CN107831497B - 一种利用三维点云数据定量刻画森林聚集效应的方法 - Google Patents
一种利用三维点云数据定量刻画森林聚集效应的方法 Download PDFInfo
- Publication number
- CN107831497B CN107831497B CN201710893471.3A CN201710893471A CN107831497B CN 107831497 B CN107831497 B CN 107831497B CN 201710893471 A CN201710893471 A CN 201710893471A CN 107831497 B CN107831497 B CN 107831497B
- Authority
- CN
- China
- Prior art keywords
- canopy
- omega
- point cloud
- forest
- cloud data
- 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
Links
Images
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Graphics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Image Processing (AREA)
Abstract
本发明提供了三维点云数据定量刻画森林聚集效应的方法,属于植被遥感反演参数方法的研究领域。其步骤为:不同模式下森林冠层的三维点云数据获取,包括单站半球模式和多站模式;对单站半球模式下获取的点云数据进行半球切片得到倾角或方位角模式下的孔隙大小分布,对多站模式获取的点云数据进行方向性切片得到任意方向的孔隙大小分布;根据孔隙大小分布和CC方法求得森林样方任意位置的Ω‑2;对于针叶林,需要根据簇的点云数据计算Ω‑1;最终求得森林冠层元素聚集度指数Ω=Ω‑2/Ω‑1。本发明与传统光学仪器计算的冠层Ω相比,精度高,不受光环境、散射辐射以及半影效应的影响,可反演森林任意位置和时间下的Ω,适用性较高。
Description
一、技术领域
本发明是通过三维点云数据定量精确刻画森林聚集效应的方法,具体地说,是指一种通过地面激光雷达技术获取森林冠层三维点云数据,精确求得孔隙大小分布,基于CC理论准确反演森林冠层聚集度指数的方法,属于植被遥感反演参数方法的研究领域。
二、背景技术
森林冠层聚集度(Ω)指数被用于定量描述冠层元素非随机分布的程度。精确反演森林冠层聚集度指数可有效提高森林理化参数的反演精度,也有益于更好的理解森林冠层辐射分布和生理过程。森林冠层叶面积指数通常是在假设冠层元素随机分布的前提下基于贝尔定律求取,但森林冠层元素通常不满足随机分布的条件,这样求取的叶面积指数通常被称为有效叶面积指数。聚集度指数可将有效叶面积指数转化为真实叶面积指数。研究表明,不考虑聚集度指数,会导致叶面积指数低估。同时,聚集度指数会影响冠层内部辐射分布,进而影响冠层生理过程,例如光合作用和蒸散发过程。
森林冠层聚集效应通常发生在三个尺度:(1)冠层元素内部(Ω-1):在针叶林中,一个簇中所有的针产生聚集,在阔叶中该值为1。针叶Ω-1等于shoot中簇中所有针叶面积的一半(Sa)除以簇总表面积的一半(Sp)。通常Sp的求取通常是假定簇为圆柱体,而对于Sa通常通过三种方法来计算针的表面,包括光学扫描仪法、排水法和采样法;(2)冠层元素尺度(Ω-2):森林冠层中叶子或簇都会由于树枝树干影响产生聚集效应,主要是通过两个关键步骤来求取,包括①通过光学仪器(鱼眼相机DHP或者TRAC)求取孔隙率/孔隙大小分布阶段,②基于孔隙率或孔隙大小分布利用各种理论来求取冠层元素Ω-2。例如,Lang在“Estimation of leaf area index from transmission of direct sunlight indiscontinuous canopies”提到的发展了通过孔隙率来求取Ω-2的方法(LX方法);Chen在“Plant canpy gap-size analysis theory for improving optical measurement ofleaf-area index”发展了基于孔隙大小分布通过移除由于聚集效应而产生的大gap来反演Ω-2的方法(CC方法);Leblanc在“Methodology comparison for canopy structureparameters extraction from digital hemispherical photography in borealforests”通过结合LX和CC方法发展了CLX的方法来反演Ω-2的理论。目前,CC方法被广泛应用于Ω-2的反演中,且被证明精度较高;(3)单木尺度(Ω-3):在大尺度区域中,树木由于对光和养分的竞争或人为因素产生聚集,通常将树冠假设为不同的几何体来研究景观尺度的单木聚集程度。本发明的方法主要是研究前两个尺度上的森林冠层聚集程度Ω=Ω-2/Ω-1。Ω值通常介于0-1之间,越趋近于0表示聚集程度越高,当Ω等于1时表示随机分布。
