CN117636157A - 利用地面激光扫描确定银杏秋季落叶期物候变化的方法 - Google Patents
利用地面激光扫描确定银杏秋季落叶期物候变化的方法 Download PDFInfo
- Publication number
- CN117636157A CN117636157A CN202311505303.4A CN202311505303A CN117636157A CN 117636157 A CN117636157 A CN 117636157A CN 202311505303 A CN202311505303 A CN 202311505303A CN 117636157 A CN117636157 A CN 117636157A
- Authority
- CN
- China
- Prior art keywords
- canopy
- data
- ginkgo
- laser scanning
- fitting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008859 change Effects 0.000 title claims abstract description 36
- 235000008100 Ginkgo biloba Nutrition 0.000 title claims abstract description 35
- 235000011201 Ginkgo Nutrition 0.000 title claims abstract description 34
- 241000218628 Ginkgo Species 0.000 title claims abstract description 34
- 230000035613 defoliation Effects 0.000 title description 7
- 241000196324 Embryophyta Species 0.000 claims abstract description 27
- 239000002023 wood Substances 0.000 claims abstract description 11
- 238000001556 precipitation Methods 0.000 claims abstract description 4
- 238000011160 research Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 230000008033 biological extinction Effects 0.000 claims description 6
- 230000001788 irregular Effects 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 235000013405 beer Nutrition 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 244000194101 Ginkgo biloba Species 0.000 abstract description 6
- 238000005070 sampling Methods 0.000 abstract 1
- 230000002354 daily effect Effects 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000376 reactant Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 1
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000014634 leaf senescence Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了利用地面激光扫描确定银杏秋季落叶期物候变化的方法，属于林业技术领域。包括：在目标区域中获取地面激光扫描原始数据，并对获取的数据进行拼接、去噪处理，同时记录包括日平均温度、日最高温度、日最低温度、日降水量和日平均风速的气象数据；在预处理后的地面激光扫描数据中提取冠层点数；采用切片法提取银杏单木冠层体积；通过分别估计单株树木垂直方向间隙概率计算出冠层植物面积指数；使用逻辑斯蒂函数描述冠层参数的变化并判断季节开始和季节结束；对银杏冠层参数的逻辑斯蒂模型进行拟合；评估模型精度。本发明采用多站联动的扫描模式、多源数据拼接方式能在极高时间分辨率下快速获取样地整体TLS，对单株树木进行精准监测。
Description
技术领域
