CN112729130A - 卫星遥感测量树木冠层高度的方法 - Google Patents
卫星遥感测量树木冠层高度的方法 Download PDFInfo
- Publication number
- CN112729130A CN112729130A CN202011593042.2A CN202011593042A CN112729130A CN 112729130 A CN112729130 A CN 112729130A CN 202011593042 A CN202011593042 A CN 202011593042A CN 112729130 A CN112729130 A CN 112729130A
- Authority
- CN
- China
- Prior art keywords
- data
- satellite
- forest region
- height
- region
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明公开的一种卫星遥感测量树木冠层高度的方法,具有覆盖范围广、获取数据周期短且获取数据成本低的特点。本发明通过下述计算方案实现:对获取的卫星立体相对影像数据中重叠区域,采用深度神经网络模型与面向对象的遥感影像分类技术提取不同方向的目标森林区域;根据卫星立体相对影像数据及RPB文件、地面控制点文件叠加提取的目标森林区域,获取目标森林区域的卫星立体相对影像数据、地面控制点文件;计算出目标森林区域的冠层结构特征参数,生成目标森林区域的数字地表模型DSM和数字高程模型DEM;结合栅格数据的图像计算,将获取的数字地表模型减去获得的数字高程模型得到冠层高度DHM,从三维角度计算树木冠层高,实现树木冠层高度的测量。
Description
技术领域
本发明涉及卫星遥感森林生态、水文及生物物理等相关技术领域,具体涉及一种基于卫星遥感数据的树木冠层高度测量方法。
背景技术
植被是陆地生态系统最重要的组成部分,树木测量在城市建设、城市绿化、输电线路隐患监测和珍贵树木保护等方面发挥着重要作用,同时在维护生态系统平衡、涵养水源、保持水土等方面也具有重大作用。树木形态尺寸测量是树木测量的重要内容,主要包括树高、胸径和冠幅等指标的测量。树高是指树冠最高点到树根所处位置的地面之问的高差,即基准点到最高点所在参考面的距离,即高度。传统的树高测量方法一般是采用目估法或者借助钢尺、全站仪等工具进行。在精度要求不高的情况下,树高测量普遍采用目估的方法。在准确度和精度要求较高的情况下,树高测量一般是采用全站仪的无棱镜测量方式、地面激光扫描仪等方法进行。地面激光扫描仪是通过外业架设激光扫描仪对树木进行扫描,获取稠密激光点云数据,并通过内业点云数据处理进行树木参数测量。该方法可快速获取大量的空间信息,工作效率高、强度小。但对仪器架设和数据处理有较高要求,很多仪器有扫描盲区不宜架设距离太近,外业噪声数据较多,内业数据处理工作量大,且没有很好的自动化手段。此外仪器价格昂贵,不便于携带,影响了它大范围的推广使用。综上所述,树木测量虽然技术要求不高,但工作难度却很大。采用全站仪测量时的通视条件要求苛刻,工作量会因此而成倍增加。三维激光扫描仪被广泛应用的同时还存在一定局限性,比如仪器的价格偏高,应用于树木扫描时有相互遮挡等,这都限制了在林业方面的应用。因此,需要寻找一种快速、简易和准确的测量方法。
目前,随着遥感技术的发展,激光雷达越来越多地被应用在树高测量中,比如使用无人机搭载的激光雷达对树高进行测量,或者利用车载激光雷达提取单株树的树高信息等。激光测量体积指数计算虽然简单,但它重复性差,不能较为精确反映树木的体积。激光雷达在测量树高时虽然具有较高的精度,但价格高昂、操作复杂等缺点严重制约其自身的推广应用。利用无人机高分辨率影像提取树高,是利用无人机搭载数码相机采集林区高分辨率影像,通过自动化三维重构的方法生成林区数字表面模型获取高精度的树木高度或者利用无人机遥感系统采集影像生成数字表面模型、数字高程模型DEM及正射影像,提取城市行道树高度等信息。无人机遥感系统采集影像生成数字表面模型,采用Pix4D软件对无人机采集的高分辨率影像进行处理,生成研究区正射影像和三维点云;利用最大类间方差法将三维点云分割为树木点云及树下地面点云两部分,由此提取树木顶端高度和地面平均树高等信息,并将地面平均高度视为树木根部的高度,得到树木高度。但是,航空影像的拍摄受空域限制,树冠的形状会对树高测量造成影响,对天气条件要求颇高,数据获取周期较长,再加上较长的测图周期,导致航测成图缺乏一定的时效性。并且无人机遥感技术只能获取冠层的水平分布信息,无法获取垂直信息。
