CN115436965B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115436965B CN115436965B CN202211162150.3A CN202211162150A CN115436965B CN 115436965 B CN115436965 B CN 115436965B CN 202211162150 A CN202211162150 A CN 202211162150A CN 115436965 B CN115436965 B CN 115436965B
- Authority
- CN
- China
- Prior art keywords
- data
- laser radar
- elevation
- borne laser
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000011160 research Methods 0.000 claims abstract description 56
- 238000012876 topography Methods 0.000 claims abstract description 36
- 238000012937 correction Methods 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000012795 verification Methods 0.000 claims abstract description 12
- 230000035945 sensitivity Effects 0.000 claims description 12
- 238000007635 classification algorithm Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 2
- 235000004936 Bromus mango Nutrition 0.000 description 1
- 244000060011 Cocos nucifera Species 0.000 description 1
- 235000013162 Cocos nucifera Nutrition 0.000 description 1
- 240000007228 Mangifera indica Species 0.000 description 1
- 235000014826 Mangifera indica Nutrition 0.000 description 1
- 241000135194 Pione Species 0.000 description 1
- 241000120622 Rhizophoraceae Species 0.000 description 1
- 235000009184 Spondias indica Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- 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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明设计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,属于多模态星载激光雷达数据应用领域;首先选定研究区位置,根据研究区四角的经纬度信息或者研究区边界的矢量信息,来获得多模态星载激光雷达数据;提取多模态星载激光雷达数据的特征参数,并对其进行大地水准面改正信息修正,根据光斑质量筛选参数,筛选修正后的多模态星载激光雷达数据;得到最终的基于多模态星载激光雷达数据的林下地面高程数据;将其与机载G‑LiHT数据精度评价数据进行匹配,开展基于多模态星载激光雷达数据的林下地形数据集的精度验证研究;实现了基于多模态星载激光雷达数据的林下地形数据反演,为反演林下地面高程信息提供准确、有效的科学数据。
Description
技术领域
本发明属于多模态星载激光雷达数据应用领域,具体涉及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。
背景技术
截止2020年年底,全球森林总面积为40.6亿hm2,约占全球陆地总面积的28%。因此,林下数字地面模型(Digital Terrain Model,DTM)是构建全球DTM模型的重要图件。但是,常规测绘手段获取林下地形是无法准确去除植被覆盖,因此,如何客观、准确反演林下地形是亟需解决的问题。
星载激光雷达技术不易受云层及信号饱和影响,可以穿透森林遮蔽获取林下地形的高程信息。目前,以激光雷达技术作为主载荷的卫星包括ICESat(Ice,Cloud,and landElevation Satellite)、ICESat-2、GF-7(gaofen-7)与GEDI(Global Ecosystem DynamicsInvestigation)、句芒号。其中,ICESat、GF-7、GEDI、句芒号均以波形方式记录激光雷达数据,ICESat-2采用光子计数形式记录激光雷达数据。但是,研究更多集中于使用单一模态的星载激光雷达数据反演林下地形,不同模态星载数据足印大小、分布形式、记录方式等均不相同,缺少协同不同模态星载激光雷达数据生成林下地形数据集的方法。考虑到我国森林生态系统复杂,森林面积广阔,需要建立一种协同不同模态星载激光雷达数据生成林下地形数据集的方法,从而实现对大区域复杂森林生态系统森林林下地形的快速高精度估算。