本发明属于林业技术领域，具体涉及一种利用地面激光扫描确定银杏秋季落叶期物候变化的方法。
背景技术
植被物候的变化可以为气候变化提供反馈，并且在调节全球碳、水和养分循环方面发挥重要作用。物候学是研究植物周期性变化的学科，通过冠层参数可以量化植被物候期变化过程，落叶期可以反馈秋冬季节的气候变化。秋季物候的变化可以作为气候变化影响的关键指标。在全球变暖的背景下春季物候研究活跃，但有关秋季物候期的研究却报告了提前的趋势或延迟的趋势，甚至还有未出现变化的情况。秋季物候的环境触发因素及其对秋叶衰老的影响仍知之甚少。因此监测秋季物候，探索秋季物候对气候变化的响应机制至关重要。
叶面积指数是用来估计叶片覆盖以及植物冠层状态的关键指标。叶面积指数的定义是单位土地面积上所有叶片表面积的一半，是一个无量纲度量的参数。它的测定对于了解森林冠层的生物物理过程以及预测其生长和生产力至关重要。在落叶期植物冠层参数的研究中需要监测至植物冠层完全落叶。由于无法精准的在落叶期冠层变化的状态下进行统一的枝叶分离处理，因此需要一种包含必要背景值(枝、叶、茎)的参数用于描述落叶过程，即植物面积指数(PAI)。PAI的定义为单位地表面积中植物表面的单侧面积。
评估地面PAI的三种常用方法是使用LAI-2000、ceptometer和数字半球照片来对PAI进行间接的地面评估。这三种方法对评估地面PAI通常存在偏差和误差，这些偏差和误差来自仪器在野外的定位和方向，或者来自二值图像(binary image)生成过程中对最佳亮度水平阈值的差异。因此，为了尽可能的消除误差，增大数据的精确度，我们选择使用地面激光扫描仪(terrestrial laser scanner，TLS)作为测量PAI的工具。TLS数据可以更加精确的探索树枝甚至树叶的角度分布和聚集度，有助于解决其他间接方法无法完全解决的冠层剖面、叶片分布等相关问题。
地面激光雷达扫描是一种主动遥感技术，通过TLS获取目标表面精细的高精度三维坐标，可以高效、高精度地进行森林资源监测。由于TLS可快速准确地获取林地数据高程模型和森林高度信息的能力，其数据可提供高精度的3D位置信息，可以针对单株植物进行姿态变化监测，突显单株冠层在物候变化监测中的重要性，以此弥补以往研究中存在的信息不足等问题。
针对监测银杏物候期的现有技术还包括地面观测和物候相机摄影记录等。地面观测是一种传统的自然现象观测方法，该观测方法存在主观性，容易导致人为误差，消耗大量人力资源和时间，观测的地理覆盖范围有限，受气象条件的限制，无法获得高时空分辨率数据；物候相机虽然不受主观因素的干扰，但是视野和覆盖范围通常有限，只能观测到摄像机所拍摄的特定区域，且较为依赖摄像机位置和角度，因此可能导致出现观测盲点，无法区分细微的物候事件。物候相机生成的图像数据需要大量的时间和计算资源进行复杂的数据处理和分析，数据质量也会因摄像机质量、光照条件、影像处理算法等多种因素影响，与此同时，对物候相机定期的维护与校准成本较高。
发明内容
技术目的：鉴于上述问题，本发明提出了一种利用地面激光扫描确定银杏秋季落叶期物候变化的方法，基于高时间分辨率地面激光数据可重复测量的稳定检测流程，生成植被冠层多时序高精度变化参数模型。以此来监测秋季落叶期银杏单木水平的冠层结构参数变化和进一步建立落叶物候变化模型。
技术方案：为了解决上述技术问题，本发明采用的技术方案如下：
一种利用地面激光扫描确定银杏秋季落叶期物候变化的方法，包括以下步骤：
步骤1：在目标区域中获取地面激光扫描原始数据，并对获取的数据进行拼接、去噪处理，同时记录包括日平均温度、日最高温度、日最低温度、日降水量和日平均风速的气象数据；
步骤2：在预处理后的地面激光扫描数据中提取冠层点数；
步骤3：采用切片法提取银杏单木冠层体积；
步骤4：通过分别估计单株树木垂直方向间隙概率计算出冠层植物面积指数；
步骤5：使用逻辑斯蒂函数描述冠层参数的变化并判断季节开始和季节结束；
步骤6：对银杏冠层参数的逻辑斯蒂模型进行拟合；
步骤7：评估模型精度。
作为优选，步骤1中，在目标区域中获取地面激光扫描原始数据是由RIEGL VZ-400i地面激光扫描仪获取，采用固定的阵列分布的14站点进行地面激光雷达扫描，在21个非均匀的测量日内收集数据。
作为优选，步骤3中，采用切片法提取银杏单木冠层体积的方法为：
步骤301：定义固定的每层高度：layer_height＝h，然后获取一个指定文件夹中的点云文件列表；
步骤302：使用聚类算法进行点云形状的聚类分割；
步骤303：分割后的每个形状聚类使用线性回归方程式来拟合平面模型，其方程式为：
z＝a·x+b·y+c
其中，(x，y，z)是形状中的点，a、b、c是平面模型的参数；对于形状聚类中的每个点(xi，yi，zi)，构建一个特征矩阵X，其中每行是点的(xi，yi)坐标；
通过该线性回归方程最终得到拟合的平面模型：
zfit(x,y)＝a·x+b·y+c；
步骤304：计算每个形状的投影面积并得到其体积；
