基于激光雷達和高光譜遙感的森林單木關(guān)鍵參數(shù)提取.pdf

1、隨著遙感技術(shù)的快速發(fā)展，傳統(tǒng)光學(xué)遙感雖然在林業(yè)領(lǐng)域的應(yīng)用廣泛，但僅僅能提供簡單的空間信息和光譜信息，遠遠無法滿足森林資源調(diào)查的需求。近十年來，激光雷達（Light Detection and Ranging，LiDAR）技術(shù)和高光譜遙感技術(shù)分別憑借高精度的三維空間信息和高光譜分辨率，迅速在各行各業(yè)得到廣泛應(yīng)用。高密度的LiDAR點云數(shù)據(jù)與高空間分辨率的高光譜數(shù)據(jù)不僅能夠提供林分尺度的森林參數(shù)，還能提供單木尺度的森林參數(shù)。因此，本文以利用

2、LiDAR數(shù)據(jù)和高光譜遙感數(shù)據(jù)獲取單木尺度的參數(shù)為目的，進行了以下幾個方面的研究工作：
　?。?）針對冠層高度模型（Canopy Height Model，CHM）中普遍存在的無效值，提出了冠層控制的概念。冠層控制近似地決定了CHM中真實樹冠區(qū)域，忽略無效值的存在，這為后續(xù)的CHM優(yōu)化和單木分離提供了較為準確的樹冠范圍。冠層控制主要使用形態(tài)學(xué)閉運算進行，樹冠區(qū)域通過由目標區(qū)域枝下高決定的冠層控制閾值在閉操作后的CHM上判斷獲得。<

3、br>　?。?）結(jié)合冠層控制的CHM優(yōu)化算法。CHM的質(zhì)量直接或間接地影響了基于 CHM的各種森林參數(shù)提取精度，因此對 CHM進行優(yōu)化是十分必要的。無效值的存在是影響CHM質(zhì)量的主要因素之一，為了只填充無效值而不填充冠層間隙，本文提出結(jié)合冠層控制的CHM優(yōu)化算法，算法首先使用拉普拉斯算子從CHM中尋找可能無效值，然后引入冠層控制以確定其是否落在樹冠范圍內(nèi)，是則屬于無效值，反之則是冠層間隙，最后采用全局平滑的CHM對應(yīng)像素對無效值進行填充

4、。
　　（3）結(jié)合冠層控制的分水嶺郁閉林區(qū)單木分離算法。經(jīng)過優(yōu)化的CHM已經(jīng)適合進行單木尺度的森林參數(shù)提取，但是郁閉林區(qū)的單木分離仍然是LiDAR單木分離的難題之一，因此本文針對郁閉林區(qū)提出了結(jié)合冠層控制的分水嶺郁閉林區(qū)單木分離。算法引入冠層控制進行外部標記（樹冠區(qū)域）的確定且輔助內(nèi)部標記（樹頂）的查找，根據(jù)外部和內(nèi)部標記進行簡化標記分水嶺變化，最后結(jié)合歸一化的點云得到單木的位置、樹高和冠幅三個參數(shù)。
　　（4）基于LiDA

5、R和高光譜遙感數(shù)據(jù)的單木樹種識別算法。獲取單木的位置、樹高和冠幅之后，結(jié)合高空間分辨率的高光譜遙感影像獲得單木的樹種成為提高后續(xù)單木參數(shù)估計精度的重要步驟之一。本文基于LiDAR數(shù)據(jù)的單木分離結(jié)果，從高光譜遙感影像中提取單木樹冠區(qū)域?qū)?yīng)的光譜并優(yōu)化，再對優(yōu)化的單木光譜分別進行支持向量機（Supporting Vector Machine，SVM）和光譜角制圖（Spectrum Angle Mapper，SAM）法分類得到單木樹種。

6、>　　通過在黑龍江涼水試驗區(qū)進行試驗的結(jié)果和甘肅大野口試驗區(qū)補充試驗的結(jié)果表明，冠層控制能夠有效地在 CHM上恢復(fù)真實冠層區(qū)域；結(jié)合冠層控制的CHM優(yōu)化填充了CHM上大多數(shù)的無效值，同時保留了冠層間隙；結(jié)合冠層控制的分水嶺郁閉林區(qū)單木分離能較好地識別目標區(qū)域的優(yōu)勢與亞優(yōu)勢單木，識別部分中庸木，提取的單木樹高精度超過90％；基于LiDAR和高光譜遙感數(shù)據(jù)的單木樹種識別能夠較好的識別大多數(shù)的單木樹種，優(yōu)勢樹種的識別正確率大于90%，優(yōu)勢與亞