目前在生成数字地表模型DSM、数字高程模型DEM的过程中,由于涉及到影像匹配工作,需要大量的计算量,在正常的生产过程中,需要用到集群生产。
上述方法通常利用研究区的数字表面模型或单株树木的立体像对来提取树木高度,但采用数字表面模型将会导致树木部分细节,数据处理,必须使用专业的影像处理软件对所摄影像进行处理,处理过程自动化程度不高,需要人工筛选出单株样本树木及树下地面的点云数据;其分割的准确度直接影响树高提取的精度。经实际分析发现,当树木树冠贴近地面(例如圆柏)或树冠下存在灌木时,分割得到的地面点云中混入较多非地面点云。树木高度误差导致了树木在进行测高时精度存在较大差异。
随着遥感技术的发展,许多高分辨率遥感卫星,如WorldView-1/2、SPOT-5、Geoeye-1、IKONOS-2等,都具备了立体成像能力,并逐步用于测绘生产。与航空影像相比,卫星影像具有如下优势:(1)卫星影像的覆盖范围更大;(2)利用卫星影像测图的周期更短;(3)利用卫星影像更新基础地理信息数据产品的速度更快;(4)卫星影像测图的成本更低。但是卫星影像最受限制的就是影像分辨率,直接影响成图比例尺的大小。
WorldView-3是迄今全球最高空间分辨率商业遥感卫星,不仅具备0.31m的空间分辨率,还具备灵活的成像机制及3m的无控定位精度,理论上可以生产1:2000比例尺的DLG、DEM、DOM,例如2019年肖潇等人在《北京测绘》第33卷的“利用WorldView-3立体影像生产1:2000比例尺3D产品”一文中指出利用WorldView-3立体影像,通过在100km2测区大小布设9个控制点,结合成像几何模型与影像匹配算法可满足1:2000比例尺测图精度要求。因此,利用高空间分辨率的卫星立体相对影像数据重建森林区域的数字表面模型与数字高程模型DEM,通过两者的计算,理论上可获取1:2000比例尺的树木冠层高度模型,进而提取树木冠层高度。然而这一方法并未见报道。
发明内容
发明目的是针对现有技术存在不足之处,提供一种覆盖范围广、获取数据周期短,工作效率高,快速高效准确测量树木冠层高度的方法,直接利用高空间分辨率的卫星立体相对影像数据生产数字地表模型DSM和数字高程模型DEM,结合栅格数据的图像计算,从三维角度计算树木冠层高度。具有更新产品速度快、获取数据成本更低的优势。
为了实现上述发明目的,本发明采用的技术方案如下:一种卫星遥感测量树木冠层高度的方法,其特征在于包括如下步骤:获取用于测量树木冠层高度的卫星立体相对影像数据及RPB文件、土地利用现状数据和地面控制点文件;对获取的卫星立体相对影像数据中重叠区域,采用深度神经网络模型与面向对象的遥感影像分类技术提取不同方向的目标森林区域;根据卫星立体相对影像数据及RPB文件、地面控制点文件叠加提取的目标森林区域,获取目标森林区域的卫星立体相对影像数据及对应的RPB文件、地面控制点文件;基于双目立体视觉原理,采用半全局匹配算法(SGM)与有理函数模型,结合目标森林区域内地面控制点文件对目标森林区域的卫星立体相对影像数据进行影像立体匹配,计算出目标森林区域的冠层结构特征参数,获取目标森林区域DSM点云数据;通过对DSM点云数据滤波,获取遮挡区域和纹理缺乏、困难地区的正确点云数据,得到高精度DSM点云数据,生成数字地表模型DSM;利用高精度的DSM点云数据,除去植被、建筑物、电力线非地面点,保留地面点,得到高精度DEM点云数据,生成目标森林区域的数字高程模型DEM;结合栅格数据的图像计算,将获取的数字地表模型DSM减去获得的数字高程模型DEM得到冠层高度模型DHM,从三维角度计算树木冠层高度,实现树木冠层高度的测量。
本发明与现有技术相比,具有以下优点和有益效果:
覆盖范围广。本发明基于卫星遥感技术获取用于测量树木冠层高度的卫星立体相对影像数据,通过立体模型采集数字地表模型DSM和数字高程模型DEM。根据卫星立体相对影像数据的质量和规模,以各种分辨率从DSM或者DEM提取覆盖范围内规则格网点的平面坐标(X,Y)及其高程(Z)的数据集,描述区域地表或者地貌形态的空间分布。相比机载/车载激光雷达方式、无人机摄影测量方式,能够从大范围尺度获取监测数据并生产相关的数字产品。
获取数据周期短,工作效率高。本发明基于卫星遥感测量树木冠层高度技术,对获取的卫星立体相对影像数据中重叠区域,采用深度神经网络模型与面向对象的遥感影像分类技术提取不同方向的目标森林区域;利用深度神经网络模型与面向对象的遥感图像分类技术提取森林区域以及利用双目立体视觉原理与滤波技术提取数字表面模型DSM和数字高程模型DEM,能够减少数据计算量、准确获取树木冠层高度数据,不仅获取数据周期短,工作效率高,而且相比机载/车载激光雷达方式、无人机摄影测量方式不仅降低了测量成本,而且能够大范围地获取监测产品同时周期更短、速度更快地更新测图产品。
