平均树高的确定方法及装置的制造方法
【技术领域】
[0001] 本发明涉及遥感数据处理领域，具体而言，涉及一种平均树高的确定方法及装置。
【背景技术】
[0002] 由于在复杂地形条件下，对星载激光雷达大光斑数据覆盖范围内难以进行实地测 量，因此难以利用星载激光雷达数据确定复杂地形条件下的平均树高。
[0003] 针对相关技术中复杂地形条件下如何确定平均树高的问题，目前尚未提出有效的 解决方案。
【发明内容】
[0004] 针对相关技术中复杂地形条件下如何确定平均树高的问题，本发明提供了一种平 均树高的确定方法及装置，以至少解决上述问题。
[0005] 根据本发明的一个方面，提供了一种平均树高的确定方法，包括：根据预先获取的 预定区域内的机载激光雷达数据确定所述预定区域的平均树高数据；确定星载激光雷达数 据中在所述预定区域内中的光斑区域；确定所述光斑区域中所述星载激光雷达数据的高斯 分布波形参数；根据所述预定区域的平均树高数据和所述高斯分布波形参数，通过多元回 归方程构建平均树高模型。
[0006] 可选地，根据预先获取的预定区域内的机载激光雷达数据确定所述预定区域的平 均树高数据，包括：对预先获取的预定区域内的机载激光雷达数据进行点云分类处理，得到 地上物体高度数据模型；根据所述地上物体高度数据模型对点云进行统计分析，提取出所 述预定区域的平均树高数据。
[0007] 可选地，确定所述光斑区域中所述星载激光雷达数据的高斯分布波形参数，包括： 对所述光斑区域内的星载激光雷达数据进行波形分解，得到预定个数的单高斯分布波形数 据；根据所述预定个数的单高斯分布波形数据确定高斯分布波形参数。
[0008] 可选地，根据所述地上物体高度数据模型对点云进行统计分析，提取出所述预定 区域的平均树高，包括：利用所述地上物体高度数据模型对点云进行统计得到点云统计数 据；根据预先获取的样地实测森林参数与所述点云统计量，基于多元线性回归方程建立所 述预定区域的平均树高反演模型；利用方差膨胀因子检验所述平均树高反演模型的共线 性，得到所述预定区域的平均树高数据。
[0009] 可选地，根据所述预定区域的平均树高数据和所述高斯分布波形参数，通过多元 回归方程构建平均树高模型，包括：按照坡度对所述预定区域进行分类；根据所述预定区 域的平均树高数据和所述高斯分布波形参数，通过多元回归方程分别构建各个分类的平均 树高模型。
[0010] 可选地，上述方法还包括：通过留一法交叉验证平均树高模型的拟合程度。
[0011] 根据本发明的另一方面，提供了一种平均树高的确定装置，包括：第一确定模块， 用于根据预先获取的预定区域内的机载激光雷达数据确定所述预定区域的平均树高数据； 第二确定模块，用于确定星载激光雷达数据中在所述预定区域内中的光斑区域；第三确定 模块，用于确定所述光斑区域中所述星载激光雷达数据的高斯分布波形参数；以及，建立模 块，用于根据所述预定区域的平均树高数据和所述高斯分布波形参数，通过多元回归方程 构建平均树高模型。
[0012] 可选地，所述第一确定模块，包括：处理单元，用于对预先获取的预定区域内的机 载激光雷达数据进行点云分类处理，得到地上物体高度数据模型；提取单元，用于根据所述 地上物体高度数据模型对点云进行统计分析，提取出所述预定区域的平均树高数据。
[0013] 可选地，所述第三确定模块，包括：分解单元，用于对所述光斑区域内的星载激光 雷达数据进行波形分解，得到预定个数的单高斯分布波形数据；确定单元，用于根据所述预 定个数的单高斯分布波形数据确定高斯分布波形参数。
[0014] 可选地，所述建立模块，包括：分类单元，用于按照坡度对所述预定区域进行分类； 建立单元，用于根据所述预定区域的平均树高数据和所述高斯分布波形参数，通过多元回 归方程分别构建各个分类的平均树高模型。
[0015] 通过本发明，结合星载激光雷达数据和机载激光雷达数据，实现了复杂地形下的 平均树高确定。
