CN115965619B - 一种基于三维激光点云数据的森林地上碳汇量计算方法 - Google Patents
一种基于三维激光点云数据的森林地上碳汇量计算方法 Download PDFInfo
- Publication number
- CN115965619B CN115965619B CN202310085891.4A CN202310085891A CN115965619B CN 115965619 B CN115965619 B CN 115965619B CN 202310085891 A CN202310085891 A CN 202310085891A CN 115965619 B CN115965619 B CN 115965619B
- Authority
- CN
- China
- Prior art keywords
- area
- stage
- later
- early
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及林业碳汇统计领域,特别涉及一种基于三维激光点云数据的森林地上碳汇量计算方法,包括如下步骤:选取碳汇量计算的目标区域和预测区域,并获取所述目标区域和所述预测区域的两期三维激光点云数据;根据所述两期三维激光点云数据获取所述目标区域和所述预测区域的面积和两期单木分割数据;利用所述两期单木分割数据计算所述目标区域和所述预测区域的两期郁闭度;对所述预测区域进行实测获取两期实测数据,并结合相关数据计算高度和郁闭度的误差因子;根据所述目标区域的相关数据和所述误差因子计算所述目标区域的碳汇量。本发明同时考虑到了森林在水平和垂直方向上的特征,拓展了森林地上碳汇量计算方法,计算精度高,实用性强。
Description
技术领域
本发明涉及林业碳汇统计领域,尤其是一种基于三维激光点云数据的森林地上碳汇量计算方法。
背景技术
目前,为健全以国家温室气体自愿减排交易机制为基础的碳排放权抵消机制,将具有生态、社会等多种效益的林业、可再生能源、甲烷利用等领域温室气体自愿减排项目纳入全国碳排放权交易市场。因此,如何精确的对碳汇进行统计成了生态评价及碳交易的重要内容。
其中,通过地上生物量法计算森林碳汇量操作简单,技术直接,在一定程度上能够很好的反应森林碳汇量大小,但是由于森林结构的复杂性,现有的地上生物量法在获取相关参数时较为困难,这使得测量森林碳汇量的时候往往存在较大的误差,而激光雷达作为一种主动遥感技术,通过发射激光能量和接收返回信号的方式,来获取高精度的森林空间结构和林下地形信息,在空间结构测量方面具有显著优势,能够很好地描绘森林的三维结构特征,通过激光雷达获取森林的三位激光点云数据也十分有利于森林地上碳汇量的计算,但同样受限于森林结构的复杂性,现有技术中通过三位激光点云数据计算森林地上碳汇量的方法还有待拓展,精度也有待提高。
发明内容
针对现有技术中的不足,本发明提供一种基于三维激光点云数据的森林地上碳汇量计算方法。
为了实现上述目的,本发明提供的一种基于三维激光点云数据的森林地上碳汇量计算方法,包括如下步骤:选取碳汇量计算的目标区域和预测区域,并获取所述目标区域和所述预测区域的两期三维激光点云数据;根据所述两期三维激光点云数据获取所述目标区域和所述预测区域的面积和两期单木分割数据;利用所述两期单木分割数据计算所述目标区域和所述预测区域的两期郁闭度;对所述预测区域进行实测获取两期实测数据,并结合相关数据计算高度和郁闭度的误差因子;根据所述目标区域的相关数据和所述误差因子计算所述目标区域的碳汇量。与现有技术相比,本发明同时考虑到了森林在水平和垂直方向上的特征,具有较高的计算精度,且操作简单,实用性较强。
可选地,所述根据所述前期三维激光点云数据获取所述目标区域面积和所述预测区域面积,并对所述前期三维激光点云数据和所述后期三维激光点云数据进行单木分割得到前期单木分割数据和后期单木分割数据还包括:
使用CHM数据与Ncut算法相结合的方式对所述前期三维激光点云数据和所述后期三维激光点云数据进行单木分割。
可选地,所述前期单木分割数据包括前期单木数量、前期单木树高和前期单木冠幅,所述后期单木分割数据包括后期单木数量、后期单木树高和后期单木冠幅;
所述高度误差因子包括前期高度误差因子和后期高度误差因子,所述郁闭度误差因子包括前期郁闭度误差因子和后期郁闭度误差因子。
可选地,所述利用所述前期单木分割数据和所述后期单木分割数据,计算所述目标区域和所述预测区域的前期郁闭度和后期郁闭度,包括如下步骤:
根据所述目标区域的所述前期单木数量和所述前期单木冠幅计算所述目标区域的前期树木覆盖面积;
利用所述目标区域面积和所述目标区域的前期树木覆盖面积计算所述目标区域的前期郁闭度;
使用所述预测区域的所述前期单木数量和所述前期单木冠幅计算所述预测区域的前期树木覆盖面积;
通过所述预测区域面积和所述预测区域的前期树木覆盖面积计算所述预测区域的前期郁闭度;