本发明根据卫星立体相对影像数据及RPB文件、地面控制点文件叠加提取的目标森林区域,获取目标森林区域的卫星立体相对影像数据及对应的RPB文件、地面控制点文件;利用卫星立体相对影像数据及RPB文件、地面控制点文件叠加提取的目标森林区域,获取目标森林区域的卫星立体相对影像数据及对应的RPB文件、地面控制点文件测量树木冠层数据,获取的序列影像既有利于影像的自动匹配,同时也可以提高交会精度,克服了单基线的缺陷。简化了传统测量方法要定点多次测量的繁复工作。
本发明利用深度神经网络模型与面向对象的遥感图像分类方法提取目标森林区域面状矢量数据并基于双目立体视觉原理,利用半全局匹配算法(SGM,Semi-GlobalMatching)与有理函数模型对目标森林区域的卫星立体相对影像数据进行影像立体匹配,计算出目标森林区域的冠层结构特征参数,生成目标森林区域高精度DSM点云数据;可以主动避开不符合计算冠层结构参数的冠层空隙部分,躲开不符合测量计算的障碍物。突破了传统遥感技术只能获取冠层的水平分布信息,无法获取垂直信息的瓶颈。
本发明采用提取树木顶端高度和地面地形高度,预处理自动提取影像的相关信息,提取匹配影像特征点,生成加密点云数据,构建目标森林区域数字地表模型DSM和数字高程模型DEM;结合栅格数据的图像计算,将获取的数字地表模型DSM减去获得的数字高程模型DEM得到冠层高度模型DHM,从三维角度计算树木冠层高度,实现树木高度的测量。树木冠层高度提取结果的精度较高,克服了树木在进行测高时精度存在较大差异的缺陷,且在测量树木冠层高度时,具有更好的测高效果。结果表明能够准确分割树木点云和树下地面点云。相较于传统测量方式成本低。
本发明采用提取树木顶端高度和地面地形高度,预处理自动提取影像的相关信息,提取匹配影像特征点,生成加密点云数据,构建目标森林区域数字地表模型DSM和数字高程模型DEM;结合栅格数据的图像计算,将获取的数字地表模型DSM减去获得的数字高程模型DEM得到冠层高度模型DHM,从三维角度计算树木冠层高度,实现树木冠层高度的测量。DSM以地理实体为视角和对象,在DEM的基础上,最真实地表达地面起伏情况,进一步涵盖了除地面以外的其它地表信息的高程。
附图说明
图1为本发明卫星遥感测量树木冠层高度的流程示意图;
图2为本发明目标森林区域边界提取的流程示意图;
图3为本发明基于高分辨率卫星立体相对影像数据测量树木冠层高度的流程示意图。
为了更清楚地阐释本发明的目的、技术方案及优点,以下结合附图及实施例,对本发明进行详细说明。所描述的实施例不代表全部的实施例。
具体实施方式
参阅图1。根据本发明,获取用于测量树木冠层高度的卫星立体相对影像数据及RPB文件、土地利用现状数据和地面控制点文件;对获取的卫星立体相对影像数据中重叠区域,采用深度神经网络模型与面向对象的遥感影像分类技术提取不同方向的目标森林区域;根据卫星立体相对影像数据及RPB文件、地面控制点文件叠加提取的目标森林区域,获取目标森林区域的卫星立体相对影像数据及对应的RPB文件、地面控制点文件;基于双目立体视觉原理,采用半全局匹配算法(SGM)与有理函数模型,结合目标森林区域内地面控制点文件对目标森林区域的卫星立体相对影像数据进行影像立体匹配,计算出目标森林区域的冠层结构特征参数,获取目标森林区域DSM点云数据;通过对DSM点云数据滤波,获取遮挡区域和纹理缺乏、困难地区的正确点云数据,得到高精度DSM点云数据,生成数字地表模型DSM;利用高精度的DSM点云数据,除去植被、建筑物、电力线非地面点,保留地面点,得到高精度DEM点云数据,生成目标森林区域的数字高程模型DEM;结合栅格数据的图像计算,将获取的数字地表模型DSM减去获得的数字高程模型DEM得到冠层高度模型DHM,从三维角度计算树木冠层高度,实现树木高度的测量。
作为优选,卫星立体相对影像数据包括:同轨和异轨的立体相对影像数据,异轨的立体相对影像数据时间间隔在3个月以内;
作为优选,卫星立体相对影像数据包括全色波段和可见光波段,且全色波段空间分辨率为亚米级,提取目标森林区域数据为全色波段与可见光波段的融合影像。
作为优选,面向对象的遥感影像分类技术融合光谱特征、纹理特征和植被特征三类地学特征对融合影像进行多尺度图像分割;利用土地利用现状图来辅助提取森林区域与非森林区域的样本数据,生成DSM数据得到的结果数据集为栅格数据集,将生成的栅格数据集默认投影坐标系。
