CN111984915A - 一种基于异速生长关系联合激光雷达方程的生物量提取方法 - Google Patents
一种基于异速生长关系联合激光雷达方程的生物量提取方法 Download PDFInfo
- Publication number
- CN111984915A CN111984915A CN202010843718.2A CN202010843718A CN111984915A CN 111984915 A CN111984915 A CN 111984915A CN 202010843718 A CN202010843718 A CN 202010843718A CN 111984915 A CN111984915 A CN 111984915A
- Authority
- CN
- China
- Prior art keywords
- biomass
- height
- laser radar
- crown
- tree
- 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.)
- Granted
Links
- 239000002028 Biomass Substances 0.000 title claims abstract description 168
- 230000012010 growth Effects 0.000 title claims abstract description 45
- 238000000605 extraction Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000005315 distribution function Methods 0.000 claims description 32
- 210000000481 breast Anatomy 0.000 claims description 30
- 239000002023 wood Substances 0.000 claims description 16
- 230000001186 cumulative effect Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 210000000038 chest Anatomy 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims 1
- 230000009569 heterotrophic growth Effects 0.000 claims 1
- 230000011218 segmentation Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000565391 Fraxinus mandshurica Species 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种基于异速生长关系联合激光雷达方程的生物量提取方法，它涉及一种生物量提取方法。本发明要解决现有遥感数据用于森林生物量反演，精度较低与适普性较弱的问题。方法：一、建立异速生长关系联合激光雷达方程的森林生物量反演模型；二、对地基激光雷达点云数据进行预处理，得到基于归一化处理后的单木激光雷达点云数据，利用计算几何中二维凸包算法提取不同高度处树冠横截面积，根据公式计算获得激光雷达生物量指数LBI；三、将激光雷达生物量指数LBI代入公式，确定系数a、b及c，得到激光雷达生物量指数构建的生物量反演模型并计算生物量。
Description
技术领域
本发明涉及一种生物量提取方法。
背景技术
森林生物量的精确估算是评价森林碳循环贡献的基础，是森林生态功能评价的重要参数。但是森林自身结构复杂，垂直与水平方向同时存在空间异质性，同时传统人工测量方法具有一定的破坏性而且耗时费力。目前遥感数据用于森林生物量反演方法，多采用参数训练回归与机器学习等经验模型，模型受训练数据与环境影响较大，而且物理含义不明确，没有真正从机理上研究遥感信号与生物量显著影响因子的关系，进而影响森林生物量反演精度，同时也是限制生物量模型推广的主要原因。
发明内容
