CN109146951A - 一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法 - Google Patents
一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法 Download PDFInfo
- Publication number
- CN109146951A CN109146951A CN201810870109.9A CN201810870109A CN109146951A CN 109146951 A CN109146951 A CN 109146951A CN 201810870109 A CN201810870109 A CN 201810870109A CN 109146951 A CN109146951 A CN 109146951A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- leaf area
- area index
- artificial forest
- unmanned plane
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 235000011201 Ginkgo Nutrition 0.000 title claims abstract description 16
- 241000218628 Ginkgo Species 0.000 title claims abstract description 16
- 235000008100 Ginkgo biloba Nutrition 0.000 title claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 235000008566 Pinus taeda Nutrition 0.000 description 3
- 241000218679 Pinus taeda Species 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 235000010469 Glycine max Nutrition 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000011121 hardwood Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法,包括:1)对无人机载激光雷达离散点云数据滤波并插值生成数字地形模型,使用生成的数字地形模型对激光雷达点云数据进行归一化处理从而获得归一化后的激光雷达点云数据;2)使用孔隙度模型法对人工林进行样地尺度的叶面积指数估测。本发明通过无人机激光雷达数据结合孔隙度模型法对亚热带典型平原人工林进行叶面积指数估算,具有灵活、快捷、低成本、高质量等优点,能够较好地记录森林冠层结构特征,有效增强叶面积指数反演的能力和精度。验证结果表明,与使用其他相近遥感方法进行叶面积指数估算相比,其决定系数提升了5%以上。
Description
技术领域
本发明属于森林资源监测、生态因子调查及碳储量估算等技术领域,涉及一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法。
背景技术
快速、实时、精确地估测人工林叶面积指数并掌握其连续空间分布,是实现人工林可持续经营的前提,也是研究人工林碳循环的基础。同时,这些信息对于生态环境恢复与重建、缓解全球气候变化及推动社会和经济发展具有重要作用。传统以地面实测为主的叶面积指数量测主要通过直接法和仪器测量,但地面实测耗时费力,效率较低,且只能获得样地尺度的信息,较难获得大范围的连续叶面积指数分布。此外,有些直接法(如鲜重打孔法、描形称重法)往往会对森林冠层具有一定破坏性。
近年来,基于激光雷达数据进行森林叶面积指数提取的研究为:Lim等2003年在《Canadian Journal ofRemote Sensing》第29卷上发表的“Lidar remote sensingofbiophysical properties oftolerant northern hardwood forests”,该研究借助航空飞机获取的激光雷达点云数据,通过提取高度百分位数,结合地面实测数据提取了加拿大北部阔叶林的叶面积指数。Roberts等2005年在《Forest Ecology&Management》第213卷上发表的“Estimating individual tree leaf area in loblolly pine plantationsusing LiDAR-derived measurements ofheight and crown dimensions”,该研究采用航空飞机获取激光雷达点云数据,基于激光点云中提取的树高和冠幅,并据此采用非线性回归模型估测了火炬松人工林的叶面积指数。Morsdorf等2006年在《Remote SensingofEnvironment》第104卷上发表的“Estimation ofLAI and fractional cover fromsmall footprint airborne laser scanning data based on gap fraction”,该研究采用航空飞机获取的激光雷达点云,利用激光雷达点云的冠层回波数与地面回波数的比值估测了叶面积指数。然而,以上方法多为经验模型法估测叶面积指数,且大多针对欧美的北寒带、温带的天然林。同时,没有采用无人机平台获取激光雷达数据(以更灵活、高效、低成本的方式估算森林叶面积指数)。
发明内容
