机载LiDAR单木分割方法对比及其影响因素分析

发布时间：2020-06-03 04:37

【摘要】：森林资源对生态系统和人类生活有着十分重要的作用,准确获取森林参数是森林资源调查的基本工作。近年来,激光雷达技术的发展为高精度森林三维结构参数的获取提供了可能。机载Li DAR由于具有高精度、高效率、大面积获取森林结构信息的优势,是森林清查中主要的Li DAR数据来源。目前单木分割研究大都是在特定的森林状况下进行的,且对于分割方法的精度评价没有统一标准,无法评价各分割方法的优劣。本文采用基于冠层高度模型分割、基于点云分割、基于无凹坑冠层高度模型分割、基于层堆叠种子点分割等方法,对针叶林、阔叶林和针阔混交林三种森林类型不同森林密度的机载Li DAR数据进行单木分割,使用F-Score、检测率、正确率和总体精度进行定量评价,探讨不同分割方法在不同森林状况下的适用性。其次,对叶面积指数、冠层覆盖度、树密度、树高变异系数、坡度等影响因子进行分析,探索其对各分割方法的影响。为今后森林清查、森林资源管理提供分割方法的选择,以及后续对分割算法进行改进提供参考意见。结果表明:(1)四种分割方法的结果在不同森林类型间,存在一定差异。在针叶林样地,基于Pit-free CHM分割的精度最好,虽然算法的稳定性不如基于层堆叠种子点分割,但基于层堆叠种子点分割算法对参数比较敏感,可以优先选择基于Pit-free CHM分割算法,分割精度可以达到0.9;在阔叶林样地,我们发现四种分割方法的分割精度均明显低于针叶林样地的分割精度,基于层堆叠种子点分割算法的分割棵数占总棵树的77%,并且从算法稳定性的角度来看,基于层堆叠种子点分割方法的稳定性也最好,基于Pit-free CHM分割方法容易因森林的复杂状况而出现异常值;在针阔混交林样地,基于层堆叠种子点分割的精度与稳定性均较好,基于CHM分割算法的稳定效果最差。(2)各影响因子在不同森林类型样地中对四种分割方法的影响也存在差异。在针叶林样地,基于点云分割,随树高变异系数的增大,分割精度呈现下降趋势。基于Pit-free CHM分割在冠层覆盖度小于0.8时,分割效果最好。在阔叶林样地,四种分割方法的分割精度随树密度的增大均呈下降趋势,当树密度较小时,建议选择基于Pit-free CHM分割。反之,选择基于层堆叠种子点分割方法分割效果较好。在针阔混交林样地,树密度、冠层覆盖度和树高变异性均对各分割方法的分割精度具有显著性影响。随树高变异系数的增大,尤其是树高变异系数大于0.25时,基于层堆叠种子点分割具有明显优势。坡度对四种分割方法在不同森林类型中的影响较小。
【图文】：

原理图,文献数量,森林生态,激光雷达

定和科学合理的经营森林提供现实依据。林资源调查主要是通过实地测量获取相关资料，耗时耗星遥感技术的出现，为大面积森林资源清查提供了可不能得到森林的三维结构信息，而且部分影像分辨率很得其对林分垂直结构信息的表达十分有限。light detection and ranging，LiDAR），一种新兴的主动脉冲从发射到被接收之间的时间差（ t），分析传感器D），从而实现目标物精确的三维结构信息（公式 1-1）原理图）。D =12 激光雷达传感器到目标地物的距离，C 为光速，， t 为间差。

激光雷达,工作原理,木尺

获取多次回波信息，因此它可以快速、高精度获包括林分尺度和单木（即单株树木）尺度参数提度等的调查，以及生物量和蓄积量的反演。从激获取单木尺度的树高、冠幅、胸径等森林信息的所用平台来看，有地基平台、车载平台[22]、背包平台和星载平台等[1]。机载 LiDAR 即将激光雷上，采用自上而下的方式对地面进行扫描，因此光点云。机载 LiDAR 通常为小光斑激光雷达，，所获取点云数据的密度常与飞行高度、飞行速激光雷达每束脉冲一般有 1 到 5 次回波。近年来据适用于森林尺度、林分尺度和单木尺度的较为机载 LiDAR 可以高精度、高效率、大面积的，本文选择机载 LiDAR 数据进行单木分割方法
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S758

【参考文献】