本发明要解决现有遥感数据用于森林生物量反演，精度较低与适用性不强的问题，而提供一种基于异速生长关系联合激光雷达方程的生物量提取方法。
一种基于异速生长关系联合激光雷达方程的生物量提取方法，它是按以下步骤进行的：
一、建立异速生长关系联合激光雷达方程的森林生物量反演模型：
Biomass为森林生物量；HT为树高，单位为m；Hc为树冠高度，单位为m；ρ为木质的密度，单位为g/cm3；γ为尼尔逊参数；G为植被组分空间取向分布函数；UL(H)为单棵树叶面积体密度分布函数，单位为m2/m3；在高度H处，植被冠形半径为r(H)，单位为m；α由样地测量的树冠体积与胸径拟合回归获得；β为森林生物量与胸径和树高的幂函数关系；
定义：
其中，联立公式(11)与(12)并代入到公式(10)，进而得到公式(13)为森林生物量反演模型：
Biomass＝a·LBIb·HT c (13)
其中，
c＝β；
二、对地基激光雷达点云数据进行预处理，得到基于归一化处理后的单木激光雷达点云数据，利用计算几何中二维凸包算法提取不同高度处树冠横截面积，根据公式(12)计算获得激光雷达生物量指数LBI；
三、将激光雷达生物量指数LBI代入公式(13)，确定系数a、b及c，得到激光雷达生物量指数构建的生物量反演模型并计算生物量，即完成基于异速生长关系联合激光雷达方程的生物量提取方法。
激光雷达能获得高精度的三维测量数据，拥有刻画树木三维结构的优势，尤其可以提取冠层三维结构信息。同时树冠是林木光合作用与同化作用的主要场所，其空间结构与大小是预估树木生长量的基本依据之一。本发明利用能详细刻画树冠三维结构信息的激光雷达点云数据，由林木异速生长关系出发，联合激光雷达方程引入树冠三维结构参数，推导得到具有一定物理机理的生物量反演模型进行森林生物量反演，有效提高森林生物量反演精度并增加模型的适普性。
本发明的有益效果是：
本发明基于林木异速生长关系，联合激光雷达方程引入树冠三维结构因子，推导获得激光雷达生物量指数进而构建具有一定物理机理的生物量反演模型提高森林生物量反演精度。通过实验结果发现该生物量反演模型包含树高与树冠双因子信息，能描述树冠在不同高度的空间分布信息(具体为不同高度处树冠叶面积)，而且同时反应树冠高度与树冠大小信息(具体为冠长、冠幅、冠体积、冠表面积与冠高等信息)，进而借助树冠生长变化推断林木生长状态，相比仅使用树高单因子进行生物量反演精度有较大的提高。而且该生物量反演模型基于林木异速生长关系公式(1)，通过异速生长关系可以由树木树冠表型特征信息，(例如：冠长、冠幅、冠体积与冠表面积)推算其它组分属性(例如：胸径)进而完成生物量反演，而且异速生长关系普遍存在于自然界中，从微观的分子水平到宏观的群落水平，所以该生物量反演模型包含一定物理机理具有较强的适普性。
本发明用于一种基于异速生长关系联合激光雷达方程的生物量提取方法。
附图说明
图1为本发明基于异速生长关系联合激光雷达方程的生物量提取方法流程图；
图2为实施例一基于异速生长关系联合激光雷达方程的生物量反演模型估算生物量与实测生物量散点图；
图3为树高构建的生物量反演模型估算生物量与实测生物量散点图；
图4为胸径构建的生物量反演模型估算生物量与实测生物量散点图。
具体实施方式
具体实施方式一：结合图1具体说明，本实施方式一种基于异速生长关系联合激光雷达方程的生物量提取方法，它是按以下步骤进行的：
一、建立异速生长关系联合激光雷达方程的森林生物量反演模型：
Biomass为森林生物量；HT为树高，单位为m；Hc为树冠高度，单位为m；ρ为木质的密度，单位为g/cm3；γ为尼尔逊参数；G为植被组分空间取向分布函数；UL(H)为单棵树叶面积体密度分布函数，单位为m2/m3；在高度H处，植被冠形半径为r(H)，单位为m；α由样地测量的树冠体积与胸径拟合回归获得；β为森林生物量与胸径和树高的幂函数关系；
定义：
其中，联立公式(11)与(12)并代入到公式(10)，进而得到公式(13)为森林生物量反演模型：
Biomass＝a·LBIb·HT c (13)
其中，
c＝β；
二、对地基激光雷达点云数据进行预处理，得到基于归一化处理后的单木激光雷达点云数据，利用计算几何中二维凸包算法提取不同高度处树冠横截面积，根据公式(12)计算获得激光雷达生物量指数LBI；
三、将激光雷达生物量指数LBI代入公式(13)，确定系数a、b及c，得到激光雷达生物量指数构建的生物量反演模型并计算生物量，即完成基于异速生长关系联合激光雷达方程的生物量提取方法。