根据所述目标区域的所述后期单木数量和所述后期单木冠幅计算所述目标区域的后期树木覆盖面积;
利用所述目标区域面积和所述目标区域的后期树木覆盖面积计算所述目标区域的后期郁闭度;
使用所述预测区域的所述后期单木数量和所述后期单木冠幅计算所述预测区域的后期树木覆盖面积;
通过所述预测区域面积和所述预测区域的后期树木覆盖面积计算所述预测区域的后期郁闭度。
可选地,所述对所述预测区域进行实测,获取前期实测数据和后期实测数据,并结合所述预测区域面积、所述前期单木分割数据和所述后期单木分割数据计算高度误差因子和郁闭度误差因子,包括如下步骤:
对所述预测区域的面积进行实测,得到所述预测区域的实测面积,同时对所述预测区域的前期树木数量和后期树木数量进行实测,得到前期实测单木数量和后期实测单木数量,对所述预测区域的前期树木高度和后期树木高度进行测量,得到前期实测单木树高和后期实测单木树高,对所述预测区域的前期树木冠幅和后期树木冠幅进行测量,得到前期实测单木冠幅和后期实测单木冠幅;
利用所述前期实测单木数量和所述前期实测单木冠幅计算所述预测区域的前期实测树木覆盖面积,同时利用所述后期实测单木数量和所述后期实测单木冠幅计算后期实测树木覆盖面积;
根据所述实测面积、所述前期实测树木覆盖面积和所述后期实测树木覆盖面积分别计算所述预测区域的前期实测郁闭度和后期实测郁闭度;
使用所述前期实测单木树高和所述预测区域的所述前期单木树高计算所述前期高度误差因子,同时使用所述后期实测单木树高和所述预测区域的所述后期单木树高计算所述后期高度误差因子;
通过所述前期实测郁闭度和所述预测区域的前期郁闭度计算所述前期郁闭度误差因子,同时通过所述后期实测郁闭度和所述预测区域的后期郁闭度计算所述后期郁闭度误差因子。
可选地,根据所述目标区域的所述前期郁闭度、所述后期郁闭度、所述前期单木分割数据、所述后期单木分割数据、所述高度误差因子和所述郁闭度误差因子计算所述目标区域的碳汇量,包括如下步骤:
根据所述目标区域的所述前期单木数量和所述前期单木树高计算所述目标区域的前期单木平均树高,同时根据所述目标区域的所述后期单木树高和所述后期单木树量计算后期单木平均树高;
利用所述目标区域的所述前期郁闭度和所述后期郁闭度、所述前期单木平均树高、所述后期单木平均树高、所述高度误差因子和所述郁闭度误差因子,计算所述目标区域的前期地上生物量和后期地上生物量;
通过所述前期地上生物量和所述后期地上生物量计算出所述目标区域的碳汇量。
可选地,所述前期高度误差因子和所述后期高度误差因子分别满足如下关系:
其中,为所述前期高度误差因子,为所述预测区域的所述前期单木数量,
为所述前期实测单木数量,为第i棵单木的所述前期实测单木树高,为所述预测区域
中第i棵单木的所述前期单木树高;为所述后期高度误差因子,为所述预测区域的所
述后期单木数量,为所述后期实测单木数量,为第i棵单木的所述后期实测单木树高,为所述预测区域中第i棵单木的所述后期单木树高。
可选地,所述前期郁闭度误差因子和和所述后期郁闭度误差因子分别满足如下关系:
其中,为所述前期郁闭度误差因子,为所述前期实测郁闭度,为所述预测
区域的前期郁闭度,为第i棵单木的所述前期实测单木冠幅,为所述预测区域中第i棵
单木的所述前期单木冠幅,为所述预测区域的所述前期单木数量,为所述前期实测单
木数量;为所述后期郁闭度误差因子,为所述后期实测郁闭度,为所述预测区域的
后期郁闭度,为第i棵单木的所述后期实测单木冠幅,为所述预测区域中第i棵单木的
所述后期单木冠幅,为所述预测区域的所述后期单木数量,为所述后期实测单木数
量;为所述实测面积,为所述预测区域面积。
可选地,所述前期地上生物量和后期地上生物量分别满足如下关系:
其中,为所述前期地上生物量,为所述前期单木平均树高,为所述前期
高度误差因子,为所述目标区域的前期郁闭度,为所述前期郁闭度误差因子;为
所述后期地上生物量,为所述后期单木平均树高,为所述后期高度误差因子,为所
述目标区域的后期郁闭度,为所述后期郁闭度误差因子;、为系数,为常数项。
可选地,所述目标区域的所述碳汇量满足如下关系:
其中,为碳汇量,为所述前期地上生物量,为所述后期地上生物量,
d为碳含量因子。
综上所述,本发明以森林的三维激光点云数据为基础,可以较为准确的获取森林面积,并使用CHM数据与Ncut算法相结合的方式对森林的三维激光点云数据进行单木分割,可以准确的获取森林中的单木数量、单木冠幅和单木树高,为森林碳汇量的计算提供可靠的数据基础,提高了碳汇量计算的准确性;同时,本发明考虑到了森林在水平和垂直方向上的结构特点,即森林的高度和郁闭度,并选择了所述预测区域计算出所述高度误差因子和所述郁闭度误差因子对所述目标区域森林的高度和郁闭度进行纠正,进一步提高了碳汇量计算的准确性。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举可选实施例,并配合相关附图作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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它相关的附图。
