激光测高卫星全波形数据的森林树高提取研究

摘要

星载激光雷达具有精度高、速度快、穿透性强等优点，广泛应用于极地冰盖高程测量、气溶胶厚度测定以及森林垂直结构探测，全波形数据的引入为星载激光雷达应用于森林树高提取提供了新的途径。本文以国外 ICESat/GLAS（Ice,Cloud and Elevation Satellite/Geosciences Laser Altimeter System）数据为例开展星载激光雷达全波形数据的处理及在森林树高提取的应用研究。首先，在奇偶拐点高斯分解法的基础上引进 findpeaks函数，构建了基于波峰自动识别的全波形数据高斯分解算法，通过与奇偶拐点高斯分解法以及 findpeaks函数高斯分解法对比分析，并以吉林长白山实验样地为例，开展了森林树高估算的研究，证明了本文方法的有效性。
　　本文的主要研究内容及工作如下：
　　（1）梳理了星载激光雷达系统的发展历程，总结了激光雷达系统的分类及测量原理，并对常见的几种星载激光雷达系统进行介绍。阐述了星载激光雷达全波形数据的处理过程，包括波形数据预处理（电压转换、波形归一化、背景噪声估计以及高斯平滑滤波等）、波形分解（高斯分解、小波分解、波形反卷积及波形模拟）及波形拟合（非线性最小二乘拟合）。对比分析了利用星载激光雷达卫星 ICESat/GLAS数据进行森林树高估算的几种常见模型，并介绍了两种常见的模型估算精度评价指标。
　　（2）针对奇偶拐点高斯分解法计算量较大的情况，引进findpeaks函数，以快速确定波形的峰值位置，以此构建了基于波峰自动识别的全波形数据高斯分解算法，并对波形分解进行了实验，且与奇偶拐点高斯分解和findpeaks高斯分解进行了分解精度和效率对比。
　　（3）最后，论文选取长白山汪清林业局经营区的304173公顷林场为实验区，在实验区挑选出部分样本数据，对该地区的 GLAS波形数据进行处理并进行森林树高提取，将树高估算结果与实地测量数据进行对比验证，结果表明，改进的基于波峰自动识别的全波形数据高斯分解算法在精度方面次于奇偶拐点高斯分解算法，但优于 findpeaks函数的高斯分解算法。虽然改进的基于波峰自动识别的全波形数据高斯分解算法与奇偶拐点高斯分解法精度存在一定差距，但是计算量低于奇偶拐点高斯分解算法，在大范围快速森林树高估算时具有一定的实用性。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

变量注释表

1 绪论

1.1研究背景及意义（Research Background and Significance）

1.2国内外研究现状（Research Status of at Home and Abroad）

1.3论文主要内容及结构安排（Research Contents and Chapters Arrangement）

2 星载激光雷达GLAS全波形数据处理

2.1星载激光雷达GLAS波形信号预处理（Waveform Signal Preprocessing for Spaceborne Lidar of GLAS）

2.2星载激光雷达GLAS波形分解（Waveform Decomposition for Spaceborne Lidar of GLAS）

2.3星载激光雷达GLAS波形特征参数提取（Waveform Feature Extraction for Spaceborne Lidar of GLAS）

2.4本章小结（Brief summary）

3基于波峰自动识别的全波形数据高斯分解算法

3.1奇偶拐点的高斯分解法（Gaussian Decomposition Method of Parity inflection）

3.2findpeaks函数的高斯分解法（Gaussian decomposition method of findpeaks function）

3.3基于波峰自动识别的全波形数据高斯分解算法（The Full Waveform Gauss Decomposition Algorithm Which Based on the Crest of Automatic Identification）

3.4本章小结（Brief summary）

4 基于GLAS波形数据的森林树高提取实验

4.1研究区概况（Situation of Research Area）

4.2实验数据源（Data Sources）

4.3基于GLAS波形数据的森林树高估算模型（The Estimation Model of Tree High Based on the GLAS Waveform Data）

4.4精度评价指标（TheIndexs of Accuracy Evaluation）

4.5树高提取与结果分析（Extraction of tree height and analysisof the results）

4.6 本章小结（Brief summary）

5 总结与展望

5.1 总结（Conclusion）

5.2 展望（Expectation）

参考文献

作者简历

学位论文数据集