所述的α由样地测量的树冠体积与胸径拟合回归获，代表树冠体积与胸径存在一定关系，利用这种关系构建推导出LBI并构建生物量模型，与其它参数一起构成参数a，然后利用实测生物量拟合获得。
所述的G为植被组分空间取向分布函数，描述植被组分空间取向，与其它参数一起构成参数a，然后利用实测生物量拟合获得；
所述的UL(H)为单棵树叶面积体密度分布函数，代表植被冠层组分密度随高度的分布，为中间变量；
本实施方式UL(H)[r(H)]2dH为树冠某一高度处的叶面积，可以近似为树冠的横截面积(利用二维凸包算法直接获得)，不需要计算UL(H)。
本实施方式用计算几何中二维凸包算法提取不同高度处树冠横截面积，利用matlab语言中的hull函数直接获得。
本实施方式的有益效果是：
本实施方式基于林木异速生长关系，联合激光雷达方程引入树冠三维结构因子，推导获得激光雷达生物量指数进而构建具有一定物理机理的生物量反演模型提高森林生物量反演精度。通过实验结果发现该生物量反演模型包含树高与树冠双因子信息，能描述树冠在不同高度的空间分布信息(具体为不同高度处树冠叶面积)，而且同时反应树冠高度与树冠大小信息(具体为冠长、冠幅、冠体积、冠表面积与冠高等信息)，进而借助树冠生长变化推断林木生长状态，相比仅使用树高单因子进行生物量反演精度有较大的提高。而且该生物量反演模型基于林木异速生长关系公式(1)，通过异速生长关系可以由树木树冠表型特征信息，(例如：冠长、冠幅、冠体积与冠表面积)推算其它组分属性(例如：胸径)进而完成生物量反演，而且异速生长关系普遍存在于自然界中，从微观的分子水平到宏观的群落水平，所以该生物量反演模型包含一定物理机理具有较强的适普性。
具体实施方式二：本实施方式与具体实施方式一不同的是：步骤一中建立异速生长关系联合激光雷达方程的森林生物量反演模型具体是按以下步骤进行：
由生物量公式(1)与胸径与树冠体积的关系公式(2)联立获得公式(3)：
Biomass为森林生物量；HT为树高，单位为m；Hc为树冠高度，单位为m；ρ为木质的密度，单位为g/cm3；Fapp-single-tree(H)为高度H处植被冠层组分密度分布函数；
为树冠的体积，单位为m3；α由样地测量的树冠体积与胸径拟合回归获得；β为森林生物量与胸径和树高的幂函数关系；
根据植被冠层激光雷达回波方程表达式为：
RV(H)为在高度H处以上植被冠层反射的激光脉冲能量，单位为J，J0为激光雷达脉冲能量，单位为J，ρV为植被冠层体后向散射系数，P(H)为高度H处以上的植被树冠孔隙度，J0P(H)为高度H处的植被冠层获得的激光雷达脉冲能量，单位为J，Fapp-single-tree(H)表示为高度H处的植被冠层组分密度分布函数；
因为
所以Fapp-single-tree(H)写成为：
所述的P(H)为高度H处以上的植被树冠孔隙度，公式如下：
其中，γ为尼尔逊参数；G为植被组分空间取向分布函数；L(H)为H处以上的叶面积，单位为m2；cosθ中θ为激光脉冲与植被组分的天顶角，且θ为0°；
由公式(5)和(6)联立获得公式(7)：
在高度H处，植被冠形半径为r(H)，单位为m；
为叶面积密度分布函数；定义高度H处厚度为dH的叶面积为UL(H)·π·[r(H)]2·dH，而且高度H处树冠分布可以写为
所以两者相乘可以获得公式(8)：
其中，UL(H)为单棵树叶面积体密度分布函数，单位为m2/m3；λ(H)为冠顶到高度H处树冠垂直密度累积分布函数，对于单棵树，在任何高度处树冠个数均为1，所以λ(H)＝1；
由公式(7)与(8)联立获得公式(9)：
Fapp-single-tree(H)＝-γ·G·UL(H)·π·[r(H)]2·H (9)
由公式(9)与(3)联立得到公式(10)。其它与具体实施方式一相同。
所述的Fapp-single-tree(H)为高度H处植被冠层组分密度分布函数，代表植被冠层组分密度随高度的分布，为中间变量，具体指树冠的枝、干与叶等组分，构成的多边形轮廓面积随高度的分布函数，根据积分的几何意义获得树冠体积；
所述的λ(H)为冠顶到高度H处树冠垂直密度累积分布函数，代表树冠密度随高度的分布，为中间变量；
根据已有的生物量公式(1)，同时基于异速生长关系联合激光雷达方程，发挥激光雷达点云数据能详细刻画树木冠层三维结构的优势，推导获得新的生物量反演模型。
具体实施方式三：本实施方式与具体实施方式一或二之一不同的是：所述的生物量公式(1)：
