CN113885012A - 森林研究区的星载光子计数激光雷达去噪精度评价方法 - Google Patents
森林研究区的星载光子计数激光雷达去噪精度评价方法 Download PDFInfo
- Publication number
- CN113885012A CN113885012A CN202111304112.2A CN202111304112A CN113885012A CN 113885012 A CN113885012 A CN 113885012A CN 202111304112 A CN202111304112 A CN 202111304112A CN 113885012 A CN113885012 A CN 113885012A
- Authority
- CN
- China
- Prior art keywords
- data
- photon
- denoising
- evaluation
- laser radar
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 96
- 238000011160 research Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012795 verification Methods 0.000 claims abstract description 12
- 238000012937 correction Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 description 13
- 230000035945 sensitivity Effects 0.000 description 4
- 241001138418 Sequoia sempervirens Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 241000422846 Sequoiadendron giganteum Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种森林研究区的星载光子计数激光雷达去噪精度评价方法，方法首先选择星载光子计数激光雷达的轨迹与森林研究区的机载点云数据轨迹的重合区域作为评价区，并根据评价区位置，提取对应ATL03数据产品与ATL08数据产品中光子云数据；接着使得星载光子计数激光雷达与机载去噪评价数据处于相同坐标系，并将ATL08数据产品中的信号标签赋予ATL03数据产品中的光子云数据，得出NASA官方算法的去噪结果；然后获取对应机载去噪评价数据的冠层高度模型数据CHM和数字地表模型数据DTM；最后对CHM和DTM数据进行匹配，并对星载光子计数激光雷达数据进行去噪精度评价。本发明使用机载点云数据完成对星载光子云数据的评价验证，具有较强的实际应用价值。
Description
技术领域
本发明涉及星载光子计数激光雷达遥感应用技术领域，尤其涉及一种森林研究区的星载光子计数激光雷达去噪精度评价方法。
背景技术
冰、云和陆地高度卫星二代(Ice,Cloud,and land Elevation Satellite-2,ICESat-2)已经于2018年9月发射成功，ICESat-2搭载了先进地形激光高度计系统(Advanced Topographic Laser Altimeter System，ATLAS)，该系统的主载荷采用的技术是微脉冲光子计数技术，该系统具有高重频、灵敏性高的特性，可以有效探测从地球表面反射回来的光子，通过接收返回的光子信号描述地表的冠层情况。ATLAS的激光发射器具有高重频特性、灵敏性高的特性，其频率能够达到10kHz，这一特性使得ATLAS可以获得近似连续的航带信息，为完成其测量全球冠层高度等科学目标提供硬件方面的技术支持。虽然ATLAS系统具有高重频、灵敏性高的特性，但是其中高灵敏度的特性导致ATLAS系统会接收来自于外界和系统本身的噪声光子。特别在森林研究区，噪声光子将随机分布于冠层顶上部与地表以下，若算法去噪效果不佳的话，将严重影响星载光子计数激光雷达(light detectionand ranging，LiDAR)在林业方向的应用。因此针对森林研究区星载光子计数雷达的去噪算法，对去噪精度进行合理有效的评价，确定去噪效果是否符合应用标准，具有十分重要的意义。