发明目的:针对现有技术中存在的不足,本发明的目的是提供一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法,利用多旋翼无人机激光雷达系统获取的点云数据,结合地面实测样地数据,使用孔隙度模型法(通过计算点云的冠层穿透率,根据Beer-Lambert定律计算叶面积指数)对我国典型平原银杏人工林进行样地尺度的叶面积指数估测,增强了叶面积指数反演的能力和精度。
技术方案:为了实现上述发明目的,本发明采用的技术方案为:
一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法,包括以下步骤:
1)对无人机载激光雷达离散点云数据滤波并插值生成数字地形模型,使用生成的数字地形模型对激光雷达点云数据进行归一化处理从而获得归一化后的激光雷达点云数据;
2)使用孔隙度模型法对人工林进行样地尺度的叶面积指数估测。
步骤1)中,借助多旋翼无人机采集激光雷达数据。
步骤1)中,首先去除激光雷达原始点云数据的噪音点,基于滤波方法去除非地面点,然后通过计算每个像元内激光点高度的平均值,生成数字地形模型。
步骤1)中,数字地形模型的空间分辨率为0.5m。最后通过生成的数字地形模型对点云进行归一化处理,得到归一化后的激光雷达点云数据。
步骤2)中,通过归一化后的激光雷达点云数据结合孔隙度模型计算叶面积指数;叶面积指数公式为:
式中,θ为激光雷达扫描角。
步骤2)中,P(θ)通过以下公式算出:
式中,n为激光雷达发射光点数,nground为激光雷达穿透冠层到达地面的光点数。
有益效果:与现有技术相比,本发明具有以下优势:
1)本方法通过无人机激光雷达数据结合孔隙度模型法对亚热带典型平原人工林进行叶面积指数估算,能够较好地记录森林冠层结构特征,有效增强叶面积指数反演的能力和精度。
2)本方法利用无人机遥感平台获取的激光雷达数据,可灵活、快捷、低成本、高质量地提取了人工林叶面积指数,不仅有利于叶面积指数遥感反演的机理解释,也易于进行方法移植,即在天然林和次生林中也可以进行应用。
3)验证结果表明,通过本发明对平原人工林的主要树种(银杏)叶面积指数进行提取,与使用其他相近遥感方法进行叶面积指数估算相比(如Roberts等2005年在《ForestEcology&Management》第213卷上发表的“Estimating individual tree leaf area inloblolly pine plantations using LiDAR-derived measurements of height andcrown dimensions”,其结果精度为61%),其决定系数提升了5%以上。
附图说明
图1是叶面积指数地面实测方法示意图;
图2是估测的eLAI与地面实测eLAI精度分析散点图。
具体实施方式
下面结合具体实施例对本发明作进一步描述。
以下实施例的试验区位于江苏省北部地区邳州市铁富镇(34°33’49”-34°34’23”N,118°05’1”-118°06’06”E),属于半湿润温带季风气候,年降雨量约为903mm,最大降雨量集中在7、8月份梅雨季节,年平均温度约为13.9℃,无霜期211天,主要土壤类型为黑粘土壤,呈酸性。本地区银杏大规模种植始于1993年,总面积约5400hm2(本实施例从中选取2197hm2银杏人工纯林),林下有部分大豆等林农复合经营的低矮植被作物。
实施例1
一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法,步骤如下:
1)借助多旋翼无人机采集激光雷达点云数据。在试验区范围内设置45个圆形样地,每个样地直径为30m。样地中心点坐标使用GPS(Trimble GeoXH6000)测定,GPS通过接收广域差分信号定位,精度优于0.5m。并在样地中通过LAI-2200对样地进行叶面积指数(eLAI)的测量。测量方法如下:
如图1所示,在垂直于太阳光照的方向上选两条30m测线,两条测线中点分别距圆心7.5m。为了排除地表覆盖物的影响,将LAI-2200置于离地表高1m的位置进行测量。先在空旷的林窗下将两支探杆进行匹配,均使用90°视角盖,且方向一致;将其中一支置于林窗下每隔10s采样一次(获得A值),另一支带入待测样地内,沿着测线每隔4m采样一次(获得B值);最后,通过时间将A值和B值进行匹配,联合计算eLAI。考虑到天顶角最大的A值第5圈数据可能存在地物遮挡以及蓝光多次散射影响,本实施例仅用LAI-2200的1-4圈数据计算eLAI。每个样区内16个测点的eLAI平均值作为该样区的eLAI值(图2)。
2)数据预处理时,首先去除激光雷达原始点云数据的噪音点,基于滤波方法去除非地面点。然后通过计算每个像元内激光点高度的平均值,生成数字地形模型(DTM)(空间分辨率为0.5m)。最后通过生成的数字地形模型对点云进行归一化处理,得到归一化后的激光雷达点云数据。
通过归一化后的激光雷达点云数据结合孔隙度模型计算叶面积指数。叶面积指数公式为:
式中,θ为激光雷达扫描角,假设冠层中叶片倾角在空间中呈球形分布且激光垂直入射冠层,因此,k值为0.5。P(θ)可通过以下公式算出:
式中,n为激光雷达发射光点数,nground为激光雷达穿透冠层到达地面的光点数。根据以上公式,可直接算出叶面积指数。
孔隙度模型法估测叶面积指数eLAI与地面实测叶面积指数拟合精度见图2,说明模型预测效果较好(R2=0.71,rRMSE=32%),本发明通过无人机激光雷达数据结合孔隙度模型法可以高精度地对亚热带典型平原人工林进行叶面积指数进行估算。
Claims (6)
1.一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法,其特征在于,包括以下步骤:
1)对无人机载激光雷达离散点云数据滤波并插值生成数字地形模型,使用生成的数字地形模型对激光雷达点云数据进行归一化处理从而获得归一化后的激光雷达点云数据;
2)使用孔隙度模型法对人工林进行样地尺度的叶面积指数估测。