在森林样方中,通常使用DHP和TRAC等光学仪器来测量冠层元素聚集度指数Ω-2。但是DHP和TRAC仍存在区别:(1)对光环境需求不同:DHP通常要求在阴天即散射光环境下测量,而TRAC需要在晴天即直射光环境下测量;(2)采样方式不同:DHP技术获取的是冠层半球方向的信息(水平:0°~360°,垂直方向:0°~90°);然而TRAC只记录了样方特定位置的某个方向下的信息。由于两种光学仪器采样方式和范围的区别,导致其结果存在差异。因此,需要在森林样方的多个位置来获取森林冠层元素聚集度指数Ω-2。基于TRAC得到的Ω-2由于一天中太阳入射角度不同而存在差异。同时,由于半影效应,植被散射辐射的存在,木质面积的影响都会导致光学仪器获取的孔隙大小分布存在问题。Kucharik在“Characterizingcanopy nonrandomness with a multiband vegetation imager(MVI)”提到通过研制了MVI(multiband vegetation imager)仪器来通过使用可见光和近红外成对影像来测量Ω-2。但是,仍存在光学仪器不可克服的问题。此外,基于卫星数据也可估算森林冠层聚集度指数Ω。例如,可通过建立角度指数(归一化亮暗点指数)和Ω建立经验关系求取。但基于经验关系模型,会使得效果不稳定。
近年来,具有三维制图能力的lidar(light detection and ranging)技术,尤其是地基激光雷达(terrestrial laser scanning)被广泛用于冠层三维结构参数提取。该技术可不受光环境的限制来获取冠层三维结构数据。目前基于激光雷达反演冠层结构参数的方法主要分为两种:(1)通过航空激光雷达(aerial laser scanning,ALS)获取一些米制参数,与野外聚集度指数建立经验关系;(2)基于lidar数据提取孔隙率或孔隙大小分布,通过LX,CC等方法提取Ω-2,例如Zhao在“Measuring gap fraction,element clumping indexand LAI in Sierra Forest stands using a full-waveform ground-based lidar”提出通过TLS获取大于shoot尺度的孔隙大小分布来估算Ω-2;Moorthy在“Retrieving crownleaf area index from an individual tree using ground-based lidar data”提出通过TLS采集的点云数据以及模拟数据获取的孔隙率来求取Ω-2;Garcia在“Canopyclumping appraisal using terrestrial and airborne laser scanning”提出通过对点云数据进行水平切片获取冠层孔隙大小分布,同时对比了几种通过ALS和TLS反演冠层Ω的方法,发现CC方法的效果较好。
然而,不同数据获取模式下得到的lidar数据反映的是冠层的不同部位。针对不同方式获取的冠层点云数据需设计不同的切片方式来定量精确的计算出其孔隙率和孔隙大小分布。例如,对于单站半球获取的森林冠层点云数据不适宜采用水平或垂直切片的方法,因为点云数据不完整。而对于多站获取的森林冠层点云数据仅通过水平或垂直切片不能反映出不同时刻下其聚集效应,由于在中低密度的森林样方中,聚集度指数随太阳入射角度变化剧烈。
三、发明内容
本发明的目的是提供一种利用不同模式(单站半球式和多站扫描式)获取的地面激光雷达数据来精确反演森林冠层聚集度指数Ω的算法。本发明的原理如下:
本发明利用地面激光雷达获取森林冠层三维点云数据,包括两种数据获取模式,即单站半球式和多站扫描式。针对单站半球式获取的点云数据通过半球切片方法得到倾角模式或方位角模式下的孔隙大小分布,而针对多站扫描式获取的点云数据则通过方向性切片方法得到任意时间任意位置的孔隙大小分布。进而通过CC方法求得冠层元素聚集度指数Ω-2。同时对于针叶林,通过簇的点云数据求得簇内Ω-1。最终求得森林冠层的聚集度指数Ω。