发明内容
针对现有技术的不足,本发明提出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。
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,具体包括以下步骤:
步骤1:首先选定研究区位置,根据研究区四角的经纬度信息或者研究区边界的矢量信息,获得多模态星载激光雷达数据,包括ATL03数据产品、ATL08数据产品以及L2A数据产品;
通过NASA官方网站,下载获取ICESat-2的数据产品包括:研究区的星载单光子激光雷达的ATL03全球光子定位数据产品与ATL08土地和植被高度数据产品;下载获取GEDI的数据产品为:研究区的星载波形激光雷达的L2A数据产品;
步骤2:提取研究区多模态星载激光雷达数据的特征参数;
提取研究区GEDI数据L2A数据产品中波形光斑事件的特征参数信息,具体参数信息包括:光斑的纬度信息lat_lowestmode_aN、光斑的经度信息lon_lowestmode_aN、光斑的林下地面高程信息elev_lowestmode_aN和光斑的大地水准面改正信息mean_sea_surface;同时提取光斑质量筛选参数,包括:波形质量评估参数quality_flag、波形的信噪比Sensitivity和卫星状态参数degrade_flag;提取研究区ATL03数据产品中光子事件的参数信息,具体参数信息包括:经度lon_ph、纬度lat_ph、高程信息h_ph、大地水准面改正信息geoid;
提取ATL08数据产品中的NASA官方分类算法的地面光子标签数据classed_pc_flag;根据研究区数据的经纬度信息,提取ATL08数据产品中的光子云数据信息,具体的参数包括:classed_pc_flag,其中,classed_pc_flag=1为地面光子标签,将ATL08光子事件标签与ATL03的光子事件进行关联,获得带有地面光子标签的ATL03的光子数据;
步骤3:对多模态的星载激光雷达数据进行大地水准面改正信息修正,使得星载激光雷达数据与机载G-LiHT验证数据都处于WGS84坐标系下;根据GEDI数据说明文档,获取L2A数据产品中的林下地形高程数据;根据ATLAS官方数据说明文档,将ATL08数据产品中的地面光子分类标签赋予ATL03数据产品中的光子事件数据,得出带有NASA官方分类算法标签的地面光子,获得带有大地水准面改正信息的ATLAS林下地形高程数据;获得基于多模态星载激光雷达数据的林下地面高程数据;
步骤3.1:将L2A中提取获得的波形数据的林下地面高程信息与对应的大地水准面改正信息逐一进行匹配,使得L2A数据处于WGS84坐标系下,获得带有大地水准面改正信息的GEDI林下地形高程数据;
步骤3.2:将ATL03中提取获得的单光子事件的高程信息与对应的大地水准面改正信息逐一进行匹配,使得ATL03数据处于WGS84坐标系下,获得带有大地水准面改正信息的ATLAS林下地形高程数据;
步骤3.3:将带有大地水准面改正信息的GEDI林下地形高程数据与带有大地水准面改正信息的ATLAS林下地形高程数据存储到.np文件,得到基于多模态星载激光雷达数据的林下地面高程数据;
步骤4:根据光斑质量筛选参数,筛选步骤3修正后的多模态星载激光雷达数据;得到最终的基于多模态星载激光雷达数据的林下地面高程数据.np文件;
步骤4.1:利用光斑质量筛选参数对星载波形激光雷达数据筛选,选择的条件包括:quality_flag=1、Sensitivity>0.95、degrade_flag=0,其中quality_flag=1为良好产品数据的标识,Sensitivity>0.95为波形的灵敏度大于0.95的波形数据作为有效数据,degrade_flag=0为不存在地理位置退化的标识;
步骤4.2:利用质量筛选参数开展星载光子计数激光雷达数据筛选,选择的条件包括:signal_conf_ph=4,其中signal_conf_ph=4为光子置信度最优的数据标识;
步骤5:根据研究区经度、纬度信息,获取对应机载数据产品的DTM数据作为基于多模态星载激光雷达数据得林下地形高程数据集的精度评价数据;将基于多模态星载激光雷达数据生成的林下地形高程数据集与机载G-LiHT数据精度评价数据进行匹配,构建地面高程评价数据,并对基于多模态星载激光雷达数据生成的林下地形高程数据集进行定量评价;
步骤5.1:提取基于多模态星载激光雷达数据的林下地形数据集.np文件中,机载G-LiHT数据在研究区对应经纬度的DTM数据,并根据DTM数据,开展基于多模态星载激光雷达数据的林下地形数据集的精度验证研究;
步骤5.2:统计林下地形数据集中有效的高程验证数据,根据G-LiHT数据作为评价信息,开展研究区不同模态星载激光雷达林下地形高程的精度评价;