现有技术中，很多评价方法采用人工方式进行标记，这类方法缺少对于研究区实际情况的考量，特别是在冠层顶及林下地表确定存在严重人为因素的影响时，进而降低精度验证方法的精度。故迫切需要提出一种依据森林研究区科学数据开展的光子云去噪算法评价方法。
发明内容
针对上述现有技术的不足，本发明提供一种森林研究区的星载光子计数激光雷达去噪精度评价方法。
为解决上述技术问题，本发明所采取的技术方案是：森林研究区的星载光子计数激光雷达去噪精度评价方法，包括如下步骤：
步骤1：获取星载光子计数激光雷达的轨迹，并选择该轨迹与森林研究区的机载点云数据轨迹的重合区域作为评价区，并将森林研究区的机载点云数据作为去噪评价数据；
所述选择星载光子计数激光雷达的轨迹与森林研究区的机载点云数据轨迹的重合区域作为评价区的方法为：
S1：根据星载光子计数激光雷达的轨迹，在森林研究区选定具有机载点云数据轨迹的地区，并以该地区作为评价区，完成评价区的初选定；
S2：根据星载光子计数激光雷达轨迹的经纬度数据和机载去噪评价数据的标记语言KML(Keyhole Markup Language)数据，选择两种数据相交位置，完成评价区的精确定。
步骤2：根据评价区位置，提取对应星载光子计数激光雷达中ATL03数据产品与ATL08数据产品中光子云数据的经纬度、高程、大地水准面改正信息及NASA官方算法的信号标签数据，过程如下：
步骤2.1：通过NASA官方网站获取星载光子计数激光雷达的ATL03数据产品与ATL08数据产品；
步骤2.2：根据评价区位置的经纬度信息，提取ATL03数据产品中的光子云数据信息，具体的参数包括：光子事件的纬度信息lat_ph、光子事件的经度信息lon_ph、光子事件的高程信息h_ph和光子事件的大地水准面改正信息geoid；
步骤2.3：根据评价区位置的经纬度信息，提取ATL08数据产品中的光子云数据信息，具体的参数包括：NASA官方算法的光子云分类标签信息、匹配每个ATL08数据产品中信号光子与ATL03数据产品上相应光子记录的唯一标识符信息classed_pc_indx和匹配每个ATL08数据产品中信号光子追踪到ATL03数据产品上的光子的唯一标识符字段号ph_segment_id。
步骤3：利用ATL03数据产品中的geoid信息完成ATL03数据产品中大地水准面改正信息修正，使得星载光子计数激光雷达与机载去噪评价数据处于相同坐标系；将ATL08数据产品中的信号标签赋予ATL03数据产品中的光子云数据，得出NASA官方算法的去噪结果，过程如下：
步骤3.1：将ATL03数据产品中涉及的光子事件的高程信息h_ph与对应光子事件的大地水准面改正信息geoid进行匹配，获得带有大地水准面改正信息的光子云数据，使得星载光子计数激光雷达与机载去噪评价数据处于相同坐标系；
步骤3.2：利用classed_pc_indx和ph_segment_id将ATL03数据产品与ATL08数据产品进行关联，并将ATL08数据产品中的光子云分类参数赋给ATL03数据产品中带有大地水准面改正信息的光子云数据，获得带有NASA官方去噪算法标签的光子云数据；
步骤3.3：将带有NASA官方去噪算法标签的光子云数据存储到.CSV文件，便于后续验证。
步骤4：根据评价区位置，获取对应机载去噪评价数据的冠层高度模型数据CHM(canopy height model)和数字地表模型数据DTM(Digital Terrain Model)作为去噪结果的验证数据，具体方法为：
获取评价区位置的经纬度信息，获取对应CHM与DTM在对应经纬度的数据，将带有评价区位置的CHM与DTM数据存储到.CSV文件，便于后续验证。
步骤5：按照经纬度信息，将星载光子计数激光雷达数据与机载去噪评价数据的CHM和DTM数据进行匹配，并对星载光子计数激光雷达数据进行去噪精度评价，过程如下：
步骤5.1：提取机载数据在评价区对应经纬度的CHM数据与DTM数据，并根据CHM数据与DTM数据构建评价区信号光子区间，以DTM数据作为信号光子区间的下边界，以DTM数据联合CHM数据生成的DSM数据作为信号光子区间的上边界；
步骤5.2：选择带有NASA官方去噪算法标签的光子云数据，若带有NASA官方去噪算法信号标签的光子云数据落在信号光子区间内则判定去噪算法有效，反之则判定去噪算法失效；若带有NASA官方去噪算法噪声标签的光子云数据落在信号光子区间外则判定去噪算法有效，反之则判定去噪算法失效；