本发明的技术方案主要包括以下步骤:
(1)首先,通过TLS获取森林冠层的三维点云数据,包括两种数据获取模式:单站半球模式和多站扫描模式。对于多站扫描模式来说,需在样方不同位置架设激光雷达扫描仪以及靶标,根据样方的密度来调整扫描仪的站数,获取样方多站点云数据,通过靶标进行拼接得到样方较为完整的冠层点云数据。
(2)针对不同模式的获取的冠层点云数据进行对应方式的切片:对于TLS单站半球式扫描获取的森林冠层三维点云数据需通过半球切片来处理得到孔隙大小分布。将笛卡尔坐标系下的数据转化为球面坐标系下的数据。手动移除地面及灌丛点云数据。根据需要确定样方的半径大小,删除半径范围外的点云数据。此时倾角范围为[0°-90°],方位角范围为[0°-360°],设置倾角和方位角分辨率,将点云在倾角和方位角方向进行切割,得到半球切片的结果。对体元内有点的称为非空体元,无点的为空体元,连续空体元即为孔隙,进而得到两种模式下的孔隙大小分布:①方位角模式:即某个倾角范围内的环中点密度分布;②倾角模式:在某个方位角范围内,通过设置倾角的分辨率得到的点密度分布。通过点密度分布,可得到不同模式下的孔隙大小分布。假设倾角分辨率和方位角分辨率分别为θ0和θ′0,那森林点云数据可被划分为(360°/θ0)×(90°/θ′0)个梯形体元。以方位角模式为例,假定连续空体元的个数为n,且在某个方位角圆环上有N个连续n空体元的孔隙,那么n空体元的在该环的概率为P=n×N/(360°/θ0)。进而可得到该环中孔隙大小分布的概率曲线。其中,角度分辨率的设置需根据点密度以及元素尺度来确定。
对于TLS多站获取的较为完整的森林冠层点云数据,通过方向性切片可求得任意时刻任意位置孔隙大小分布。方向性切片的主要步骤如下:①根据森林位置以及时间计算出任意时刻下太阳的入射方向,包括天顶角和方位角;②根据太阳入射方向,计算出点云的旋转轴和旋转角,进而对冠层点云进行旋转,使得太阳光线处于正上方;③设置x、y和z方向上的分辨率,对冠层点云进行体元化;④通过统计每个体元内点个数,得到再x,y或z方向上的点密度分布。设置x,y和z方向的体元分辨率分别为Δx,Δy和Δz,将冠层点云体元化,假设求取冠层Y轴方向某条线的孔隙大小分布,假设该样线上共有N_all个体元,同时该样线上共有M个连续空体元个数为m的孔隙,那么m空体元在该样线的概率为P’=(m×M)/N_all。通过该方法可求取森林冠层任意位置任意时间的孔隙大小分布的概率曲线。其中体元大小分辨率的确定要根据点密度以及冠层元素特征来共同确定。
(3)根据孔隙大小分布曲线CC方法求得森林Ω-2:CC方法是基于孔隙大小分布求取Ω-2的方法,因为孔隙分布的概率曲线隐含了冠层元素聚集程度的信息。根据孔隙大小分布,通过移除大的孔隙来去除冠层内部的聚集信息,得到冠层元素随机分布状态下的孔隙大小分布。通过聚集状态的孔隙大小分布中的孔隙率(Fm(0,θ))和随机状态下孔隙大小的孔隙率Fmr(0,θ)布求得聚集度指数Ω-2。
(4)对于针叶林,通过TLS扫描单个簇的点云数据求取Ω-1:对于针叶冠层,本发明发展了通过TLS数据计算针簇比Ω-1的方法。首先通过激光雷达数据单站扫描一个簇获取点云数据。为计算Ω-1,需知道簇内所有针的总表面积Sa的一半,以及簇表面积的一半Sp。得到Ω-1的表达式:
Ω-1=Sa/Sp (2)
对于簇表面积的一半,假设簇为对称形状,由于单站获取簇点云数据,而TLS具有遮挡效应,使得远离TLS一侧的簇的点云数据不完整,先通过手动方式移除簇远离TLS的一半数据,通过点云数据构建其三维凸包计算其表面积,然后将点云数据在与激光入射方向垂直的平面进行投影,构建起二维凸包计算表面积,通过三维凸包面积减去二维凸包面积得到簇表面积的一半。对于簇中所有针表面积来说,将簇内所有针摘下依次排列,通过扫描仪扫描得到二维图像,假设针为圆柱形,通过在二维图像求取针的平均宽度(wi)及每个针的长度(li),得到某个针的表面积Ai=3.14×wi×li。然而将所有针的表面积相加得到簇中所有针表面积的一半。最终可得到Ω-1。阔叶的Ω-1的值为1。
(5)根据求得的Ω-1和Ω-2,最终计算出森林冠层聚集度指数Ω=Ω-2/Ω-1。
四、附图说明
图1不同模式获取的地面激光雷达数据
(a)为单站半球模式下获取的激光雷达数据
(b)为多站模式下获取的多站拼接的激光雷达数据
图2为半球切片示意图
(a)为半球切片方法示意图
(b)为半球切片下方位角模式求取孔隙大小分布示意图
(c)为半球切片倾角模式求取孔隙大小分布示意图
图3为方向性切片示意图
(a)为方向性切片方法示意图
(b)为方向性切片下不同方向求取孔隙大小分布示意图
图4不同切片结果示意图