其中，Biomass为森林生物量；HT为树高，单位为m；DBH为胸径，单位为m；ρ为木质的密度，单位为g/cm3；β为森林生物量与胸径和树高的幂函数关系。其它与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述的胸径与树冠体积的关系公式(2)：
其中，HT为树高，单位为m；Hc为树冠高度，单位为m；Fapp-single-tree(H)为高度H处植被冠层组分密度分布函数；
为树冠的体积，单位为m3；α由样地测量的树冠体积与胸径拟合回归获得。其它与具体实施方式一或二相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：步骤一中所述的β＜1。其它与具体实施方式一至四相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：步骤一中所述的γ表述叶片空间分布聚集度情况，当γ＞1代表规则分布，γ＝1代表随机分布，γ＜1代表丛生分布。其它与具体实施方式一至五相同。
具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：步骤二中所述的对地基激光雷达点云数据进行预处理为多站拼接、去除燥点、地面点滤波、点云归一化及单木分割。其它与具体实施方式一至六相同。
具体实施方式八：本实施方式与具体实施方式一至七之一不同的是：步骤三中确定系数a、b及c具体为：根据样地解析木的实测生物量数据，以及计算获得的解析木LBI与树高H，利用公式(13)进行非线性回归拟合，确定系数a、b及c。其它与具体实施方式一至七相同。
采用以下实施例验证本发明的有益效果：
实施例一：
一种基于异速生长关系联合激光雷达方程的生物量提取方法，它是按以下步骤进行的：
一、建立异速生长关系联合激光雷达方程的森林生物量反演模型：
生物量公式(1)：
其中，Biomass为森林生物量；HT为树高，单位为m；DBH为胸径，单位为m；ρ为木质的密度，单位为g/cm3；β为森林生物量与胸径和树高的幂函数关系，而且β＜1；
胸径与树冠体积的关系公式(2)：
其中，HT为树高，单位为m；Hc为树冠高度，单位为m；Fapp-single-tree(H)为高度H处植被冠层组分密度分布函数；
为树冠的体积，单位为m3；α由样地测量的树冠体积与胸径拟合回归获得；
由公式(1)与(2)联立获得公式(3)：
根据植被冠层激光雷达回波方程表达式为：
其中，RV(H)为在高度H处以上植被冠层反射的激光脉冲能量，单位为J，J0为激光雷达脉冲能量，单位为J，ρV为植被冠层体后向散射系数，P(H)为高度H处以上的植被树冠孔隙度，J0P(H)为高度H处的植被冠层获得的激光雷达脉冲能量，单位为J，Fapp-single-tree(H)表示为高度H处的植被冠层组分密度分布函数；
因为
所以Fapp-single-tree(H)写成为：
所述的P(H)为高度H处以上的植被树冠孔隙度，公式如下：
其中，γ为尼尔逊参数，表述叶片空间分布聚集度情况，当γ＞1代表规则分布，γ＝1代表随机分布，γ＜1代表丛生分布；G为植被组分空间取向分布函数；L(H)为H处以上的叶面积，单位为m2；cosθ中θ为激光脉冲与植被组分的天顶角，且θ为0°；
由公式(5)和(6)联立获得公式(7)：
在高度H处，植被冠形半径为r(H)，单位为m；
为叶面积密度分布函数；定义高度H处厚度为dH的叶面积为UL(H)·π·[r(H)]2·dH，而且高度H处树冠分布可以写为
所以两者相乘可以获得公式(8)：
其中，UL(H)为单棵树叶面积体密度分布函数，单位为m2/m3；λ(H)为冠顶到高度H处树冠垂直密度累积分布函数，对于单棵树，在任何高度处树冠个数均为1，所以λ(H)＝1；
由公式(7)与(8)联立获得公式(9)：
Fapp-single-tree(H)＝-γ·G·UL(H)·π·[r(H)]2·H (9)
由公式(9)与(3)联立得到公式(10)：
定义：
其中，联立公式(11)与(12)并代入到公式(10)，进而得到公式(13)为森林生物量反演模型：
Biomass＝a·LBIb·HT c (13)
其中，
c＝β；
二、对地基激光雷达点云数据进行预处理，得到基于归一化处理后的单木激光雷达点云数据，利用计算几何中二维凸包算法提取不同高度处树冠横截面积，根据公式(12)计算获得激光雷达生物量指数LBI；