步骤5.3：统计去噪算法有效的光子事件并记录，作为评价信息，根据评价信息完成森林研究区去噪算法的评价。
所述森林研究区去噪算法的评价包括4种统计指标，分别为：召回率R、精度P、光子云去噪精准度accuracy和综合评价指数F值。
采用上述技术方案所产生的有益效果在于：
1、本发明提供的去噪精度评价方法，可以科学的表述研究区的星载信号光子可能存在的区间及森林覆盖情况，精确评价星载光子计数雷达去噪算法的精度信息。
2、本发明提供的去噪精度评价方法使用机载点云数据完成对星载光子云数据的评价验证，评价了光子云去噪算法的准确性。本发明可以提供光子云去噪算法的去噪精度，具有较强的实际应用价值。
附图说明
图1为本发明实施例中森林研究区的星载光子计数激光雷达去噪精度评价方法的流程图；
图2为本发明实施例中机载数据在评价区对应经纬度的CHM数据与DTM数据；其中(a)为CHM数据，(b)为DTM数据；
图3为本发明实施例中星载光子计数激光雷达的ATL03数据产品与ATL08数据产品示意图；其中(a)为ATL08数据产品，(b)为ATL03数据产品；
图4为本发明实施例中评价区星载光子计数激光雷达光子云示意图；其中(a)为截取的一段光子云，(b)为(a)的放大图；
图5为本发明实施例中关联评价区星载光子计数激光雷达与机载去噪评价数据的示意图；其中(a)为截取的一段数据示意图，(b)为(a)的局部放大图；
图6为本发明实施例中评价区信号光子区间示意图；其中(a)为截取的一段评价区信号光子区间示意图，(b)为(a)的局部放大图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1所示，本实施例中森林研究区的星载光子计数激光雷达去噪精度评价方法如下所述。
本实施例中，研究林区位于美国佛罗里达州，研究区地貌以丘陵为主，林下地形坡地居多，海拔范围为0m-653m。研究区内的树种包括：北美红木(Sequoia sempervirens)，巨杉(Sequoiadendron giganteum)等，具有区域代表性。
步骤1：获取星载光子计数激光雷达的轨迹，并选择该轨迹与森林研究区的机载点云数据轨迹的重合区域作为评价区，并将森林研究区的机载点云数据作为去噪评价数据；
所述选择星载光子计数激光雷达的轨迹与森林研究区的机载点云数据轨迹的重合区域作为评价区的方法为：
S1：根据星载光子计数激光雷达的轨迹，在森林研究区选定具有机载点云数据轨迹的地区，并以该地区作为评价区，完成评价区的初选定；
S2：根据星载光子计数激光雷达轨迹的经纬度数据和机载去噪评价数据的标记语言KML(Keyhole Markup Language)数据，选择两种数据相交位置，完成评价区的精确定。
本实施例中，采用机载研究数据为G-LiHT(Goddard's LiDAR Hyperspectral andThermal Imager)数据，该系统为一种便携式的机载成像系统，可同时使用LiDAR、成像光谱和热能量观测方式绘制陆地生态系统的功能图。
步骤2：根据评价区位置，提取对应星载光子计数激光雷达中ATL03数据产品与ATL08数据产品中光子云数据的经纬度、高程、大地水准面改正信息及NASA官方算法的信号标签数据，过程如下：
步骤2.1：通过NASA官方网站获取星载光子计数激光雷达的ATL03数据产品与ATL08数据产品，如图3所示；
步骤2.2：根据评价区位置的经纬度信息，提取ATL03数据产品中的光子云数据信息，具体的参数包括：光子事件的纬度信息lat_ph、光子事件的经度信息lon_ph、光子事件的高程信息h_ph和光子事件的大地水准面改正信息geoid；
步骤2.3：根据评价区位置的经纬度信息，提取ATL08数据产品中的光子云数据信息，具体的参数包括：NASA官方算法的光子云分类标签信息、匹配每个ATL08数据产品中信号光子与ATL03数据产品上相应光子记录的唯一标识符信息classed_pc_indx和匹配每个ATL08数据产品中信号光子追踪到ATL03数据产品上的光子的唯一标识符字段号ph_segment_id。
本实施例中，为方便数据观察，按光子事件的经纬度信息和高程信息，将ATLAS数据转换为沿轨方面的光子云示意图，见图4，其中(a)为评价区一段星载光子计数激光雷达光子云示意图，(b)为(a)的放大部分示意图。
步骤3：利用ATL03数据产品中的geoid信息完成ATL03数据产品中大地水准面改正信息修正，使得星载光子计数激光雷达与机载去噪评价数据处于相同坐标系；将ATL08数据产品中的信号标签赋予ATL03数据产品中的光子云数据，得出NASA官方算法的去噪结果，过程如下：
步骤3.1：将ATL03数据产品中涉及的光子事件的高程信息h_ph与对应光子事件的大地水准面改正信息geoid进行匹配，获得带有大地水准面改正信息的光子云数据，使得星载光子计数激光雷达与机载去噪评价数据处于相同坐标系；
步骤3.2：利用classed_pc_indx和ph_segment_id将ATL03数据产品与ATL08数据产品进行关联，并将ATL08数据产品中的光子云分类参数赋给ATL03数据产品中带有大地水准面改正信息的光子云数据，获得带有NASA官方去噪算法标签的光子云数据；
步骤3.3：将带有NASA官方去噪算法标签的光子云数据存储到.CSV文件，便于后续验证。
本实施例中，将ATL08数据产品的光子属性标签(信号光子标签、噪声光子标签)，对应到ATL03数据产品的光子事件。关联ATL08数据产品的光子属性标签数据与ATL03数据产品光子事件数据示意图，见图5，其中(a)为研究区关联ATL08数据产品的光子属性标签数据与ATL03数据产品光子事件数据示意图，(b)为(a)的放大部分示意图。
步骤4：根据评价区位置，获取对应机载去噪评价数据的冠层高度模型数据CHM(canopy height model)和数字地表模型数据DTM(Digital Terrain Model)作为去噪结果的验证数据，具体方法为：
获取评价区位置的经纬度信息，获取对应CHM与DTM在对应经纬度的数据，将带有评价区位置的CHM与DTM数据存储到.CSV文件，便于后续验证。
本实施例中，G-LiHT机载数据的CHM数据与DTM数据，见图2，其中(a)为G-LiHT的CHM数据，(b)为G-LiHT的DTM数据。
步骤5：按照经纬度信息，将星载光子计数激光雷达数据与机载去噪评价数据的CHM和DTM数据进行匹配，并对星载光子计数激光雷达数据进行去噪精度评价，过程如下：
步骤5.1：提取机载数据在评价区对应经纬度的CHM数据与DTM数据，并根据CHM数据与DTM数据构建评价区信号光子区间，以DTM数据作为信号光子区间的下边界，以DTM数据联合CHM数据生成的DSM数据作为信号光子区间的上边界；
步骤5.2：选择带有NASA官方去噪算法标签的光子云数据，若带有NASA官方去噪算法信号标签的光子云数据落在信号光子区间内则判定去噪算法有效，反之则判定去噪算法失效；若带有NASA官方去噪算法噪声标签的光子云数据落在信号光子区间外则判定去噪算法有效，反之则判定去噪算法失效；
步骤5.3：统计去噪算法有效的光子事件并记录，作为评价信息，根据评价信息完成森林研究区去噪算法的评价。
本实施例中，利用G-LiHT数据的DTM数据协同CHM数据建立森林研究区去噪光子云评价标准，以DTM数据作为信号光子云数据的下边界，以DTM数据联合CHM数据生成的DSM数据作为信号光子云数据的上边界，见图6，其中(a)为信号光子区间数据示意图，(b)为(a)的放大部分示意图。
所述森林研究区去噪算法的评价包括4种统计指标，分别为：召回率R、精度P、光子云去噪精准度accuracy和综合评价指数F值。
召回率R是正确提取有效光子个数占原有光子信号总数的比例(如式1)。精度P是指正确提取有效光子信号数目与提取到的有效光子信号总数目的比值(如式2)，accuracy是光子云去噪精准度(如式3)，综合评价指数F是召回率和正确率的调和平均值(如式4)。
式中，TP为被正确地划分为正例的个数，即实际为信号光子且被分类划分为信号光子的光子云数，TN为被正确地划分为负例的个数，即实际为噪声光子且被分类划分为噪声光子的光子云个数，FP为被错误地划分为正例的个数，即实际为噪声光子但被分类为信号光子的光子云个数，FN为被错误地划分负例的个数，即实际为信号光子但被分类为噪声光子的光子云个数。
Claims (7)
1.一种森林研究区的星载光子计数激光雷达去噪精度评价方法，其特征在于，包括如下步骤：
步骤1：获取星载光子计数激光雷达的轨迹，并选择该轨迹与森林研究区的机载点云数据轨迹的重合区域作为评价区，并将森林研究区的机载点云数据作为去噪评价数据；
步骤2：根据评价区位置，提取对应星载光子计数激光雷达中ATL03数据产品与ATL08数据产品中光子云数据的经纬度、高程、大地水准面改正信息及NASA官方算法的信号标签数据；