(a)为半球切片结果示意图
(b)为方向性切片结果示意图
五、具体实施方式
以下通过具体实例对本发明作进一步描述:
使用地面三维激光雷达扫描仪Leica ScanStation 2根据技术方案步骤(1)获取森林样方点云数据,包括单站半球扫描模式和多站扫描模式(图1)。选取三个不同密度(叶面积指数为4.00,1.30,0.71)的高中低样方作为研究对象,其中高密度样方为针叶林,中低密度样方为阔叶林。为了精确获取到冠层孔隙大小分布,在高、中密样方采样间距设置为10mm@10m,在低密度样方设置为15mm@10m。
在森林样方中心获取单站半球扫描模式下的数据,将30m半径圆形区域外的点去除。通过技术方案步骤(2)的半球切片(图2)获取方位角模式下任意倾角范围内孔隙大小分布(图4(a))。通过多站扫描获取样方较完整的冠层点云数据,通过技术方案步骤(2)所述利用方向性切片(图3)获取冠层点云任意时间的孔隙大小分布(图4(b))。
根据技术方案步骤(3)所述根据计算的孔隙大小分布和CC方法求取冠层元素聚集度指数Ω-2。同时根据技术方案步骤(4)所述计算出高密度针叶林簇的针簇比Ω-1为1.26,最终根据技术方案步骤(6)求得森林样方聚集度指数Ω(表1,2),为了与实测的光学仪器(DHP和TRAC)比较,其中基于半球切片求得的是方位角模式下倾角范围为10°-80°的聚集度指数的平均值的结果,而基于方向性切片是基于冠层总的孔隙大小分布求得2015年8月5日下午3点的聚集度指数结果。
表1 基于半球切片计算的Ω验证
表2 基于方向性切片计算的Ω验证
Claims (2)
1.一种利用三维点云数据定量刻画森林聚集效应的方法,主要包括以下步骤:
(1)基于地面激光雷达获取森林冠层三维点云数据,数据获取方式包括两种:单站半球扫描和多站扫描;
(2)针对不同模式下获取的森林冠层点云数据,通过不同的切片方式求得冠层孔隙大小分布的结果:对于单站半球式点云数据,确定样方范围,设置倾角和方位角和分辨率通过半球切片方式切片,求得方位角模式或倾角模式下不同位置的孔隙大小分布;对于多站获取的森林样方点云数据,通过经纬度及目标时间计算太阳入射角度,根据入射角度对点云旋转使得太阳入射光处于冠层正上方,通过方向性切片求得冠层任意位置的孔隙大小分布,对于特定方向所有孔隙大小组成样方总的孔隙大小分布;
(3)根据孔隙大小分布以及CC方法反演不同切片方式下任意位置和方向的冠层元素聚集度指数Ω-2:
其中Fm(0,θ)和Fmr(0,θ)分别为聚集状态下和随机状态下的孔隙大小分布,θ为太阳高度角;根据某个太阳高度角下的孔隙大小分布可得到某个位置下其孔隙大小分布;同时对于单站半球扫描模式的冠层,可通过对特定倾角范围或者方位角范围的Ω-2进行平均得到冠层的Ω-2;对于多站扫描模式的冠层,根据冠层总孔隙大小分布或对所有行或列的Ω-2进行平均,得到冠层Ω-2;
(4)求取针叶林的针簇比Ω-1:对于针叶冠层,通过计算簇内所有针的总面积的一半Sa,同时根据簇的点云数据计算簇表面积的一半Sp,得到簇的针簇比
Ω-1=Sa/Sp (2)
阔叶的针簇比为1;
(5)根据冠层元素聚集度指数Ω-2以及针簇比Ω-1,得到森林冠层的聚集度指数Ω=Ω-2/Ω-1。
2.根据权利要求1所述的一种利用三维点云数据定量刻画森林聚集效应的方法,其特征在于步骤(2)(3)(4),通过不同模式获取的森林冠层点云数据精确求取冠层不同位置不同方向的孔隙大小分布,进而通过CC方法求取冠层元素聚集度指数Ω-2,同时对于针叶样方根据簇的点云数据精确计算出针簇比Ω-1,最终得到准确的森林冠层聚集度指数Ω。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710893471.3A CN107831497B (zh) | 2017-09-26 | 2017-09-26 | 一种利用三维点云数据定量刻画森林聚集效应的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710893471.3A CN107831497B (zh) | 2017-09-26 | 2017-09-26 | 一种利用三维点云数据定量刻画森林聚集效应的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107831497A CN107831497A (zh) | 2018-03-23 |
CN107831497B true CN107831497B (zh) | 2022-05-24 |
Family
