【技术实现步骤摘要】
本专利技术涉及遥感，具体涉及一种高光谱与空地协同lidar的单木生物量估算方法。
技术介绍
1、无人机平台可以提供各种类型的低成本遥感数据，包括多光谱(msp)、高光谱(hsp)和激光雷达(lidar)点云等数据。其中激光雷达(lidar)点云数据是测量森林林木、反演单木参数的重要数据来源。通过激光雷达点云数据实现大范围、高精度的森林生物量提取，是分析森林碳储量分布的重要基础。然而除了无人机平台获取lidar点云数据还有地基lidar点云数据、车载lidar点云数据与船载lidar点云数据等不同获取方式，对于不同的观测角度获取的点云数据都存在一定缺陷。
2、无人机lidar能够方便灵活地获得高分辨率森林冠层结构参数，但难以获取冠层下方信息，尤其是在植被茂密和冠层结构复杂的南亚热带森林，林分结构复杂，密度高，冠层重叠；地基lidar能够获取林区详细的三维点云数据，但地面作业的方式导致其很难获得较大范围林区的数据，并且难以完整获得冠层上方信息。单一地面移动激光雷达或者无人机激光雷达在提取森林结构参数过程中，往往无法获取完整的树木点云数据，存在不利于快速、精确提取单木结构参数、单木生物量精细估算、单木三维模型精准构建以及多源数据融合算法比较复杂等一系列问题。
技术实现思路
1、本专利技术的目的在于克服上述现有技术的不足，提供一种高光谱与空地协同lidar的单木生物量估算方法，通过无人机和地基lidar手段对同一林区进行同步观测，获取完整的林区点云数据，从而提取更为准确的树木结
2、为实现上述目的，本专利技术的技术方案是：
3、一种高光谱与空地协同lidar的单木生物量估算方法，包括：
4、步骤一：获取无人机lidar点云数据、地基lidar点云数据以及无人机高光谱遥感数据；
5、步骤二：将所述无人机lidar点云数据、地基lidar点云数据进行配准联合，实现数据视角互补，得到完整的待测林区点云数据。
6、步骤三：对待测林区点云数据进行单木分割，得到待测林区每一树木的单木点云数据，并对每一树木的单木点云数据进行结构参数计算，得到单木点云数据结构参数以及树干与树冠数据集；
7、步骤四：对无人机高光谱遥感数据进行预处理，利用支持向量机分类算法结合高光谱信息特征指标和单木点云数据结构参数得到树种类型空间分布数据；
8、步骤五：基于树种类型空间分布数据属性来确定生物量估算的异速生长模型公式，以树干与树冠数据集作为输入参数来完成不同树种的生物量估算，得到生物量空间分布数据；
9、步骤六：根据生物量空间分布数据，制作生物量成果图，以实现生物量变化监测。
10、本专利技术与现有技术相比，其有益效果在于：
11、本专利技术方法通过无人机和地基lidar手段对同一林区进行同步观测，获取完整的林区点云数据，从而提取更为准确的树木结构参数，另一方面结合无人机高光谱遥感和激光雷达点云多种特征进行树种识别，然后将树木结构参数分别导入树种对应的生物量估算异速生长方程，解决适宜性生物量模型的搭建。
本文档来自技高网...【技术保护点】
1.一种高光谱与空地协同LiDAR的单木生物量估算方法，其特征在于，包括：
2.如权利要求1所述的高光谱与空地协同LiDAR的单木生物量估算方法，其特征在于，在所述步骤一中，无人机LiDAR点云数据通过如下方式获取：
3.如权利要求1所述的所述的高光谱与空地协同LiDAR的单木生物量估算方法，其特征在于，在所述步骤一中，地基LiDAR点云数据通过如下方式获取：
4.如权利要求1所述的高光谱与空地协同LiDAR的单木生物量估算方法，其特征在于，所述步骤二包括：
5.如权利要求4所述的高光谱与空地协同LiDAR的单木生物量估算方法，其特征在于，所述步骤二还包括：
6.如权利要求1所述的高光谱与空地协同LiDAR的单木生物量估算方法，其特征在于，在步骤三中，所述对待测林区点云数据进行单木分割的方式为：基于CHM模型的种子点提取和基于半径内近邻搜索的初步自动分割得到初始单木点云，采用基于距离的点云聚类算法对待测林区点云数据进行精细化分割；
7.如权利要求6所述的高光谱与空地协同LiDAR的单木生物量估算方法，其特征在
8.如权利要求6所述的高光谱与空地协同LiDAR的单木生物量估算方法，其特征在于，所述步骤四包括：
9.如权利要求1所述的高光谱与空地协同LiDAR的单木生物量估算方法，其特征在于，在步骤五中，进行单木尺度生物量估算模型细分优化的方式为：参照森林生物量树木大类划分，除了灌木外的树种通过树高和胸径二者结合计算得到，而灌木只用株高进行生物量估算，以构建模型框架。
10.如权利要求9所述的高光谱与空地协同LiDAR的单木生物量估算方法，其特征在于，在步骤六中，利用步骤五所建立的统一的模型框架，对同一林区，在单木点云数据的基础上，融合同期无人机高光谱遥感数据构建的树种识别智能模型，周期性进行单木尺度生物量数值分布变化监测，根据林区重要性，进行逐年或半年一次的生态固碳基础指标的生物量监测。
...【技术特征摘要】
1.一种高光谱与空地协同lidar的单木生物量估算方法，其特征在于，包括：
2.如权利要求1所述的高光谱与空地协同lidar的单木生物量估算方法，其特征在于，在所述步骤一中，无人机lidar点云数据通过如下方式获取：
3.如权利要求1所述的所述的高光谱与空地协同lidar的单木生物量估算方法，其特征在于，在所述步骤一中，地基lidar点云数据通过如下方式获取：
4.如权利要求1所述的高光谱与空地协同lidar的单木生物量估算方法，其特征在于，所述步骤二包括：
5.如权利要求4所述的高光谱与空地协同lidar的单木生物量估算方法，其特征在于，所述步骤二还包括：
6.如权利要求1所述的高光谱与空地协同lidar的单木生物量估算方法，其特征在于，在步骤三中，所述对待测林区点云数据进行单木分割的方式为：基于chm模型的种子点提取和基于半径内近邻搜索的初步自动分割得到初始单木点云，采用基于距离的点云聚类算法对待测林区点云数据进行精细化分割；
7.如权利要求6所述的高光谱与...
【专利技术属性】
技术研发人员：刘金沧，王欢欢，常中兵，王斌，王英谋，黄小川，黄跃钊，丁德生，周火生，俞梦笑，陆迪雄，吴雄骁，
申请(专利权)人：广东省国土资源测绘院，
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。