2.根据权利要求1所述的基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法,其特征在于,步骤1)中,借助多旋翼无人机采集激光雷达数据。
3.根据权利要求1所述的基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法,其特征在于,步骤1)中,首先去除激光雷达原始点云数据的噪音点,基于滤波方法去除非地面点,然后通过计算每个像元内激光点高度的平均值,生成数字地形模型。
4.根据权利要求3所述的基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法,其特征在于,步骤1)中,数字地形模型的空间分辨率为0.5m。最后通过生成的数字地形模型对点云进行归一化处理,得到归一化后的激光雷达点云数据。
5.根据权利要求1所述的基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法,其特征在于,步骤2)中,通过归一化后的激光雷达点云数据结合孔隙度模型计算叶面积指数;叶面积指数公式为:
式中,θ为激光雷达扫描角。
6.根据权利要求5所述的基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法,其特征在于,步骤2)中,P(θ)通过以下公式算出:
式中,n为激光雷达发射光点数,nground为激光雷达穿透冠层到达地面的光点数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810870109.9A CN109146951A (zh) | 2018-08-01 | 2018-08-01 | 一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810870109.9A CN109146951A (zh) | 2018-08-01 | 2018-08-01 | 一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109146951A true CN109146951A (zh) | 2019-01-04 |
Family
ID=64798624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810870109.9A Pending CN109146951A (zh) | 2018-08-01 | 2018-08-01 | 一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146951A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544277A (zh) * | 2019-08-12 | 2019-12-06 | 蔡建楠 | 一种无人机载高光谱成像仪反演亚热带植被叶面积指数的方法 |
CN110599477A (zh) * | 2019-09-16 | 2019-12-20 | 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 |
CN114688997A (zh) * | 2022-03-29 | 2022-07-01 | 华南农业大学 | 基于rls自适应滤波算法的叶片面积自动检测装置及方法 |
CN114862941A (zh) * | 2022-05-24 | 2022-08-05 | 中国农业大学 | 阈值修正的孔隙度模型计算棉花叶面积指数的方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102997871A (zh) * | 2012-11-23 | 2013-03-27 | 南京大学 | 一种利用几何投影和激光雷达反演有效叶面积指数的方法 |
CN105371789A (zh) * | 2015-10-09 | 2016-03-02 | 南京大学 | 一种利用航空激光点云计算有效叶面积指数的方法 |
CN105806266A (zh) * | 2016-05-24 | 2016-07-27 | 南京林业大学 | 基于激光扫描数据的树木冠层叶面积计算方法 |
-
2018
- 2018-08-01 CN CN201810870109.9A patent/CN109146951A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102997871A (zh) * | 2012-11-23 | 2013-03-27 | 南京大学 | 一种利用几何投影和激光雷达反演有效叶面积指数的方法 |
CN105371789A (zh) * | 2015-10-09 | 2016-03-02 | 南京大学 | 一种利用航空激光点云计算有效叶面积指数的方法 |
CN105806266A (zh) * | 2016-05-24 | 2016-07-27 | 南京林业大学 | 基于激光扫描数据的树木冠层叶面积计算方法 |
Non-Patent Citations (2)
Title |
---|
尤号田 等: "机载LiDAR航带旁向重叠对针叶林结构", 《林业科学》 * |
陈洪: "近地机载激光雷达棉花LAI提取方法研究⓪", 《干旱区地理》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544277A (zh) * | 2019-08-12 | 2019-12-06 | 蔡建楠 | 一种无人机载高光谱成像仪反演亚热带植被叶面积指数的方法 |
CN110544277B (zh) * | 2019-08-12 | 2023-01-10 | 蔡建楠 | 一种无人机载高光谱成像仪反演亚热带植被叶面积指数的方法 |