ID=61643557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710893471.3A Active CN107831497B (zh) | 2017-09-26 | 2017-09-26 | 一种利用三维点云数据定量刻画森林聚集效应的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107831497B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492332B (zh) * | 2018-04-03 | 2021-05-18 | 中国林业科学研究院资源信息研究所 | 一种森林三维场景中叶面积指数实时计算方法 |
DE102018210937A1 (de) * | 2018-07-03 | 2020-01-09 | Robert Bosch Gmbh | Realistischere Simulation physikalischer Messdaten |
CN110046613B (zh) * | 2019-05-16 | 2023-10-24 | 北京农业信息技术研究中心 | 一种作物冠层原位生长表型监测装置及三维重建方法 |
CN110599477B (zh) * | 2019-09-16 | 2020-11-03 | 南昌工程学院 | 一种植草混凝土有效孔隙率的检测方法及系统 |
CN112415537B (zh) * | 2020-05-08 | 2022-07-12 | 中国科学院南京土壤研究所 | 一种利用三维点云数据刻画森林光合有效辐射分布的模型 |
CN112068153B (zh) * | 2020-08-24 | 2022-07-29 | 电子科技大学 | 一种基于地基激光雷达点云的冠层间隙率估算方法 |
CN113142007B (zh) * | 2021-01-22 | 2023-02-24 | 上海市园林科学规划研究院 | 大规格全冠乔木移植最小土球规格确定方法 |
CN112859108B (zh) * | 2021-01-28 | 2024-03-22 | 中国科学院南京土壤研究所 | 一种利用地面激光雷达数据提取复杂地形条件下林下植被覆盖度的方法 |
CN113505486B (zh) * | 2021-07-14 | 2023-12-29 | 中国科学院空天信息创新研究院 | 一种三维复杂地表叶面积指数反演方法及系统 |
CN114265036B (zh) * | 2021-12-21 | 2023-05-12 | 电子科技大学 | 一种基于地基激光雷达点云的植被聚集度指数估算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871065A (zh) * | 2014-03-26 | 2014-06-18 | 福州大学 | 一种基于半球影像的植被冠层聚集效应定量评估方法 |
CN104778693A (zh) * | 2015-04-08 | 2015-07-15 | 云挺 | 基于投影算法和活动轮廓模型的叶面积指数计算 |
CN105389538A (zh) * | 2015-10-09 | 2016-03-09 | 南京大学 | 一种基于点云半球切片估算森林叶面积指数的方法 |
CN106248003A (zh) * | 2016-08-24 | 2016-12-21 | 电子科技大学 | 一种三维激光点云提取植被冠层聚集度指数的方法 |
-
2017
- 2017-09-26 CN CN201710893471.3A patent/CN107831497B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871065A (zh) * | 2014-03-26 | 2014-06-18 | 福州大学 | 一种基于半球影像的植被冠层聚集效应定量评估方法 |
CN104778693A (zh) * | 2015-04-08 | 2015-07-15 | 云挺 | 基于投影算法和活动轮廓模型的叶面积指数计算 |
CN105389538A (zh) * | 2015-10-09 | 2016-03-09 | 南京大学 | 一种基于点云半球切片估算森林叶面积指数的方法 |
CN106248003A (zh) * | 2016-08-24 | 2016-12-21 | 电子科技大学 | 一种三维激光点云提取植被冠层聚集度指数的方法 |
Non-Patent Citations (1)
Title |
---|