作为优选,卫星立体相对影像数据及RPB文件、地面控制点文件与目标森林区域的叠加,利用目标森林区域的面状矢量数据分别对卫星立体相对影像数据的两景影像数据进行图像裁剪处理,获取目标森林区域的卫星立体相对影像数据;通过目标森林区域的面状矢量数据的坐标信息匹配卫星立体相对影像数据的两个RPB文件内的坐标数据,修改RPB文件,获取与目标森林区域卫星立体相对影像数据匹配的RPB文件;匹配地面控制点文件和目标森林区域的面状矢量数据的坐标信息,删除目标森林区域外的地面控制点,保留目标森林区域内的地面控制点,形成目标森林区域内的地面控制点文件。
数字地表模型DSM或者数字高程模型DEM根据格网点的平面坐标(X,Y)及其高程Z的数据集,描述区域地表或者地貌形态的空间分布。数字地表模型DSM通过立体模型进行数据采集采样和量测,然后进行数据内插和快速预处理,通过有理函数模型转换成三维大地坐标,生成高精度DSM点云。对高精度DSM点云数据滤掉地面上的点云,保留地面点云,进而生成DEM点云数据与数字高程模型DEM,并通过栅格图像数据的计算,将数字地表模型DSM减去数字高程模型DEM得到冠层高度模型DHM的图像数据,提取树木冠层高度,得到树木冠层高度的测量值。
参阅图2。在森林区域边界提取中,利用前、后视全色波段数据确定卫星立体相对影像数据的影像重叠区域;利用Gram-Schmidt算法完成后视全色波段与可见光波段的融合,形成融合影像,用于目标森林区域的提取;融合光谱特征、纹理特征、植被特征,采用面向对象的多尺度分割对融合图像进行分割,形成分割图像;结合土地利用现状数据图,选取森林区域与非森林区域的样本,利用分割后的影像提取森林与非森林的样本数据并训练深度神经网络模型,根据训练后的深度神经网络模型,提取影像重叠区域内的森林边界区域,并将提取的目标森林区域转换为面状矢量数据。
参阅图3。数字地表模型DSM的建立使用的数据包括:地面控制点文件、前后视全色波段的RPB文件、前后视全色波段;根据提取的目标森林区域转换为目标森林区域的面状矢量数据,分别对对应的前后视全色波段RPB文件进行修改,并对前后视全色波段进行图像裁剪处理,获取目标森林区域的卫星立体相对影像数据及RPB文件。
数字地表模型DSM点云采用半全局匹配算法(SGM,Semi-GlobalMatching)对目标森林区域的卫星立体相对影像数据进行影像立体匹配;利用提取的目标森林区域的面状矢量数据的坐标信息,匹配地面控制点的坐标信息,删除森林区域外的地面控制点,保留森林区域内的地面控制点,基于地面控制点的选取和影像立体匹配结果,利用有理函数模型创建物方空间坐标的立体相对,生成DSM点云数据。
通过对DSM点云数据滤波,获取遮挡区域、纹理缺乏等困难地区的正确点云数据,生成高精度DSM点云数据,形成数字地表模型DSM;利用高精度的DSM点云数据,除去植被、建筑物、电力线等非地面点,保留地面点,形成数字高程模型DEM;数字地表模型DSM结合数字高程模型DEM生成冠层高度模型,通过冠层高度模型提取树木冠层高度信息。
生成的冠层高度模型为栅格数据,利用遥感图像处理软件ENVI即可提取树木冠层高度信息。
以上所述仅是本发明的较优实施方式,在本发明的精神和原则之内的任何修改和改进,本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种卫星遥感测量树木冠层高度的方法,其特征在于包括如下步骤:获取用于测量树木冠层高度的卫星立体相对影像数据及RPB文件、土地利用现状数据和地面控制点文件;对获取的卫星立体相对影像数据中重叠区域,采用深度神经网络模型与面向对象的遥感影像分类技术提取不同方向的目标森林区域;根据卫星立体相对影像数据及RPB文件、地面控制点文件叠加提取的目标森林区域,获取目标森林区域的卫星立体相对影像数据及对应的RPB文件、地面控制点文件;基于双目立体视觉原理,采用半全局匹配算法(SGM)与有理函数模型,结合目标森林区域内地面控制点文件对目标森林区域的卫星立体相对影像数据进行影像立体匹配,计算出目标森林区域的冠层结构特征参数,获取目标森林区域DSM点云数据;通过对DSM点云数据滤波,获取遮挡区域和纹理缺乏、困难地区的正确点云数据,得到高精度DSM点云数据,生成数字地表模型DSM;利用高精度的DSM点云数据,除去植被、建筑物、电力线非地面点,保留地面点,得到高精度DEM点云数据,生成目标森林区域的数字高程模型DEM;结合栅格数据的图像计算,将获取的数字地表模型DSM减去获得的数字高程模型DEM,得到冠层高度模型(DHM),从三维角度计算树木冠层高,实现树木高度的测量。
2.如权利要求1所述的卫星遥感测量树木冠层高度的方法,其特征在于:卫星立体相对影像数据包括全色波段和可见光波段,且全色波段空间分辨率为亚米级,提取目标森林区域数据为全色波段与可见光波段的融合影像。