首先计算拟合平面在二维空间(x，y)中的投影面积，假设该形状的(x，y)范围为(xmin，xmax)和(ymin，ymax)，投影面积为：
Aproj＝(xmax-xmin)·(ymax-ymin)
将投影面积乘以每层的高度h，得到每层形状的体积，将每层的体积累加，得到整个形状在点云中的体积。
作为优选，步骤4中，通过分别估计单株树木垂直方向间隙概率计算出冠层植物面积指数的方法为：
步骤401：利用预处理后的数据生成地面点云数据的矢量文件，转换为不规则三角网；
步骤402：由不规则三角网转栅格生成地面高程模型，提取研究区的点云数据，利用生成的地面DEM数据进行点云归一化处理；
步骤403：利用Beer lambert消光系数公式测定冠层上下辐射以及与消光系数相关的参数来计算PAI，公式为：
其中，Z是冠层点云高度，Zj是在时所有竖直方向的小于Z的点数，ns是天顶角间隔中输出激光的脉冲总数，/>是天顶角间隔中输出激光的脉冲总数，/>是单次地面激光雷达扫描的垂直分辨方向间隙概率，/>是天顶角范围，w是光束面积1/ns部分的截距。
步骤404：对于单木反演叶面积指数，采用拟合椭圆的方式获取冠幅内总点云数，方法为：
其中，ePAI(Z)是单木冠幅有效PAI，GF是冠层孔隙度，使用55°-60°的天顶来近似铰链区域Z是冠层点云高度。
作为优选，步骤5中，利用逻辑斯蒂函数中的S型曲线来描述秋季银杏落叶期的冠层参数从稳定的高水平数值向低水平数值平台收敛，其S型曲线逻辑函数为：
其中，y(t)为拟合冠层参数作为时间的函数，U为S型曲线的上渐近线对应植物未落叶情况下的冠层参数数值，L为下渐近线对应植物叶片脱落情况下的冠层参数数值，k为增长率，t为总持续时间，tm为增长率达到最大值时的拐点。
作为优选，步骤5中，采用阈值法进行季节开始和季节结束的判断，当从逻辑斯蒂函数拟合出的冠层参数的值超过95％的预测线时，确定季节开始和季节结束。
作为优选，步骤6中，对银杏冠层参数的逻辑斯蒂模型进行拟合的方法为：将处理后的数据导入Origin 2021，第一列数据为年积日数据，后续数据为处理好的NPC、VOC、PAI数据，选择需要拟合的一列数据，点击分析--拟合--S型函数拟合--打开对话框，在对话框中选择设置--函数选取，函数设置为Logistic，得到拟合曲线图，最后点击拟合直至收敛，得到最终的拟合曲线图。
作为优选，步骤7中，通过计算均方根差、均方根误差变异系数和方差相关系数来评价拟合精度。
有益效果：与现有技术相比，本发明具有以下优点：
(1)本发明利用自主地面激光雷达扫描仪器大大提高TLS数据的时间分辨率，采用多站联动的扫描模式以及多源数据拼接的方式在极高时间分辨率的前提下实现快速获取样地整体TLS，且针对单株树木进行精准监测；提供了在可重复测量背景下地面激光雷达测量在单株树木水平上稳定性的见解，探索了TLS在监测单木物候变化的潜力，为精准林业与智慧林业的发展提供助力，也为大尺度遥感产品提供校准和验证的参考数据。
(2)本发明对于监测植被结构的细微变化非常重要，有助于发掘地面激光雷达在单木水平上监测物候变化的潜力，便于客观地校准和验证大尺度遥感产品。
(3)本发明通过在时间序列上三维分布信息的变化来反应物候期的变化。主要方式是通过利用TLS获取冠层点云数量，冠层体积，植物面积指数这三个冠层参数进行冠层变化的量化，使用季节开始，季节结束，季节持续时间等三个物候参数用于对物候期判断的评价，最后进行建模与典型落叶单木拟合。
(4)本发明利用地面激光扫描仪来监测银杏秋季物候期能够更好的获取更全面、更准确的高精度、高时空分辨率数据，能够长期监测，可在大规模范围内自动化应用、覆盖广泛的地理区域，且生成的数据可用于创建三维模型和可视化，另外，本发明可帮助科研人员更全面地了解银杏树的生长和生态变化，这对于环境保护、气候变化研究和自然资源管理都具有重要意义。
附图说明
图1是本发明的流程图；
图2是研究区路北13株银杏五个日期的RGB图像和其对应的TLS数据正视点云影像图；
图3是在2022年10月14日至2022年12月27日期间逐日记录的气候变化折线图；
图4是每株银杏立木冠层点数(Number of point clouds，NPC)的逻辑斯蒂拟合曲线图；
图5是每株银杏立木冠层体积(The volume of the crown，VOC)的逻辑斯蒂拟合曲线图；
图6是每株银杏立木冠层植物面积指数(plant area index，PAI)的逻辑斯蒂拟合曲线图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
本发明以中国江苏省南京市市区(32.078°N，118.816°E)为研究区，研究区中主要行道两侧的银杏树为研究对象，在研究区中设置间距皆小于20m的14个固定站点。在2022年10月14日至2022年12月27日期间，每次间隔两天使用RIEGL VZ-400i地面激光扫描仪在固定阵列分布的14个站点采用固定重复的流程进行地面激光雷达扫描。在研究期间通过中国国家气象科学数据中心逐日获取并记录气象数据，如图3所示。