图1为本发明实施例的一种基于三维激光点云数据的森林地上碳汇量计算方法流程图。
具体实施方式
下面将详细描述本发明的具体实施例,应当注意,这里描述的实施例只用于举例说明,并不用于限制本发明。在以下描述中,为了提供对本发明的透彻理解,阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本发明。在其他实例中,为了避免混淆本发明,未具体描述公知的电路,软件或方法。
在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外,本领域普通技术人员应当理解,在此提供的示图都是为了说明的目的,并且示图不一定是按比例绘制的。
需要提前说明的是,在一个可选地实施例当中,除了做出独立的说明之外,其它的在所有公式中出现的相同的符号或字母带表的含义和数值相同。
请参见图1,在一个可选地实施例当中,本发明提供了一种基于三维激光点云数据的森林地上碳汇量计算方法,包括如下步骤:
S1、选取森林碳汇量计算的目标区域和预测区域,并获取所述目标区域和所述预测区域的前期三维激光点云数据和后期三维激光点云数据。
具体的,在本实施例当中,选取一片针阔混交林作为碳汇量计算的所述目标区域,同时,根据所述目标区域的地理位置,在所述目标区域附近选择一片区域作为碳汇量计算的所述预测区域,然后规划无人机的飞行路线,并使用无人机携带的激光雷达综合航摄系统获取所述目标区域和所述预测区域的前期三维激光点云数据,三个月之后,再次使用无人机携带激光雷达综合航摄系统获取所述目标区域和所述预测区域的后期三维激光点云数据。
更为具体的,所述无人机为彩虹-4无人机,所述预测区域应该与所述目标区域有相同种类的树种,所述预测区域可以全部或部分位于所述目标区域内,也可以完全位于所述目标区域之外,所述预测区域不宜过大,便于获取计算碳汇量相关的数据;所述预测区域中树木的枝叶在不超出所述预测区域的边界的情况下因该与所述预测区域的边界保持至少10cm距离,以确保经过一段时间生长之后,所述预测区域中树木的枝叶依旧不超出所述预测区域的边界,以提高根据所述预测区域获取的相关数据据的准确性;此外,所述预测区域中各种树木种类的比例上应该能体现目标区域各种树木种类的比例,以便提高碳汇量计算的准确性;在其他可选地实施例当中,所述无人机也可以是其他类型的无人机,在此就不做限定。
进一步的,所述目标区域和所述预测区域的形状为圆形,在其他可选地实施例当中,所述目标区域和所述预测区域的形状可以根据实际需要和森林地形的实际情况来选择,例如长方形、正方向或者是不规则形状,在此就不做限定。
S2、根据所述前期三维激光点云数据获取所述目标区域面积和所述预测区域面积,并对所述前期三维激光点云数据和所述后期三维激光点云数据进行单木分割得到前期单木分割数据和后期单木分割数据。
具体的,在本实施例当中,根据所述目标区域和所述预测区域的前期三维激光点云数据进行点云解算,得到点云解算数据,并对所述点云解算数据依次进行特征提取和航带平差,得到航带平差数据,然后利用所述点云解算数据和所述航带平差数据进行点云精度检查,然后进行地面点分类和DEM构建,最后结合DEM构建获取的数据,以及所述目标区域和所述预测区域的边界计算所述目标区域面积和所述预测区域的面积,此为现有技术,具体的细节在此就不做赘述。
进一步的,所述前期单木分割数据包括前期单木数量、前期单木树高和前期单木冠幅,在通过所述前期三维激光点云数据获取所述前期单木分割数据时,先对所述目标区域和所述预测区域的前期三维激光点云数据的高程值进行高程归一化处理得到归一化前期三维激光点云数据,以解决低坡度区域的高大树木的高程值比高坡度区域的低矮树木的高程值小的现象,需要注意的是,在进行高程归一化处理的过程中,需要选择合适的阈值来避免漏选冠层中下层或冠幅较小的树,以及同一树木的冠层被多次分割的现象;然后利用所述归一化前期三维激光点云数据生成所述目标区域和所述预测区域的前期CHM数据,即冠层高度模型,用于单木树冠提取和树顶探测,而由于森林树冠的可透性和不连续性,在所述前期CHM数据的形成过程中会出现部分凹坑现象,会对影响单木的参数获取及后续模型的建立与估测,因此需要及时对其进行处理,本实施例采用对所述前期CHM数据进行高斯平滑处理的方法对凹坑部分进行填充,得到前期修复CHM数据。
更进一步的,采用局部最大值法进行单木的冠层分割,其中,基于所述前期修复CHM数据,选择合适的前期像元阈值,并找到所述前期修复CHM数据中所有大于所述前期像元阈值的前期修复CHM像元值,根据所述前期修复CHM像元值计算前期冠幅信息以及局部最大值判别中的窗口半径,然后以局部最大值滤波进行树顶识别并做好单木标记,以此作为单木分割的先验知识。
更进一步的,采用Ncut算法直接对所述目标区域和所述预测区域的前期三维激光点云数据进行林区上层冠层分割,然后设定冠层的形状参数与点云数量阈值,利用全局最大值重复Ncut算法,对林区中下层冠层进行探测,探测出较为矮小的树木冠幅信息和树顶信息,并结合已有的所述前期冠幅信息和单木标记得到前期单木冠幅和前期单木数量,进而实现单木分割,同时根据单木分割结果,将每个单木的点云数据投影至树顶垂直于水平方向的投影轴上,通过计算所述投影轴的长度即可得到前期单木树高。
更进一步的,可以使用获取所述前期单木分割数据相同的方法获取所述后期单木分割数据,包括后期单木数量、后期单木树高和后期单木冠幅,具体的内容在此就不做赘述。其优点在于通过Ncut算法可以有效探测出较为矮小的树木,Ncut算法与CHM数据的结合,可以大大提高单木分割、所述前期单木分割数据和所述后期单木分割数据的准确性,进而提高碳汇量计算的准确性。
S3、利用所述前期单木分割数据和所述后期单木分割数据,计算所述目标区域和所述预测区域的前期郁闭度和后期郁闭度。
其中,在本实施例中,将太阳在单木正上方时,单木在地面上投影的区域看成是圆形区域,步骤S3又包括如下步骤:
S31、根据所述目标区域的所述前期单木数量和所述前期单木冠幅计算所述目标区域的前期树木覆盖面积。
具体的,在本实施例当中,以所述目标区域的所述前期单木冠幅为所述圆形区域的直径,并结合所述目标区域的所述前期单木数量计算出所述目标区域的前期平均单木冠幅,然后根据圆的面积计算方法和所述目标区域的前期平均单木冠幅计算所述目标区域的前期平均单木覆盖面积,最后根据所述目标区域的所述前期单木数量和所述目标区域的前期平均单木覆盖面积计算所述目标区域的前期树木覆盖面积。
S32、利用所述目标区域面积和所述目标区域的前期树木覆盖面积计算所述目标区域的前期郁闭度。
具体的,在本实施例当中,根据在步骤S2中获取的所述目标区域面积以及在步骤S31中获取的所述目标区域的前期树木覆盖面积计算所述目标区域的前期郁闭度,所述目标区域的前期郁闭度为所述目标区域的前期树木覆盖面积与所述目标区域面积的比值。
S33、使用所述预测区域的所述前期单木数量和所述前期单木冠幅计算所述预测区域的前期树木覆盖面积。
具体的,在本实施例当中,以所述预测区域的所述前期单木冠幅为所述圆形区域的直径,并结合所述预测区域的所述前期单木数量计算出所述预测区域的前期平均单木冠幅,然后根据圆的面积计算方法和所述预测区域的前期平均单木冠幅计算所述预测区域的前期平均单木覆盖面积,最后根据所述预测区域的所述前期单木数量和所述预测区域的前期平均单木覆盖面积计算所述预测区域的前期树木覆盖面积。
S34、通过所述预测区域面积和所述预测区域的前期树木覆盖面积计算所述预测区域的前期郁闭度。
具体的,在本实施例当中,根据在步骤S2中获取的所述预测区域面积以及在步骤S33中获取的所述预测区域的前期树木覆盖面积计算所述预测区域的前期郁闭度,所述预测区域的前期郁闭度为所述预测区域的前期树木覆盖面积与所述预测区域面积的比值。
S35、根据所述目标区域的所述后期单木数量和所述后期单木冠幅计算所述目标区域的后期树木覆盖面积。
具体的,在本实施例当中,以所述目标区域的所述后期单木冠幅为所述圆形区域的直径,并结合所述目标区域的所述后期单木数量计算出所述目标区域的后期平均单木冠幅,然后根据圆的面积计算方法和所述目标区域的后期平均单木冠幅计算所述目标区域的后期平均单木覆盖面积,最后根据所述目标区域的所述后期单木数量和所述目标区域的后期平均单木覆盖面积计算所述目标区域的后期树木覆盖面积。
S36、利用所述目标区域面积和所述目标区域的后期树木覆盖面积计算所述目标区域的后期郁闭度。
具体的,在本实施例当中,根据在步骤S2中获取的所述目标区域面积以及在步骤S35中获取的所述目标区域的后期树木覆盖面积计算所述目标区域的后期郁闭度,所述目标区域的后期郁闭度为所述目标区域的后期树木覆盖面积与所述目标区域面积的比值。
S37、使用所述预测区域的所述后期单木数量和所述后期单木冠幅计算所述预测区域的后期树木覆盖面积。
具体的,在本实施例当中,以所述预测区域的所述后期单木冠幅为所述圆形区域的直径,并结合所述预测区域的所述后期单木数量计算出所述预测区域的后期平均单木冠幅,然后根据圆的面积计算方法和所述预测区域的后期平均单木冠幅计算所述预测区域的后期平均单木覆盖面积,最后根据所述预测区域的所述后期单木数量和所述预测区域的后期平均单木覆盖面积计算所述预测区域的后期树木覆盖面积。
S38、通过所述预测区域面积和所述预测区域的后期树木覆盖面积计算所述预测区域的后期郁闭度。
具体的,在本实施例当中,根据在步骤S2中获取的所述预测区域面积以及在步骤S37中获取的所述预测区域的后期树木覆盖面积计算所述预测区域的后期郁闭度,所述预测区域的后期郁闭度为所述预测区域的后期树木覆盖面积与所述预测区域面积的比值。
S4、对所述预测区域进行实测,获取前期实测数据和后期实测数据,并结合所述预测区域面积、所述前期单木分割数据和所述后期单木分割数据计算高度误差因子和郁闭度误差因子。
