当前位置: 首页 > 专利查询>深圳大学专利>正文

一种森林生物量估算方法及其系统技术方案

技术编号:21915263 阅读:42 留言:0更新日期:2019-08-21 12:49
本发明专利技术公开了一种森林生物量估算方法及其系统。所述方法包括步骤:获取待测区域的森林参数计算出样点的森林生物量;获取LiDAR点云数据,并对所述LiDAR点云数据进行分离,根据所述地面点生成数字高程模型;对所述LiDAR点云数据进行归一化处理,得到归一化的LiDAR点云数据;将所述归一化的LiDAR点云数据转为预定分辨率的栅格数据,得到树木高度栅格数据;根据所述多光谱数据计算出该区域的植被指数分布数据;将所述森林生物量与树木高度栅格数据以及植被指数分布数据采用生物量回归公式估算出待测区域的森林生物量。本发明专利技术综合了无人机多光谱数据的光谱信息和无人机LiDAR数据的森林三维结构信息,利用实测点的真实数据进行反演估算,大大提高了反演的精度。

A Method and System for Estimating Forest Biomass

【技术实现步骤摘要】
一种森林生物量估算方法及其系统
本专利技术涉及遥感反演
,尤其涉及的是一种森林生物量估算方法及其系统。
技术介绍
传统的森林资源调查主要是以实地测量来获取相关资料,该方法存在耗时耗力,主观性强,查耗时费力,破坏性大,往往只局限于小范围现存生物量和林分生物量估测,不适合大面积的森林调查。而遥感技术的出现,为大范围森林资源调查提供了可能。但常用的卫星光学遥感影像仅能提供森林的光谱信息,难以获取重要的三维结构信息,而且部分影像分辨率较低,易受天气的影响,使其在获取森林生物量中存在精度不高的问题。新兴的LiDAR技术则在获取森林水平分布信息的同时,也能够提供被动光学遥感所不能反映的森林垂直结构信息,在反映地面生物量上具有较好的优势。但由于LiDAR无法提供森林的光谱、植被指数等信息,在反演森林的生物量上仍存在着一定的局限性。因此,现有技术还有待于改进和发展。
技术实现思路
本专利技术要解决的技术问题在于,针对现有技术的上述缺陷,提供一种森林生物量估算方法及其系统,旨在解决现有技术中对森林生物量的估算方法具有一定的局限性的问题。本专利技术解决上述技术问题所采用的技术方案如下:一种森林生物量的估算方法,其中,包括步骤:通过获取待测区域的森林参数计算出样点的森林生物量;获取待测区域的LiDAR点云数据,并对所述LiDAR点云数据进行分离,得到地面点;根据所述地面点生成数字高程模型;采用所述数字高程模型对所述LiDAR点云数据进行归一化处理,得到归一化的LiDAR点云数据;将所述归一化的LiDAR点云数据转为预定分辨率的栅格数据,得到树木高度栅格数据;获取待测区域的多光谱数据,根据所述多光谱数据计算出该区域的植被指数分布数据;将所述森林生物量与树木高度栅格数据以及植被指数分布数据采用生物量回归公式估算出待测区域的森林生物量。所述森林生物量估算方法,其中,所述步骤获取待测区域的多光谱数据,根据所述多光谱数据计算出该区域的植被指数分布数据,具体包括:根据航拍地理坐标控制点,对待测区域的无人机数据影像进行影像拼接;对所述拼接后的无人机数据影像进行辐射校正,计算出待测区域内植被的归一化植被指数。所述森林生物量估算方法,其中,所述步骤将所述归一化的LiDAR点云数据转为预定分辨率的栅格数据,得到树木高度栅格数据,具体包括:将LiDAR点云数据进行归一化处理,得到树木对于地面的绝对高度;对归一化处理后的LiDAR点云数据,按照预定分层设置进行水平分层;所述预定分层设置是指从指定位置开始,以一定的分层间隔进行分层;对分层得到的每一层均使用K-Means聚类方法进行点云聚类,得到集群;设置集群多边形,将所述集群多边形进行堆叠,得到堆叠图;采用固定大小的窗口在所述堆叠图中识别出局部最大值,得到单木参数;将所述单木参数作为种子点,采用PCS算法对所述种子点进行点云单木分割,对所述分割结果进行编辑,得到树木高度栅格数据。所述森林生物量估算方法,其中,所述生物量回归公式为:其中,AGB为地面生物量,H为树木高度,NDVI为归一化植被指数。所述森林生物量估算方法,其中,所述步骤对所述拼接后的无人机数据影像进行辐射校正,计算待测区域内植被的归一化植被指数,其中,辐射校正包括:绿波段校正、近红外波段校正、红边波段校正、红波段校正。所述森林生物量估算方法,其中,所述归一化植被指数的计算公式为:其中,和分别表示近红外波段和红光波段的反射率。所述森林生物量估算方法,其中,所述预定分辨率是0.3-0.6米的分辨率。所述森林生物量估算方法,其中,所述指定位置为0.5-0.7米的位置,分层间隔为1米。所述森林生物量估算方法,其中,所述固定大小为1.0-2.0米。一种地面生物量估算系统,其中,包括:处理器,以及与所述处理器相连接的存储器;所述存储器存储有地面生物量估算程序,所述地面生物量估算程序被所述处理器执行时实现以下步骤:获取待测区域样点的森林生物量;获取待测区域的LiDAR点云数据,并对所述LiDAR点云数据进行分离,得到地面点;根据所述地面点生成数字高程模型;采用所述数字高程模型对所述LiDAR点云数据进行归一化处理,得到归一化的LiDAR点云数据;将所述归一化的LiDAR点云数据转为预定分辨率的栅格数据,得到树木高度栅格数据;获取待测区域的多光谱数据,根据所述多光谱数据计算出该区域的植被指数分布数据;将所述森林生物量与树木高度栅格数据以及植被指数分布数据采用生物量回归公式估算出待测区域的森林生物量。有益效果:本专利技术通过融合无人机多光谱和LiDAR数据的地面生物量估算方法,其综合了无人机多光谱数据的光谱信息和无人机LiDAR数据的森林三维结构信息,利用实测点的真实数据进行反演估算,大大提高了反演的精度。附图说明图1是本专利技术中一种森林生物量估算方法较佳实施例的流程图。图2是本专利技术中森林生物量估算系统较佳实施例的功能原理框图。图3是无人机多光谱和lidar数据的地面生物量估算系统结构示意图。图4是图3中不同波长范围内树木的反射率图。图5是实施例中待测区域航拍地理坐标控制点标识示意图。图6是实施例中待测区域的影像拼接图。图7是实施例中待测区域无人机数据影像绿波段辐射校正图。图8是实施例中待测区域无人机数据影像近红外波段辐射校正图。图9是实施例中待测区域无人机数据影像红边波段辐射校正图。图10是实施例中待测区域无人机数据影像红波段辐射校正图。图11是实施例中待测区域NDVI分布图。图12是实施例中待测区域去噪前LiDAR点云图。图13是实施例中待测区域去噪后LiDAR点云图。图14是实施例中待测区域滤波后的底面点图。图15是实施例中待测区域滤波后的非底面点展示图。图16是实施例中待测区域生成的0.5米DEM图。图17是实施例中待测区域归一化前的点云图。图18是实施例中待测区域归一化后的点云图。图19是实施例中待测区域基于层堆叠算法生成的种子点展示图。图20是实施例中待测区域基于种子点的点云单木分割结果展示图。图21是对图20优化后的点云单木分割结果展示图。图22是实施例中待测区域树木高度栅格图。图23是实施例中待测区域NDVI栅格配准控制点展示图。图24是实施例中待测区域生物量指数图。图25是通过回归公式计算出的回归结果图。图26是实施例中待测区域估算生物量分布图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本专利技术进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。请参阅图1,本专利技术提供了一种森林生物量估算方法的一些实施例。如图1所示,本专利技术的森林生物量估算方法,包括以下步骤:S100、通过获取待测区域的森林参数计算出样点的森林生物量。在待测区域中选择典型样区,对样区内的乔木、小乔木、草地、建筑物等进行实地生物量调查,记录该样区内的生物量。S200、获取待测区域的LiDAR点云数据,并对所述LiDAR点云数据进行分离,得到地面点;根据所述地面点生成数字高程模型。具体来说,利用无人机搭载平台搭载1台激光雷达扫描仪,对待测区域进行扫描,得到该区域的LiDAR点云数据,由于激光雷达扫描设备的精度、被测物体的特性以及周围的环境因素都会使得噪点的出现。LiDAR中的噪点主要分为高空噪点和低空本文档来自技高网...