CN110599477A (zh) * | 2019-09-16 | 2019-12-20 | 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 |
CN114688997A (zh) * | 2022-03-29 | 2022-07-01 | 华南农业大学 | 基于rls自适应滤波算法的叶片面积自动检测装置及方法 |
CN114688997B (zh) * | 2022-03-29 | 2023-03-14 | 华南农业大学 | 基于rls自适应滤波算法的叶片面积自动检测装置及方法 |
CN114862941A (zh) * | 2022-05-24 | 2022-08-05 | 中国农业大学 | 阈值修正的孔隙度模型计算棉花叶面积指数的方法及系统 |
CN114862941B (zh) * | 2022-05-24 | 2024-05-03 | 中国农业大学 | 阈值修正的孔隙度模型计算棉花叶面积指数的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921885B (zh) | 一种综合三类数据源联合反演森林地上生物量的方法 | |
CN104656098B (zh) | 一种遥感森林生物量反演的方法 | |
Noordermeer et al. | Direct and indirect site index determination for Norway spruce and Scots pine using bitemporal airborne laser scanner data | |
Hosoi et al. | 3-D voxel-based solid modeling of a broad-leaved tree for accurate volume estimation using portable scanning lidar | |
CN109146951A (zh) | 一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法 | |
CN113177744B (zh) | 一种城市绿地系统碳汇量估算方法及系统 | |
CN103760565A (zh) | 一种区域尺度森林冠层高度遥感反演方法 | |
CN111091079B (zh) | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 | |
CN107449400B (zh) | 一种森林地上生物量的测量系统及测量方法 | |
CN109061601A (zh) | 一种基于无人机激光雷达反演人工林森林结构参数的方法 | |
CN108872964A (zh) | 基于无人机LiDAR数据的银杏人工林郁闭度提取方法 | |
CN103398957A (zh) | 基于高光谱与激光雷达提取叶面积垂直分布的方法 | |
CN107479065A (zh) | 一种基于激光雷达的林窗立体结构量测方法 | |
CN110109118B (zh) | 一种森林冠层生物量的预测方法 | |
Olsson et al. | Mapping the reduction in gross primary productivity in subarctic birch forests due to insect outbreaks | |
CN108981616A (zh) | 一种由无人机激光雷达反演人工林有效叶面积指数的方法 | |
Xu et al. | Evaluating spatial representativeness of station observations for remotely sensed leaf area index products | |
CN111950336A (zh) | 基于背包式激光雷达的植被冠层生态水估算方法 | |
CN108959705A (zh) | 一种预测大面积亚热带森林生物量的混合效应模型 | |
Apostol et al. | Height extraction and stand volume estimation based on fusion airborne LiDAR data and terrestrial measurements for a Norway spruce [Picea abies (L.) Karst.] test site in Romania | |
CN115700370A (zh) | 碳储量计算方法、装置、电子设备和存储介质 | |
CN109212553A (zh) | 无人机LiDAR和随机森林提取银杏生物物理特性的方法 | |
Hosoi et al. | Detecting seasonal change of broad-leaved woody canopy leaf area density profile using 3D portable LIDAR imaging | |
Popescu | Estimating plot-level forest biophysical parameters using small-footprint airborne lidar measurements | |
Allouis et al. | Exploiting fullwaveform lidar signals to estimate timber volume and above-ground biomass of individual trees |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190104 |
|
RJ01 | Rejection of invention patent application after publication |