) * 2014-07-01 2014-11-12 北京师范大学 全球植被覆盖度估算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101839732A (zh) * 2010-03-26 2010-09-22 北京师范大学 一种基于无线传感器网络的植被结构参数测量装置
CN102175653A (zh) * 2011-03-18 2011-09-07 北京师范大学 一种测量不同植被冠层下太阳直射辐射透过率传感器装置
CN104089590A (zh) * 2014-06-09 2014-10-08 北京师范大学 一种获取植被冠层结构参数的自动测量装置
CN104142142A (zh) * 2014-07-01 2014-11-12 北京师范大学 全球植被覆盖度估算方法

Also Published As

Publication number Publication date
CN105116407A (zh) 2015-12-02

Similar Documents

Publication Publication Date Title
James et al. Optimising UAV topographic surveys processed with structure-from-motion: Ground control quality, quantity and bundle adjustment
Pirotti et al. Ground filtering and vegetation mapping using multi-return terrestrial laser scanning
Mundt et al. Mapping sagebrush distribution using fusion of hyperspectral and lidar classifications
CN105874350B (zh) 校准装置、校准方法及校准程序
Hearn et al. The repeatability of vegetation classification and mapping
Kim et al. Classifying individual tree genera using stepwise cluster analysis based on height and intensity metrics derived from airborne laser scanner data
Wallace et al. Detecting pruning of individual stems using airborne laser scanning data captured from an unmanned aerial vehicle
Takahashi et al. Stand volume estimation by combining low laser-sampling density LiDAR data with QuickBird panchromatic imagery in closed-canopy Japanese cedar (Cryptomeria japonica) plantations
WO2012063232A1 (en) System and method for inventorying vegetal substance
CN114091613A (zh) 一种基于高分联合组网数据的森林生物量估算方法
CN105116407B (zh) 一种利用手持型激光测距仪测量植被覆盖度的方法
Song et al. Development of comprehensive accuracy assessment indexes for building footprint extraction
Martinez-Sanchez et al. Skyline variations allow estimating distance to trees on landscape photos using semantic segmentation
Cățeanu et al. ALS for terrain mapping in forest environments: An analysis of LiDAR filtering algorithms
CN116311010A (zh) 一种林地资源调查与碳汇计量的方法与系统
CN110045354A (zh) 雷达性能评测的方法及装置
Bazezew Integrating airborne lidar and terrestrial laser scanner forest parameters for acurate estimation of above-ground biomass/carbon in Ayer Hitam Tropical Forest Reserve, Malaysia
Wei et al. Automated mapping of landforms through the application of supervised classification to lidAR-derived DEMs and the identification of earthquake ruptures
Packalén et al. Comparison of individual tree detection and canopy height distribution approaches: a case study in Finland.
Peng et al. Error assessment in two LiDAR-derived TIN datasets
Gonçalves Vertical structure and aboveground biomass of tropical forests from lidar remote sensing
Hatami Carbon estimation of individual trees using high laser density data of airborne lidar: A case study in Bois Noir, France
Saeed et al. Performance evaluation of individual tree detection and segmentation algorithms using ALS data in Chir Pine (Pinus roxburghii) forest
García et al. Delineation of individual tree crowns for LiDAR tree and stand parameter estimation in Scottish woodlands
Berhanu Accuracy of DTM derived from UAV imagery and its effect on canopy height model compared to Airborne LiDAR in part of tropical rain forests of Berklah, Malaysia

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant