一种集成uav与lidar的森林林分特征反演方法
【技术领域】
[0001]本发明设及森林资源管理与保护技术领域，具体设及一种集成UAV与LIDAR的森 林林分特征反演方法。
【背景技术】
[0002] 林分平均高、平均胸径、林分密度、蓄积量等林分特征变量的精确测定对于森林管 理与生态监测具有重要意义。传统的测定方式为人工实地测量，耗时耗力且只能获取小面 积数据，难于获取区域尺度或更大尺度的信息。遥感方法能快速的获取大面积森林状态，降 低人力和物力的消耗，且在数据的完整性和时间性上具有较高的精度。但光学遥感数据主 要记录的是森林的水平结构信息，其遥感信号穿透性较低，难W有效反映森林的垂直结构； 且在茂密林地区域，就算是森林具有很高的复杂度和变异度，表现在遥感图像上的光谱差 异也很小，导致林分特征信息呈现区域性光谱饱和。
[0003] 激光雷达（LiDAR)是近年来发展迅速的主动遥感技术，激光雷达通过激光直接照 射，返回=维点云和波形数据，可用于森林的生物物理特性和冠层结构的精确估算。但激光 雷达数据成本高，较难在林业生产实践中广泛应用。近年来，无人机扣AV)W其在云下低空 飞行的能力，W及其低成本和灵活性，弥补了卫星光学遥感和普通航空摄影易受云层遮挡 影响的同时，也降低了地物S维信息（如点云）的获取成本。
【发明内容】
[0004] 发明目的；针对现有技术中存在的不足，本发明提出一种集成UAV与LIDAR的森林 林分特征反演方法，具有廉价、灵活等特点。
[000引技术方案：为了实现上述发明目的，本发明采用的技术方案为：
[0006] 一种集成UAV与LIDAR的森林林分特征反演方法，包括W下步骤：
[0007] 1)LiDAR数据获取；LiDAR数据获取装置为OptechAirborneLaserTerrain Mapper3100激光传感器斑离散点云数据；每个激光返回点包含x，y，z=维坐标值、强度值 和返回类型信息；
[000引 2)UAV数据获取：采用的无人机搭载平台为固定翼飞机，配备惯性测量单元获取 飞机实时的=轴姿态角\角速率W及加速度；无人机通过地面遥控系统进行飞行的控制和 通讯；遥感数据来源于佳能EOS5DMarkII高清相机获取的高分辨率、真彩色数码影像；
[0009] 3)地面实测数据获取；设计地面实测采用圆形样地方式，多个随机分布于整个 待研究区；在各个样地中，记录胸径> 5cm的每棵树木的树种，并量测胸径、树高；胸径采 用围尺量测，树高通过VedexIV超声波测高器获取；在样地内进行每木测量，选取样地 Lorey'S树高、林分密度和蓄积量为反演的林分特征，计算方法如下：
[0010] Lorey'S树高计算公式如下；
[0011]
[0012] 式中屯为第i株树高，gi为第i株树木胸高断面积，k为样地内株数；
[0013] 林分密度通过为单位面积上的树木数，W株?hnT2为单位，通过样地实测林分密度 转换每公顷林分密度得到；
[0014] 蓄积量依据"江苏省立木一元材积式"计算，通过单木胸径汇总到样地级蓄积量， 再换算为单位面积蓄积量；
[00巧]4)利用LiDAR数据生成DEM;
[0016] 5)通过UAV平台拍摄数字影像，通过IMU实时记录每幅影像的经绅度、高程、翻滚 度、俯仰和航向五个参数生成Exif图像文件；
[0017] 6)借助Pix4D软件获取影像像对的特征点，通过光束法平差进行影像外方位元素 的解析，完成图像标定；
[001引 7)利用已有S维点、影像定标和外方位元素解析生成S维点云，在剔除明显的异 常点后，通过平滑处理实现对"孔洞"的填充，再利用反距离加权法插值为与Lidar数据相 适配的ImXIm的栅格生成DSMW便点云的归一化；同时通过影像拼接生成研究区UAV全幅 影像，作为进行Lidar点云与UAV点云精度匹配的辅助验证底图；
[0019] 8)点云的归一化指对点云高度处理，即距离地表的相对高度的获得，方式由DSM 与DEM差值而来，归一化的结果为数字树冠高层模型；
[0020] 9)变量提取：将DSM与DEM进行差值运算，获得DCHM，完成点云数据的 归一化；建模数据变量从归一化后的点云中进行提取，选取高度分位数变量组： hlO,h25,h30,h40,h60,h75,h85,h90;密度变量组；dlO,d25,d30,d40,d60,d75,d85,d90; 平均高度，最大高度，最低高度；同时去除了高度2mW下点云；
[0021] 10)通过获取归一化点云提取的林分特征变量与实测样地4个关键变量之间线性 关系进行精度的验证；验证的方式采取多元线性回归方法；建立回归模型运用逐步进入法 和决定系数R2的变化情况来选择进入模型的合适变量，所有样地均参与模型构建；
[0022] 11)精度验证
[0023] 验证的指标选择；（1)决定系数R2:
[0024]
【主权项】
1. 一种集成UAV与LIDAR的森林林分特征反演方法，其特征在于，包括以下步骤： 1. LiDAR 数据获取：LiDAR 数据获取装置为 Optech Airborne Laser Terrain Mapper 3100激光传感器斑离散点云数据；每个激光返回点包含x，y，z三维坐标值、强度值和返回 类型信息； 2. UAV数据获取：采用的无人机搭载平台为固定翼飞机，配备惯性测量单元获取飞机 实时的三轴姿态角\角速率以及加速度；无人机通过地面遥控系统进行飞行的控制和通 讯；遥感数据来源于佳能EOS Mark II高清相机获取的高分辨率、真彩色数码影像； 3) 地面实测数据获取：设计地面实测采用圆形样地方式，多个随机分布于整个待研宄 区；在各个样地中，记录胸径多5cm的每棵树木的树种，并量测胸径、树高；胸径采用围尺量 测，树高通过Vertex IV超声波测高器获取；在样地内进行每木测量，选取样地Lorey's树 高、林分密度和蓄积量为反演的林分特征，计算方法如下： Lorey' s树高计算公式如下：
式中：Iii为第i株树高，g i为第i株树木胸高断面积，k为样地内株数； 林分密度通过为单位面积上的树木数，以株^hnT2为单位，通过样地实测林分密度转换 每公顷林分密度得到； 蓄积量依据"江苏省立木一元材积式"计算，通过单木胸径汇总到样地级蓄积量，再换 算为单位面积蓄积量； 4) 利用LiDAR数据生成DEM; 5) 通过UAV平台拍摄数字影像，通过MU实时记录每幅影像的经炜度、高程、翻滚度、俯 仰和航向五个参数生成Exif图像文件； 6) 借助Pix4D软件获取影像像对的特征点，通过光束法平差进行影像外方位元素的解 析，完成图像标定； 7) 利用已有三维点、影像定标和外方位元素解析生成三维点云，在剔除明显的异常点 后，通过平滑处理实现对"孔洞"的填充，再利用反距离加权法插值为与Lidar数据相适配 的ImX Im的栅格生成DSM以便点云的归一化；同时通过影像拼接生成研宄区UAV全幅影 像，作为进行Lidar点云与UAV点云精度匹配的辅助验证底图； 8) 点云的归一化指对点云高度处理，即距离地表的相对高度的获得，方式由DSM与DEM 差值而来，归一化的结果为数字树冠高层模型； 9) 变量提取：将DSM与DEM进行差值运算，获得DCHM，完成点云数据的归 一化；建模数据变量从归一化后的点云中进行提取，选取高度分位数变量组： hlO, h25, h30, h40, h60, h75, h85, h90 ;密度变量组：dlO, d25, d30, d40, d60, d75, d85, d90 ; 平均高度，最大高度，最低高度；同时去除了高度2m以下点云； 10) 通过获取归一化点云提取的林分特征变量与实测样地4个关键变量之间线性关系 进行精度的验证；验证的方式采取多元线性回归方法；建立回归模型运用逐步进入法和决 定系数R 2的变化情况来选择进入模型的合适变量，所有样地均参与模型构建； 11) 精度验证 验证的指标选择：（1)决定系数R2:
式中，Xi为实测的某林分特征、為为模型估算值、巧为实测特征值算术平均、η为样地数 量； (2) 均方根误差：表达的是观测值与真值偏差的平方和观测次数η比值的平方根；
(3) 相对均方根误差：定义为RMSE与实测结果算术平均值的比值；
12) 联合提取估算模型构建及精度分析 通过多元回归分析，构建联合提取估算模型，并进行精度分析，结果如下： 林分特征变量为Lorey' s树高/(m)，联合提取估算模型为In H = 0. 36+0. 651 · In hmean+0. 655 · In d90-5· 1215 · In d30, R2为 0· 95, RMSE 为 0· 06, rRMSE 为 1. 9% ; 林分特征变量为林分密度八株^hnT2)，联合提取估算模型为In N = 5. 607+1. 854 · In h60-l. 195 · In hlO, R2为 0· 36, RMSE 为 0· 29, rRMSE 为 13. 74% ; 林分特征变量为胸高断面积/(m2 · hnT2)，联合提取估算模型为In G = 2. 752 · In h60-l. 841 · In hlO-1. 126, R2为 0· 53, RMSE 为 0· 28, rRMSE 为 16. 38% ; 林分特征变量为蓄积量/ (m3 · hnT2)，联合提取估算模型为In V = 2. 499+1. 429 · In H90+0. 7 · In d90, R2为 0· 59, RMSE 为 0· 40, rRMSE 为 6. 93% ; 其中，H为Lorey' s树高；N为林分密度；G为胸高断面积；V为蓄积量。
2. 根据权利要求1所述的集成UAV与LIDAR的森林林分特征反演方法，其特征在于： 步骤2)中，航向和旁向重叠分别为30%和70%。
3. 根据权利要求1所述的集成UAV与LIDAR的森林林分特征反演方法，其特征在于： 步骤2)中，MU型号为ADIS16355,集成3轴加速度计及3轴陀螺，技术参数为：1)可控最 高空速200m · S12)可控最高地速350m · s '3)可控飞行高度20 - 5500m ;4)导航精度 (偏航距）彡±3m;5)定高控制精度彡±2m。
4. 根据权利要求1所述的集成UAV与LIDAR的森林林分特征反演方法，其特征在于： 步骤4)中，数据处理的过程包括以下三步： (1) 数据预处理，包括异常点剔除和重叠数据处理，首先去除高程噪声点，噪声点分两 类，一类为高程负值点，一类为高程突变剧烈点；其次采用以大于激光点云平均间距的平滑 滤波进行多次平滑消除重叠带； (2) 点云数据分类，将点云数据分为裸地与非裸地两类，激光点云的分类采用滤波和分 类的方法提取裸地高程信息，将生成的裸地点云以点状矢量文件输出，再与UAV影像叠加 进行目视纠正； (3)DEM生成，将分类后的裸地点采用反距离加权法进行ImX Im的插值，生成DEM。
【专利摘要】本发明公开了一种集成UAV与LIDAR的森林林分特征反演方法，通过结合UAV与LiDAR数据提取典型林分特征，利用特征点匹配算法和空中三角生成研究区三维点云作为数字表面模型结合LiDAR提取的数字地形模型计算树冠冠层模型，再结合地面实测林分调查数据与联合提取的点云变量构建多元回归估算模型并验证其精度。一方面冠层点云采用UAV数据，相对于LiDAR，具有灵活性高，廉价等特点，数据获取方便，具有长期定时重复观测的可能性。另一方面利用LiDAR的穿透性获取地形数据，而地形相对稳定，可以作为长期观测的数据基础。二者结合，各取所长，是一条廉价、灵活的森林状态监测方式，相关分析表明联合提取的点云变量与森林垂直信息（树高）具有很高的敏感性。
【IPC分类】G06T17-00
【公开号】CN104867180
【申请号】CN201510284456
【发明人】许子乾, 曹林, 阮宏华, 李卫正, 蒋圣
【申请人】南京林业大学
【公开日】2015年8月26日
【申请日】2015年5月28日