所述研究区高程精度的评价包括3种统计指标,分别为:决定系数(R2)、均方根误差(Root Mean Squard Error,RMSE)、绝对平均误差(Mean Absolute Error,MAE);
其中,决定系数R2的计算式如下:
均方根误差(Root Mean Squard Error,RMSE)的计算式如下:
绝对平均误差(Mean Absolute Error,MAE)的计算式如下:
式中,式中,n是样本数量,yi是第i个DTM真实值,是第i个不同模态的星载激光雷达反演高程值,/>表示DTM真实数据的平均值。
本发明的有益技术效果:
本发明提供的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,可以科学、系统的表述研究区的林下地面的变化情况,推广星载激光雷达数据在林业研究的应用,具有较强的实际应用价值。实现了基于多模态星载激光雷达数据的林下地形数据反演,为反演林下地面高程信息提供准确、有效的科学数据。本发明可以生产林下地形高程数据集,具有较强的实际应用价值。
附图说明
图1为本发明一种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流程图;
图2为本发明机载数据DTM数据示意图;
图3为本发明GEDI星载波形激光雷达数据地面光斑示意图;
图4为本发明ATLAS星载光子计数激光雷达数据地面光子示意图。
具体实施方式
下面结合附图对本发明一种实施例做进一步说明。
本发明提出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,以期实现大区域尺度的林下地形精准反演。为衡量林下地形数据集精度,本发明以官方免费发布的G-LiHT数据产品的作为精度验证数据,开展林下地形数据集精度评价。
本发明实施例中,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,如图1所示,包括以下步骤:
步骤1:首先选定研究区位置,根据研究区四角的经纬度信息或者研究区边界的矢量信息,获得多模态星载激光雷达数据,包括ATL03数据产品、ATL08数据产品以及L2A数据产品;
通过NASA官方网站(https://search.earthdata.nasa.gov/),下载获取ICESat-2的数据产品包括:研究区的星载单光子激光雷达的ATL03全球光子定位数据产品与ATL08土地和植被高度数据产品;下载获取GEDI的数据产品为:研究区的星载波形激光雷达的L2A数据产品;
选定研究区位置,根据研究区四角的经纬度信息或者研究区边界的矢量信息;本发明实施例中,研究区经纬度范围为(17.97°N—18.34°N,66.31°W—66.83°W),属于热带海洋性气候。研究区地貌为丘陵、山脉为主,林下地形坡地居多,海拔范围为106m-744m。植被覆盖度范围为25%-66%,大部分足印覆盖区的植被覆盖度为76%(30.6%)、50%(23.2%)、41%(15.4%)。冠层高度范围为0.1m-47.38m,主要林分最大冠层高度为32.67m。研究区内的树种包括:比诺恩斯红树林(Piones Mangroves),椰子树(Cocos nucifera)等。具有区域代表性。
本发明实施例中,本次研究采用机载研究数据为G-LiHT(Goddard's LiDARHyperspectral and Thermal 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。G-LiHT机载数据的DTM数据,见图2(为G-LiHT的DTM数据)通过G-LiHT官方网站(https://glihtdata.gsfc.nasa.gov/),下载获取研究区的G-LiHT的DTM数据产品,作为林下地形评价数据,见图2。
步骤2:提取研究区多模态星载激光雷达数据的特征参数;
提取研究区GEDI数据L2A数据产品中波形光斑事件的特征参数信息,具体参数信息包括:光斑的纬度信息lat_lowestmode_aN、光斑的经度信息lon_lowestmode_aN、光斑的林下地面高程信息elev_lowestmode_aN和光斑的大地水准面改正信息mean_sea_surface;同时提取光斑质量筛选参数,包括:波形质量评估参数quality_flag、波形的信噪比Sensitivity和卫星状态参数degrade_flag;提取研究区ATL03数据产品中光子事件的参数信息,具体参数信息包括:经度lon_ph、纬度lat_ph、高程信息h_ph、大地水准面改正信息geoid;
提取ATL08数据产品中的NASA官方分类算法的地面光子标签数据classed_pc_flag;根据研究区数据的经纬度信息,提取ATL08数据产品中的光子云数据信息,具体的参数包括:classed_pc_flag,其中,classed_pc_flag=1为地面光子标签,将ATL08光子事件标签与ATL03的光子事件进行关联,获得带有地面光子标签的ATL03的光子数据;