其中,在本实施例当中,步骤S4又包括如下步骤:
S41、对所述预测区域的面积进行实测,得到所述预测区域的实测面积,同时对所述预测区域的前期树木数量和后期树木数量进行实测,得到前期实测单木数量和后期实测单木数量,对所述预测区域的前期树木高度和后期树木高度进行测量,得到前期实测单木树高和后期实测单木树高,对所述预测区域的前期树木冠幅和后期树木冠幅进行测量,得到前期实测单木冠幅和后期实测单木冠幅。
具体的,在本实施例当中,由于所述预测区域为圆形,因此可以通过卷尺测量所述预测区域的半径、所述前期实测单木树高、所述后期实测单木树高、所述前期实测单木冠幅和所述后期实测单木冠幅,在测量的同时统计出所述预测区域的前期树木数量和后期树木数量,得到所述前期实测单木数量和所述后期实测单木数量,根据所述预测区域的半径即可计算出所述预测区域的实测面积,由于在步骤S1中已经说明所述预测区域不宜过大,因此通过人工实测的方法获取本步骤中需要测量的数据是可取的,也是最准确的和易于实现的。
S42、利用所述前期实测单木数量和所述前期实测单木冠幅计算所述预测区域的前期实测树木覆盖面积,同时利用所述后期实测单木数量和所述后期实测单木冠幅计算后期实测树木覆盖面积。
具体的,在本实施例当中,以所述前期实测单木冠幅为所述圆形区域的直径,并结合所述前期实测单木数量计算出所述预测区域的前期平均实测单木冠幅,然后根据圆的面积计算方法和所述前期平均实测单木冠幅计算所述预测区域的前期实测单木覆盖面积,最后根据所述前期实测单木数量和所述前期实测单木覆盖面积计算所述前期实测树木覆盖面积。
进一步的,以所述后期实测单木冠幅为所述圆形区域的直径,并结合所述后期实测单木数量计算出所述预测区域的后期平均实测单木冠幅,然后根据圆的面积计算方法和所述后期平均实测单木冠幅计算所述预测区域的后期实测单木覆盖面积,最后根据所述后期实测单木数量和所述后期实测单木覆盖面积计算所述后期实测树木覆盖面积。
S43、根据所述实测面积、所述前期实测树木覆盖面积和所述后期实测树木覆盖面积分别计算所述预测区域的前期实测郁闭度和后期实测郁闭度。
具体的,在本实施例当中,根据步骤S41计算得出的所述实测面积,以及步骤S42中计算得出的所述前期实测树木覆盖面积和所述后期实测树木覆盖面积,分别计算所述预测区域的前期实测郁闭度和后期实测郁闭度,其中,所述前期实测树木覆盖面积与所述实测面积的比值即为所述前期实测郁闭度,所述后期实测树木覆盖面积与所述实测面积的比值即为所述后期实测郁闭度。
S44、使用所述前期实测单木树高和所述预测区域的所述前期单木树高计算所述前期高度误差因子,同时使用所述后期实测单木树高和所述预测区域的所述后期单木树高计算所述后期高度误差因子。
具体的,在本实施例当中,所述前期高度误差因子和所述后期高度误差因子分别满足如下关系:
其中,为所述前期高度误差因子,为所述预测区域的所述前期单木数量,
为所述前期实测单木数量,为第i棵单木的所述前期实测单木树高,为所述预测区域
中第i棵单木的所述前期单木树高;为所述后期高度误差因子,为所述预测区域的所
述后期单木数量,为所述后期实测单木数量,为第i棵单木的所述后期实测单木树高,为所述预测区域中第i棵单木的所述后期单木树高。
S45、通过所述前期实测郁闭度和所述预测区域的前期郁闭度计算所述前期郁闭度误差因子,同时通过所述后期实测郁闭度和所述预测区域的后期郁闭度计算所述后期郁闭度误差因子。
具体的,在本实施例当中,所述前期郁闭度误差因子和和所述后期郁闭度误差因子分别满足如下关系:
其中,为所述前期郁闭度误差因子,为所述前期实测郁闭度,为所述预测
区域的前期郁闭度,为第i棵单木的所述前期实测单木冠幅,为所述预测区域中第i棵
单木的所述前期单木冠幅;为所述后期郁闭度误差因子,为所述后期实测郁闭度,
为所述预测区域的后期郁闭度,为第i棵单木的所述后期实测单木冠幅,为所述预测区
域中第i棵单木的所述后期单木冠幅;为所述实测面积,为所述预测区域面积。
S5、根据所述目标区域的所述前期郁闭度、所述后期郁闭度、所述前期单木分割数据、所述后期单木分割数据、所述高度误差因子和所述郁闭度误差因子计算所述目标区域的碳汇量。
其中,在本实施例当中,步骤S5又包括如下步骤:
S51、根据所述目标区域的所述前期单木数量和所述前期单木树高计算所述目标区域的前期单木平均树高,同时根据所述目标区域的所述后期单木树高和所述后期单木树量计算后期单木平均树高。
S52、利用所述目标区域的所述前期郁闭度和所述后期郁闭度、所述前期单木平均树高、所述后期单木平均树高、所述高度误差因子和所述郁闭度误差因子,计算所述目标区域的前期地上生物量和后期地上生物量。
具体的,在本实施例当中,所述前期地上生物量和后期地上生物量分别满足如下关系:
其中,为所述前期地上生物量,为所述前期单木平均树高,为所述目标
区域的前期郁闭度;为所述后期地上生物量,为所述后期单木平均树高,为所述