三、将激光雷达生物量指数LBI代入公式(13)，确定系数a、b及c，得到激光雷达生物量指数构建的生物量反演模型并计算生物量，即完成基于异速生长关系联合激光雷达方程的生物量提取方法；
步骤二中所述的对地基激光雷达点云数据进行预处理为多站拼接，去除燥点，地面点滤波，点云归一化及单木分割。
步骤三中确定系数a、b及c具体为：根据样地解析木的实测生物量数据，以及计算获得的解析木LBI与树高H，利用公式(13)进行非线性回归拟合，确定系数a、b及c。
将实验样地采集17棵解析木(树种为水曲柳)，将解析木伐倒后，树干从伐根处按1米段进行区分，每1m段的树干、树枝与树叶进行现地称量其鲜重并记录。然后利用样地实测的解析木生物量数据作为因变量(y)，计算获得的LBI、树高以及胸径作为因变量(x)，按照三种生物量模型形式模拟拟合三种模型的a、b与c的值，同时计算模型估计的生物量与样地实测生物量值的R与RMSE(均方根误差)，R值越大与RMSE值越小表明模型精度越高，获得结果列出在表1中。
实验样地LBI单木激光雷达点云数据根据公式(13)确定。
由表可知，本实施例提出的基于异速生长关系联合激光雷达方程的生物量反演模型的精度为：R2＝0.877，RMSE＝20.667(kg)；相对于仅含有树高的生物量反演模型精度为R2＝0.769，RMSE＝25.565(kg)，R2提高了14.1％，RMSE降低了23.7％；相对于含有胸径的传统生物量模型R2＝0.812，RMSE＝21.035(kg)：R2提高了8.00％，RMSE降低了1.78％。
表1.包含激光雷达生物量指数的生物量反演模型的精度
| 生物量模型形式 | a | b | c | R<sup>2</sup> | RMSE(kg) |
| Biomass＝aLBI<sup>b</sup>H<sup>c</sup> | 0.008 | 0.178 | 2.316 | 0.877 | 20.667 |
| Biomass＝aH<sup>b</sup> | 0.208 | 2.288 | — | 0.769 | 25.565 |
| Biomass＝aD<sup>b</sup> | 0.101 | 2.444 | — | 0.812 | 21.035 |
图2为实施例一基于异速生长关系联合激光雷达方程的生物量反演模型估算生物量与实测生物量散点图，Biomass＝aLBIbHc；图3为树高构建的生物量反演模型估算生物量与实测生物量散点图，Biomass＝aHb；图4为胸径构建的生物量反演模型估算生物量与实测生物量散点图，Biomass＝aDb；图2与图3，4比较，图2散点图的分布相比图3及图4更收敛于y＝x直线周围，说明基于异速生长关系联合激光雷达方程的生物量反演模型估算的生物量更接近样地实测生物量，说明本实施例提出的包含雷达生物量指数的生物量反演模型相比传统的含有树高或胸径的生物量反演模型精度有明显提高，因为新提出的生物量反演模型基于林木异速生长关系联合激光雷达方程引入树冠三维结构信息，通过异速生长关系由树冠空间结构信息能有效判断林木生长状态，进而能有效提高生物量反演精度。同时该模型具有一定物理意义而且适普性较强，便于结合遥感对地观测数据实现大范围林业资源调查。
Claims (8)
1.一种基于异速生长关系联合激光雷达方程的生物量提取方法，其特征在于它是按以下步骤进行的：
一、建立异速生长关系联合激光雷达方程的森林生物量反演模型：
Biomass为森林生物量；HT为树高，单位为m；Hc为树冠高度，单位为m；ρ为木质的密度，单位为g/cm3；γ为尼尔逊参数；G为植被组分空间取向分布函数；UL(H)为单棵树叶面积体密度分布函数，单位为m2/m3；在高度H处，植被冠形半径为r(H)，单位为m；α由样地测量的树冠体积与胸径拟合回归获得；β为森林生物量与胸径和树高的幂函数关系；
定义：
其中，联立公式(11)与(12)并代入到公式(10)，进而得到公式(13)为森林生物量反演模型：
Biomass＝a·LBIb·HT c (13)
其中，
c＝β；
二、对地基激光雷达点云数据进行预处理，得到基于归一化处理后的单木激光雷达点云数据，利用计算几何中二维凸包算法提取不同高度处树冠横截面积，根据公式(12)计算获得激光雷达生物量指数LBI；