3.如权利要求1所述的卫星遥感测量树木冠层高度的方法,其特征在于:面向对象的遥感影像分类技术融合光谱特征、纹理特征和植被特征三类地学特征对融合影像进行多尺度图像分割;利用土地利用现状数据来辅助提取森林区域与非森林区域的样本数据;生成DSM数据得到的结果数据集为栅格数据集,将生成的栅格数据集默认投影坐标系。
4.如权利要求1所述的卫星遥感测量树木冠层高度的方法,其特征在于:卫星立体相对影像数据与目标森林区域的叠加:利用提取的目标森林区域的面状矢量数据分别对卫星立体相对影像数据的两景影像数据进行图像裁剪处理,获取目标森林区域的卫星立体相对影像数据。
5.如权利要求1所述的卫星遥感测量树木冠层高度的方法,其特征在于:根据目标森林区域的面状矢量数据的坐标信息,匹配卫星立体相对影像数据的两个RPB文件内的坐标数据,修改RPB文件,获取与目标森林区域卫星立体相对影像数据匹配的RPB文件。
6.如权利要求1所述的卫星遥感测量树木冠层高度的方法,其特征在于:根据目标森林区域的面状矢量数据的坐标信息,匹配地面控制点文件的坐标信息,删除目标森林区域外的地面控制点,保留目标森林区域内的地面控制点,形成目标森林区域内的地面控制点文件。
7.如权利要求6所述的卫星遥感测量树木冠层高度的方法,其特征在于:数字地表模型DSM或者数字高程模型DEM根据格网点的平面坐标(X,Y)及其高程Z的数据集,描述区域地表或者地貌形态的空间分布;通过立体模型进行数据采集采样和量测,然后进行数据内插和快速预处理,通过有理函数模型转换成三维大地坐标,生成高精度DSM点云并对高精度DSM点云数据滤掉地面上的点云,保留地面点云,生成DEM点云数据与数字高程模型DEM,并通过栅格图像数据的计算,将数字地表模型DSM减去数字高程模型DEM得到冠层高度模型DHM的图像数据,提取树木冠层高度,得到树木高度的测量值。
8.如权利要求1所述的卫星遥感测量树木冠层高度的方法,其特征在于:数字地表模型DSM的建立使用的数据包括:地面控制点文件、前后视全色波段的RPB文件、前后视全色波段;根据提取的森林区域边界转换为目标森林区域的面状矢量数据,分别对对应的前后视全色波段RPB文件进行修改,并对前后视全色波段进行图像裁剪处理,获取目标森林区域的卫星立体相对影像数据及RPB文件。
9.如权利要求1或2所述的卫星遥感测量树木冠层高度的方法,其特征在于:在森林区域边界提取中,前、后视全色波段数据和后视可见光波段,基于遥感图像处理软件ENVI确定卫星立体相对影像数据的影像重叠区域;利用Gram-Schmidt算法完成后视全色波段与可见光波段的融合,形成融合影像,用于目标森林区域的提取;融合光谱特征、纹理特征、植被特征,采用面向对象的多尺度分割对融合图像进行分割,形成分割图像;结合土地利用现状数据图,选取森林区域与非森林区域的样本,利用分割后的影像提取森林与非森林的样本数据并训练深度神经网络模型,根据训练后的深度神经网络模型,提取影像重叠区域内的森林边界区域,并将提取的目标森林区域转换为面状矢量数据。
10.如权利要求1所述的卫星遥感测量树木冠层高度的方法,其特征在于:数字地表模型DSM点云采用半全局匹配算法(SGM,Semi-GlobalMatching)对目标森林区域的卫星立体相对影像数据进行影像立体匹配;利用提取的目标森林区域的面状矢量数据的坐标信息,匹配地面控制点的坐标信息,删除森林区域外的地面控制点,保留森林区域内的地面控制点,基于地面控制点的选取和影像立体匹配结果,利用有理函数模型创建物方空间坐标的立体相对,生成DSM点云数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011593042.2A CN112729130A (zh) | 2020-12-29 | 2020-12-29 | 卫星遥感测量树木冠层高度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011593042.2A CN112729130A (zh) | 2020-12-29 | 2020-12-29 | 卫星遥感测量树木冠层高度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112729130A true CN112729130A (zh) | 2021-04-30 |
Family