步骤3：利用ATL03数据产品中的geoid信息完成ATL03数据产品中大地水准面改正信息修正，使得星载光子计数激光雷达与机载去噪评价数据处于相同坐标系；将ATL08数据产品中的信号标签赋予ATL03数据产品中的光子云数据，得出NASA官方算法的去噪结果；
步骤4：根据评价区位置，获取对应机载去噪评价数据的冠层高度模型数据CHM和数字地表模型数据DTM作为去噪结果的验证数据；
步骤5：按照经纬度信息，将星载光子计数激光雷达数据与机载去噪评价数据的CHM和DTM数据进行匹配，并对星载光子计数激光雷达数据进行去噪精度评价。
2.根据权利要求1所述的森林研究区的星载光子计数激光雷达去噪精度评价方法，其特征在于：所述步骤1中选择星载光子计数激光雷达的轨迹与森林研究区的机载点云数据轨迹的重合区域作为评价区的方法为：
S1：根据星载光子计数激光雷达的轨迹，在森林研究区选定具有机载点云数据轨迹的地区，并以该地区作为评价区，完成评价区的初选定；
S2：根据星载光子计数激光雷达轨迹的经纬度数据和机载去噪评价数据的标记语言KML数据，选择两种数据相交位置，完成评价区的精确定。
3.根据权利要求1所述的森林研究区的星载光子计数激光雷达去噪精度评价方法，其特征在于：所述步骤2的过程如下：
步骤2.1：通过NASA官方网站获取星载光子计数激光雷达的ATL03数据产品与ATL08数据产品；
步骤2.2：根据评价区位置的经纬度信息，提取ATL03数据产品中的光子云数据信息，具体的参数包括：光子事件的纬度信息lat_ph、光子事件的经度信息lon_ph、光子事件的高程信息h_ph和光子事件的大地水准面改正信息geoid；
步骤2.3：根据评价区位置的经纬度信息，提取ATL08数据产品中的光子云数据信息，具体的参数包括：NASA官方算法的光子云分类标签信息、匹配每个ATL08数据产品中信号光子与ATL03数据产品上相应光子记录的唯一标识符信息classed_pc_indx和匹配每个ATL08数据产品中信号光子追踪到ATL03数据产品上的光子的唯一标识符字段号ph_segment_id。
4.根据权利要求3所述的森林研究区的星载光子计数激光雷达去噪精度评价方法，其特征在于：所述步骤3的过程如下：
步骤3.1：将ATL03数据产品中涉及的光子事件的高程信息h_ph与对应光子事件的大地水准面改正信息geoid进行匹配，获得带有大地水准面改正信息的光子云数据，使得星载光子计数激光雷达与机载去噪评价数据处于相同坐标系；
步骤3.2：利用classed_pc_indx和ph_segment_id将ATL03数据产品与ATL08数据产品进行关联，并将ATL08数据产品中的光子云分类参数赋给ATL03数据产品中带有大地水准面改正信息的光子云数据，获得带有NASA官方去噪算法标签的光子云数据；
步骤3.3：将带有NASA官方去噪算法标签的光子云数据存储到.CSV文件，便于后续验证。
5.根据权利要求1所述的森林研究区的星载光子计数激光雷达去噪精度评价方法，其特征在于：所述步骤4的方法如下：
获取评价区位置的经纬度信息，获取对应CHM与DTM在对应经纬度的数据，将带有评价区位置的CHM与DTM数据存储到.CSV文件，便于后续验证。
6.根据权利要求1所述的森林研究区的星载光子计数激光雷达去噪精度评价方法，其特征在于：所述步骤5的过程如下：
步骤5.1：提取机载数据在评价区对应经纬度的CHM数据与DTM数据，并根据CHM数据与DTM数据构建评价区信号光子区间，以DTM数据作为信号光子区间的下边界，以DTM数据联合CHM数据生成的DSM数据作为信号光子区间的上边界；
步骤5.2：选择带有NASA官方去噪算法标签的光子云数据，若带有NASA官方去噪算法信号标签的光子云数据落在信号光子区间内则判定去噪算法有效，反之则判定去噪算法失效；若带有NASA官方去噪算法噪声标签的光子云数据落在信号光子区间外则判定去噪算法有效，反之则判定去噪算法失效；
步骤5.3：统计去噪算法有效的光子事件并记录，作为评价信息，根据评价信息完成森林研究区去噪算法的评价。