步骤3:对多模态的星载激光雷达数据进行大地水准面改正信息修正,使得星载激光雷达数据与机载G-LiHT验证数据都处于WGS84坐标系下;根据GEDI数据说明文档,获取L2A数据产品中的林下地形高程数据;根据ATLAS官方数据说明文档,将ATL08数据产品中的地面光子分类标签赋予ATL03数据产品中的光子事件数据,得出带有NASA官方分类算法标签的地面光子,获得带有大地水准面改正信息的ATLAS林下地形高程数据;获得基于多模态星载激光雷达数据的林下地面高程数据;
步骤3.1:将L2A中提取获得的波形数据的林下地面高程信息与对应的大地水准面改正信息逐一进行匹配,使得L2A数据处于WGS84坐标系下,获得带有大地水准面改正信息的GEDI林下地形高程数据;GEDI星载波形激光雷达数据地面光斑示意图如附图3所示;
步骤3.2:将ATL03中提取获得的单光子事件的高程信息与对应的大地水准面改正信息逐一进行匹配,使得ATL03数据处于WGS84坐标系下,获得带有大地水准面改正信息的ATLAS林下地形高程数据;ATLAS星载光子计数激光雷达数据地面光子示意图如图4所示;
步骤3.3:将带有大地水准面改正信息的GEDI林下地形高程数据与带有大地水准面改正信息的ATLAS林下地形高程数据存储到.np文件,得到基于多模态星载激光雷达数据的林下地面高程数据;
步骤4:根据光斑质量筛选参数,筛选步骤3修正后的多模态星载激光雷达数据;得到最终的基于多模态星载激光雷达数据的林下地面高程数据.np文件;
步骤4.1:利用光斑质量筛选参数对星载波形激光雷达数据筛选,选择的条件包括:quality_flag=1、Sensitivity>0.95、degrade_flag=0,其中quality_flag=1为良好产品数据的标识,Sensitivity>0.95为波形的灵敏度大于0.95的波形数据作为有效数据,degrade_flag=0为不存在地理位置退化的标识;
步骤4.2:利用质量筛选参数开展星载光子计数激光雷达数据筛选,选择的条件包括:signal_conf_ph=4,其中signal_conf_ph=4为光子置信度最优的数据标识;
步骤5:根据研究区经度、纬度信息,获取对应机载数据产品的DTM数据作为基于多模态星载激光雷达数据得林下地形高程数据集的精度评价数据;将基于多模态星载激光雷达数据生成的林下地形高程数据集与机载G-LiHT数据精度评价数据进行匹配,构建地面高程评价数据,并对基于多模态星载激光雷达数据生成的林下地形高程数据集进行定量评价;
步骤5.1:提取基于多模态星载激光雷达数据的林下地形数据集.np文件中,机载G-LiHT数据在研究区对应经纬度的DTM数据,并根据DTM数据,开展基于多模态星载激光雷达数据的林下地形数据集的精度验证研究;
步骤5.2:统计林下地形数据集中有效的高程验证数据,根据G-LiHT数据作为评价信息,开展研究区不同模态星载激光雷达林下地形高程的精度评价;本发明实施例中,以G-LiHT的DTM数据作为研究区反演得到的林下地面高程验证数据。
所述森林研究区高程精度的评价包括3种统计指标,分别为:决定系数(R2)、均方根误差(Root Mean Squard Error,RMSE)、绝对平均误差(Mean Absolute Error,MAE);
其中,决定系数R2的计算式如下:
均方根误差(Root Mean Squard Error,RMSE)的计算式如下:
绝对平均误差(Mean Absolute Error,MAE)的计算式如下:
式中,n是样本数量,yi是第i个DTM真实值,是第i个不同模态的星载激光雷达反演高程值,/>表示DTM真实数据的平均值。
Claims (6)
1.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,其特征在于,具体包括以下步骤:
步骤1:首先选定研究区位置,根据研究区四角的经纬度信息或者研究区边界的矢量信息,获得多模态星载激光雷达数据,包括ATL03数据产品、ATL08数据产品以及L2A数据产品;
步骤2:提取研究区多模态星载激光雷达数据的特征参数;
步骤3:对多模态的星载激光雷达数据进行大地水准面改正信息修正,使得星载激光雷达数据与机载G-LiHT验证数据都处于WGS84坐标系下;根据GEDI数据说明文档,获取L2A数据产品中的林下地形高程数据;根据ATLAS官方数据说明文档,将ATL08数据产品中的地面光子分类标签赋予ATL03数据产品中的光子事件数据,得出带有NASA官方分类算法标签的地面光子,获得带有大地水准面改正信息的ATLAS林下地形高程数据;获得基于多模态星载激光雷达数据的林下地面高程数据;
步骤4:根据光斑质量筛选参数,筛选步骤3修正后的多模态星载激光雷达数据;得到最终的基于多模态星载激光雷达数据的林下地面高程数据.np文件;
步骤5:根据研究区经度、纬度信息,获取对应机载数据产品的DTM数据作为基于多模态星载激光雷达数据得林下地形高程数据集的精度评价数据;将基于多模态星载激光雷达数据生成的林下地形高程数据集与机载G-LiHT数据精度评价数据进行匹配,构建地面高程评价数据,并对基于多模态星载激光雷达数据生成的林下地形高程数据集进行定量评价。
2.根据权利要求1所述的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,其特征在于,步骤1通过NASA官方网站,下载获取ICESat-2的数据产品包括:研究区的星载单光子激光雷达的ATL03全球光子定位数据产品与ATL08土地和植被高度数据产品;下载获取GEDI的数据产品为:研究区的星载波形激光雷达的L2A数据产品。