【附图说明】
[0016] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0017] 图1是根据本发明实施例的平均树高的确定方法的流程图
[0018] 图2是根据本发明实施例的平均树高的确定装置的结构框图。
【具体实施方式】
[0019] 下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的 情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0020] 本发明实施例，利用精度较高的机载激光雷达反演结果，在坡度较大区域内对过 星载激光雷达全波形数据经波形分解得到波形参数，利用波形参数建模反演平均树高，综 合分析影响复杂地形条件下树高反演精度的因子，充分挖掘多源遥感数据在数据分析和遥 感应用，满足大范围、高精度的森林参数制图的需求。
[0021] 图1是根据本发明实施例的平均树高的确定方法的流程图，如图1所示，该方法包 括步骤101至步骤104 :
[0022] 步骤101，根据预先获取的预定区域内的机载激光雷达数据确定所述预定区域的 平均树高数据；
[0023] 步骤102,确定星载激光雷达数据中在所述预定区域内中的光斑区域；
[0024] 步骤103,确定所述光斑区域中所述星载激光雷达数据的高斯分布波形参数；
[0025] 步骤104,根据所述预定区域的平均树高数据和所述高斯分布波形参数，通过多元 回归方程构建平均树高模型。
[0026] 在本发明实施例的一个实施方式中，上述步骤101，根据预先获取的预定区域内的 机载激光雷达数据确定所述预定区域的平均树高数据，可以包括：
[0027] 步骤101-A，对预先获取的预定区域内的机载激光雷达数据进行点云分类处理，得 到地上物体高度数据模型；
[0028] 步骤101-B，根据所述地上物体高度数据模型对点云进行统计分析，提取出所述预 定区域的平均树高数据。
[0029] 在本发明实施例的一个实施方式中，上述步骤103,确定所述光斑区域中所述星载 激光雷达数据的高斯分布波形参数，可以包括：
[0030] 步骤103-A，对所述光斑区域内的星载激光雷达数据进行波形分解，得到预定个数 的单高斯分布波形数据；
[0031] 步骤103-B，根据所述预定个数的单高斯分布波形数据确定高斯分布波形参数。
[0032] 在本发明实施例的一个实施方式中，上述步骤101-B，根据所述地上物体高度数据 模型对点云进行统计分析，提取出所述预定区域的平均树高，可以包括：
[0033] a，利用所述地上物体高度数据模型对点云进行统计得到点云统计数据；
[0034] b，根据预先获取的样地实测森林参数与所述点云统计量，基于多元线性回归方程 建立所述预定区域的平均树高反演模型；
[0035] c，利用方差膨胀因子检验所述平均树高反演模型的共线性，得到所述预定区域的 平均树高数据。
[0036] 在本发明实施例的一个实施方式中，上述步骤104,根据所述预定区域的平均树高 数据和所述高斯分布波形参数，通过多元回归方程构建平均树高模型，可以包括：
[0037] 步骤104-A，按照坡度对所述预定区域进行分类；
[0038] 步骤104-B，根据所述预定区域的平均树高数据和所述高斯分布波形参数，通过多 元回归方程分别构建各个分类的平均树高模型。
[0039] 可选地，上述方法还包括：通过留一法交叉验证平均树高模型的拟合程度。
[0040] 图2是根据本发明实施例的平均树高的确定装置的结构框图，如图2所示，该装置 可以包括：
[0041] 第一确定模块10,用于根据预先获取的预定区域内的机载激光雷达数据确定所述 预定区域的平均树高数据；
[0042] 第二确定模块20,与第一确定模块10相连接，用于确定星载激光雷达数据中在所 述