三、将激光雷达生物量指数LBI代入公式(13)，确定系数a、b及c，得到激光雷达生物量指数构建的生物量反演模型并计算生物量，即完成基于异速生长关系联合激光雷达方程的生物量提取方法。
2.根据权利要求1所述的一种基于异速生长关系联合激光雷达方程的生物量提取方法，其特征在于步骤一中建立异速生长关系联合激光雷达方程的森林生物量反演模型具体是按以下步骤进行：
由生物量公式(1)与胸径与树冠体积的关系公式(2)联立获得公式(3)：
Biomass为森林生物量；HT为树高，单位为m；Hc为树冠高度，单位为m；ρ为木质的密度，单位为g/cm3；Fapp-single-tree(H)为高度H处植被冠层组分密度分布函数；
为树冠的体积，单位为m3；α由样地测量的树冠体积与胸径拟合回归获得；β为森林生物量与胸径和树高的幂函数关系；
根据植被冠层激光雷达回波方程表达式为：
RV(H)为在高度H处以上植被冠层反射的激光脉冲能量，单位为J，J0为激光雷达脉冲能量，单位为J，ρV为植被冠层体后向散射系数，P(H)为高度H处以上的植被树冠孔隙度，J0P(H)为高度H处的植被冠层获得的激光雷达脉冲能量，单位为J，Fapp-single-tree(H)表示为高度H处的植被冠层组分密度分布函数；
因为
所以Fapp-single-tree(H)写成为：
所述的P(H)为高度H处以上的植被树冠孔隙度，公式如下：
其中，γ为尼尔逊参数；G为植被组分空间取向分布函数；L(H)为H处以上的叶面积，单位为m2；cosθ中θ为激光脉冲与植被组分的天顶角，且θ为0°；
由公式(5)和(6)联立获得公式(7)：
在高度H处，植被冠形半径为r(H)，单位为m；
为叶面积密度分布函数；定义高度H处厚度为dH的叶面积为UL(H)·π·[r(H)]2·dH，而且高度H处树冠分布可以写为
所以两者相乘可以获得公式(8)：
其中，UL(H)为单棵树叶面积体密度分布函数，单位为m2/m3；λ(H)为冠顶到高度H处树冠垂直密度累积分布函数，对于单棵树，在任何高度处树冠个数均为1，所以λ(H)＝1；
由公式(7)与(8)联立获得公式(9)：
Fapp-single-tree(H)＝-γ·G·UL(H)·π·[r(H)]2·H (9)
由公式(9)与(3)联立得到公式(10)。
3.根据权利要求2所述的一种基于异速生长关系联合激光雷达方程的生物量提取方法，其特征在于所述的生物量公式(1)：
其中，Biomass为森林生物量；HT为树高，单位为m；DBH为胸径，单位为m；ρ为木质的密度，单位为g/cm3；β为森林生物量与胸径和树高的幂函数关系。
4.根据权利要求2所述的一种基于异速生长关系联合激光雷达方程的生物量提取方法，其特征在于所述的胸径与树冠体积的关系公式(2)：
其中，HT为树高，单位为m；Hc为树冠高度，单位为m；Fapp-single-tree(H)为高度H处植被冠层组分密度分布函数；
为树冠的体积，单位为m3；α由样地测量的树冠体积与胸径拟合回归获得。
5.根据权利要求1所述的一种基于异速生长关系联合激光雷达方程的生物量提取方法，其特征在于步骤一中所述的β＜1。
6.根据权利要求1所述的一种基于异速生长关系联合激光雷达方程的生物量提取方法，其特征在于步骤一中所述的γ表述叶片空间分布聚集度情况，当γ＞1代表规则分布，γ＝1代表随机分布，γ＜1代表丛生分布。
7.根据权利要求1所述的一种基于异速生长关系联合激光雷达方程的生物量提取方法，其特征在于步骤二中所述的对地基激光雷达点云数据进行预处理为多站拼接、去除燥点、地面点滤波、点云归一化及单木分割。
8.根据权利要求1所述的一种基于异速生长关系联合激光雷达方程的生物量提取方法，其特征在于步骤三中确定系数a、b及c具体为：根据样地解析木的实测生物量数据，以及计算获得的解析木LBI与树高H，利用公式(13)进行非线性回归拟合，确定系数a、b及c。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010843718.2A CN111984915B (zh) | 2020-08-20 | 2020-08-20 | 一种基于异速生长关系联合激光雷达方程的生物量提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010843718.2A CN111984915B (zh) | 2020-08-20 | 2020-08-20 | 一种基于异速生长关系联合激光雷达方程的生物量提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111984915A true CN111984915A (zh) | 2020-11-24 |
