CN110378925B - 一种机载LiDAR和多光谱遥感技术的生态水储量估算方法 - Google Patents
一种机载LiDAR和多光谱遥感技术的生态水储量估算方法 Download PDFInfo
- Publication number
- CN110378925B CN110378925B CN201910521590.5A CN201910521590A CN110378925B CN 110378925 B CN110378925 B CN 110378925B CN 201910521590 A CN201910521590 A CN 201910521590A CN 110378925 B CN110378925 B CN 110378925B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- idar
- ecological water
- biomass
- point cloud
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/10036—Multispectral image; Hyperspectral image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种机载LiDAR和多光谱遥感技术的生态水储量估算方法,包括以下步骤:步骤S10:LiDAR点云预处理及单木分割;步骤S20:基于LiDAR点云特征变量和样地实测生物量,构建LiDAR点云生物量估算模型(LiDAR‑AGB);步骤S30:开展LandSat8‑OLI影像数据预处理,提取植被相关指数并反演含水率;步骤S40:利用LiDAR点云估算的植被生物量和LandSat8‑OLI光学影像反演的植被生态水含量,联合构建植被冠层生态水估算模型,反演植被冠层生态水含量(EMC)。因此,基于LiDAR点云生物量模型和植被生态水含量模型,就可以间接计算不同植被的生态水含量,解决降水转换环节难以量化的难题;有助于查明西部生态水层的分布与储水特征,能丰富水资源研究与生态环境研究理论;具有潜在的社会经济价值与科学应用前景。
Description
技术领域
本发明涉及于生态水计算研究技术领域,具体为一种机载LiDAR和多光谱遥感技术的生态水储量估算方法。
背景技术
生态水(层)指与地表植被(包括植被叶面杆茎层,根系土壤层和腐殖层等)所能截留(滞留)或涵养的水总量。它的存在形式与运动形式有别于地表水与地下水,其水量能用于蒸发、调剂补给地表水与地下水,是水循环的一个特殊转换带或过渡带,在整个水文循环中起着重要作用。植被生态水含量是表征植被生长状态的重要指示因子,是农业、林业、生态和水文等研究的重要参数指标。而目前现有的生态水储量计算方法大概采用如下两种方法获得。第一种是实地采集,利用砍伐树木的方法,实际测算不同植被种类的生态水含量,并统计同一树种的生态水的平均值,最后求得某一区域内的生态水所有量。第二种方法是采用光学遥感影像图的方法,利用遥感影像图分类出不同类型植被,并基于植被对光谱波谱相应特点,反演出植被的生态水含水量,最终得出某个区域的生态水储量的空间分布。
当前,国家提倡生态环保,利用传统的“砍伐式”技术计算植被生态水的方法已经完全行不通,及不符合大面积的生态水计算要求,又不符合环境保护法。同时该种方法效率低下,虽然是最为准确的方法之一,但是在实际工作中,完全无法实现。第二种方法是采用光学遥感影像技术,该方法的短板有两个方面。第一方面是在阴雨天气,光学遥感影像几乎无法获取影像,均被云层遮挡。第二,利用光学遥感影像计算植被生态水,只能获取植被冠层(叶、枝)层的植被生态水,图像是二维的,无法获得垂直冠层结构包括树枝、树干部位的生态水。因此,采用传统的光学遥感影像技术计算生态水,充其量计算的是植被表层的生态水,其生态水的含量远远被低估,尤其是植被树枝、树干部分的生态水,利用传统光学遥感影像技术无法实现。对于大面积的生态水储量计算而言,传统方法完全没有真实参考的价值。
发明内容
发明目的:针对目前生态水计算方法的研究现状,本发明 利用机载激光雷达技术结合多光谱遥感技术,此方式可获得森林冠层结构信息,突破传统光学遥感技术只能获取植被冠层顶部光谱信息的局限,实现垂直冠层结构包括树枝、树干部位的生态水有效反演,尤其可提高树枝、树干部位的生态水储量计算不准,计算效率低下的问题。同时可突破传统光谱遥感技术反演生态水饱和问题,尤其针对原始森林等密林区域,可以提高生态水反演精度。与此同时本技术可以不用砍伐大量的植被,就可以实现生态水的高精度计算,完全可以满足生产、科研应用。
为实现上述目的,本发明提供如下技术方案:一种机载LiDAR和多光谱遥感技术的生态水储量估算方法,其特征在于,包括以下步骤:
步骤S10:LiDAR点云预处理及单木分割步骤;
步骤S20:基于LiDAR点云特征变量和样地实测生物量,构建LiDAR点云生物量估算模型(LiDAR-AGB);
步骤S30:开展LandSat8-OLI影像数据预处理,提取植被相关指数并反演含水率;
步骤S40:利用LiDAR点云生物量估算模型和LandSat8-OLI光学影像反演的植被,联合构建植被冠层生态水估算模型,估算植被生态水储量(EMC)。
优选的,在步骤S10的过程中,LiDAR点云预处理包括点云去噪、分类。去噪可以提高点云分类精度,单木分割的目的是提取单木胸径(DBH)、单木冠幅(C)、单木树高(H)、单木位置(XY)以及林分参数,其中林分参数主要包括高度变量、叶面积指数、郁闭度、间隙率等参数。
优选的,在步骤S20的过程中,利用单木分割技术提取包括样地内每一棵树木的树高(He)、冠幅(Ce)、高度变量、叶面积指数、郁闭度、间隙率等参数,并开展实际树高(Ha)、胸径(Da)、冠幅(Ca)与估测树高(He)建立线性关系,以实测值验证单木分割精准度,并基于上述提取的单木参量与林分参量,构建试验区植被估测生物量模型(4),实现机载LiDAR技术的试验区森林生物量计算。
优选的,在步骤S30的过程中,采用LandSat8OLI产品数据开展辐射定标,并利用Tropical模型进行大气校正。利用校正后的数据,根据光谱特征选取植被指数WI、NDMI、SWAI、SR、II等参数,建立植被指数与植被含水量之间的数学回归模型,选取模型相关系数最高的植被指数作为植被特征,据此建立基于光谱指数法的植被含水率反演模型。
优选的,在步骤S40的过程中,通过反演的生物量空间分布形态与同一区域植被含水率相关关系,最终反演出单位面积内植被的生态水储量。
详细的,植被生物量是植被干物质或有机物的含量,植被冠层含水率是植被冠层所含有的水的总量与植被冠层鲜重的比值,一般以百分数表示。植被冠层生态水储量是单位面积内植被冠层所含有的水的总量,一般以吨/公顷表示。
与现有技术相比,本发明的有益效果是:
(1)为水文循环系统研究探索更科学的研究手段,解决降水转换环节难以量化的难题;
生态水层是决定水资源各量(降水量、蒸发量、生态水量、地下水量、地表水量)动态分配的中枢。生态水层组成比较复杂,它是各类水量转化的必经之路,该水层的存在,使得各类水资源量能达到天然的动态的平衡,有序转化。如果在环境中缺少此水层,则水资源的转化将表现为无序状态,产生大气降水直接瞬间全部转化成地表径流的现象,引起环境恶化。而在生态水层发育良好区,降水的水量转化关系则比较复杂,它取决于一次降水的状态、降水水量与降水持续时间的长短,以及生态储水体本身的性质(包括储水体的物化性质、厚度与空间展布)。生态水层的时、空变化是影响环境变化的重要因素, 而遥感的优势在于能以不同的时空尺度不断地提供多种地表特征。因而生态水层的遥感研究将成为水文循环研究的重要且有效手段。解决降雨转化过程中的难以量化的难题。
(2)推动遥感新技术新方法在水环境研究领域的进一步应用,基于机载 LiDAR技术开展生态水研究,有助于更加精准的查明生态水层的空间分布形态与储水特征,指导西部地区生态环境的保护与重建;
西部地区由于过度开发、严重破坏了生态水层,导致生态环境迅速恶化,洪旱交替频率加大,水资源短缺等严重环境问题。通过生态水层的量化研究将有利于洪旱预测及生态环境保护、生态环境修复。
(3)能丰富水资源研究与生态环境研究理论;
生态水(层)的量化研究是在森林水文学基础上,把与植被有关的根系土壤层、腐殖层与植被茎叶本身作为一个完整且独立的单元(或层面),利用遥感方法进行一种不分割的系统研究。从宏观层面来解决植被的水文效应问题,无疑是一种有益的探索与尝试,一旦成功将会很好地丰富我国水文学与生态环境研究理论。
(4)具有潜在的社会经济价值与科学应用前景;
中国西部地区环境恶劣,交通不便,工作条件十分艰苦。水资源调查,特别是生态水资源调查若采用常规地面测绘方法进行不但耗时、耗力而且需要相当的财力支撑;即便用常规方法能完成整个西部的调查,其结果可能是反映两年前的生态水的历史,而不是生态水的现在。我们最需要了解与掌握的是生态水的“现在与将来”。利用以遥感为主体的3S技术进行生态水资源调查研究,不但具有省时省力,耗资少等优点,而且其研究成果能反映生态水的现在与变化过程,也可能利用历史遥感图像判读过去、甚至可以预测其未来。生态水层的遥感量化研究对确定西部地区“自然资本”的价值具有确定性意义。因此,本项目研究不但具有重大科学意义,也具有巨大潜在的社会经济效益与应用前景。
附图说明
图1为生态水储量估算方法流程示意图;
图2为单木参数提取流程示意图;
图3为SR与FMC线性回归模型意图;
图4为SR与FMC二次回归示意图;
图5为SR与FMC指数回归示意图;
图6为SR与FMC对数回归示意图;
图7为机载LiDAR技术的单木识别与分割示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了一种机载LiDAR和多光谱遥感技术的生态水储量估算方法,包括以下步骤过程:
步骤S10:LiDAR点云预处理及单木分割步骤
LiDAR点云预处理包括点云去噪、分类。去噪可以提高点云分类精度,单木分割提取单木胸径(DBH)、单木冠幅(C)、单木树高(H)、单木位置(XY),林分因子提取主要包括基于LiDAR点云的森林植被高度变量、叶面积指数、郁闭度、间隙率等。
步骤S20:基于LiDAR点云特征变量和样地实测生物量,构建LiDAR点云生物量估算模型(LiDAR-AGB);
生物量是指某一时刻单位面积内实存生活的有机物质(干重)总量,通常用kg/m2或t/hm2表示。在近十年里,大量的研究表明,机载激光雷达技术可以显著提高森林植被的生物量计算精度,尤其在高山峡谷和高植被覆盖区域,高密度机载激光雷达的精准度比以往传统光学影像的技术精度要高许多。基于研究背景,利用单木分割技术估测样地内每一棵树木的树高(He)、冠幅 (Ce),并用实测树高(Ha)、胸径(Da)、冠幅(Ca)计算实际生物量(4)。 AGB(估)=a*(De 2*He)b,(其中,a=0.0231,b=0.9867),R2=0.7937 (1)
通过LiDAR数据的单木因子、特征变量因子与实测生物量共同构建生物量估算模型。
本次共采集48块样地数据,每块样地10m*10m,均匀分布在整个测区。机载LiDAR生物量的计算方法如下,第一步,利用实地获取每一棵样地内树木的种类、树高、胸径大小参数,直接计算出植被生物量,如公式(1)所示。第二步开展单木分割,提取树高、树冠参数、以及提取高度变量、LAI参数、郁闭度参量,这些参数作为应变量。第三步利用实地调查生物量作为自变量,机载LiDAR分离及优化后的参数作为应变量,开展Logistic逐步回归分析,如公式(2)。
Y1=β0+β0x1++β2x2+β3x3+……+βnxn+ε (2)
其中β为待定系数,x为回归模型所优选的参数变量,ε为常变量值。
通过计算,求得机载LiDAR反演生物量值,并与实测生物量值进行相关性分析,结果下图6所示,检验得到相关系数可达R2=0.843(如图3所示)。
步骤S30:开展LandSat8-OLI影像数据预处理,提取植被相关指数并反演植被生态含水率;
许多研究表明,植被在近红外(NIR)和短波红外(SWIR)范围中存在以970、1200、1450、1930和2500 nm为中心的5个水分吸收带。光谱分析是基于某些物质组分光谱吸收(或反射) 特征的半定量或定量分析方法(JiaHua et al.,2010)。光谱特征是遥感影像最直接的信息源,地物的光谱特征一般指的是反射波谱特征,及地物反射率随波长变化的规律。基于多光谱遥感数据的光谱信息提取与特征分析,即可提取出植被指数,这些信息间接反映植被的状态指标。本文采用LandSat8-OLI 产品数据开展辐射定标,并利用Tropical模型进行大气校正。根据光谱特征研究选取植被指数NDVI、WI、NDMI、SWAI、SR、II等,通过相关指数运算,建立植被指数与植被含水率之间的数学回归模型,选取模型相关系数最高的植被指数作为植被特征,植被指数及其回归模型见下表。
植被指数与植被生态水含量回归模型
由于NDWI和SR所描述的绿度变化能够较好地反映干旱导致的植被叶绿素下降,NDWI和SR对于植被生态水含量有响应较为灵敏。项目组前期关于最优植被指数的选取做过大量研究,进一步分析结果,SR对于植被生态水含量相关性最好,如上表所示,相关性指数最高达到0.8651。
根据上述的分析与讨论,分别采用最小二乘法拟合线性回归函数、二次回归函数、指数函数和对数函数,建立实测数据植被生态含水率FMC和光谱指数SR的最优回归模型,如图4~图7所示。
植被生态水含率FMC与植被光谱指数SR存在一定的相关关系,线性函数相关系数R2=0.8522,二次函数相关系数R2=0.7492,指数函数相关系数R2=0.733,对数函数相关系数R2=0.689。线性回归模型的回归相关系数较高,在裸岩等区域不会存在负值,符合实际情况,所以本文选用线性回归模型,见图4。
步骤S40:利用LiDAR点云估算的植被生物量和LandSat8-OLI光学影像反演的植被含水率,可联合构建植被生态水储量估算模型(EMC)。
基于林分尺度,主要反演植被冠层生态水储量的空间储量分布。生物量表示空间内植被干物质含量总和。FMC表示某一空间尺度内植被生态含水率。因此以样地为尺度,建立试验区生态水储量定量遥感计算模型,以此可反演不同林种,或同一林种不同组织器官的生态水储量。因此通过机载LiDAR获取的高精度冠层结构,计算样地尺度内,高精度生物量。以植被光谱特征属性,反演出单位面积内植被的生态水含量。利用如下公式3,以样地为尺度构建植被冠层生态水储量模型。
生态水(层)是杨武年教授承担国家863-308课题“西部金睛行动”专项“岷江中上游生态环境本底遥感综合调查与评价”课题研究中提出的全新概念。与一般文献中“生态需水”,“生物体内水”等概念本质上不同,生态水(层)指与地表植被(包括植被叶面杆茎层,根系土壤层和腐殖层等)紧密相关的储水体,它可对降水起着缓存、分配与调节的作用,是水文循环的重要环节,也是研究热点和难点。植被冠层生态水含量是生态水(层)的重要部分,是植被冠层的生态水。机载激光雷达测量技术,简称机载LiDAR技术。生态水(层)指与地表植被(包括植被叶面杆茎层,根系土壤层和腐殖层等) 所能截留(滞留)或涵养的水总量。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种机载LiDAR和多光谱遥感技术的生态水储量估算方法,其特征在于,包括以下步骤:
步骤S10:获取样地冠层的LiDAR点云,对获取的LiDAR点云进行预处理,具体包括LiDAR点云去噪、分类;
步骤S20:基于LiDAR点云的特征变量和样地冠层的实测生物量,构建LiDAR点云生物量估算模型,具体包括:
实地获取样地内每一棵树木的树高、胸径和冠幅,计算出样地冠层的实测生物量;
对预处理后的LiDAR点云开展单木分割,提取参数,所述参数包括树高、胸径、冠幅、位置、高度变量、叶面积指数、郁闭度和间隙率;
以实测生物量作为自变量,以提取的参数作为应变量,开展Logistic逐步回归分析,构建LiDAR点云生物量估算模型,估算植被生物量;
步骤S30:获取样地冠层的LandSat8-OLI影像数据,对获取的LandSat8-OLI影像数据进行预处理,提取植被相关指数并反演植被含水率,具体包括:
对LandSat8-OLI影像数据进行辐射定标,并利用Tropical模型进行大气校正,得到校正后的影像数据;
对校正后的影像数据进行光谱特征研究,提取植被指数NDVI、WI、NDMI、SWAI、SR、II;
选取回归模型相关系数最高的植被指数作为植被特征,建立植被特征与植被含水率之间的数学回归模型,估算植被含水率;
步骤S40:利用步骤S20中构建的LiDAR点云生物量估算模型估算的植被生物量,以及利用步骤S30中LandSat8-OLI影像数据反演的植被含水率,联合构建植被冠层生态水估算模型,反演植被冠层生态水储量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910521590.5A CN110378925B (zh) | 2019-06-17 | 2019-06-17 | 一种机载LiDAR和多光谱遥感技术的生态水储量估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910521590.5A CN110378925B (zh) | 2019-06-17 | 2019-06-17 | 一种机载LiDAR和多光谱遥感技术的生态水储量估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110378925A CN110378925A (zh) | 2019-10-25 |
CN110378925B true CN110378925B (zh) | 2020-07-10 |
Family
ID=68248974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910521590.5A Active CN110378925B (zh) | 2019-06-17 | 2019-06-17 | 一种机载LiDAR和多光谱遥感技术的生态水储量估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110378925B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950336B (zh) * | 2020-04-14 | 2021-07-20 | 成都理工大学 | 基于背包式激光雷达的植被冠层生态水估算方法 |
CN112633588B (zh) * | 2020-12-30 | 2021-08-06 | 中国林业科学研究院资源信息研究所 | 一种基于多源数据融合的林火行为潜势预测方法 |
CN112907587B (zh) * | 2021-04-01 | 2022-03-01 | 西南石油大学 | 一种基于GEE的Otsu和边缘检测算法的高山林线提取方法 |
CN113204998B (zh) * | 2021-04-01 | 2022-03-15 | 武汉大学 | 一种基于单木尺度的机载点云森林生态估测方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913016A (zh) * | 2016-04-08 | 2016-08-31 | 南京林业大学 | 一种通过条带LiDAR数据升尺度估算森林生物量的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921885B (zh) * | 2018-08-03 | 2020-05-12 | 南京林业大学 | 一种综合三类数据源联合反演森林地上生物量的方法 |
-
2019
- 2019-06-17 CN CN201910521590.5A patent/CN110378925B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913016A (zh) * | 2016-04-08 | 2016-08-31 | 南京林业大学 | 一种通过条带LiDAR数据升尺度估算森林生物量的方法 |
Non-Patent Citations (2)
Title |
---|
QUANTITATIVE STUDY OF THE ECO-WATER INDICES BASED ON REMOTE SENSING;YuXia Li等;《IGARSS 2009》;20091231;第133-136页 * |
陆表生态水(层)遥感定量反演理论及方法;杨武年 等;《资源环境与地学空间信息技术新进展学术会议论文集》;20161231;第211-213页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110378925A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378925B (zh) | 一种机载LiDAR和多光谱遥感技术的生态水储量估算方法 | |
Sun et al. | Review on carbon storage estimation of forest ecosystem and applications in China | |
Næsset et al. | Laser scanning of forest resources: the Nordic experience | |
Noordermeer et al. | Direct and indirect site index determination for Norway spruce and Scots pine using bitemporal airborne laser scanner data | |
Liu et al. | Estimation of potato above-ground biomass based on unmanned aerial vehicle red-green-blue images with different texture features and crop height | |
Kangas et al. | Value of airborne laser scanning and digital aerial photogrammetry data in forest decision making | |
Tian et al. | Estimating zero-plane displacement height and aerodynamic roughness length using synthesis of LiDAR and SPOT-5 data | |
CN111950336B (zh) | 基于背包式激光雷达的植被冠层生态水估算方法 | |
CN112287892A (zh) | 基于无人机高光谱和机器学习算法的乔木生物量测算方法 | |
Vastaranta et al. | Aboveground forest biomass derived using multiple dates of WorldView-2 stereo-imagery: quantifying the improvement in estimation accuracy | |
CN112861435B (zh) | 一种红树林质量遥感反演方法及智能终端 | |
Coomes et al. | Airborne laser scanning of natural forests in New Zealand reveals the influences of wind on forest carbon | |
Härkönen et al. | Estimating forest carbon fluxes for large regions based on process-based modelling, NFI data and Landsat satellite images | |
Bayat et al. | Ten-year estimation of Oriental beech (Fagus orientalis Lipsky) volume increment in natural forests: A comparison of an artificial neural networks model, multiple linear regression and actual increment | |
CN110378926A (zh) | 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法 | |
Horst-Heinen et al. | Soil depth prediction by digital soil mapping and its impact in pine forestry productivity in South Brazil | |
Wang et al. | Hybrid model for estimating forest canopy heights using fused multimodal spaceborne LiDAR data and optical imagery | |
Tinkham et al. | Development of height-volume relationships in second growth Abies grandis for use with aerial LiDAR | |
Haara et al. | Economic losses caused by tree species proportions and site type errors in forest management planning | |
Bornand et al. | Individual tree volume estimation with terrestrial laser scanning: Evaluating reconstructive and allometric approaches | |
Dahy et al. | Geospatial technology methods for carbon stock assessment: A comprehensive review | |
Yu et al. | Evaluating the influential variables on rainfall interception at different rainfall amount levels in temperate forests | |
Härkönen et al. | Predicting forest growth based on airborne light detection and ranging data, climate data, and a simplified process-based model | |
Zhou et al. | Mapping the vertical forest structure in a large subtropical region using airborne LiDAR data | |
Lu et al. | Comparing stem volume predictions of coastal Douglas-fir stands in British Columbia using a simple physiological model and LiDAR remote sensing |
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 |