3.根据权利要求1所述的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,其特征在于,步骤2提取的特征参数具体为:
提取研究区GEDI数据L2A数据产品中波形光斑事件的特征参数信息,具体参数信息包括:光斑的纬度信息lat_lowestmode_aN、光斑的经度信息lon_lowestmode_aN、光斑的林下地面高程信息elev_lowestmode_aN和光斑的大地水准面改正信息mean_sea_surface;同时提取光斑质量筛选参数,包括:波形质量评估参数quality_flag、波形的信噪比Sensitivity和卫星状态参数degrade_flag;提取研究区ATL03数据产品中光子事件的参数信息,具体参数信息包括:经度lon_ph、纬度lat_ph、高程信息h_ph、大地水准面改正信息geoid;
提取ATL08数据产品中的NASA官方分类算法的地面光子标签数据classed_pc_flag;根据研究区数据的经纬度信息,提取ATL08数据产品中的光子云数据信息,具体的参数包括:classed_pc_flag,其中,classed_pc_flag=1为地面光子标签,将ATL08光子事件标签与ATL03的光子事件进行关联,获得带有地面光子标签的ATL03的光子数据。
4.根据权利要求1所述的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,其特征在于,步骤3具体为:
步骤3.1:将L2A中提取获得的波形数据的林下地面高程信息与对应的大地水准面改正信息逐一进行匹配,使得L2A数据处于WGS84坐标系下,获得带有大地水准面改正信息的GEDI林下地形高程数据;
步骤3.2:将ATL03中提取获得的单光子事件的高程信息与对应的大地水准面改正信息逐一进行匹配,使得ATL03数据处于WGS84坐标系下,获得带有大地水准面改正信息的ATLAS林下地形高程数据;
步骤3.3:将带有大地水准面改正信息的GEDI林下地形高程数据与带有大地水准面改正信息的ATLAS林下地形高程数据存储到.np文件,得到基于多模态星载激光雷达数据的林下地面高程数据。
5.根据权利要求1所述的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,其特征在于,步骤4具体为:
步骤4.1:利用光斑质量筛选参数对星载波形激光雷达数据筛选,选择的条件包括:quality_flag=1、Sensitivity>0.95、degrade_flag=0,其中quality_flag=1为良好产品数据的标识,Sensitivity>0.95为波形的灵敏度大于0.95的波形数据作为有效数据,degrade_flag=0为不存在地理位置退化的标识;
步骤4.2:利用质量筛选参数开展星载光子计数激光雷达数据筛选,选择的条件包括:signal_conf_ph=4,其中signal_conf_ph=4为光子置信度最优的数据标识。
6.根据权利要求1所述的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,其特征在于,步骤5具体为:
步骤5.1:提取基于多模态星载激光雷达数据的林下地形数据集.np文件中,机载G-LiHT数据在研究区对应经纬度的DTM数据,并根据DTM数据,开展基于多模态星载激光雷达数据的林下地形数据集的精度验证研究;
步骤5.2:统计林下地形数据集中有效的高程验证数据,根据G-LiHT数据作为评价信息,开展研究区不同模态星载激光雷达林下地形高程的精度评价;
所述研究区高程精度的评价包括3种统计指标,分别为:决定系数(R2)、均方根误差(Root Mean Squard Error,RMSE)、绝对平均误差(Mean Absolute Error,MAE);
其中,决定系数R2的计算式如下:
均方根误差(Root Mean Squard Error,RMSE)的计算式如下:
绝对平均误差(Mean Absolute Error,MAE)的计算式如下:
式中,n是样本数量,yi是第i个DTM真实值,是第i个不同模态的星载激光雷达反演高程值,/>表示DTM真实数据的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211162150.3A CN115436965B (zh) | 2022-09-23 | 2022-09-23 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211162150.3A CN115436965B (zh) | 2022-09-23 | 2022-09-23 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115436965A CN115436965A (zh) | 2022-12-06 |
CN115436965B true CN115436965B (zh) | 2024-05-03 |