如图1所示，一种利用地面激光扫描确定银杏秋季落叶期物候变化的方法，包括以下步骤：
步骤1：在目标区域中获取地面激光扫描(TLS)原始数据，并对获取的数据进行拼接、去噪处理，同时记录包括日平均温度、日最高温度、日最低温度、日降水量和日平均风速的气象数据；
设置固定的阵列分布的14个站点，使用RIEGL VZ-400i地面激光扫描仪进行地面激光雷达扫描，在21个非均匀的测量日内收集数据，每间隔两天进行一次数据采集，每日扫描时间选择在风速3m/s以下且无雨雪的时间点，每次扫描使三脚架高度固定在1.3m高度，在21次扫描任务中保证扫描流程固定重复。在扫描结束后使用RISCAN PRO软件对原始数据进行处理，将14站数据拼接为整体，并使用统一设置的去噪参数进行去噪处理。下表1是三维激光扫描RIEGL VZ-400i参数。
表1三维激光扫描RIEGL VZ-400i参数
步骤2：在预处理后的地面激光扫描数据中提取冠层点数；
如图2所示，在点云提取出的冠层参数中可直接得出点数参数，即为所需的冠层点数(Number of point clouds，NPC)。
步骤3：采用切片法提取银杏单木冠层体积VOC；
步骤301：定义固定的每层高度：layer_height＝h，然后获取一个指定文件夹中的点云文件列表，通过使用os库进行文件操作；
步骤302：使用聚类算法(Density-Based Spatial Clustering of Applicationswith Noise，简称DBSCAN)进行点云形状的聚类分割；
步骤303：分割后的每个形状聚类使用线性回归方程式来拟合平面模型，其方程式为：
z＝a·x+b·y+c
其中，(x，y，z)是形状中的点，a、b、c是平面模型的参数；对于形状聚类中的每个点(xi，yi，zi)，构建一个特征矩阵X，其中每行是点的(xi，yi)坐标。
通过该线性回归即可找到参数(a、b、c)，使得实际z值与拟合的z值之间的误差最小化，最终得到拟合的平面模型：
zfit(x,y)＝a·x+b·y+c。
步骤304：计算每个形状的投影面积并得到其体积；
首先需要计算拟合平面在二维空间(x，y)中的投影面积，假设该形状的(x，y)范围为(xmin，xmax)和(ymin，ymax)，那么投影面积可以表示为：
Aproj＝(xmax-xmin)·(ymax-ymin)
通过将投影面积乘以每层的高度h，得到每层形状的体积Vlayer，将每层的体积累加，得到整个形状在点云中的体积Vshape，即冠层体积VOC。
步骤4：通过分别估计单株树木垂直方向间隙概率计算出冠层植物面积指数(plant area index，PAI)；
步骤401：利用预处理后的数据生成地面点云数据的矢量文件，转换为不规则三角网(TIN)；
步骤402：由不规则三角网转栅格生成地面高程模型(DEM)，此时生成扫描视场相对坐标系下的点云图，提取研究区的点云数据，利用生成的地面DEM数据进行点云归一化处理；
步骤403：利用Beer lambert消光系数公式测定冠层上下辐射以及与消光系数相关的参数来计算PAI，公式为：
其中，Z是冠层点云高度，Zj是在时所有竖直方向的小于Z的点数，即冠层内的点数，ns是天顶角间隔中输出激光的脉冲总数，/>是天顶角间隔中输出激光的脉冲总数，是单次地面激光雷达扫描的垂直分辨方向间隙概率，/>是天顶角范围，w是光束面积1/ns部分的截距。
步骤404：对于单木反演叶面积指数，采用拟合椭圆的方式获取冠幅内总点云数，方法为：
其中，ePAI(Z)是单木冠幅有效PAI，GF是冠层孔隙度，使用55°-60°的天顶来近似铰链区域Z是冠层点云高度。
在点云数据中整体栅格投影面积与整体轮廓投影面积之比为整体有效PAI，计算单木冠幅有效PAI，通常使用55°-60°的天顶环来近似铰链区域，TLS数据使用开源python库实现上述方法的PAI提取工作。
步骤5：使用逻辑斯蒂函数描述冠层参数的变化并判断季节开始和季节结束；
步骤501：利用逻辑斯蒂函数中的S型曲线来描述秋季银杏落叶期的冠层参数从稳定的高水平数值向低水平数值平台收敛，其S型曲线逻辑函数为：
其中，y(t)为拟合冠层参数作为时间的函数，U为S型曲线的上渐近线(落叶季之前冠层参数保持稳定的拟合值)，L为下渐近线(落叶季结束之后曲线拟合的背景值)，k为增长率，t为总持续时间，tm为增长率达到最大值时的拐点。
因此上渐近线对应植物未落叶情况下的冠层参数数值，下渐近线对应植物叶片脱落情况下的冠层参数数值；
步骤502：采用阈值法进行季节开始(Start of Season，SOS)和季节结束(End ofSeason，EOS)的判断，当从逻辑斯蒂函数拟合出的冠层参数的值超过95％的预测线时，确定SOS和EOS。如表2所示。
表2逻辑斯蒂函数拟合出的冠层参数
步骤6：对银杏冠层参数的逻辑斯蒂模型进行拟合；