目标区域的后期郁闭度;为5.230,为90.545,为-12.180,、、的获取方式和取值可
参考现有技术和资料。
S53、根据所述前期地上生物量和所述后期地上生物量计算出所述目标区域的碳汇量。
具体的,在本实施例当中,所述目标区域的所述碳汇量满足如下关系:
其中,为碳汇量,d为碳含量因子,进一步的,所述碳含量因子一般为0.5,3.67为
碳储量到碳汇量的换算系数。
进一步的,将步骤S52中计算得到的所述前期地上生物量和后期地上生物量带入此关系式中,即可得到所述目标区域的碳汇量。
需要说明的是,说明书中未详细说明的内容为现有技术,且在一些情况下,在说明书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果,在本实施例当中,所给出的步骤顺序仅仅是为了使实施例看起来更加清晰明了,方便说明,而非对其限制。
综上所述,本发明通过获取目标区域和预测区域前后两期的三维激光点云数据,以及预测区域前后两期的实测数据,分别计算出目标区域前后两期的单木平均高度和郁闭度,以及前后两期的高度误差因子和郁闭度误差因子,然后利用目标区域前后两期的单木平均高度和前后两期的郁闭度,并结合前后两期的高度误差因子和郁闭度误差因子计算目标区域前后两期的地上生物量,最后根据目标区域前后两期的地上生物量计算出目标区域的碳汇量;本发明以森林的三维激光点云数据为基础,可以较为准确的获取森林面积,并使用CHM数据与Ncut算法相结合的方式对森林的三维激光点云数据进行单木分割,可以准确的获取森林中的单木数量、单木冠幅和单木树高,为森林碳汇量的计算提供可靠的数据基础,提高了碳汇量计算的准确性,同时,本发明考虑到了森林在水平和垂直方向上的结构特点,即森林的高度和郁闭度,并选择了所述预测区域计算出所述高度误差因子和所述郁闭度误差因子对所述目标区域森林的高度和郁闭度进行纠正,进一步提高了碳汇量计算的准确性。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (6)
1.一种基于三维激光点云数据的森林地上碳汇量计算方法,其特征在于,包括如下步骤:
选取森林碳汇量计算的目标区域和预测区域,并获取所述目标区域和所述预测区域的前期三维激光点云数据和后期三维激光点云数据;
根据所述前期三维激光点云数据获取所述目标区域面积和所述预测区域面积,并对所述前期三维激光点云数据和所述后期三维激光点云数据进行单木分割得到前期单木分割数据和后期单木分割数据,所述前期单木分割数据包括前期单木数量、前期单木树高和前期单木冠幅,所述后期单木分割数据包括后期单木数量、后期单木树高和后期单木冠幅;
利用所述前期单木分割数据和所述后期单木分割数据,计算所述目标区域和所述预测区域的前期郁闭度和后期郁闭度;
对所述预测区域进行人工实测,获取前期实测数据和后期实测数据,并结合所述预测区域面积、所述前期单木分割数据和所述后期单木分割数据计算高度误差因子和郁闭度误差因子;
根据所述目标区域的所述前期单木数量和所述前期单木树高计算所述目标区域的前期单木平均树高,同时根据所述目标区域的所述后期单木树高和所述后期单木树量计算后期单木平均树高;
利用所述目标区域的所述前期郁闭度和所述后期郁闭度、所述前期单木平均树高、所述后期单木平均树高、所述高度误差因子和所述郁闭度误差因子,计算所述目标区域的前期地上生物量和后期地上生物量;
根据所述前期地上生物量和所述后期地上生物量计算出所述目标区域的碳汇量,所述目标区域的碳汇量满足如下关系:
Cs=(AGB2-AGB1)×d×3.67,
其中,Cs为碳汇量,AGB1为所述前期地上生物量,AGB2为所述后期地上生物量,d为碳含量因子。
2.根据权利要求1所述的一种基于三维激光点云数据的森林地上碳汇量计算方法,其特征在于,所述利用所述前期单木分割数据和所述后期单木分割数据,计算所述目标区域和所述预测区域的前期郁闭度和后期郁闭度,包括如下步骤:
根据所述目标区域的所述前期单木数量和所述前期单木冠幅计算所述目标区域的前期树木覆盖面积;
利用所述目标区域面积和所述目标区域的前期树木覆盖面积计算所述目标区域的前期郁闭度;
使用所述预测区域的所述前期单木数量和所述前期单木冠幅计算所述预测区域的前期树木覆盖面积;
通过所述预测区域面积和所述预测区域的前期树木覆盖面积计算所述预测区域的前期郁闭度;
根据所述目标区域的所述后期单木数量和所述后期单木冠幅计算所述目标区域的后期树木覆盖面积;
利用所述目标区域面积和所述目标区域的后期树木覆盖面积计算所述目标区域的后期郁闭度;
使用所述预测区域的所述后期单木数量和所述后期单木冠幅计算所述预测区域的后期树木覆盖面积;
通过所述预测区域面积和所述预测区域的后期树木覆盖面积计算所述预测区域的后期郁闭度。
3.根据权利要求2所述的一种基于三维激光点云数据的森林地上碳汇量计算方法,其特征在于:
