一种利用航拍影像和激光数据反演红树林生物量的方法技术

本发明专利技术属于红树林地生物量反演技术领域，具体为一种利用航拍影像和激光数据反演红树林生物量的方法，包括：选择海岸带红树林生物量反演区域，对反演区域的红树林试验区进行低空控制飞行试验与数据采集。在红树林样地中设置实测样地，计算红树林样地实测生物量。对获得的原始的红树林激光点云数据进行预处理，利用Pix4Dmapper获取区域的正射影像图，提取红树林的正射影像数据、光谱数据、纹理数据以及激光点云数据，结合样地调查数据，借助于随机森林算法对研究区的变量进行筛选，通过构建随机森林模型反演区域尺度上的生物量及其空间分布。本发明专利技术解决了红树林生物量人工调查野外工作难度大，结果精度较低，费时费力等技术问题。

【技术实现步骤摘要】
一种利用航拍影像和激光数据反演红树林生物量的方法
本专利技术涉及红树林地生物量反演
，具体涉及一种利用航拍影像和激光数据反演红树林生物量的方法。
技术介绍
红树林是热带和亚热带海岸带防护林的重要植物类型，它是地球上生产力最高的生态系统之一，也是国际上生物多样性保护和湿地生态保护的重要对象。红树林湿地具有的较高的碳汇潜力，在减缓气候变化以及全球碳循环方面发挥着重要的作用，前人研究表明，红树林尽管只覆盖了地球表面0.1％的面积，但却固定了相当于大气中5％的碳。而生物量作为红树林碳储量和碳汇潜力的重要组成部分，所隔离的“蓝碳”是滨海生态系统碳循环的重要组成部分。如何快速、准确的估算红树林的生物量成为近年来红树林生态系统研究的热点，这对于应对全球气候变化、减少温室气体排放具有重要的意义。迄今为止，国际上关于红树林生物量的研究大部分多以规则样方、样地或样带调查为主，调查方法多以现场实测或者勾绘为主，再加上红树林多生长在淤泥质潮间带的固有影响，因此造成了野外实践难度大，结果精度较低的工作现状。目前，很少有学者以样地实测数据、低空无人机航拍影响和激光LiDAR数据相结合，采用机器学习方法估算红树林的地上生物量。因此采用低空无人机遥感估算红树林地上的生物量问题，则不失为一种高效的创新型研究方法。
技术实现思路
本专利技术的目的是针对上述问题，提供一种利用航拍影像和激光数据反演红树林生物量的方法，该方法可快速提高大范围红树林生物量估算的效率，可为当地林业部门以及海洋环境部门提供技术支撑，解决了红树林生物量人工调查野外工作难度大，结果精度较低，费时费力，难以在在尺度上进行推广等技术问题。为实现上述目的，本专利技术提供的技术方案为：一种利用航拍影像和激光数据反演红树林生物量的方法，包括如下步骤：(1)选择海岸带红树林生物量反演区域，该样地选择时避免选择潮沟地区；(2)用无人机所搭载的普通数码相机和以及激光传感器对反演区域的红树林试验区进行低空控制飞行试验与数据采集；(3)选择小于0.5m的低潮位、天气晴朗、地面无持续风向且风力＜2级的时段进行无人机数据航拍；(4)在红树林样地中设置实测样地调查，主要调查不同类型红树林的胸径、高度、物候以及枝条数，同时记录每棵树的X和Y坐标值；随后采用ArcGIS10.5将其放入到数据库中；(5)采用异速生长方程计算不同红树林树种样地的实测生物量；(6)对无人机航拍获得的原始红树林激光点云数据进行预处理，主要包括点云去噪、点云分类以及点云归一化操作；(7)利用Pix4Dmapper获取区域的正射影像图，以TIFF格式存储；(8)基于步骤(6)中预处理得到的数据，提取红树林的高度百分位变量和强度百分位变量；(9)基于步骤(6)中预处理得到的数据，提取红树林激光点云高度的峰值、高度的偏斜度、高度的平均值、高度的最大值、高度的标准差、高度的变异系数以及高度的冠层起伏率；同理可提取红树林激光点云强度的峰值、强度的偏斜度、强度的平均值、强度的最大值、强度的标准差、强度的变异系数以及强度的冠层起伏率；(10)基于步骤(7)中所得到的正射影像图生成RGB图像、非监督分类图像以及步骤(9)激光点云高度的最大值栅格图像进行组合，在分类与回归树CART方法的支持下对研究区的红树林与非红树林景观进行分类，提取出红树林地类；(11)基于步骤(7)中的正射影像，提取红树林植物的各种光谱指数；(12)基于步骤(7)中的正射影像，借助灰度、共生矩阵方法提取红树林的各种纹理信息；(13)提取步骤(5)中不同红树林树种的异速生长方程估算的生物量数据，在相同的坐标位置(与步骤4中的位置保持一致)，提取步骤8、步骤9、步骤11、步骤12中的变量，以步骤4中的生物量实测数据为因变量，在相同的实测样地坐标位置提取步骤8、步骤9、步骤11、步骤12中的变量，将提取出来的数值作为自变量，在RF算法的支持下，对步骤8、步骤9、步骤11和步骤12中的红树林变量进行筛选，同时计算自变量相对于因变量的重要性程度，此时得到的变量方可进入回归方程中；(14)将步骤13中经筛选和计算重要性程度之后所得到的变量放入到随机森林算法中，训练模型，可得到红树林生物量回归方程；(15)将步骤13中筛选出的变量的整副栅格像元作为自变量带入步骤14所建立的红树林生物量回归方程，可以得到研究区整个区域的红树林生物量空间分布。优选地，步骤(2)中所述进行低空控制飞行试验与数据采集主要步骤包括地面GPS基站的架设、无人机搭载激光传感器的挂载与安装、航线规划与上传航线。优选地，步骤(4)具体为在红树林样地中设置实测样地，区域中有两种红树林群落，分别是无瓣海桑和桐花树，其中研究区北部地区的无瓣海桑是通过人工种植的，而南部的桐花树群落则是当地的本地树种；在无瓣海群落中设置了两个样方，其大小为20×20m，在生长情况较好的桐花树群落中也设置了两个样方，其大小为10×10m；采用每木调查的方法，测量样方内所有树种胸径≥6cm的个体的包括相对坐标、株高、胸径、覆盖度、物候、枝条数量特征；采用接入载波相位差分RTK基站信号的高精度GPS接收机测量每棵树的X坐标和Y坐标位置，随后采用地理信息管理软件ArcGIS10.5将其放入到数据库中。优选地，步骤(7)具体为利用Pix4Dmapper的优化技术和区域网平差技术自动校正研究区所获得的照片，随后对原始的POS数据进行识别，获取有效照片的POS信息，所述POS信息包括照片的编号、经度、纬度、高度、翻滚角、航向角和俯仰角，最后输出空三计算结果、图像拼接结果、数字地面模型和正射影像图，以TIFF格式存储。优选地，步骤(8)所述高度百分位变量的生成是借助于红树林所有归一化的激光雷达点云按高度进行排序，然后计算每一统计单元内X％的点所在的高度，即为该统计单元的高度百分位数。优选地，步骤(11)中的光谱指数包括绿红比值指数、绿蓝比值指数、红绿比值指数、红蓝比值指数、归一化绿红差值指数、归一化绿蓝差值指数、可见光大气阻抗指数、可见差异植被指数和超绿指数，具体指数的计算如下：绿红比值指数GRRI＝DNG/DNR，绿蓝比值指数GBRI＝DNG/DNB，红绿比值指数RGRI＝DNR/DNG，红蓝比值指数RBRI＝DNR/DNB，归一化绿红差值指数NGRDI＝(DNG-DNR)/(DNG+DNR)，归一化绿蓝差值指数NGBDI＝(DNG-DNB)/(DNG+DNB)，可见光大气阻抗指数VARI＝(DNG-DNR)/(DNG+DNR-DNB)，可见差异植被指数VDVI＝(2DNG-DNR-DNB)/(2DNG+DNR+DNB)，超绿指数EXG＝2DNG-DNR-DNB，其中DNG代表正射影像中绿光波段的值，DNB代表正射影像中蓝光波段的值，而DNR代表正射影像中红光波段的值。优选地，步骤(12)所述的纹理信息包括均值、方差、协同性、对比度、相异性、信息熵和相关性。优选地，步骤(14)具体为将步骤1本文档来自技高网...

