[發(fā)明專利]基于激光雷達綜合波形模型反演森林生物物理特性的方法

有效

• 申請?zhí)枺?/td>: 201410362870.3
• 申請日: 2014-07-28
• 公開（公告）號: CN104180754B
• 公開（公告）日: 2017-02-01
• 發(fā)明（設計）人: 曹林;代勁松
• 申請（專利權）人: 南京林業(yè)大學
• 主分類號: G01B11/02
• 分類號: G01B11/02;G01B11/28;G01S17/89
• 代理公司: 南京鐘山專利代理有限公司32252
• 代理人: 戴朝榮

1.一種基于激光雷達綜合波形模型反演森林生物物理特性的方法，其特征在于，步驟如下：

步驟1：借助機載小光斑全波形LiDAR的傳感器進行數(shù)據(jù)采集，數(shù)據(jù)采集中獲得的LiDAR波形數(shù)據(jù)參數(shù)包括有脈沖發(fā)射頻率、掃描頻率和激光脈沖的光斑半徑，由此所述的機載小光斑全波形LiDAR的傳感器記錄了每束激光脈沖返回的完整的LiDAR波形信息，所述的LiDAR帶有高斯濾波器；

步驟2：進行LiDAR波形數(shù)據(jù)的預處理，進行LiDAR波形數(shù)據(jù)的預處理的具體方式為首先把每束激光脈沖返回的完整的LiDAR波形信息導出到LiDAR的信息處理系統(tǒng)，LiDAR的信息處理系統(tǒng)就對該LiDAR波形信息進行噪聲水平估計和數(shù)據(jù)平滑的處理，所述的噪聲水平估計和數(shù)據(jù)平滑的處理的具體方式為把LiDAR波形信息轉換到頻率域，再將頻率比設定的基準頻率更高的低值部分作為噪聲水平的判斷標準，然后對轉換到頻率域的LiDAR波形信息進行還原，再用高斯濾波器進行平滑處理，然后進入高斯擬合(分解)及波形數(shù)據(jù)點云化的處理，所述的高斯擬合(分解)及波形數(shù)據(jù)點云化的處理的具體方式為對進行平滑處理后所得的波形數(shù)據(jù)采用非線性最小二乘法進行擬合，然后通過基于局部最大峰值的檢測濾波算法從進行擬合處理后的波形數(shù)據(jù)中提取離散點云，每個離散點中記錄了每束激光脈沖返回的完整的LiDAR波形信息的高度和能量強度信息；然后進入生成數(shù)字地形的處理，所述的生成數(shù)字地形的處理的具體方式為首先對從進行擬合處理后的波形數(shù)據(jù)中提取出的離散點云進行分類，然后對末次回波進行迭代選權濾波法處理用以去除非地面點，最后使用迭代選權濾波法后的末次回波數(shù)據(jù)并借助自然鄰近法插值生成數(shù)字地形模型；

步驟3：進行LiDAR波形數(shù)據(jù)校正，所述的進行LiDAR波形數(shù)據(jù)校正的具體方式為到LiDAR的信息處理系統(tǒng)根據(jù)公式(1)和公式(2)導出校正后返回波內(nèi)每個高斯波的波寬和校正后返回波內(nèi)每個高斯波內(nèi)每個高斯波的能量強度

Wic=Wi/We---(1)]]>

Iic=(Ii·sik)/(Ie·s0k)---(2)]]>

上式中，為校正后返回波內(nèi)每個高斯波的波寬，為校正后返回波內(nèi)每個高斯波內(nèi)每個高斯波的能量強度，W_i為原始返回波內(nèi)每個高斯波的波寬，W^e為發(fā)射波的波寬，I_i為原始返回波的能量強度，I^e為發(fā)射波的能量強度，傳感器到反射物體的距離，為標稱距離，k為變化系數(shù)，i為正整數(shù)；

進入單木容積內(nèi)的原始波形信息匯總的處理，所述的單木容積內(nèi)的原始波形信息匯總的處理的第一步為單木分割的處理，所述的單木分割的處理的具體方式為LiDAR的信息處理系統(tǒng)將地面以上點云插值生成數(shù)字表面模型DSM，然后數(shù)字表面模型DSM減去數(shù)字地形模型DTM從而得到歸一化植被高度CHM，再通過高斯濾波器結合公式(3)對歸一化植被高度CHM進行平滑處理后得到植被的高斯二維分布函數(shù)G(x,y)，公式(3)如下所示：

G(x,y)=12πe-x2+y22σ2---(3)]]>

σ為標準差,x為植被的橫坐標，y為植被的縱坐標，然后借助局部最大值法從高斯二維分布函數(shù)G(x,y)中提取單木樹冠，即在設定高度以上的像元內(nèi)布設種子并允許其爬向最大坡度的方向，當種子到達的某一像元內(nèi)高度都高于周邊像元時，則將此像元作為樹頂，樹頂所對應的種子的爬行區(qū)域為冠幅,所述的單木容積內(nèi)的原始波形信息匯總的處理的第二步為LiDAR的信息處理系統(tǒng)借助在單木分割的處理中提取的冠幅和樹高參數(shù)，在橢圓柱體范圍內(nèi)匯總其中的所有原始波形脈沖能量，構成單木綜合脈沖，再借助數(shù)字地形模型DTM對單木綜合脈沖進行歸一化處理；

步驟4：進入計算單木綜合波形的特征參數(shù)并匯總至樣地尺度的處理，所述的計算單木綜合波形的特征參數(shù)并匯總至樣地尺度的處理的第一步為LiDAR的信息處理系統(tǒng)通過設置差異閾值來對比數(shù)字地形模型DTM提取高度和對應位置上最后一個波峰所在高度，依此判斷地形對應的波峰位置從而推測冠層對應的波峰，提取包括地面到脈沖能量質(zhì)心的距離HOME、波形起點到地面距離所表示的波形距離WD、地面到脈沖能量質(zhì)心的距離HOME同波形距離WD的比值所表示的高度中位數(shù)比、波形起點到第一波峰的距離所表示的冠層外層粗糙度ROUGH、波形起點到第一波峰連線的波形垂直角度所表示的前坡度角FS以及冠層高度和地面到脈沖能量質(zhì)心的距離HOME的差值除以冠層高的值VDR所構成的特征變量，特征變量是用來作為后續(xù)建模的備選因子；所述的計算單木綜合波形的特征參數(shù)并匯總至樣地尺度的處理的第二步為LiDAR的信息處理系統(tǒng)把特征變量匯總為樣地尺度上的均值和標準差；

步驟5：進行對各生物物理特性的特征變量敏感性分析、反演模型構建和精度驗證，LiDAR的信息處理系統(tǒng)首先借助Pearson’s相關系數(shù)分析2組LiDAR特征變量對于生物物理特性的敏感性r，具體如公式(4)所示：

r=Σi=1n(xi-x‾i)(yi-y‾i)Σi=1n(xi-x‾i)2·Σi=1n(yi-y‾i)2---(4)]]>

其中，x_i為地面實測的某生物物理特性，y_i為某LiDAR特征變量，為x_i的平均值，為y_i的平均值，n為樣地數(shù)量，然后應用逐步回歸法構建預測模型，逐步回歸的實施過程是每一步都要對已引入回歸方程的變量計算其偏回歸平方和,然后選一個偏回歸平方和最小的變量,在預先給定的F水平下進行P<0.05的顯著性檢驗,P值為用于檢驗顯著性的參數(shù)，如果顯著便保留該變量；相反,則要剔除該變量，為了保證模型因變量和自變量之間的線性相關關系，自然對數(shù)變換被應用于所有的因變量和自變量，所述的預測模型因變量位地面調(diào)查的生物物理特性，所述的自變量為LiDAR提取的特征變量，接著預測模型采用決定系數(shù)R²、均方根誤差RMSE和相對均方根誤差rRMSE并結合公式(5)、公式(6)和公式(7)進行評價：

R2=1-Σi=1n(xi-x^i)2Σi=1n(xi-x‾i)2---(5)]]>

其中，x_i為地面實測的某生物物理特征，為x_i的平均值，為模型估算的某生物物理特征，n為樣地數(shù)量。

RMSE=1nΣi=1n(xi-x^i)2---(6)]]>

rRMSE=RMSEx‾i×100%---(7).]]>