7.根据权利要求6所述的森林研究区的星载光子计数激光雷达去噪精度评价方法，其特征在于：所述森林研究区去噪算法的评价包括4种统计指标，分别为：召回率R、精度P、光子云去噪精准度accuracy和综合评价指数F值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111304112.2A CN113885012A (zh) | 2021-11-05 | 2021-11-05 | 森林研究区的星载光子计数激光雷达去噪精度评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111304112.2A CN113885012A (zh) | 2021-11-05 | 2021-11-05 | 森林研究区的星载光子计数激光雷达去噪精度评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113885012A true CN113885012A (zh) | 2022-01-04 |
Family
ID=79016425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111304112.2A Pending CN113885012A (zh) | 2021-11-05 | 2021-11-05 | 森林研究区的星载光子计数激光雷达去噪精度评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113885012A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115372986A (zh) * | 2022-10-21 | 2022-11-22 | 武汉大学 | 基于ICESat-2高分辨率数据的树高制图方法、装置及设备 |
| CN115436965A (zh) * | 2022-09-23 | 2022-12-06 | 辽宁工程技术大学 | 基于多模态星载激光雷达数据的林下地形数据集生成方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020213787A1 (ko) * | 2019-04-19 | 2020-10-22 | 서울대학교산학협력단 | 라이다 측량자료를 이용한 숲틈 모니터링 시스템 및 방법 |
| CN113281716A (zh) * | 2021-03-16 | 2021-08-20 | 中国人民解放军战略支援部队信息工程大学 | 一种光子计数激光雷达数据去噪方法 |
-
2021
- 2021-11-05 CN CN202111304112.2A patent/CN113885012A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020213787A1 (ko) * | 2019-04-19 | 2020-10-22 | 서울대학교산학협력단 | 라이다 측량자료를 이용한 숲틈 모니터링 시스템 및 방법 |
| CN113281716A (zh) * | 2021-03-16 | 2021-08-20 | 中国人民解放军战略支援部队信息工程大学 | 一种光子计数激光雷达数据去噪方法 |
Non-Patent Citations (1)
| Title |
|---|
| 黄佳鹏: "基于ICESat-2/ATLAS光子计数LiDAR数据反演森林冠层高度研究", 中国博士学位论文全文数据库 农业科技辑 (月刊), 15 September 2021 (2021-09-15), pages 1 - 12 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115436965A (zh) * | 2022-09-23 | 2022-12-06 | 辽宁工程技术大学 | 基于多模态星载激光雷达数据的林下地形数据集生成方法 |
| CN115436965B (zh) * | 2022-09-23 | 2024-05-03 | 辽宁工程技术大学 | 基于多模态星载激光雷达数据的林下地形数据集生成方法 |
| CN115372986A (zh) * | 2022-10-21 | 2022-11-22 | 武汉大学 | 基于ICESat-2高分辨率数据的树高制图方法、装置及设备 |