【技术保护点】
1.一种利用航拍影像和激光数据反演红树林生物量的方法，其特征在于，包括如下步骤：/n(1)选择海岸带红树林生物量反演区域，该样地选择时避免选择潮沟地区；/n(2)用无人机所搭载的普通数码相机和以及激光传感器对反演区域的红树林试验区进行低空控制飞行试验与数据采集；/n(3)选择小于0.5m的低潮位、天气晴朗、地面无持续风向且风力＜2级的时段进行无人机数据航拍；/n(4)在红树林样地中设置实测样地调查，主要调查不同类型红树林的胸径、高度、物候以及枝条数，同时记录每棵树的X和Y坐标值；随后采用ArcGIS10.5将其放入到数据库中；/n(5)采用异速生长方程计算不同红树林树种样地的实测生物量；/n(6)对无人机航拍获得的原始红树林激光点云数据进行预处理，主要包括点云去噪、点云分类以及点云归一化操作；/n(7)利用Pix4Dmapper获取区域的正射影像图，以TIFF格式存储；/n(8)基于步骤(6)中预处理得到的数据，提取红树林的高度百分位变量和强度百分位变量；/n(9)基于步骤(6)中预处理得到的数据，提取红树林激光点云高度的峰值、高度的偏斜度、高度的平均值、高度的最大值、高度的标准差、高度的变异系数以及高度的冠层起伏率；同理可提取红树林激光点云强度的峰值、强度的偏斜度、强度的平均值、强度的最大值、强度的标准差、强度的变异系数以及强度的冠层起伏率；/n(10)基于步骤(7)中所得到的正射影像图生成RGB图像、非监督分类图像以及步骤(9)激光点云高度的最大值栅格图像进行组合，在分类与回归树CART方法的支持下对研究区的红树林与非红树林景观进行分类，提取出红树林地类；/n(11)基于步骤(7)中的正射影像，提取红树林植物的各种光谱指数；/n(12)基于步骤(7)中的正射影像，借助灰度、共生矩阵方法提取红树林的各种纹理信息；/n(13)提取步骤(5)中不同红树林树种的异速生长方程估算的生物量数据，在相同的坐标位置(与步骤4中的位置保持一致)，提取步骤8、步骤9、步骤11、步骤12中的变量，以步骤4中的生物量实测数据为因变量，在相同的实测样地坐标位置提取步骤8、步骤9、步骤11、步骤12中的变量，将提取出来的数值作为自变量，在RF算法的支持下，对步骤8、步骤9、步骤11和步骤12中的红树林变量进行筛选，同时计算自变量相对于因变量的重要性程度，此时得到的变量方可进入回归方程中；/n(14)将步骤13中经筛选和计算重要性程度之后所得到的变量放入到随机森林算法中，训练模型，可得到红树林生物量回归方程；/n(15)将步骤13中筛选出的变量的整副栅格像元作为自变量带入步骤14所建立的红树林生物量回归方程，可以得到研究区整个区域的红树林生物量空间分布。/n...

