一种集成UAV与LIDAR的森林林分特征反演方法

摘要

本发明公开了一种集成UAV与LIDAR的森林林分特征反演方法，通过结合UAV与LiDAR数据提取典型林分特征，利用特征点匹配算法和空中三角生成研究区三维点云作为数字表面模型结合LiDAR提取的数字地形模型计算树冠冠层模型，再结合地面实测林分调查数据与联合提取的点云变量构建多元回归估算模型并验证其精度。一方面冠层点云采用UAV数据，相对于LiDAR，具有灵活性高，廉价等特点，数据获取方便，具有长期定时重复观测的可能性。另一方面利用LiDAR的穿透性获取地形数据，而地形相对稳定，可以作为长期观测的数据基础。二者结合，各取所长，是一条廉价、灵活的森林状态监测方式，相关分析表明联合提取的点云变量与森林垂直信息（树高）具有很高的敏感性。

主权项

一种集成UAV与LIDAR的森林林分特征反演方法，其特征在于，包括以下步骤：1)LiDAR数据获取：LiDAR数据获取装置为Optech Airborne Laser Terrain Mapper 3100激光传感器斑离散点云数据；每个激光返回点包含x,y,z三维坐标值、强度值和返回类型信息；2)UAV数据获取：采用的无人机搭载平台为固定翼飞机，配备惯性测量单元获取飞机实时的三轴姿态角/角速率以及加速度；无人机通过地面遥控系统进行飞行的控制和通讯；遥感数据来源于佳能EOS 5D Mark II高清相机获取的高分辨率、真彩色数码影像；3)地面实测数据获取：设计地面实测采用圆形样地方式，多个随机分布于整个待研究区；在各个样地中，记录胸径≥5cm的每棵树木的树种，并量测胸径、树高；胸径采用围尺量测，树高通过Vertex IV超声波测高器获取；在样地内进行每木测量，选取样地Lorey’s树高、林分密度和蓄积量为反演的林分特征，计算方法如下：Lorey’s树高计算公式如下：$H=\frac{\underset{i-1}{\overset{k}{\Sigma }}{h}_i{g}_i}{\underset{i-1}{\overset{k}{\Sigma }}{g}_i}$式中：h_i为第i株树高，g_i为第i株树木胸高断面积，k为样地内株数；林分密度通过为单位面积上的树木数，以株·hm^‑2为单位，通过样地实测林分密度转换每公顷林分密度得到；蓄积量依据“江苏省立木一元材积式”计算，通过单木胸径汇总到样地级蓄积量，再换算为单位面积蓄积量；4)利用LiDAR数据生成DEM；5)通过UAV平台拍摄数字影像，通过IMU实时记录每幅影像的经纬度、高程、翻滚度、俯仰和航向五个参数生成Exif图像文件；6)借助Pix4D软件获取影像像对的特征点，通过光束法平差进行影像外方位元素的解析，完成图像标定；7)利用已有三维点、影像定标和外方位元素解析生成三维点云，在剔除明显的异常点后，通过平滑处理实现对“孔洞”的填充，再利用反距离加权法插值为与Lidar数据相适配的1m×1m的栅格生成DSM以便点云的归一化；同时通过影像拼接生成研究区UAV全幅影像，作为进行Lidar点云与UAV点云精度匹配的辅助验证底图；8)点云的归一化指对点云高度处理，即距离地表的相对高度的获得，方式由DSM与DEM差值而来，归一化的结果为数字树冠高层模型；9)变量提取：将DSM与DEM进行差值运算，获得DCHM，完成点云数据的归一化；建模数据变量从归一化后的点云中进行提取，选取高度分位数变量组：h10,h25,h30,h40,h60,h75,h85,h90；密度变量组：d10,d25,d30,d40,d60,d75,d85,d90；平均高度，最大高度，最低高度；同时去除了高度2m以下点云；10)通过获取归一化点云提取的林分特征变量与实测样地4个关键变量之间线性关系进行精度的验证；验证的方式采取多元线性回归方法；建立回归模型运用逐步进入法和决定系数R²的变化情况来选择进入模型的合适变量，所有样地均参与模型构建；11)精度验证验证的指标选择：(1)决定系数R²：$R^2=1-\underset{i=1}{\overset{n}{\Sigma }}{(x_i-{\hat{x}}_i)}^2/\underset{i=1}{\overset{n}{\Sigma }}{(x_i-{\bar{x}}_i)}^2$式中，x_i为实测的某林分特征、为模型估算值、为实测特征值算术平均、n为样地数量；(2)均方根误差：表达的是观测值与真值偏差的平方和观测次数n比值的平方根；$\mathrm{RMSE}=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}{(x_i-{\hat{x}}_i)}^2}$(3)相对均方根误差：定义为RMSE与实测结果算术平均值的比值；$\mathrm{rRMSE}=\frac{\mathrm{RMSE}}{{\bar{x}}_i}\times 100\%---\left(4\right)$12)联合提取估算模型构建及精度分析通过多元回归分析，构建联合提取估算模型，并进行精度分析，结果如下：林分特征变量为Lorey’s树高/(m)，联合提取估算模型为ln H＝0.36+0.651·ln hmean+0.655·ln d90‑5.1215·ln d30，R²为0.95，RMSE为0.06，rRMSE为1.9％；林分特征变量为林分密度/(株·hm^‑2)，联合提取估算模型为ln N＝5.607+1.854·ln h60‑1.195·ln h10，R²为0.36，RMSE为0.29，rRMSE为13.74％；林分特征变量为胸高断面积/(m2·hm^‑2)，联合提取估算模型为ln G＝2.752·ln h60‑1.841·ln h10‑1.126，R²为0.53，RMSE为0.28，rRMSE为16.38％；林分特征变量为蓄积量/(m3·hm^‑2)，联合提取估算模型为ln V＝2.499+1.429·ln H90+0.7·ln d90，R²为0.59，RMSE为0.40，rRMSE为6.93％；其中，H为Lorey’s树高；N为林分密度；G为胸高断面积；V为蓄积量。