機(jī)載激光雷達(dá)森林參數(shù)估測方法研究.pdf

1、森林是一個多資源、多功能的綜合體，掌握其生長和消亡的發(fā)展規(guī)律具有重要意義。傳統(tǒng)的森林資源地面調(diào)查方法可以獲取詳細(xì)的調(diào)查數(shù)據(jù)，但是周期比較長。遙感技術(shù)的出現(xiàn)和迅速發(fā)展，為快速、準(zhǔn)確地獲取大范圍森林資源調(diào)查數(shù)據(jù)提供了一種有潛力的技術(shù)手段。激光雷達(dá)（Lighting detection and ranging, LIDAR）是一種主動遙感技術(shù)，能夠精確地獲取地表物體的三維特征信息。本文以揭示 LIDAR探測森林冠層三維結(jié)構(gòu)的機(jī)理，尋求森林參數(shù)

2、的有效估測方法為目的，開展了以下幾個方面的研究工作：
　?。?）根據(jù)地物的后向散射特征，建立了立體散射體模型。
　　通過對激光脈沖與森林冠層之間的相互作用關(guān)系的分析，發(fā)現(xiàn)已有的LIDAR方程在解釋展寬的返回波形時存在局限性，因而，在此基礎(chǔ)上建立了立體散射體模型，并將散射體劃分為三種類型，即簡單散射體、立體散射體和復(fù)雜散射體。簡單散射體的LIDAR方程不變，立體散射體的LIDAR方程中引入了擴(kuò)展卷積函數(shù)，即對已有卷積函數(shù)進(jìn)行了

3、擴(kuò)展，以便解釋激光脈沖在立體散射體中的后向散射特征，復(fù)雜散射體的LIDAR方程表示成另兩種散射體方程的簡單疊加。
　?。?）依據(jù)不同散射體的波形特征，提出了波形特征分析方法。
　　通過對不同散射體激光脈沖入射波形和返回波形的分析，發(fā)現(xiàn)激光脈沖返回能量的分布表現(xiàn)為不同特征；反過來，根據(jù)這些特征可以判斷對應(yīng)散射體的類型，提取相關(guān)的波形特征量。對于簡單散射體，可以由波形特征量計(jì)算得到LIDAR到散射體之間的距離；對于立體散射體，可

4、以得到LIDAR到散射體不同深度處的距離、散射體的深度；對于復(fù)雜散射體，可以得到 LIDAR到散射體不同深度處的距離（包括到各子散射體的距離）、散射體的深度（包括子立體散射體的深度）。
　?。?）參照不同散射體的后向散射截面，討論了相對后向散射截面分析方法。
　　根據(jù)不同散射體的LIDAR方程，可以得到不同散射體的后向散射截面，由于后向散射截面解算時很難獲取全部的參數(shù)，因此，選擇一類散射體作為參照散射體，定義了一種便于解算的

5、相對后向散射截面?？紤]到激光脈沖照射區(qū)有一定的范圍，將單位照射面積上的相對后向散射截面定義為相對后向散射率，同時還定義了立體散射體和復(fù)雜散射體的等效相對后向散射截面和等效相對后向散射率。
　?。?）基于不同散射體的波形特征量，給出了波形數(shù)據(jù)點(diǎn)云化方法
　　波形特征量包括LIDAR到散射體的距離、散射體的深度等信息，結(jié)合LIDAR的位置矢量和發(fā)射脈沖方向矢量，可以得到散射體的位置。波形數(shù)據(jù)轉(zhuǎn)成點(diǎn)云數(shù)據(jù)以后，僅保留了不同散射體的

6、一些特征量信息，可以有效減少相關(guān)分析中不需要的冗余信息量。
　?。?）在點(diǎn)云數(shù)據(jù)預(yù)處理過程中，優(yōu)化了數(shù)據(jù)處理流程和相關(guān)的數(shù)據(jù)處理算法。
　　根據(jù)激光脈沖的水平空間采樣特征，提出了一種采樣密度計(jì)算方法；點(diǎn)云數(shù)據(jù)柵格化時，根據(jù)激光脈沖采樣密度，提出了一種像元尺寸的確定準(zhǔn)則，即像元尺寸為平均點(diǎn)間隔的1/2，在盡可能保留采樣點(diǎn)信息的同時，盡可能地減小信息冗余量；數(shù)字表面模型（Digital Surface Model, DSM）柵格

7、數(shù)據(jù)內(nèi)插零值像元時，提出了一種鄰域內(nèi)插算法，用于分析LIDAR數(shù)據(jù)存在的孔洞特征；冠層高度模型（Canopy Height Model, CHM）柵格數(shù)據(jù)平滑時，提出了一種鄰域平滑算法，用于平滑樹冠表面的凹入點(diǎn)。
　?。?）根據(jù)CHM描述的單木樹冠特征，提出了雙正切角樹冠邊界識別算法。
　　單木樹冠特征包括樹冠頂點(diǎn)和樹冠邊界等，識別樹冠頂點(diǎn)時，采用了局部最大值搜索算法，包括固定窗口法和可變窗口法。識別樹冠邊界時，提出了雙正切

8、角樹冠邊界識別算法，包括常量法和相關(guān)法；對于連續(xù)樹冠，該算法采用了等比例判別規(guī)則，按照樹高之間的比例關(guān)系劃分連續(xù)樹冠之間的邊界；該算法還采用了不相交集判別規(guī)則區(qū)分不同樹冠，樹冠邊界矢量化采用了四方向法。
　?。?）根據(jù)識別的單木樹冠特征，找到了最優(yōu)的單木參數(shù)估測方法。
　　由單木樹冠特征能夠直接估測的單木參數(shù)包括樹高、冠幅、枝下高等，樹高采用樹冠頂點(diǎn)位置處的高度值，根據(jù)樹冠邊界計(jì)算得到冠幅，計(jì)算方法包括主方向法和面積法，枝下

9、高采用樹冠邊界最低點(diǎn)處的高度值。結(jié)果表明單木樹高的估測精度最高，其次是單木冠幅，單木枝下高的估測精度最低。根據(jù)相關(guān)生長方程間接估測的單木參數(shù)包括胸徑、生物量等，建立胸徑的相關(guān)生長方程時，對直接估測參數(shù)和實(shí)測胸徑進(jìn)行回歸分析，包括對參數(shù)取自然對數(shù)以后的回歸分析，結(jié)果表明實(shí)測胸徑自然對數(shù)與估測樹高自然對數(shù)、估測冠幅自然對數(shù)的線性回歸方程最優(yōu)。選擇現(xiàn)有的單木生物量的相關(guān)生長方程，由估測參數(shù)計(jì)算得到估測生物量。
　?。?）根據(jù)LIDAR估

10、測的單木參數(shù)，找出了最優(yōu)的林分參數(shù)估測方法。
　　由單木估測參數(shù)能夠直接估測的林分參數(shù)包括林分平均高、株數(shù)密度等，研究結(jié)果表明樹冠面積加權(quán)的估測林分平均高與胸高斷面積加權(quán)的實(shí)測林分平均高之間的相關(guān)性最優(yōu)；株數(shù)密度的估測精度受林木分布特征的影響較大，上層林木株數(shù)與下層林木株數(shù)之間的比例關(guān)系對估測株數(shù)密度的變異具有很大的貢獻(xiàn)。根據(jù)單木估測參數(shù)間接估測的林分參數(shù)包括胸高斷面積、林分生物量等，結(jié)果表明在單木參數(shù)和相關(guān)生長方程估測精度一定的