本文關(guān)鍵詞：森林三維點(diǎn)云的自動(dòng)分類及其結(jié)構(gòu)參數(shù)定量估算

  更多相關(guān)文章： 激光雷達(dá) 冠層結(jié)構(gòu)參數(shù) 分類 木質(zhì)面積占比 葉方向分布

【摘要】：森林冠層結(jié)構(gòu)通過影響太陽輻射在林冠內(nèi)部及下層的三維空間分布,控制著森林的光合作用效率及其與大氣和土壤圈層之間的能量交換。傳統(tǒng)用于提取林冠結(jié)構(gòu)參數(shù)的方法大多費(fèi)時(shí)、費(fèi)力,且大部分基于遙感數(shù)據(jù)方法僅限于二維尺度。具有三維(3-D)制圖能力激光雷達(dá)(light detection and ranging, lidar)技術(shù)的出現(xiàn)為森林冠層結(jié)構(gòu)的定量化表達(dá)提供了間接、快速、有效的方法。為提高利用lidar數(shù)據(jù)提取森林冠層結(jié)構(gòu)參數(shù)的效率和精度,本研究改進(jìn)了一種基于局部點(diǎn)云空間幾何特征分布的逐點(diǎn)分類算法,將森林點(diǎn)云數(shù)據(jù)(Point Could Data, PCD)分為林冠光合部分(散點(diǎn)類分布特征)、林冠非光合部分(線性分布特點(diǎn))和地面(面狀分布特征)。并成功將其應(yīng)用于不同空間尺度(單木、樣方和景觀尺度)、不同樹種、不同密度和不同采樣策略的森林PCD,均得到較好的分類結(jié)果。在敏感性分析的基礎(chǔ)上,提出了最佳三維空間搜索半徑。發(fā)展了基于分類后的PCD估算森林冠層結(jié)構(gòu)參數(shù)的方法,主要包括木質(zhì)面積占比("woody-to-total-area ratio")參數(shù)和林冠的葉方向分布,并利用手工實(shí)測數(shù)據(jù)對(duì)估算結(jié)果分別進(jìn)行了驗(yàn)證,有效地改進(jìn)了森林冠層結(jié)構(gòu)參數(shù)估算的精度和有效性。主要結(jié)論如下：(1)分類方法具有較好的普適性本研究改善了一種基于局部幾何特征的分類算法,將森林點(diǎn)云分為三類,即面狀類(地面),散點(diǎn)類(樹葉、灌叢等光合部分),線性類(樹枝、樹干等非光合部分),并將該算法成功應(yīng)用于利用地面激光雷達(dá)(terrestrial laser scanning, TLS)在天然森林樣方中心單站掃描和單棵人工樹外圍多站掃描后拼接所獲取的PCD分類,以及航空激光雷達(dá)(aerial laser scanning, ALS)獲取的景觀尺度的森林PCD,其中ALS數(shù)據(jù)中由于分辨率低較難獲取到樹枝、樹干數(shù)據(jù),因此本研究對(duì)該數(shù)據(jù)只分為面狀類和散點(diǎn)類。對(duì)各類數(shù)據(jù)均進(jìn)行精度評(píng)價(jià),發(fā)現(xiàn)總精度均達(dá)到85%以上,表明該分類方法具有可行性。(2) 葉面積指數(shù)、樹種對(duì)分類方法不敏感分析葉面積指數(shù)(leaf area index, LAI)對(duì)分類方法的影響,結(jié)果發(fā)現(xiàn)：對(duì)于TLS獲取三個(gè)不同LAI的樣方,散點(diǎn)類和面狀類精度均較高,線性類精度稍有差異(生產(chǎn)者精度分別為69.43%,77.10%,80.48%),隨著LAI升高,線性類精度降低。原因可能是LAI高時(shí),線性周圍的葉子較多使得局部線性點(diǎn)幾何特征不顯著；而對(duì)于ALS獲取的三個(gè)不同LAI的樣方數(shù)據(jù)而言,分類精度差別較小。同時(shí)將本研究方法應(yīng)用于一棵闊葉樹和一棵針葉樹,發(fā)現(xiàn)該分類方法對(duì)樹種不敏感,最終生產(chǎn)者精度分別為94.96%和93.09%。因此只要林冠局部分類特征滿足本研究對(duì)類別特征的假設(shè),均可利用該分類方法進(jìn)行分類。(3)有效去除葉面積的木質(zhì)部分本研究發(fā)展一種基于采樣間距,激光入射方向以及點(diǎn)的傾角將每個(gè)點(diǎn)轉(zhuǎn)化為長方形平面并求得面積的方法,并使用單葉片、樹枝樹干、樹葉三個(gè)尺度做驗(yàn)證,發(fā)現(xiàn)結(jié)果較好。并分析采樣間距和葉片傾角對(duì)計(jì)算結(jié)果的影響,選取最合適的采樣間距。為驗(yàn)證參數(shù)計(jì)算結(jié)果,室內(nèi)制作人工樹并獲取完整樹枝樹干點(diǎn)云以及葉片點(diǎn)云,并手動(dòng)量測各部分面積。發(fā)展一種將離散點(diǎn)轉(zhuǎn)化為連續(xù)面片的方法用于計(jì)算人工樹樹枝樹干和樹葉面積,同時(shí)將各自點(diǎn)云進(jìn)行重建得到重建面積并與手動(dòng)測量結(jié)果比較,分別計(jì)算三者求得的木質(zhì)面積占比發(fā)現(xiàn)三者結(jié)果較為接近(分別為8.97%,8.31%,7.79%)。利用完整人工樹分類結(jié)果求取"woody-to-total area ratio",結(jié)果僅為5.50%,主要原因是分類結(jié)果精度導(dǎo)致的參數(shù)估算精度下降。(4)準(zhǔn)確定量刻畫葉方向分布本研究發(fā)展一種基于局部點(diǎn)云計(jì)算點(diǎn)傾角、方位角的方法,同時(shí)以每個(gè)點(diǎn)的面積作為權(quán)重求取冠層葉方向分布直方圖,進(jìn)而求取葉方向2-B函數(shù)分布。為驗(yàn)證葉方向反演方法,選取完整采樣的78片單葉片作為驗(yàn)證對(duì)象,將計(jì)算結(jié)果與測量結(jié)果比較,發(fā)現(xiàn)：傾角相關(guān)性R2達(dá)到0.91(p0.001),方位角相關(guān)性R2達(dá)到0.97(p0.001),且散點(diǎn)分布在1：l線附近。用該方法求得完整樹葉點(diǎn)云以及分類后散點(diǎn)類點(diǎn)云各自傾角、方位角分布直方圖,對(duì)比結(jié)果發(fā)現(xiàn)分類后傾角在80-90°范圍內(nèi)比重變大,這是由于部分樹枝被誤分為散點(diǎn)類,而本研究樹枝傾角接近90°,使得80-90°傾角比重變大。利用角度均值以及角度平方均值求取各自的2-β函數(shù)分布待定參數(shù)值,利用K-S(Kolmogorov-Smimov)方法檢測發(fā)現(xiàn)傾角、方位角直方圖與各自2-β分布均滿足一致性驗(yàn)證,最終求得葉方向的2-β函數(shù)。
【關(guān)鍵詞】：激光雷達(dá) 冠層結(jié)構(gòu)參數(shù) 分類 木質(zhì)面積占比 葉方向分布
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN957.52
【目錄】：

• 摘要5-8
• ABSTRACT8-22
• 相關(guān)術(shù)語表22-23
• 第一章 緒論23-33
• 1.1 研究背景與意義23-24
• 1.2 國內(nèi)外研究進(jìn)展24-29
• 1.2.1 林冠結(jié)構(gòu)參數(shù)傳統(tǒng)提取方法研究進(jìn)展24-26
• 1.2.2 激光提取林冠結(jié)構(gòu)參數(shù)方法研究進(jìn)展26-29
• 1.2.3 基于地面激光雷達(dá)獲取的森林點(diǎn)云分類研究進(jìn)展29
• 1.3 研究目標(biāo)29-30
• 1.4 研究內(nèi)容和技術(shù)路線30-31
• 1.4.1 研究內(nèi)容30-31
• 1.4.2 技術(shù)路線31
• 1.5 論文組織結(jié)構(gòu)31-33
• 第二章 數(shù)據(jù)及研究方法33-46
• 2.1 研究區(qū)概況33-34
• 2.2 研究數(shù)據(jù)34-35
• 2.2.1 地面激光雷達(dá)獲取的單站數(shù)據(jù)及預(yù)處理34
• 2.2.2 航空激光雷達(dá)數(shù)據(jù)及預(yù)處理34-35
• 2.3 研究方法35-46
• 2.3.1 點(diǎn)云分類方法35-40
• 2.3.2 木質(zhì)面積占比的計(jì)算方法40-42
• 2.3.3 點(diǎn)重建方法42
• 2.3.4 葉方向分布計(jì)算方法42-46
• 第三章 基于局部幾何特征的森林點(diǎn)云自動(dòng)分類46-66
• 3.1 地面激光雷達(dá)單站掃描的單木分類結(jié)果46-54
• 3.1.1 目視精度效果46-50
• 3.1.2 定量精度評(píng)價(jià)50-51
• 3.1.3 方位角方向點(diǎn)密度分布51-53
• 3.1.4 傾角點(diǎn)密度分布53-54
• 3.2 不同空間尺度的點(diǎn)云分類54-59
• 3.2.1 地面激光雷達(dá)獲取的森林樣方尺度分類54-56
• 3.2.2 地面激光雷達(dá)獲取的多站人工樹數(shù)據(jù)分類56-57
• 3.2.3 航空激光雷達(dá)獲取森林點(diǎn)云分類57-59
• 3.3 影響因素分析59-66
• 3.3.1 森林樣方密度影響59-60
• 3.3.2 樹種的影響60-61
• 3.3.3 搜索半徑的敏感性分析61-63
• 3.3.4 方法比較63-66
• 第四章 冠層結(jié)構(gòu)參數(shù)反演66-78
• 4.1 木質(zhì)面積占比的提取和驗(yàn)證66-71
• 4.1.1 驗(yàn)證計(jì)算點(diǎn)云面積方法的可行性66-68
• 4.1.2 影響計(jì)算點(diǎn)面積因素分析68-70
• 4.1.3 基于分類結(jié)果計(jì)算木質(zhì)面積占比及分析70-71
• 4.2 葉方向分布計(jì)算71-78
• 4.2.1 單葉片計(jì)算結(jié)果比較71-72
• 4.2.2 冠層葉片傾角和方位角分布計(jì)算結(jié)果72-74
• 4.2.3 葉方向的2-β分布74-75
• 4.2.4 影響因素分析75-78
• 第五章 結(jié)論和討論78-82
• 5.1 研究結(jié)論78-80
• 5.2 創(chuàng)新點(diǎn)80
• 5.3 展望80-82
• 參考文獻(xiàn)82-88
• 附錄 軟件和專利88-94
• 1 軟件簡介88
• 2 開發(fā)環(huán)境88
• 3 軟件組成88-93
• 4 專利93-94
• 碩士期間科研情況94-96
• 致謝96-98

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 趙峰;龐勇;李增元;張懷清;豐偉;劉清旺;;機(jī)載激光雷達(dá)和航空數(shù)碼影像單木樹高提取[J];林業(yè)科學(xué);2009年10期

2 黃克標(biāo);龐勇;舒清態(tài);付甜;;基于ICESat GLAS的云南省森林地上生物量反演[J];遙感學(xué)報(bào);2013年01期

，

本文編號(hào)：627287