ID=75607474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011593042.2A Pending CN112729130A (zh) | 2020-12-29 | 2020-12-29 | 卫星遥感测量树木冠层高度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112729130A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113284171A (zh) * | 2021-06-18 | 2021-08-20 | 成都天巡微小卫星科技有限责任公司 | 一种基于卫星遥感立体成像对的植被高度分析方法及系统 |
CN113567369A (zh) * | 2021-07-20 | 2021-10-29 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于多光谱遥感的森林环境监测方法及系统 |
CN113591766A (zh) * | 2021-08-09 | 2021-11-02 | 中国林业科学研究院资源信息研究所 | 一种无人机多源遥感的树种识别方法 |
CN113920438A (zh) * | 2021-12-14 | 2022-01-11 | 武汉大学 | 联合ICESat-2和吉林一号影像的输电线附近树木隐患排查方法 |
CN113989670A (zh) * | 2021-10-27 | 2022-01-28 | 北京四象爱数科技有限公司 | 一种电网输电线路林木障碍物高度快速提取方法 |
CN114005032A (zh) * | 2021-10-28 | 2022-02-01 | 广州市城市规划勘测设计研究院 | 一种城市行道树单木参数提取方法、装置及终端设备 |
CN115019190A (zh) * | 2022-04-11 | 2022-09-06 | 贵州师范大学 | 基于航空遥感平台的地形破碎区复杂地类信息提取方法 |
WO2023085996A1 (en) * | 2021-11-09 | 2023-05-19 | Saab Ab | Method, system and computer program product for forming a digital surface model based on treetops |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073874A (zh) * | 2010-12-29 | 2011-05-25 | 中国资源卫星应用中心 | 附加几何约束的航天三线阵ccd相机多影像立体匹配方法 |
CN103093233A (zh) * | 2012-12-03 | 2013-05-08 | 中国环境科学研究院 | 一种基于面向对象的高分辨率遥感影像森林分类方法 |
CN103514457A (zh) * | 2013-07-29 | 2014-01-15 | 北京师范大学 | 生态约束条件下土地利用结构优化的多目标改进差分进化模型 |
CN104867180A (zh) * | 2015-05-28 | 2015-08-26 | 南京林业大学 | 一种集成uav与lidar的森林林分特征反演方法 |
CN105139375A (zh) * | 2015-07-15 | 2015-12-09 | 武汉大学 | 一种结合全球dem与立体视觉的卫星影像云检测方法 |
CN105160465A (zh) * | 2015-08-25 | 2015-12-16 | 四川省宇行规划设计有限公司 | 一种基于3s技术的退耕还林方法 |
CN108363983A (zh) * | 2018-03-06 | 2018-08-03 | 河南理工大学 | 一种基于无人机影像与重建点云的城市植被分类方法 |
CN109543630A (zh) * | 2018-11-28 | 2019-03-29 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像林地提取方法及系统、存储介质、电子设备 |
CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
CN111126148A (zh) * | 2019-11-25 | 2020-05-08 | 长光卫星技术有限公司 | 一种基于视频卫星影像的dsm生成方法 |
-
2020
- 2020-12-29 CN CN202011593042.2A patent/CN112729130A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073874A (zh) * | 2010-12-29 | 2011-05-25 | 中国资源卫星应用中心 | 附加几何约束的航天三线阵ccd相机多影像立体匹配方法 |