| US12094142B2 (en) | 2022-10-21 | 2024-09-17 | Wuhan University | Tree height mapping method, device and equipment based on ICESat-2 high-resolution data |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gong et al. | ICEsat GLAS data for urban environment monitoring | |
| CN113885012A (zh) | 森林研究区的星载光子计数激光雷达去噪精度评价方法 | |
| CN103336956B (zh) | 一种基于遥感时序数据的冬小麦面积估算方法 | |
| CN104867180A (zh) | 一种集成uav与lidar的森林林分特征反演方法 | |
| CN104268423A (zh) | 大尺度动态演化沙尘型气溶胶反演方法 | |
| CN103197305A (zh) | 基于支持向量机识别的沙尘型气溶胶反演方法 | |
| CN106199627A (zh) | 草地植被参数获取方法 | |
| CN104062644A (zh) | 一种从激光雷达高斯回波数据中提取树高的方法 | |
| CN112462401B (zh) | 基于浮动车轨迹数据的城市峡谷快速探测方法及装置 | |
| CN112836725A (zh) | 基于时序遥感数据的弱监督lstm循环神经网络稻田识别方法 | |
| CN108874734B (zh) | 一种全球陆地降水反演方法 | |
| CN105866792B (zh) | 一种星载激光雷达树高提取方法 | |
| CN114019503A (zh) | 基于fod检测系统的机场跑道异物检测方法、设备、存储介质 | |
| CN109359631A (zh) | 一种基于卷积神经网络的海冰类型遥感分类方法 | |
| CN115524687A (zh) | 针对森林研究区的星载单光子数据分类精度评价方法 | |
| Lao et al. | A new denoising method for photon-counting LiDAR data with different surface types and observation conditions | |
| Calou et al. | Estimation of maize biomass using unmanned aerial vehicles | |
| Tang et al. | Improved GEDI canopy height extraction based on a simulated ground echo in topographically undulating areas | |
| Rinnamang et al. | Estimation of aboveground biomass using aerial photogrammetry from unmanned aerial vehicle in teak (Tectona grandis) plantation in Thailand | |
| CN108594335B (zh) | 一种全球降水检测方法 | |
| Sharma et al. | NGFS rainfall forecast verification over India using the contiguous rain area (CRA) method | |
| Hu et al. | Assessing the Capacities of Different Remote Sensors in Estimating Forest Stock Volume Based on High Precision Sample Plot Positioning and Random Forest Method. | |
| CN115436965A (zh) | 基于多模态星载激光雷达数据的林下地形数据集生成方法 | |
| CN114152936A (zh) | 森林研究区的星载波形激光雷达地面高程精度评价方法 | |
| Liu et al. | Analysis and comparison of denoising methods for photon-counting laser data |
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 |