Family
ID=84248696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211162150.3A Active CN115436965B (zh) | 2022-09-23 | 2022-09-23 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115436965B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115855882B (zh) * | 2023-03-03 | 2023-04-28 | 山东科技大学 | 利用星载激光雷达背景噪声反演水体遥感反射率的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103675875A (zh) * | 2013-12-30 | 2014-03-26 | 辽宁工程技术大学 | Bds与gps的b2/l2载波相位星间混频差分方法 |
WO2018223950A1 (zh) * | 2017-06-05 | 2018-12-13 | 中国测绘科学研究院 | 卫星激光测高数据辅助提取高程控制点方法 |
CN113885012A (zh) * | 2021-11-05 | 2022-01-04 | 辽宁工程技术大学 | 森林研究区的星载光子计数激光雷达去噪精度评价方法 |
CN114152936A (zh) * | 2021-12-16 | 2022-03-08 | 辽宁工程技术大学 | 森林研究区的星载波形激光雷达地面高程精度评价方法 |
-
2022
- 2022-09-23 CN CN202211162150.3A patent/CN115436965B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103675875A (zh) * | 2013-12-30 | 2014-03-26 | 辽宁工程技术大学 | Bds与gps的b2/l2载波相位星间混频差分方法 |
WO2018223950A1 (zh) * | 2017-06-05 | 2018-12-13 | 中国测绘科学研究院 | 卫星激光测高数据辅助提取高程控制点方法 |
CN113885012A (zh) * | 2021-11-05 | 2022-01-04 | 辽宁工程技术大学 | 森林研究区的星载光子计数激光雷达去噪精度评价方法 |
CN114152936A (zh) * | 2021-12-16 | 2022-03-08 | 辽宁工程技术大学 | 森林研究区的星载波形激光雷达地面高程精度评价方法 |
Non-Patent Citations (4)
Title |
---|
Assessing the Performance of ICESat-2/ATLAS Multi-Channel Photon Data for Estimating Ground Topography in Forested Terrain;Yanqiu Xing 等;remote sensing;20200629;全文 * |
GEDI与Tandem-X DEM估测密林林下地形性能评价;黄佳鹏 等;农 业 机 械 学 报;20230930;第54卷(第9期);全文 * |
弱光束条件下森林区域光子云去噪算法精度研究;黄佳鹏;邢艳秋;秦磊;马建明;;农业机械学报;20201231(第04期);全文 * |
激光雷达数据在森林垂直结构参数反演中的应用综述;韩婷婷;;北京测绘;20200825(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115436965A (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | Satellite-derived bathymetry using the ICESat-2 lidar and Sentinel-2 imagery datasets | |
Du et al. | Retrieval of global terrestrial solar-induced chlorophyll fluorescence from TanSat satellite | |
Tian et al. | Comprehensive evaluation of the ICESat-2 ATL08 terrain product | |
Morsdorf et al. | Estimation of LAI and fractional cover from small footprint airborne laser scanning data based on gap fraction | |
Eitel et al. | Simultaneous measurements of plant structure and chlorophyll content in broadleaf saplings with a terrestrial laser scanner | |