所述高度误差因子包括前期高度误差因子和后期高度误差因子,所述郁闭度误差因子包括前期郁闭度误差因子和后期郁闭度误差因子;
所述对所述预测区域进行人工实测,获取前期实测数据和后期实测数据,并结合所述预测区域面积、所述前期单木分割数据和所述后期单木分割数据计算高度误差因子和郁闭度误差因子,包括如下步骤:
对所述预测区域的面积进行人工实测,得到所述预测区域的实测面积,同时对所述预测区域的前期树木数量和后期树木数量进行人工实测,得到前期实测单木数量和后期实测单木数量,对所述预测区域的前期树木高度和后期树木高度进行测量,得到前期实测单木树高和后期实测单木树高,对所述预测区域的前期树木冠幅和后期树木冠幅进行测量,得到前期实测单木冠幅和后期实测单木冠幅;
利用所述前期实测单木数量和所述前期实测单木冠幅计算所述预测区域的前期实测树木覆盖面积,同时利用所述后期实测单木数量和所述后期实测单木冠幅计算后期实测树木覆盖面积;
根据所述实测面积、所述前期实测树木覆盖面积和所述后期实测树木覆盖面积分别计算所述预测区域的前期实测郁闭度和后期实测郁闭度;
使用所述前期实测单木树高和所述预测区域的所述前期单木树高计算所述前期高度误差因子,同时使用所述后期实测单木树高和所述预测区域的所述后期单木树高计算所述后期高度误差因子;
通过所述前期实测郁闭度和所述预测区域的前期郁闭度计算所述前期郁闭度误差因子,同时通过所述后期实测郁闭度和所述预测区域的后期郁闭度计算所述后期郁闭度误差因子。
4.根据权利要求3所述的一种基于三维激光点云数据的森林地上碳汇量计算方法,其特征在于,所述前期高度误差因子和所述后期高度误差因子分别满足如下关系:
其中,η1为所述前期高度误差因子,M为所述预测区域的所述前期单木数量,N为所述前期实测单木数量,hi为第i棵单木的所述前期实测单木树高,h2i为所述预测区域中第i棵单木的所述前期单木树高;η2为所述后期高度误差因子,M′为所述预测区域的所述后期单木数量,N′为所述后期实测单木数量,hi′为第i棵单木的所述后期实测单木树高,h2′i为所述预测区域中第i棵单木的所述后期单木树高。
5.根据权利要求4所述的一种基于三维激光点云数据的森林地上碳汇量计算方法,其特征在于,所述前期郁闭度误差因子和和所述后期郁闭度误差因子分别满足如下关系:
其中,λ1为所述前期郁闭度误差因子,D为所述前期实测郁闭度,D2为所述预测区域的前期郁闭度,ri为第i棵单木的所述前期实测单木冠幅,r2i为所述预测区域中第i棵单木的所述前期单木冠幅,M为所述预测区域的所述前期单木数量,N为所述前期实测单木数量;λ2为所述后期郁闭度误差因子,D′为所述后期实测郁闭度,D2′为所述预测区域的后期郁闭度,ri′为第i棵单木的所述后期实测单木冠幅,r2′i为所述预测区域中第i棵单木的所述后期单木冠幅,M′为所述预测区域的所述后期单木数量,N′为所述后期实测单木数量;S为所述实测面积,S2为所述预测区域面积。
6.根据权利要求5所述的一种基于三维激光点云数据的森林地上碳汇量计算方法,其特征在于,所述前期地上生物量和后期地上生物量分别满足如下关系:
其中,AGB1为所述前期地上生物量,为所述前期单木平均树高,η1为所述前期高度误差因子,f1为所述目标区域的前期郁闭度,λ1为所述前期郁闭度误差因子;AGB2为所述后期地上生物量,/>为所述后期单木平均树高,η2为所述后期高度误差因子,f2为所述目标区域的后期郁闭度,λ2为所述后期郁闭度误差因子;a、b为系数,c为常数项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310085891.4A CN115965619B (zh) | 2023-02-09 | 2023-02-09 | 一种基于三维激光点云数据的森林地上碳汇量计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310085891.4A CN115965619B (zh) | 2023-02-09 | 2023-02-09 | 一种基于三维激光点云数据的森林地上碳汇量计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115965619A CN115965619A (zh) | 2023-04-14 |
CN115965619B true CN115965619B (zh) | 2023-07-25 |
Family
ID=85899526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310085891.4A Active CN115965619B (zh) | 2023-02-09 | 2023-02-09 | 一种基于三维激光点云数据的森林地上碳汇量计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115965619B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114194B (zh) * | 2023-08-30 | 2024-03-08 | 北京林业大学 | 碳汇量确定、碳汇效益优化的方法、装置及相关设备 |