使用Origin 2021软件进行冠层参数的逻辑斯蒂模型的拟合，将处理后的数据导入Origin 2021，第一列数据为年积日数据，后续数据为处理好的NPC、VOC、PAI数据；选择需要拟合的一列数据，点击分析--拟合--S型函数拟合--打开对话框；在对话框中选择设置--函数选取，函数设置为Logistic，得到拟合曲线图，最后点击拟合直至收敛，得到最终的拟合曲线图。
步骤7：评估模型精度。
通过计算均方根差(Root Mean Square Error，简称RMES)、均方根误差变异系数(Coefficient of the Variation of the Root Mean Square Error，简称CVRMSE)和方差相关系数(Coefficient of Correlation of Comonotonicity，简称CCC)来评价拟合精度。
CVRMSE是一种用于衡量模型预测准确度的指标，结合了RMSE和绝对百分比误差(MAPE)，能够同时反映预测值的精确性和相对误差大小，并且可以消除不同预测值的量纲差异，使得不同指标之间可以进行比较。
CCC结合了均方误差(Mean Square Error，MSE)和皮尔森相关系数(PearsonCorrelation Coefficient,PCC)的特点，提供了一种可以同时度量相关性和绝对插值的指标，CCC的范围为-1到1之间，越接近1说明模型的拟合效果越好。
如图4-6所示，通过对CVRMSE和CCC的比较，挑选出GN03、GN04、GN08、GS05、GS07和GS09进行进一步分析，如下表3所示。
表3GN03、GN04、GN08、GS05、GS07和GS09的冠层参数
最后对所有单木三种冠层参数拟合结果进行分析，进一步分析较优的银杏单株，以证明TLS数据在单木尺度上对物候监测的可行性。
本发明提供一种利用地面激光扫描(TLS)获取冠层的三位分布信息，通过在时间序列上三维分布信息的变化来反应物候期的变化。主要方式是通过利用TLS获取冠层点云数量，冠层体积，植物面积指数这三个冠层参数进行冠层变化的量化，使用季节开始，季节结束，季节持续时间等三个物候参数用于对物候期判断的评价，最后进行建模与典型落叶单木拟合。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种利用地面激光扫描确定银杏秋季落叶期物候变化的方法，其特征在于，包括以下步骤：
步骤1：在目标区域中获取地面激光扫描原始数据，并对获取的数据进行拼接、去噪处理，同时记录包括日平均温度、日最高温度、日最低温度、日降水量和日平均风速的气象数据；
步骤2：在预处理后的地面激光扫描数据中提取冠层点数；
步骤3：采用切片法提取银杏单木冠层体积；
步骤4：通过分别估计单株树木垂直方向间隙概率计算出冠层植物面积指数；
步骤5：使用逻辑斯蒂函数描述冠层参数的变化并判断季节开始和季节结束；
步骤6：对银杏冠层参数的逻辑斯蒂模型进行拟合；
步骤7：评估模型精度。
2.根据权利要求1所述的利用地面激光扫描确定银杏秋季落叶期物候变化的方法，其特征在于，步骤1中，在目标区域中获取地面激光扫描原始数据是由RIEGL VZ-400i地面激光扫描仪获取，采用固定的阵列分布的14站点进行地面激光雷达扫描，在21个非均匀的测量日内收集数据。
3.根据权利要求1所述的利用地面激光扫描确定银杏秋季落叶期物候变化的方法，其特征在于，步骤3中，采用切片法提取银杏单木冠层体积的方法为：
步骤301：定义固定的每层高度：layer_height＝h，然后获取一个指定文件夹中的点云文件列表；
步骤302：使用聚类算法进行点云形状的聚类分割；
步骤303：分割后的每个形状聚类使用线性回归方程式来拟合平面模型，其方程式为：
z＝a·x+b·y+c
其中，(x，y，z)是形状中的点，a、b、c是平面模型的参数；对于形状聚类中的每个点(xi，yi，zi)，构建一个特征矩阵X，其中每行是点的(xi，yi)坐标；
通过该线性回归方程最终得到拟合的平面模型：
zfit(x,y)＝a·x+b·y+c；
步骤304：计算每个形状的投影面积并得到其体积；
首先计算拟合平面在二维空间(x，y)中的投影面积，假设该形状的(x，y)范围为(xmin，xmax)和(ymin，ymax)，投影面积为：
Aproj＝(xmax-xmin)·(ymax-ymin)
将投影面积乘以每层的高度h，得到每层形状的体积，将每层的体积累加，得到整个形状在点云中的体积。
4.根据权利要求1所述的利用地面激光扫描确定银杏秋季落叶期物候变化的方法，其特征在于，步骤4中，通过分别估计单株树木垂直方向间隙概率计算出冠层植物面积指数的方法为：
步骤401：利用预处理后的数据生成地面点云数据的矢量文件，转换为不规则三角网；
步骤402：由不规则三角网转栅格生成地面高程模型，提取研究区的点云数据，利用生成的地面DEM数据进行点云归一化处理；
步骤403：利用Beer lambert消光系数公式测定冠层上下辐射以及与消光系数相关的参数来计算PAI，公式为：