【技术特征摘要】
1.一种利用航拍影像和激光数据反演红树林生物量的方法，其特征在于，包括如下步骤：
(1)选择海岸带红树林生物量反演区域，该样地选择时避免选择潮沟地区；
(2)用无人机所搭载的普通数码相机和以及激光传感器对反演区域的红树林试验区进行低空控制飞行试验与数据采集；
(3)选择小于0.5m的低潮位、天气晴朗、地面无持续风向且风力＜2级的时段进行无人机数据航拍；
(4)在红树林样地中设置实测样地调查，主要调查不同类型红树林的胸径、高度、物候以及枝条数，同时记录每棵树的X和Y坐标值；随后采用ArcGIS10.5将其放入到数据库中；
(5)采用异速生长方程计算不同红树林树种样地的实测生物量；
(6)对无人机航拍获得的原始红树林激光点云数据进行预处理，主要包括点云去噪、点云分类以及点云归一化操作；
(7)利用Pix4Dmapper获取区域的正射影像图，以TIFF格式存储；
(8)基于步骤(6)中预处理得到的数据，提取红树林的高度百分位变量和强度百分位变量；
(9)基于步骤(6)中预处理得到的数据，提取红树林激光点云高度的峰值、高度的偏斜度、高度的平均值、高度的最大值、高度的标准差、高度的变异系数以及高度的冠层起伏率；同理可提取红树林激光点云强度的峰值、强度的偏斜度、强度的平均值、强度的最大值、强度的标准差、强度的变异系数以及强度的冠层起伏率；
(10)基于步骤(7)中所得到的正射影像图生成RGB图像、非监督分类图像以及步骤(9)激光点云高度的最大值栅格图像进行组合，在分类与回归树CART方法的支持下对研究区的红树林与非红树林景观进行分类，提取出红树林地类；
(11)基于步骤(7)中的正射影像，提取红树林植物的各种光谱指数；
(12)基于步骤(7)中的正射影像，借助灰度、共生矩阵方法提取红树林的各种纹理信息；
(13)提取步骤(5)中不同红树林树种的异速生长方程估算的生物量数据，在相同的坐标位置(与步骤4中的位置保持一致)，提取步骤8、步骤9、步骤11、步骤12中的变量，以步骤4中的生物量实测数据为因变量，在相同的实测样地坐标位置提取步骤8、步骤9、步骤11、步骤12中的变量，将提取出来的数值作为自变量，在RF算法的支持下，对步骤8、步骤9、步骤11和步骤12中的红树林变量进行筛选，同时计算自变量相对于因变量的重要性程度，此时得到的变量方可进入回归方程中；
(14)将步骤13中经筛选和计算重要性程度之后所得到的变量放入到随机森林算法中，训练模型，可得到红树林生物量回归方程；
(15)将步骤13中筛选出的变量的整副栅格像元作为自变量带入步骤14所建立的红树林生物量回归方程，可以得到研究区整个区域的红树林生物量空间分布。


2.根据权利要求1所述的利用航拍影像和激光数据反演红树林生物量的方法，其特征在于，步骤(2)中所述进行低空控制飞行试验与数据采集主要步骤包括地面GPS基站的架设、无人机搭载激光传感器的挂载与安装、航线规划与上传航线。


3.根据权利要求2所述的利用航拍影像和激光数据反演红树林生物量的方法，其特征在于，步骤(4)具体为...

【专利技术属性】
技术研发人员：田义超，黄鹄，韩鑫，陶进，张强，梁铭忠，张亚丽，林俊良，
申请(专利权)人：北部湾大学，
类型：发明
国别省市：广西;45