| CN111984915B CN111984915B (zh) | 2021-06-08 |
Family
ID=73442682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010843718.2A Active CN111984915B (zh) | 2020-08-20 | 2020-08-20 | 一种基于异速生长关系联合激光雷达方程的生物量提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111984915B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115629393A (zh) * | 2022-11-30 | 2023-01-20 | 北京市农林科学院智能装备技术研究中心 | 生物量估算方法、装置、系统、电子设备及存储介质 |
| CN118366043A (zh) * | 2024-06-18 | 2024-07-19 | 武汉大学 | 一种基于激光点云数据的碳储量估算方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080046184A1 (en) * | 2006-08-16 | 2008-02-21 | Zachary Bortolot | Method for estimating forest inventory |
| CN103175484A (zh) * | 2012-12-17 | 2013-06-26 | 谢鸿宇 | 一种基于三维激光扫描系统的树冠测量方法 |
| CN108152212A (zh) * | 2017-12-12 | 2018-06-12 | 中国科学院地理科学与资源研究所 | 基于高时间分辨率和空间分辨率多光谱遥感数据的草地地上生物量反演方法 |
| CN111489388A (zh) * | 2020-04-20 | 2020-08-04 | 黑龙江工程学院 | 一种基于有效冠信息的生物量反演方法 |
-
2020
- 2020-08-20 CN CN202010843718.2A patent/CN111984915B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080046184A1 (en) * | 2006-08-16 | 2008-02-21 | Zachary Bortolot | Method for estimating forest inventory |
| CN103175484A (zh) * | 2012-12-17 | 2013-06-26 | 谢鸿宇 | 一种基于三维激光扫描系统的树冠测量方法 |
| CN108152212A (zh) * | 2017-12-12 | 2018-06-12 | 中国科学院地理科学与资源研究所 | 基于高时间分辨率和空间分辨率多光谱遥感数据的草地地上生物量反演方法 |
| CN111489388A (zh) * | 2020-04-20 | 2020-08-04 | 黑龙江工程学院 | 一种基于有效冠信息的生物量反演方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王强: "基于激光雷达数据与多角度遥感模型的森林参数反演研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
| 袁从军: "喀斯特森林不同经营类型冠层结构与调控技术研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115629393A (zh) * | 2022-11-30 | 2023-01-20 | 北京市农林科学院智能装备技术研究中心 | 生物量估算方法、装置、系统、电子设备及存储介质 |