其中，Z是冠层点云高度，Zj是在时所有竖直方向的小于Z的点数，ns是天顶角间隔中输出激光的脉冲总数，/>是天顶角间隔中输出激光的脉冲总数，/>是单次地面激光雷达扫描的垂直分辨方向间隙概率，/>是天顶角范围，w是光束面积1/ns部分的截距。
步骤404：对于单木反演叶面积指数，采用拟合椭圆的方式获取冠幅内总点云数，方法为：
其中，ePAI(Z)是单木冠幅有效PAI，GF是冠层孔隙度，使用55°-60°的天顶来近似铰链区域Z是冠层点云高度。
5.根据权利要求1所述的利用地面激光扫描确定银杏秋季落叶期物候变化的方法，其特征在于，步骤5中，利用逻辑斯蒂函数中的S型曲线来描述秋季银杏落叶期的冠层参数从稳定的高水平数值向低水平数值平台收敛，其S型曲线逻辑函数为：
其中，y(t)为拟合冠层参数作为时间的函数，U为S型曲线的上渐近线对应植物未落叶情况下的冠层参数数值，L为下渐近线对应植物叶片脱落情况下的冠层参数数值，k为增长率，t为总持续时间，tm为增长率达到最大值时的拐点。
6.根据权利要求1或5所述的利用地面激光扫描确定银杏秋季落叶期物候变化的方法，其特征在于，步骤5中，采用阈值法进行季节开始和季节结束的判断，当从逻辑斯蒂函数拟合出的冠层参数的值超过95％的预测线时，确定季节开始和季节结束。
7.根据权利要求1所述的利用地面激光扫描确定银杏秋季落叶期物候变化的方法，其特征在于，步骤6中，对银杏冠层参数的逻辑斯蒂模型进行拟合的方法为：将处理后的数据导入Origin 2021，第一列数据为年积日数据，后续数据为处理好的NPC、VOC、PAI数据，选择需要拟合的一列数据，点击分析--拟合--S型函数拟合--打开对话框，在对话框中选择设置--函数选取，函数设置为Logistic，得到拟合曲线图，最后点击拟合直至收敛，得到最终的拟合曲线图。
8.根据权利要求1所述的利用地面激光扫描确定银杏秋季落叶期物候变化的方法，其特征在于，步骤7中，通过计算均方根差、均方根误差变异系数和方差相关系数来评价拟合精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311505303.4A CN117636157A (zh) | 2023-11-13 | 2023-11-13 | 利用地面激光扫描确定银杏秋季落叶期物候变化的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311505303.4A CN117636157A (zh) | 2023-11-13 | 2023-11-13 | 利用地面激光扫描确定银杏秋季落叶期物候变化的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117636157A true CN117636157A (zh) | 2024-03-01 |
Family
ID=90022656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311505303.4A Pending CN117636157A (zh) | 2023-11-13 | 2023-11-13 | 利用地面激光扫描确定银杏秋季落叶期物候变化的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117636157A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117875147A (zh) * | 2024-03-11 | 2024-04-12 | 杭州经纬信息技术股份有限公司 | 雨雾现象实时仿真的方法及系统、存储介质 |
| CN117875147B (zh) * | 2024-03-11 | 2024-06-07 | 杭州经纬信息技术股份有限公司 | 雨雾现象实时仿真的方法及系统、存储介质 |
-
2023
- 2023-11-13 CN CN202311505303.4A patent/CN117636157A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117875147A (zh) * | 2024-03-11 | 2024-04-12 | 杭州经纬信息技术股份有限公司 | 雨雾现象实时仿真的方法及系统、存储介质 |
| CN117875147B (zh) * | 2024-03-11 | 2024-06-07 | 杭州经纬信息技术股份有限公司 | 雨雾现象实时仿真的方法及系统、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Guo et al. | Crop 3D—a LiDAR based platform for 3D high-throughput crop phenotyping | |
| AU2021282487A1 (en) | Forecasting national crop yield during the growing season | |
| Che et al. | Estimation of maize plant height and leaf area index dynamics using an unmanned aerial vehicle with oblique and nadir photography | |
| Hall et al. | Characterising and mapping vineyard canopy using high-spatial-resolution aerial multispectral images | |
| Hopkinson et al. | Integrating terrestrial and airborne lidar to calibrate a 3D canopy model of effective leaf area index | |
| Jin et al. | High-throughput measurements of stem characteristics to estimate ear density and above-ground biomass | |
| CA2981473C (en) | Forecasting national crop yield during the growing season | |
| Tirado et al. | UAV‐based imaging platform for monitoring maize growth throughout development | |
| CN110988909B (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
| CN111091079B (zh) | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 | |
| CN111738175A (zh) | 一种基于遥感影像和卷积神经网络的农业干旱监测系统 | |
| Solvin et al. | Use of UAV photogrammetric data in forest genetic trials: measuring tree height, growth, and phenology in Norway spruce (Picea abies L. Karst.) | |
| CN112166352A (zh) | 训练机器学习算法并预测特别是田地或子田地级别的天气数据变量的值 | |
| US20220012820A1 (en) | Forest stand target attribute prediction | |
| CN113221765A (zh) | 一种基于数字相机影像有效像元的植被物候期提取方法 | |
| CN112001121B (zh) | 基于太阳辐射的大面积平缓地区预测性土壤制图方法 | |
| Wu et al. | Improved CASA model based on satellite remote sensing data: simulating net primary productivity of Qinghai Lake basin alpine grassland | |
| CN111289997A (zh) | 一种基于激光雷达传感器的田间作物冠层稠密度检测方法 | |
| CN115375036A (zh) | 遥感、光能利用率模型与气象融合的作物成熟期预测方法 | |
| Hu et al. | Phenotyping of poplar seedling leaves based on a 3D visualization method | |
| Wei et al. | Dynamic simulation of leaf area index for the soybean canopy based on 3D reconstruction | |
| CN117291444B (zh) | 一种数字乡村业务管理方法及系统 | |
| CN117636157A (zh) | 利用地面激光扫描确定银杏秋季落叶期物候变化的方法 | |
| CN116187859A (zh) | 灌区农作物低温冷害监测与诊断方法、装置、设备及介质 | |
| CN110554406B (zh) | 一种基于无人机立体摄影测量点云的次生林结构参数反演的方法 |
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 |