本申请提供一种林分平均高预测方法及装置，涉及林分生长研究技术领域。该方法包括：将待测林区的点云数据划分成地面点云数据以及植被点云数据，该待测林区包括至少一个小班；根据该待测林区中各小班的数字高程模型数据以及该植被点云数据，确定各小班的冠层高度数据；根据各小班的冠层高度数据，获取各小班的高度特征，其中，该高度特征为高度最小值特征和/或高度最大值特征；分别将各小班的高度特征输入林分平均高预测模型，得到各小班的林分平均高。应用本申请实施例，可以提高待测区域中各个小班的林分平均高可信度。中各个小班的林分平均高可信度。中各个小班的林分平均高可信度。
【技术实现步骤摘要】
一种林分平均高预测方法及装置
[0001]本申请涉及林分生长研究
，具体而言，涉及一种林分平均高预测方法及装置。
技术介绍
[0002]随着遥感传感器技术以及航空、航天平台技术的发展，机载激光雷达(LiDAR，Light Detection and Ranging)系统在森林资源调查领域得到的广泛的应用，利用激光雷达系统可以获取森林关键结构参数，如林分平均高。
[0003]目前，将利用激光雷达系统获取到待测林区的点云数据分类成地面点和非地面点，通过地面点生成DEM(Digital Elevation Model，数字高程模型)数据，通过非地面点生成DSM(Digital Surface Model，数字表面模型)数据，将DSM和DEM作差，得到CHM(Canopy Height Model，冠层高度模型)数据。然后使用局部最大值搜索网口算法在CHM数据中搜索潜在的树冠顶点数据，进而得到待测林区中各个小班的林分平均高。
[0004]然而，当待测林区为复层林时，使用现有技术的方法会导致丢失处理下层植被信息，进而使得到的待测林区中各个小班的林分平均高可信度降低。
技术实现思路
[0005]本申请的目的在于，针对上述现有技术中的不足，提供一种林分平均高预测方法及装置，可以提高待测区域中各小班的林分平均高可信度。
[0006]为实现上述目的，本申请实施例采用的技术方案如下：
[0007]第一方面，本申请实施例提供了一种林分平均高预测方法，所述方法包括：
[0008]将待测林区的点云数据划分成地面点云数据以及植被点云数据，所述待测林区包括至少一个小班；
[0009]根据所述待测林区中各小班的数字高程模型数据以及所述植被点云数据，确定所述各小班的冠层高度数据；
[0010]根据所述各小班的冠层高度数据，获取所述各小班的高度特征，其中，所述高度特征为高度最小值特征和/或高度最大值特征；
[0011]分别将所述各小班的高度特征输入林分平均高预测模型，得到所述各小班的林分平均高。
[0012]可选地，所述根据所述待测林区中各小班的数字高程模型数据以及所述植被点云数据，确定所述各小班的冠层高度数据，包括：
[0013]将所述各小班划分为多个样方块；
[0014]根据预设格网尺寸，将每个所述样方块分别划分为多个格网单元；
[0015]根据各所述格网单元的中心位置以及每个所述格网单元上的植被点云数据，确定所述各小班的冠层高度数据。
[0016]可选地，所述根据各所述格网单元的中心位置以及每个所述格网单元上的植被点
云数据，确定所述各小班的冠层高度数据，包括：
[0017]确定各所述网格单元上各植被点云与各所述格网单元的中心位置的高程差，将所述高程差作为各所述格网单元的冠层高度数据；
[0018]根据各所述格网单元的冠层高度数据，得到所述各小班的冠层高度数据。
[0019]可选地，所述将所述各小班的高度特征输入林分平均高预测模型，得到所述各小班对应的林分平均高，包括：
[0020]分别将所述各小班对应的植被个数信息、植被高度信息以及所述各小班的高度特征输入林分平均高预测模型，得到所述各小班对应的林分平均高。
[0021]可选地，所述将所述植被个数信息、所述植被高度信息以及所述各小班的高度特征输入林分平均高预测模型之前，所述方法还包括：
[0022]根据单木分割算法获取所述各小班对应的植被个数信息以及植被高度信息。
[0023]可选地，所述根据所述各小班的冠层高度模型数据，获取所述各小班的高度特征之后，所述方法还包括：
[0024]根据所述各小班的高度特征平均值以及标准差，确定所述各小班的高度特征区间；
[0025]根据所述各小班的高度特征区间，确定所述各小班的目标高度特征；
[0026]将所述各小班的目标高度特征输入林分平均高预测模型，得到所述各小班的林分平均高。
[0027]可选地，所述将所述各小班的高度特征输入林分平均高预测模型之前，所述方法还包括：
[0028]获取所述待测林区中多个样方区域的特征数据以及各样方区域对应的林分平均高数据，其中，所述样方区域的特征数据包括所述样方区域的高度特征、植被个数特征；
[0029]根据所述各样方区域的特征数据以及林分平均高数据，获取训练样本以及测试样本；
[0030]将各所述训练样本中的所述特征数据以及所述林分平均高数据分别输入初始林分平均高预测模型，得到多个训练后的林分平均高预测模型；
[0031]通过各所述测试样本，从所述多个训练后的林分平均高预测模型中获取所述林分平均高预测模型。
[0032]可选地，所述将待测林区的点云数据划分成地面点云数据以及植被点云数据，包括：
[0033]使用不规则三角网算法将所述待测林区的点云数据划分成地面点云数据以及非地面点云数据；
[0034]从所述非地面点云数据中获取所述植被点云数据。
[0035]可选地，所述从所述非地面点云数据中获取所述植被点云数据，包括：
[0036]使用高程阈值算法获取所述非地面点云数据中的初始植被点云数据，所述初始植被点云数据用于表征带有噪声的植被点云数据；
[0037]利用kd树算法滤除所述初始植被点云数据中的噪声，得到所述植被点云数据。
[0038]第二方面，本申请实施例还提供了一种林分平均高预测装置，所述装置包括：
[0039]划分模块，用于将待测林区的点云数据划分成地面点云数据以及植被点云数据，
所述待测林区包括至少一个小班；
[0040]确定模块，用于根据所述待测林区中各小班的数字高程模型数据以及所述植被点云数据，确定所述各小班的冠层高度数据；
[0041]获取模块，用于根据所述各小班的冠层高度数据，获取所述各小班的高度特征，其中，所述高度特征为高度最小值特征和/或高度最大值特征；
[0042]输入模块，用于分别将所述各小班的高度特征输入林分平均高预测模型，得到所述各小班的林分平均高。
[0043]可选地，所述确定模块，具体用于将所述各小班划分为多个样方块；根据预设格网尺寸，将每个所述样方块划分为多个格网单元；根据各所述格网单元的中心位置以及每个所述格网单元上的植被点云数据，确定所述各小班的冠层高度数据。
[0044]可选地，所述确定模块，还具体用于确定各所述网格单元上各植被点云与各所述格网单元的中心位置的高程差，将所述高程差作为各所述格网单元的冠层高度数据；根据各所述格网单元的冠层高度数据，得到所述各小班的冠层高度数据。
[0045]可选地，所述输入模块，具体用于分别将所述各小班对应的植被个数信息、植被高度信息以及所述各小班的高度特征输入林分平均高预测模型，得到所述各小班对应的林分平均高。
[0046]可选地，所述输入模块，还用于根据单木分割算法获取所述各小班对应的植被个数信息以及植本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种林分平均高预测方法，其特征在于，所述方法包括：将待测林区的点云数据划分成地面点云数据以及植被点云数据，所述待测林区包括至少一个小班；根据所述待测林区中各小班的数字高程模型数据以及所述植被点云数据，确定所述各小班的冠层高度数据；根据所述各小班的冠层高度数据，获取所述各小班的高度特征，其中，所述高度特征为高度最小值特征和/或高度最大值特征；分别将所述各小班的高度特征输入林分平均高预测模型，得到所述各小班的林分平均高。2.根据权利要求1所述的方法，其特征在于，所述根据所述待测林区中各小班的数字高程模型数据以及所述植被点云数据，确定所述各小班的冠层高度数据，包括：将所述各小班划分为多个样方块；根据预设格网尺寸，将每个所述样方块划分为多个格网单元；根据各所述格网单元的中心位置以及每个所述格网单元上的植被点云数据，确定所述各小班的冠层高度数据。3.根据权利要求2所述的方法，其特征在于，所述根据各所述格网单元的中心位置以及每个所述格网单元上的植被点云数据，确定所述各小班的冠层高度数据，包括：确定各所述网格单元上各植被点云与各所述格网单元的中心位置的高程差，将所述高程差作为各所述格网单元的冠层高度数据；根据各所述格网单元的冠层高度数据，得到所述各小班的冠层高度数据。4.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述各小班的高度特征输入林分平均高预测模型，得到所述各小班对应的林分平均高，包括：分别将所述各小班对应的植被个数信息、植被高度信息以及所述各小班的高度特征输入林分平均高预测模型，得到所述各小班对应的林分平均高。5.根据权利要求4所述的方法，其特征在于，所述分别将所述各小班对应的植被个数信息、植被高度信息以及所述各小班的高度特征输入林分平均高预测模型之前，所述方法还包括：根据单木分割算法获取所述各小班对应的植被个数信息以及植被高度信息。6.根据权利要求1所述的方法，其特征在于，所述根据所述各小班的冠层高度模型数据，获取所述各小班的高度特征之后，所述方法还包括：根据所述各小班的高度特征平均值以及标准差，确定所述各...
【专利技术属性】
技术研发人员：彭桂辉，王浩伟，段梦琦，姚春雨，王娜，庄一洲，
申请(专利权)人：中煤航测遥感集团有限公司，
类型：发明
国别省市：
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。