叶方向3维空间分布的地面激光雷达反演与分析;马利霞等;《遥感学报》;20151231;第609-616页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107831497A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107831497B (zh) | 一种利用三维点云数据定量刻画森林聚集效应的方法 | |
CN106248003B (zh) | 一种三维激光点云提取植被冠层聚集度指数的方法 | |
CN105203023B (zh) | 一种车载三维激光扫描系统安置参数的一站式标定方法 | |
CN111709981A (zh) | 特征线融合的激光点云与模拟图像的配准方法 | |
CN106597416B (zh) | 一种地面GPS辅助的LiDAR数据高程差的误差修正方法 | |
Ma et al. | Retrieving forest canopy extinction coefficient from terrestrial and airborne lidar | |
Zhang et al. | Efficient registration of terrestrial LiDAR scans using a coarse-to-fine strategy for forestry applications | |
Dralle et al. | Automatic estimation of individual tree positions from aerial photos | |
CN105371789B (zh) | 一种利用航空激光点云计算有效叶面积指数的方法 | |
CN103760565A (zh) | 一种区域尺度森林冠层高度遥感反演方法 | |
CN108195736B (zh) | 一种三维激光点云提取植被冠层间隙率的方法 | |
Bu et al. | Adaptive circle-ellipse fitting method for estimating tree diameter based on single terrestrial laser scanning | |
CN109961470B (zh) | 一种基于激光点云的活立木叶属性精准估测方法 | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
CN109816779A (zh) | 一种使用智能手机重建人工林森林模型获取单木参数的方法 | |
Berveglieri et al. | Photogrammetric measurement of tree stems from vertical fisheye images | |
CN105547244A (zh) | 一种结合立体像对的激光高度计高程控制点生成方法 | |
Dutta et al. | Characterizing vegetation canopy structure using airborne remote sensing data | |
CN112068153A (zh) | 一种基于地基激光雷达点云的冠层间隙率估算方法 | |
Korpela et al. | Backscattering of individual LiDAR pulses from forest canopies explained by photogrammetrically derived vegetation structure | |
Wang et al. | Automated low-cost terrestrial laser scanner for measuring diameters at breast height and heights of plantation trees | |
Park et al. | 3D surface reconstruction of terrestrial laser scanner data for forestry | |
CN102073038A (zh) | 基于微小地形的遥感影像的地形校正的方法 | |
CN110927765B (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
CN103777196B (zh) | 基于地理信息的地面目标距离单站测量方法及其测量系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |