CN111950336B - 基于背包式激光雷达的植被冠层生态水估算方法 - Google Patents

Abstract

本发明公开了一种基于背包式激光雷达的植被冠层生态水估算方法，包括以下步骤：1、选取林区，利用背包式激光雷达获取植被点云数据；2、对获取的植被点云数据进行预处理，提高点云的数据质量，分离出高精度的点云变量信息；3、基于点云进行单木识别；4、构建植被冠层等效水层含水率模型；5、估测植被冠层生物量；6、基于植被冠层生物量与植被冠层等效水层含水率模型，构建植被冠层生态水储量模型，估算样地内的植被冠层生态水储量，最终得到植被冠层生态水反演结果。本发明采用实测植被不同器官的含水率数据与背包激光雷达变量直接构建反演模型，不仅提高了植被含水率反演的精度，而且简化了植被冠层生态水的估算方法。

Description

基于背包式激光雷达的植被冠层生态水估算方法

技术领域

本发明属于植被生态水的研究技术领域，具体涉及一种基于背包式激光雷 达的植被冠层生态水估算方法。

背景技术

生态水(层)指的是与植被体紧密相关的水体，具体来说可分为三部分。第 一部分是以植被为主体的植被层(叶面、根系、腐殖层)在不同形式的降水中 所能截留的水；第二部分是以植被宿体——松散孔隙裂隙地球表部土壤包气带 层所能滞留的非饱和水(有的也称土壤水)；第三部分为以植被体本身所拥有 各种形式的生物水。植被冠层生态水是指以植被体树冠部分所拥有的各种形式 的生物水，具体包括树叶、树枝、树干部分植被体所含的生物水。

目前植被生态水的估算方法分为两类：一是样地清查法，通过对样地全部 植被的采集，实际测算植被生态水储量，传统样地清查估算方法可以在小范围 区域内获得高精度的植被生态水调查数据；二是光学遥感估算法，基于植被光 谱响应特征，植被生态水对热红外波段、近红外和短波红外波段相对比较敏感， 存在以970、1200、1450、1930和2500nm为中心的5个水分吸收带，提取与 植被生态水相关性最高的特征指数，从而遥感反演植被生态水，得到区域植被 生态水储量空间分布情况。

公开号为CN 110378926A的中国专利该领域最新的一篇专利公开了一种 基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法，该技术利用 机载LiDAR技术估测的树木胸径数值采用估测法，植被冠层生态水存在被低 估风险的问题。具体而言，在该技术中，是基于无人机等载荷平台下从空中扫 描获取树冠结构。在这种方式下，在植被较为密集区域由于树冠的“顶棚效应”， 导致大量点云被树冠部分“截获”，而穿透植被到达树干的点云密度不够，致 使反演的胸径数据偏低。而在该估算方法中，最为关键的参数之一就是树干(又 称“胸径”)，它的低估可能会导致植被冠层生物量的低估，最终导致植被冠层生态水评价偏低问题。

发明内容

为解决现有方法所存在的植被冠层生态水评价偏低的问题，本发明提供一 种基于背包式激光雷达的植被冠层生态水估算方法。

为达到上述目的，本发明是这样实现的：

基于背包式激光雷达的植被冠层生态水估算方法，包括以下步骤：

步骤1、选取林区，利用背包式激光雷达获取植被点云数据；

步骤2、对获取的植被点云数据进行预处理，提高点云的数据质量， 分离出高精度的点云变量信息；

步骤3、基于点云进行单木识别；

步骤4、构建植被冠层等效水层含水率模型；

步骤5、估测植被冠层生物量；

步骤6、基于植被冠层生物量与植被冠层等效水层含水率模型，构建 植被冠层生态水储量模型，估算样地内的植被冠层生态水储量，最终得到 植被冠层生态水反演结果。

进一步的，在步骤1中，所述利用背包式激光雷达获取植被点云数据 的过程是通过调查人员背负背包式激光雷达到达指定的林区，在合适的气 象条件下，按照规范路径进行走动，获取植被点云数据；调查人员通过人 体背负背包式激光雷达到达指定的林区，设定点云发射频率，启动设备， 传感器通过360°扫描发射激光脉冲信号，激光脉冲信号遇到植被后，迅 速反射后被传感器所接收，通过后处理技术，得到高密度的冠层点云数据。

进一步的，点云变量信息包括高度变量(VH)、密度变量(VD)、 强度变量(VE)、覆盖度变量(VC)、叶面积指数(LAI)；在步骤2中， 对获取的植被点云数据进行预处理包括去噪、拼接、自动分类以及质量检 查。

进一步的，在对获取的植被点云数据进行预处理中，其中数据的去噪， 是去除如激光遇到水汽、尘埃、飞鸟等情况反射回的非正常高程范围的点 云数据或非植被图层的点云数据；

数据的拼接是将多块测量数据进行拼接形成完成的一个统一测区内的 数据，便于整体处理；

数据自动分类是利用分类算法将植被层和非植被层数据区分开来，为 得到高精度植被冠层模型做准备；其中，采用的分类算法为“渐进三角网” 算法，采用“渐进三角网”算法，分离出地面点和植被冠层点；

数据的质量检查，是人工检查和手动干预进一步提高点云分类精度， 得到高精度的植被冠层点云数据成果。

进一步的，在步骤3中，基于点云进行单木识别是通过预处理后的点 云数据，来确定待识别的单木，识别树高参数(He)和数干参数(De)；

其中，树高参数的识别利用获取的点云，将其转化成栅格数据；采用 分水岭算法，进行图像分割，圈定出每棵树的树冠边界，再在树冠边界内 寻找最高点，并定位最高点，标记出最高点，从而得到树高参数；

数干参数的识别是基于点云操作，将获取的点云进行1.3米处平行分 割，然后对分割后的结果进行判断，当在点云1.3米处有树木，则测量树 干的直径，并拟合出一个圆形；如此迭代在整个测区，完成树干的标定识 别与胸径参数提取。

进一步的，在步骤4中，构建植被冠层等效水层含水率模型，是通过 实测样地内植被含水率数据与激光点云的冠层变量相联系，构建多元线性 模型求得；构建的植被冠层等效水层含水率模型用如下公式表示：

Y_FMC＝β₀+β₁X₁+β₂X₂+……+β_kX_k+ε

式中，β₀、β₁、β₂、β_k均为待定系数，X₁、X₂、X_k是基于激光点云提取的 点云变量，即步骤2所述的全部点云变量，ε为常变量。

进一步的，在步骤5中，植被冠层生物量(AGB)的计算是采用中国主要 林木生物量模型手册中的计算公式进行，采用混合样地算法，具体公式如下：

AGB＝a*(D_e ²*H_e)^b

其中，D代表单木识别后的树木的胸径，H代表单木识别的树高，a 和b为经验参数，一般为生物量模型手册中，前人通过实地调查计算而得 到的数值，可以直接按照树种和分布区域进行查找对应使用。a和b代表的 值，如植被生长在不同区域或植被类型不同，a和b的值均不同。

进一步的，在步骤6中，构建植被冠层生态水储量模型是基于步骤4 所得到的植被冠层等效水层含水量模型数据(Y_FMC)和步骤5所得到的植被 冠层生物量数据(AGB)所求得，植被冠层生态水储量(EMC)的估算公 式如下：

其中FMC是一个百分比值，取值在(0，1)之间，AGB为植被冠层 生物量，计量单位是吨每公顷。

本发明具有如下有益效果：

与现有技术相比，本发明的基于背包式激光雷达的植被冠层生态水估算方 法，通过背包式激光雷达360°扫描获取真实的植被冠层立体机构数据，真实 刻画了植被的形态结构信息。与传统方法相比优点有如下几方面：

第一、创新了植被冠层生态水的研究方法。创新性的将三维建模技术与定 量遥感结合用于森林水文学植被含水量的研究，拓展了该学科的研究方法和思 路，为今后该学科的发展，提供新的技术支撑。

第二、提高了精度。具体而言，传统方法是采用遥感图像，采用的图像地 面分辨率仅从几十米到亚米级别不等。而背包式激光雷达测量技术是主动式遥 感技术，点云的空间定位精度可达厘米级别。同时获取的点云是海量级别，信 息量非常丰富，并且是三维的信息。

第三、本发明采用实测植被不同器官的含水率数据与背包激光雷达变 量直接构建反演模型，代替基于遥感技术的植被光谱指数反演植被含水率 的方法，不仅提高了植被含水率反演的精度，而且简化了植被冠层生态水 的估算方法，满足实际林业调查需要。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施 例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是 本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的 前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例基于背包式激光雷达估算植被冠层生态水的方法流 程图。

图2为本发明实施例背包式激光雷达设备林区植被冠层数据采集路径示 意图。

图3为本发明实施例中植被冠层等效水层含水率实测植被器官示意图。

图4为本发明实施例中利用背包式激光雷达点云数据构建的植被冠层高 度模型，单木识别后的图形以及单木参数的提取情况结果图。

图5为本发明实施例中植被冠层生物量计算示意图。

图6为本发明实施例中植被冠层生态水储量空间分布图。

图7为本发明实施例中基于背包式激光雷达植被冠层单木识别树干分离 效果图。

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所获得的所有其 他实施例，都属于本发明保护的范围。

根据本发明的实施例，提供一种基于背包式激光雷达的植被冠层生态水 估算方法，图1为本发明实施例提供的完整技术流程图。该种基于背包式 激光雷达的植被冠层生态水估算方法，具体包括以下步骤：

步骤1、选取林区，利用背包式激光雷达获取植被点云数据；

步骤2、对获取的植被点云数据进行预处理，提高点云的数据质量， 分离出高精度的点云变量信息；

步骤3、基于点云进行单木识别；

步骤4、构建植被冠层等效水层含水率模型；

步骤5、估测植被冠层生物量；

步骤6、基于植被冠层生物量与植被冠层等效水层含水率模型，构建 植被冠层生态水储量模型，估算样地内的植被冠层生态水储量，最终得到 植被冠层生态水反演结果。

在步骤1中，所述利用背包式激光雷达获取植被点云数据的过程是通 过调查人员背负背包式激光雷达到达指定的林区，在合适的气象条件下， 按照规范路径进行走动，获取植被点云数据；背包式激光雷达数据获取气 象条件要求不高，只要不下雨、下雪均可以获取，甚至紧急情况下夜晚都 可以采集数据。调查人员通过人体背负背包式激光雷达到达指定的林区， 设定点云发射频率，启动设备，传感器通过360°扫描发射激光脉冲信号， 激光脉冲信号遇到植被(树叶、树枝、树干)后，迅速反射后被传感器所 接收，通过后处理技术，得到高密度的冠层点云数据。点云发射频率是激 光传感器每秒可以发射激光脉冲的多少，发射频率越高，单位时间内获取 的点云越多，植被冠层的细节越高，数据量越大，反之亦然。在实际执行 中，发射频率不能设置太高或太低，太高会导致激光穿透率下降，太低则会降低工作效率，导致相同时间内获取的点云数据会偏少，增加工作时间。

在本发明实施例中，如图2所示，是基于背包式激光雷达设备开展植 被冠层激光点云数据的采集方式，以人工林为例，在实际数据采集过程中， 采用A-A’行进的方式或者采用B-B’行进的方式均可。在天然林中，树 木长势随机分布并不规整，但可以采用人工估算的行进方式兼顾上下左右 等距离行进开展数据采集。

点云变量信息包括高度变量(VH)、密度变量(VD)、强度变量(VE)、 覆盖度变量(VC)、叶面积指数(LAI)；在步骤2中，对获取的植被点 云数据进行预处理包括去噪、拼接、自动分类和质量检查。

在对获取的植被点云数据进行预处理中，其中数据的去噪，是是去除 如激光遇到水汽、尘埃、飞鸟等情况反射回的非正常高程范围的点云数据 或非植被图层的点云数据；

数据的拼接是将多块测量数据进行拼接形成完成的一个统一测区内的 数据，便于整体处理；

数据自动分类是利用分类算法将植被层和非植被层数据区分开来，为 得到高精度植被冠层模型做准备；其中，采用的分类算法为“渐进三角网” 算法，采用“渐进三角网”算法，分离出地面点和植被冠层点；

数据的质量检查，也就是数据的质检，是人工检查和手动干预进一步 提高点云分类精度，得到高精度的植被冠层点云数据成果，以期最终提高 植被冠层生态水储量的估算精度。

在步骤3中，基于点云进行单木识别是通过预处理后的点云数据，来 确定待识别的单木，识别树高参数(He)和数干参数(De)；如图7所示， 基于步骤2预处理之后的点云数据，效果如图7的a所示，树冠、树干清 晰可见，树干的可分离性明显提高。

其中，树高参数的识别利用获取的点云，将其转化成栅格数据；采用 分水岭算法，进行图像分割，圈定出每棵树的树冠边界，再在树冠边界内 寻找最高点，并定位最高点，标记出最高点，从而得到树高参数；

数干参数的识别是基于点云操作，将获取的点云(如图7的a所示的 点云)进行1.3米处平行分割，得到如图7的b所示的结果，然后对分割 后的结果进行判断，当在点云1.3米处有树木，则测量树干的直径，并拟 合出一个圆形，效果见图7的b；如此迭代在整个测区，完成树干的标定 识别与胸径参数提取。

如图4所示分别展示了利用背包式激光雷达点云数据构建的植被冠层 高度模型，单木识别后的图形以及单木参数的提取情况。其中图4的a是 激光点云构建的冠层结构模型，白色形状为植被，黑色为非植被；b是利 用“分水岭算法”分割，识别单木的效果图，其中边界是单木的冠幅；c 是通过“单木识别”，识别的每棵树木的树高位置。

在步骤4中，构建植被冠层等效水层含水率模型，是通过实测样地内 植被含水率数据与激光点云的冠层变量相联系，构建多元线性模型求得； 构建的植被冠层等效水层含水率模型用如下公式表示：

Y_FMC＝β₀+β₁X₁+β₂X₂+……+β_kX_k+ε

式中，β₀、β₁、β₂、β_k均为待定系数，X₁、X₂、X_k是基于激光点云提取的 点云变量，即步骤2所述的全部变量(高度变量(VH)、密度变量(VD)、 强度变量(VE)、覆盖度变量(VC)、叶面积指数(LAI))，ε为常变量。 植被冠层等效水层含水率实测植被器官示意图如图3所示，样地内植被冠层等 效水层含水率数据是通过分别采集植被树叶、树枝、树干三个部分的含水率数 据综合得到。采集植被冠层实际含水率数据是采用通用木材含水率测试仪器， 基于野外样地进行植被冠层实际含水率数据的采集。详细地，主要实测每块样 地植被树叶、树枝、树干部分的含水率数据，如图3所示，，通过记录每棵树 这三个部位的含水率数据，最后相加得到样地内植被冠层等效含水率，一般用 百分数表述。详细地，实测植被冠层含水率数据时，要进行每块样地定位，定 位采用通用野外双频GPS仪器，定位需要满足4颗卫星以上才有效。

生物量是指某一时刻单位面积内植被实存有机物质(干重)的总量。 植被冠层生物量是指树叶、树树枝、树干这三部分器官生物量的总和。

在步骤5中，植被冠层生物量(AGB)的计算是采用中国主要林木生物量 模型手册中的计算公式进行，以四川省为例，采用混合样地算法。具体公式 如下：

AGB＝a*(D_e ²*H_e)^b

其中，D代表单木识别后的树木的胸径，H代表单木识别的树高， a＝0.0231，b＝0.9867。

如图5所示为某区域植被层生物量计算示意图，其中深色区域代表生 物量值比较高，浅色区域代表生物量较低。生物量越高，反应该区域植被 密度大，成年林较多，反之亦然。

在步骤6中，构建植被冠层生态水储量模型是基于步骤4所得到的植 被冠层等效水层含水量模型数据(Y_FMC)和步骤5所得到的植被冠层生物量 数据(AGB)所求得，植被冠层生态水储量(EMC)的估算公式如下：

其中FMC是一个百分比值，取值在(0，1)之间。AGB为植被冠层 生物量，计量单位是吨每公顷。

通过上述公式估算得到的生态水以吨每公顷为单位表示，是植被冠层 结构内的等效水层。该部分水是植被维持正常新陈代谢所需要的水。该部 分水可以通过蒸腾作用为大气水，也可以通过根系部分涵养地表层，起到 生态平衡作用。进一步的，该部分生态水还可以对大气降水起到“截留” 作用，通过吸收降雨或者地表(地下)水，来起到水循环的作用，缓解降 雨导致的暴雨、泥石流等自然灾害的发生，是生态平和的缓冲层。

进一步的，通过估算样地内的植被冠层生态水储量，便可以反演到整 个空间。得到研究区域内的植被冠层生态水储量分布图。分布图可以准确 的反应植被内所储存的水分的多少。这部分水不同于大气降水，也不同于 地表或地下径流。是真实存在与植被冠层中的维持新陈代谢和正常生理活 动的“生理用水”。

如图6所示，基于植被冠层生态水模型，最终反演得到植被冠层生态 水储量空间分布图。其中绿色表示为非植被区域，生态水含量极低，从浅 黄色到红色代表植被生态水越来越高。由整体图形可清晰可见植被冠层生 态水储量的整体分布形态。某些区域聚集，某些区域分散，还有局部区域 含量极低。

综上所述，本发明采用的是一种背包式激光雷达扫描技术，该技术通 过可穿戴设备，行进穿梭于植被冠层之间，不仅可以获取高精度的冠层数 据，还可以精细获取植被树干胸径数据。本发明技术将机载LiDAR技术的 单木识别估测胸径值的方法直接优化为主动分离树干胸径值，由胸径估测 改为实测分离值，大大提高了胸径数据的准确性。通过实测对比，该方法 技术可以分离的胸径数据精度可达95％。

其次，本发明为了进一步提高植被冠层含水率反演精度使其满足实际 生产需求，本发明采用实测植被不同器官的含水率数据与背包激光雷达变 量直接构建反演模型，代替基于遥感技术的植被光谱指数反演植被含水率 的方法，不仅提高了植被含水率反演的精度，而且简化了植被冠层生态水 的估算方法，满足实际林业调查需要。该技术方法，已经在地开展了试生 产，能够林业资源调查工作中进行很好的应用，取得显著的效果。该方法的应用，不用砍伐树木测试植被含水率，也提高了计算精度，只要背一个 背包雷达就可以完成计算，具有高效、精准、环保的特点。未来工作生产 中，一定会发挥更大价值。

需要说明的是，在本发明实施例中的方法运用于植被冠层生态水估算， 所述使用场景为森林植被冠层生态水的估算。当然也可以用于其他植被过 程的生态水估算，例如经济作物、草地、果园等类型。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局 限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的 保护范围之内。

Claims (4)

1.基于背包式激光雷达的植被冠层生态水估算方法，其特征在于，包括以下步骤：

步骤1、选取林区，利用背包式激光雷达获取植被点云数据；

步骤2、对获取的植被点云数据进行预处理，提高点云的数据质量，分离出高精度的点云变量信息；

步骤3、基于点云进行单木识别；

步骤4、构建植被冠层等效水层含水率模型；

步骤5、估测植被冠层生物量；

步骤6、基于植被冠层生物量与植被冠层等效水层含水率模型，构建植被冠层生态水储量模型，估算样地内的植被冠层生态水储量，最终得到植被冠层生态水反演结果；

在步骤1中，所述利用背包式激光雷达获取植被点云数据的过程是通过调查人员背负背包式激光雷达到达指定的林区，在合适的气象条件下，按照规范路径进行走动，获取植被点云数据；调查人员通过人体背负背包式激光雷达到达指定的林区，设定点云发射频率，启动设备，传感器通过360°扫描发射激光脉冲信号，激光脉冲信号遇到植被后，迅速反射后被传感器所接收，通过后处理技术，得到高密度的冠层点云数据；

在步骤4中，构建植被冠层等效水层含水率模型，是通过实测样地内植被含水率数据与激光点云的冠层变量相联系，构建多元线性模型求得；构建的植被冠层等效水层含水率模型可用如下公式表示：

Y_FMC＝β₀+β₁X₁+β₂X₂+……+β_kX_k+ε

式中，β₀、β₁、β₂、β_k均为待定系数，X₁、X₂、X_k是基于激光点云提取的点云变量，即步骤2所述的全部点云变量，ε为常变量；

在步骤5中，植被冠层生物量AGB的计算是采用中国主要林木生物量模型手册中的计算公式进行，采用混合样地算法，具体公式如下：

AGB＝a*(D_e ²*H_e)^b

其中，De代表单木识别后的树木的胸径，He代表单木识别的树高，a和b为经验参数；

在步骤6中，构建植被冠层生态水储量模型是基于步骤4所得到的植被冠层等效水层含水量模型数据Y_FMC和步骤5所得到的植被冠层生物量数据AGB所求得，植被冠层生态水储量(EMC)的估算公式如下：

其中FMC是一个百分比值，取值在(0，1)之间，AGB为植被冠层生物量，计量单位是吨每公顷。

2.根据权利要求1所述的基于背包式激光雷达的植被冠层生态水估算方法，其特征在于，点云变量信息包括高度变量VH、密度变量VD、强度变量VE、覆盖度变量VC、叶面积指数LAI；在步骤2中，对获取的植被点云数据进行预处理包括去噪、拼接、自动分类以及质量检查。

3.根据权利要求2所述的基于背包式激光雷达的植被冠层生态水估算方法，其特征在于，在对获取的植被点云数据进行预处理中，其中数据的去噪，是去除如激光遇到水汽、尘埃、飞鸟反射回的非正常高程范围的点云数据或非植被图层的点云数据；

数据的拼接是将多块测量数据进行拼接形成完成的一个统一测区内的数据，便于整体处理；

数据自动分类是利用分类算法将植被层和非植被层数据区分开来，为得到高精度植被冠层模型做准备；其中，采用的分类算法为“渐进三角网”算法，采用“渐进三角网”算法，分离出地面点和植被冠层点；

数据的质量检查，是通过人工检查和手动干预进一步提高点云分类精度，得到高精度的植被冠层点云数据成果，以期最终提高植被冠层生态水储量的估算精度。

4.根据权利要求1所述的基于背包式激光雷达的植被冠层生态水估算方法，其特征在于，在步骤3中，基于点云进行单木识别是通过预处理后的点云数据，来确定待识别的单木，识别树高参数He和数干参数De；

其中，树高参数的识别利用获取的点云，将其转化成栅格数据；采用分水岭算法，进行图像分割，圈定出每棵树的树冠边界，再在树冠边界内寻找最高点，并定位最高点，标记出最高点，从而得到树高参数；

数干参数的识别是基于点云操作，将获取的点云进行1.3米处平行分割，然后对分割后的结果进行判断，当在点云1.3米处有树木，则测量树干的直径，并拟合出一个圆形；如此迭代在整个测区，完成树干的标定识别与胸径参数提取。

Images