Zarco-Tejada et al. | Spatial resolution effects on chlorophyll fluorescence retrieval in a heterogeneous canopy using hyperspectral imagery and radiative transfer simulation | |
Fawcett et al. | Monitoring spring phenology of individual tree crowns using drone‐acquired NDVI data | |
Sharifi | Estimation of biophysical parameters in wheat crops in Golestan province using ultra-high resolution images | |
Tahir et al. | Real time estimation of chlorophyll content based on vegetation indices derived from multispectral UAV in the kinnow orchard | |
CN110716185A (zh) | 一种用于星载微波辐射计的在轨辐射校正方法 | |
Zhu et al. | Mapping forest height using photon-counting LiDAR data and Landsat 8 OLI data: A case study in Virginia and North Carolina, USA | |
CN111767865A (zh) | 一种利用航拍影像和激光数据反演红树林生物量的方法 | |
Lacaze et al. | G-function and HOt SpoT (GHOST) reflectance model: Application to multi-scale airborne POLDER measurements | |
CN115436965B (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 | |
Calvino-Cancela et al. | Alien plant monitoring with ultralight airborne imaging spectroscopy | |
Tomar et al. | A satellite-based biodiversity dynamics capability in tropical forest | |
Zhang et al. | Accuracy Assessment of the ICESat-2/ATL06 Product in the Qilian Mountains Based on CORS and UAV Data | |
McNicol et al. | To what extent can UAV photogrammetry replicate UAV LiDAR to determine forest structure? A test in two contrasting tropical forests | |
Hindley et al. | Stratospheric gravity waves over the mountainous island of South Georgia: testing a high-resolution dynamical model with 3-D satellite observations and radiosondes | |
Marbach et al. | The multi-viewing,-channel,-polarisation imager (3mi) of the eumetsat polar system-second generation (eps-sg) dedicated to aerosol characterisation | |
Palluconi et al. | An atmospheric correction method for ASTER thermal radiometry over land | |
Calou et al. | Estimation of maize biomass using unmanned aerial vehicles | |
Manninen et al. | Airborne estimation of boreal forest LAI in winter conditions: A test using summer and winter ground truth | |
CN116773516A (zh) | 一种基于遥感数据的土壤碳含量分析系统 | |
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 |
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 |