基于激光雷達(dá)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(jiǎn)單的空間信息和光譜信息，遠(yuǎn)遠(yuǎn)無(wú)法滿足森林資源調(diào)查的需求。近十年來(lái)，激光雷達(dá)（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(diǎn)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(jìn)行了以下幾個(gè)方面的研究工作：
　?。?）針對(duì)冠層高度模型（Canopy Height Model，CHM）中普遍存在的無(wú)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(shí)樹(shù)冠區(qū)域，忽略無(wú)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(zhǔn)確的樹(shù)冠范圍。冠層控制主要使用形態(tài)學(xué)閉運(yùn)算進(jìn)行，樹(shù)冠區(qū)域通過(guò)由目標(biāo)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(duì) CHM進(jìn)行優(yōu)化是十分必要的。無(wú)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(wú)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(wú)效值，然后引入冠層控制以確定其是否落在樹(shù)冠范圍內(nèi)，是則屬于無(wú)效值，反之則是冠層間隙，最后采用全局平滑的CHM對(duì)應(yīng)像素對(duì)無(wú)效值進(jìn)行填充

4、。
　?。?）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(guò)優(yōu)化的CHM已經(jīng)適合進(jìn)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(duì)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(jìn)行外部標(biāo)記（樹(shù)冠區(qū)域）的確定且輔助內(nèi)部標(biāo)記（樹(shù)頂）的查找，根據(jù)外部和內(nèi)部標(biāo)記進(jìn)行簡(jiǎn)化標(biāo)記分水嶺變化，最后結(jié)合歸一化的點(diǎn)云得到單木的位置、樹(shù)高和冠幅三個(gè)參數(shù)。
　　（4）基于LiDA

5、R和高光譜遙感數(shù)據(jù)的單木樹(shù)種識(shí)別算法。獲取單木的位置、樹(shù)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(shù)種成為提高后續(xù)單木參數(shù)估計(jì)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(shù)冠區(qū)域?qū)?yīng)的光譜并優(yōu)化，再對(duì)優(yōu)化的單木光譜分別進(jìn)行支持向量機(jī)（Supporting Vector Machine，SVM）和光譜角制圖（Spectrum Angle Mapper，SAM）法分類得到單木樹(shù)種。

6、>　　通過(guò)在黑龍江涼水試驗(yàn)區(qū)進(jìn)行試驗(yàn)的結(jié)果和甘肅大野口試驗(yàn)區(qū)補(bǔ)充試驗(yàn)的結(jié)果表明，冠層控制能夠有效地在 CHM上恢復(fù)真實(shí)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(wú)效值，同時(shí)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(shí)別目標(biāo)區(qū)域的優(yōu)勢(shì)與亞優(yōu)勢(shì)單木，識(shí)別部分中庸木，提取的單木樹(shù)高精度超過(guò)90％；基于LiDAR和高光譜遙感數(shù)據(jù)的單木樹(shù)種識(shí)別能夠較好的識(shí)別大多數(shù)的單木樹(shù)種，優(yōu)勢(shì)樹(shù)種的識(shí)別正確率大于90%，優(yōu)勢(shì)與亞