CN103093233A (zh) * | 2012-12-03 | 2013-05-08 | 中国环境科学研究院 | 一种基于面向对象的高分辨率遥感影像森林分类方法 |
CN103514457A (zh) * | 2013-07-29 | 2014-01-15 | 北京师范大学 | 生态约束条件下土地利用结构优化的多目标改进差分进化模型 |
CN104867180A (zh) * | 2015-05-28 | 2015-08-26 | 南京林业大学 | 一种集成uav与lidar的森林林分特征反演方法 |
CN105139375A (zh) * | 2015-07-15 | 2015-12-09 | 武汉大学 | 一种结合全球dem与立体视觉的卫星影像云检测方法 |
CN105160465A (zh) * | 2015-08-25 | 2015-12-16 | 四川省宇行规划设计有限公司 | 一种基于3s技术的退耕还林方法 |
CN108363983A (zh) * | 2018-03-06 | 2018-08-03 | 河南理工大学 | 一种基于无人机影像与重建点云的城市植被分类方法 |
CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
CN109543630A (zh) * | 2018-11-28 | 2019-03-29 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像林地提取方法及系统、存储介质、电子设备 |
CN111126148A (zh) * | 2019-11-25 | 2020-05-08 | 长光卫星技术有限公司 | 一种基于视频卫星影像的dsm生成方法 |
Non-Patent Citations (2)
Title |
---|
凌成星 等: "一种基于 GeoEye-1 立体像对数据的快速提取平均树高方法", 《测绘空间地理信息》 * |
肖潇 等: "利用WorldView-3立体影像生产1:2000比例尺3D产品", 《北京测绘》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113284171A (zh) * | 2021-06-18 | 2021-08-20 | 成都天巡微小卫星科技有限责任公司 | 一种基于卫星遥感立体成像对的植被高度分析方法及系统 |
CN113567369A (zh) * | 2021-07-20 | 2021-10-29 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于多光谱遥感的森林环境监测方法及系统 |
CN113591766A (zh) * | 2021-08-09 | 2021-11-02 | 中国林业科学研究院资源信息研究所 | 一种无人机多源遥感的树种识别方法 |
CN113989670A (zh) * | 2021-10-27 | 2022-01-28 | 北京四象爱数科技有限公司 | 一种电网输电线路林木障碍物高度快速提取方法 |
CN114005032A (zh) * | 2021-10-28 | 2022-02-01 | 广州市城市规划勘测设计研究院 | 一种城市行道树单木参数提取方法、装置及终端设备 |
WO2023085996A1 (en) * | 2021-11-09 | 2023-05-19 | Saab Ab | Method, system and computer program product for forming a digital surface model based on treetops |
CN113920438A (zh) * | 2021-12-14 | 2022-01-11 | 武汉大学 | 联合ICESat-2和吉林一号影像的输电线附近树木隐患排查方法 |
CN113920438B (zh) * | 2021-12-14 | 2022-03-04 | 武汉大学 | 联合ICESat-2和吉林一号影像的输电线附近树木隐患排查方法 |
CN115019190A (zh) * | 2022-04-11 | 2022-09-06 | 贵州师范大学 | 基于航空遥感平台的地形破碎区复杂地类信息提取方法 |
CN115019190B (zh) * | 2022-04-11 | 2024-03-22 | 贵州师范大学 | 基于航空遥感平台的地形破碎区复杂地类信息提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112729130A (zh) | 卫星遥感测量树木冠层高度的方法 | |
CN113034689B (zh) | 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质 | |
Liu et al. | LiDAR-derived high quality ground control information and DEM for image orthorectification | |
CN114518104B (zh) | 基于动态遥感监测技术的国土测绘方法、系统及存储介质 | |
Xu et al. | Comparison of conventional measurement and LiDAR-based measurement for crown structures | |
CN106503060A (zh) | 一种输电线路三维点云数据处理及交跨物获取方法 | |
CN116504032B (zh) | 一种基于实景三维的滑坡危险性监测预警方法及系统 | |
CN109961510B (zh) | 一种基于三维点云重构技术的高切坡地质快速编录方法 | |
CN114781011A (zh) | 一种像素级全球森林碳储量高精度计算方法及系统 | |
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 | |
CN114898053A (zh) | 基于三维空间影像技术的碎裂松动岩体发育范围圈定方法 | |
Li et al. | New methodologies for precise building boundary extraction from LiDAR data and high resolution image | |
Mamajonova et al. | Main Methods of Creating Topographic Maps: A Comprehensive Review | |
Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
CN110580468B (zh) | 一种基于影像匹配点云的单木结构参数提取的方法 | |
Jawak et al. | Validation of high-density airborne LiDAR-based feature extraction using very high resolution optical remote sensing data | |
CN115638772A (zh) | 基于无人机影像数据提取高山峡谷区滑坡灾害信息的方法 | |
CN114972672A (zh) | 输电线路实景三维模型构建方法、装置、设备和存储介质 | |
Wang et al. | Canopy extraction and height estimation of trees in a shelter forest based on fusion of an airborne multispectral image and photogrammetric point cloud | |
CN113192194A (zh) | 一种植被区地形图的绘制方法 | |
CN111429509A (zh) | 一种目标物高度的集中测算方法 | |
Wu | Application research of terrain mapping based on riegl 3d scanning system | |
Picu | Updating geospatial data by creating a high resolution digital surface model | |
CN113450348B (zh) | 基于高分辨率立体像对影像的土壤侵蚀定量估算方法 | |
Gao et al. | Experimental Study on Precise Recognition of Settlements in Mountainous Areas Based on UAV Image and LIDAR Point Cloud |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210430 |