【技术保护点】
1.一种森林生物量估算方法,其特征在于,包括步骤:通过获取待测区域的森林参数计算出样点的森林生物量;获取待测区域的LiDAR点云数据,并对所述LiDAR点云数据进行分离,得到地面点;根据所述地面点生成数字高程模型;采用所述数字高程模型对所述LiDAR点云数据进行归一化处理,得到归一化的LiDAR点云数据;将所述归一化的LiDAR点云数据转为预定分辨率的栅格数据,得到树木高度栅格数据;获取待测区域的多光谱数据,根据所述多光谱数据计算出该区域的植被指数分布数据;将所述森林生物量与树木高度栅格数据以及植被指数分布数据采用生物量回归公式估算出待测区域的森林生物量。

【技术特征摘要】
1.一种森林生物量估算方法,其特征在于,包括步骤:通过获取待测区域的森林参数计算出样点的森林生物量;获取待测区域的LiDAR点云数据,并对所述LiDAR点云数据进行分离,得到地面点;根据所述地面点生成数字高程模型;采用所述数字高程模型对所述LiDAR点云数据进行归一化处理,得到归一化的LiDAR点云数据;将所述归一化的LiDAR点云数据转为预定分辨率的栅格数据,得到树木高度栅格数据;获取待测区域的多光谱数据,根据所述多光谱数据计算出该区域的植被指数分布数据;将所述森林生物量与树木高度栅格数据以及植被指数分布数据采用生物量回归公式估算出待测区域的森林生物量。2.根据权利要求1所述森林生物量估算方法,其特征在于,所述步骤获取待测区域的多光谱数据,根据所述多光谱数据计算出该区域的植被指数分布数据,具体包括:根据航拍地理坐标控制点,对待测区域的无人机数据影像进行影像拼接;对所述拼接后的无人机数据影像进行辐射校正,计算出待测区域内植被的归一化植被指数。3.根据权利要求1所述森林生物量估算方法,其特征在于,所述步骤将所述归一化的LiDAR点云数据转为预定分辨率的栅格数据,得到树木高度栅格数据,具体包括:将LiDAR点云数据进行归一化处理,得到树木对于地面的绝对高度;对归一化处理后的LiDAR点云数据,按照预定分层设置进行水平分层;所述预定分层设置是指从指定位置开始,以一定的分层间隔进行分层;对分层得到的每一层均使用K-Means聚类方法进行点云聚类,得到集群;设置集群多边形,将所述集群多边形进行堆叠,得到堆叠图;采用固定大小的窗口在所述堆叠图中识别出局部最大值,得到单木参数;将所述单木参数作为种子点,采用PCS算法对所述种子点进行点云单木分割,对所述分割结果进行...

【专利技术属性】
技术研发人员:石铁柱张亮邬国锋
申请(专利权)人:深圳大学
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1