基于机载LiDAR数据森林关键结构参数估测研究

摘要

机载激光雷达(Light Detection and Ranging，LiDAR)作为新兴的主动遥感技术，既能够记录地物的三维坐标信息，同时又能获取地物回波的强度信息，现已成功应用于多种森林结构参数估测研究。现阶段多数LiDAR传感器发射脉冲的波长属于近红外波段，绿色植被在此光谱范围具有较好的反射特性，从理论上讲，LiDAR强度数据理应在未来的林业研究中发挥巨大的应用潜能。然而，LiDAR强度数据在获取的过程中受多种因素的影响，如:距离、入射角、反射率及大气衰减等，因此深入探索LiDAR强度数据林业应用的潜能以及量化不同影响因素强度校正对森林结构参数估测的影响已成为现阶段LiDAR数据林业应用的研究重点与热点。
　　本研究以吉林长春净月潭国家森林公园为研究区，通过对研究区的机载LiDAR点云数据进行去噪、分类、旁向重叠点移除、强度校正等处理，从中提取一系列的点云高度分布参数及点云强度参数，分别用于研究区樟子松、落叶松、蒙古栎、山杨及其他树种分类研究，之后分别研究了LiDAR数据采样形状及采样尺度对林分平均高估测产生的影响进行研究，于此同时利用不同强度影响因素校正后的LiDAR点云强度数据对森林不同林分类型进行分类并估测森林LAI，以此量化各影响因素LiDAR点云强度校正对森林结构参数估测产生的影响，最终在上述林分类型分类、林分平均高、森林LAI估测结果的基础上实现研究区内不同林分类型的生物量估测。主要研究内容与结果如下:
　　(1)为了验证航带旁向重叠点对森林结构参数估测的影响，本研究对原始点云数据进行重叠点移除操作，分别从重叠点移除前后的LiDAR数据中提取高度及强度参数，用于樟子松及落叶松林分平均高及森林LAI估测研究，结果对于林分平均高估测而言，重叠点移除前樟子松的估测精度R2为0.873，RMSE为0.940m，移除后估测精度为R2为0.892，RMSE为0.868m;重叠点移除前落叶松的估测精度R2为0.725，RMSE为1.196m，移除后精度R2为0.741，RMSE为1.161m;对于森林LAI估测而言，重叠点移除前樟子松的估测精度R2为0.666，RMSE为0.220，移除后估测精度R2为0.794，RMSE为0.172;重叠点移除前落叶松的估测精度R2为0.654，RMSE为0.110，重叠点移除后R2为0.762，RMSE为0.091。
　　(2)为了探索LiDAR数据用于森林林分类型分类的潜能，本研究分别从LiDAR提取一系列高度分布参数及强度参数，利用随机森林算法实现研究区樟子松、落叶松、蒙古栎、山杨及其他树种的分类研究，结果表明基于LiDAR点云高度分布参数不同林分类型的整体分类精度为87.54％，基于LiDAR点云强度参数不同林分类型的整体分类精度为89.23％，基于LiDAR点云高度分布参数及强度参数森林林分类型整体分类精度有所提高，为92.23％。
　　(3)本研究分别利用距离及入射角对LiDAR点云强度进行校正以期量化各影响因素对林分类型分类的影响，之后利用校正后的强度数据对研究区林分类型进行分类研究，结果表明:经距离校正强度分类结果为89.52％，相较原始点云强度分类结果有一定提高，但提高程度较小，仅提高了0.29％;经扫描角校正强度分类结果为89.24％，相较原始点云强度分类结果基本保持不变，仅增加了0.01％;而经DEM、DSM及DEM和DSM衍生入射角校正强度分类精度分别为88.67％、74.50％和64.87％，相较原始点云强度分类结果而言，不但没能提高分类精度，反而降低了分类精度。
　　(4)为了研究LiDAR采样形状及采样尺度对不同林分类型均高估测产生的影响，本研究分别研究了20m空间采样尺度下圆形及方形LiDAR采样数据对樟子松及落叶松林分平均高的影响，之后在方形采样形状下提取一系列不同采样尺度的LiDAR数据分别用于估测不同林分类型均高，结果表明方形LiDAR采样较适于樟子松，圆形采样较适于落叶松，且樟子松在35m空间采样尺度下林分均高的估测精度最高(R2=0.904，RMSE=0.82);落叶松在15m空间采样尺度下林分均高的估测精度最高（R2=0.720，RMSE=1.206）;而其他树种在20m空间采样尺度下林分均高的估测精度最高(R2=0.883，RMSE=1.257)。
　　(5)为了探究LiDAR强度校正对森林LAI估测的影响，本研究分别采用距离、入射角及反射率对LiDAR点云强度进行校正，从中提取激光穿透指数，用于樟子松和落叶松LAI估测。结果表明对樟子松LAI估测而言，基于原始点云强度数据计算得到的LPI估测精度R2=0.794，RMSE=0.172;经距离校正后点云强度数据估测精度R2=0.795，RMSE=0.172;经入射角校正后点云强度数据估测精度R2=0.806，RMSE=0.167;经反射率系数校正强度估测精度R2=0.810，RMSE=0.166。对落叶松LAI估测而言，基于原始点云强度数据计算得到的LPI估测精度R2=0.762，RMSE=0.091;距离校正后点云强度数据估测精度R2=0.762，RMSE=0.091;经入射角校正后点云强度数据估测精度R2=0.763，RMSE=0.091;经反射率系数校正强度估测精度R2=0.762，RMSE=0.091。
　　(6)在上述森林林分类型分类、林分平均高及森林LAI估测的基础上，利用一元及多元回归分析对研究区不同林分类型的森林生物量进行估测，结果表明林分平均高与森林生物量具有较强的相关性，森林LAI与森林生物量的相关性较弱，同时应用林分平均高及森林LAI时能够提高森林生物量的估测精度。
　　综上结果可知，航带旁向重叠点的移除能够提高森林结构参数估测精度;LiDAR点云强度数据能够实现林分类型精确分类且强度校正对分类结果的影响相对较小;点云数据采样形状及采样尺度对不同林分类型均高估测的影响不同;强度数据校正能够提高森林LAI的估测精度，但提高程度与所选参数和林分类型密切相关;林分均高及森林LAI综合应用时能够提高森林生物量的估测精度。

目录

摘要

1 绪论

1．1 研究背景

1．2 研究目的与意义

1．3 国内外研究现状

1．3．1 森林类型分类

1．3．2 林分平均高

1．3．3 森林叶面积指数

1．3．4 森林生物量

1．4 研究内容

1．5 技术路线

2 研究区概况及数据介绍

2．1．1 地理位置

2．1．2 地形地貌

2．1．3 地形气候

2．1．4 自然资源

2．2．1 野外数据

2．2．2 机载LiDAR数据

2．2．3 机载高分影像数据

2．3．1 野外数据预处理

2．3．2 机载LiDAR数据预处理

2．4 本章小结

3 机载LiDAR数据重叠点对森林结构参数估测的影响

3．1 引言

3．2．1 参数提取

3．2．2 模型建立

3．2．3 精度评价

3．3．1 树高估测

3．3．2 森林LAI估测

3．4 结论与讨论

3．5 本章小结

4 基于LiDAR点云强度数据森林林分类型分类研究

4．1 引言

4．2 研究方法

4．2．1 机载LiDAR点云强度数据校正

4．2．2 参数提取

4．2．3 森林林分类型分类及精度评价

4．3 结果与分析

4．3．1 基于LiDAR点云高度分布参数研究区林分类型分类结果

4．3．2 基于LiDAR点云强度数据研究区林分类型分类结果

4．3．3 基于LiDAR点云高度分布和强度数据研究区林分类型分类结果

4．3．4 基于距离校正LiDAR强度数据研究区林分类型分类结果

4．3．5 基于入射角校正LiDAR强度数据林分类型分类结果

4．3．6 研究区林分类型分类结果

4．4 结论与讨论

4．5 本章小结

5 采样形状及采样尺度对森林林分平均高估测影响研究

5．1 引言

5．2．1 参数提取

5．2．2 林分平均高估测模型

5．2．3 精度评价

5．3 结果与分析

5．3．1 20m尺度下方形LiDAR采样数据林分均高估测结果

5．3．2 最优LiDAR点云采样尺度选择

5．3．3 基于最优LiDAR点云采样尺度研究区林分均高估测结果

5．4 论与讨论

5．5 本章小结

6 基于LiDAR点云强度校正森林LAI估测研究

6．1 引言

6．2 研究方法

6．2．1 LiDAR强度数据校正

6．2．2 参数提取

6．2．3 森林LAI反演模型

6．2．4 精度评价

6．3 结果与分析

6．3．1 距离校正的结果

6．3．2 入射角校正结果

6．3．3 地表反射校正结果

6．3．4 研究区森林LAI估测结果

6．4 结论与讨论

6．5 本章小结

7 基于LiDAR数据不同林分类型生物量估测研究

7．1 引言

7．2．1 参数提取

7．2．2 森林生物量反演模型

7．2．3 精度评价

7．3 结果与分析

7．3．1 不同森林林分类型单变量生物量模型估测结果

7．3．2 不同森林林分类型双变量生物量统计模型估测结果

7．3．3 研究区不同森林林分类型生物量分布结果

7．4 结论与讨论

7．5 本章小结

结论与展望

参考文献

附录

攻读学位期间发表的学术论文

致谢

声明