CN116893428B (zh) * | 2023-09-11 | 2023-12-08 | 山东省地质测绘院 | 基于激光点云的森林资源调查与监测方法及系统 |
CN117153291B (zh) * | 2023-10-31 | 2024-01-02 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种灌区稻田碳汇价值计算方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170341A (zh) * | 2022-06-21 | 2022-10-11 | 江苏集萃未来城市应用技术研究所有限公司 | 利用激光雷达修正小微样的林业资源碳汇精准测算方法 |
CN115512244B (zh) * | 2022-08-19 | 2024-01-05 | 中国林业科学研究院资源信息研究所 | 一种单株树木碳储量确定方法及系统 |
-
2023
- 2023-02-09 CN CN202310085891.4A patent/CN115965619B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115965619A (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115965619B (zh) | 一种基于三维激光点云数据的森林地上碳汇量计算方法 | |
AU2017352549B2 (en) | Method and device for calculating power generation of wind farm | |
CN113177744B (zh) | 一种城市绿地系统碳汇量估算方法及系统 | |
CN108872964B (zh) | 基于无人机LiDAR数据的银杏人工林郁闭度提取方法 | |
CN103745441A (zh) | 一种机载LiDAR点云滤波方法 | |
CN105354534A (zh) | 一种基于多源同期高分辨率遥感数据的树种分类方法 | |
CN107479065A (zh) | 一种基于激光雷达的林窗立体结构量测方法 | |
CN104463164A (zh) | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 | |
CN114067545B (zh) | 一种基于遥感大数据的森林火灾监测方法及系统 | |
CN115170341A (zh) | 利用激光雷达修正小微样的林业资源碳汇精准测算方法 | |
CN108959705A (zh) | 一种预测大面积亚热带森林生物量的混合效应模型 | |
CN107330898A (zh) | 植被垂直带定量刻划计算方法和系统 | |
CN109146951A (zh) | 一种基于无人机激光雷达孔隙度模型估测银杏人工林叶面积指数的方法 | |
CN109673454A (zh) | 一种滴灌棉花氮素营养诊断模型的构建方法和应用 | |
CN103674904A (zh) | 红外特性测量中大气传输快速修正方法 | |
CN105823736A (zh) | 一种枣树冠层类胡萝卜素含量的检测方法 | |
CN112766581B (zh) | 一种计算机自动识别预报人工防雹作业潜势的方法 | |
CN117578425A (zh) | 一种极端天气情况下的区域功率预测修正方法 | |
CN113487555A (zh) | 一种基于点云网格化的输电线路隐患点快速检测方法 | |
CN111879915A (zh) | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及系统 | |
CN115600142B (zh) | 一种基于不同方法的大风融合集成预报方法 | |
CN116561509A (zh) | 顾及植被类型的城市植被地上生物量精确反演方法及系统 | |
Deng et al. | The use of forest stand age information in an atmospheric CO 2 inversion applied to North America | |
CN115908540A (zh) | 一种基于树木生长轮廓的森林碳汇量检测方法 | |
CN114005027A (zh) | 一种基于无人机影像的城市单木检测系统及方法 |
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 |