| CN118366043A (zh) * | 2024-06-18 | 2024-07-19 | 武汉大学 | 一种基于激光点云数据的碳储量估算方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111984915B (zh) | 2021-06-08 |
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 | |
| CN110223314B (zh) | 一种基于树冠三维点云分布的单木分割方法 | |
| CN111583328B (zh) | 基于几何模型的绿萝叶片外部表型参数的三维估测方法 | |
| CN111984915B (zh) | 一种基于异速生长关系联合激光雷达方程的生物量提取方法 | |
| Lefsky et al. | Volume estimates of trees with complex architecture from terrestrial laser scanning | |
| CN111428784B (zh) | 采用机载激光雷达对落叶林树级参数测定的鲁棒分割方法 | |
| CN101520307A (zh) | 应用三维激光影像扫描系统测定树冠体积分形维数方法 | |
| CN105303299B (zh) | 一种确定森林生长模型的方法 | |
| CN110765962A (zh) | 一种基于三维点云轮廓分维值的植物识别分类方法 | |
| CN102645444B (zh) | 一种利用Photoshop软件定量表征烤后烟叶细胞形状特征的方法 | |
| CN113269825B (zh) | 基于地基激光雷达技术林木胸径值提取的方法 | |
| CN108872964A (zh) | 基于无人机LiDAR数据的银杏人工林郁闭度提取方法 | |
| CN109948106A (zh) | 一种利用激光点云计算林分高度累计百分比的方法 | |
| CN108896021A (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
| CN116881812A (zh) | 基于多源遥感数据和随机森林法估测森林碳储量的方法 | |
| CN110569805B (zh) | 一种基于无人机影像点云的人工林单木提取及立地质量评价的方法 | |
| CN115953607B (zh) | 一种使用点云数据的树干胸径的提取方法和系统 | |
| CN109164460A (zh) | 一种基于机载激光雷达数据的森林蓄积量分布估测方法 | |
| CN105954207A (zh) | 一种枣树冠层叶绿素b含量的检测方法 | |
| CN112150479A (zh) | 基于高斯聚类的单木分割及树高和冠幅的提取方法 | |
| CN112241440A (zh) | 一种基于LiDAR点云数据的三维绿量估算及管理方法 | |
| CN117035174A (zh) | 一种木麻黄单木地上生物量的估算方法与系统 | |
| CN116433846A (zh) | 一种基于大小和局部混乱距离的林地点云枝叶分离方法 | |
| CN111489388A (zh) | 一种基于有效冠信息的生物量反演方法 | |
| CN107831501A (zh) | 一种地面激光雷达模拟角规测定林分蓄积量的方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Qiang Inventor after: Ni Chundi Inventor after: Wang Lei Inventor after: Bai Yang Inventor after: Tian Zeyu Inventor after: Xi Zhilong Inventor after: Wang Yixi Inventor before: Wang Qiang Inventor before: Ni Chundi Inventor before: Bai Yang Inventor before: Xi Zhilong Inventor before: Tian Zeyu Inventor before: Wang Yixi |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |