【技术实现步骤摘要】
本专利技术属于天然气泄漏探测，具体涉及一种基于lidar数据的天然气微泄漏胁迫植被探测方法。
技术介绍
1、天然气是一种环境友好的低碳清洁燃料，其用途广泛，需求和消费量在全球范围内持续增长(faramawy et al.,2016)。地下存储库是存储天然气的主要方法，但由于地质断层、人类活动或其他自然因素等作用存在泄漏风险(tarkowski et al.,2021；zhang etal.,2021)。地下存储库一旦发生泄漏，不仅会造成经济损失，还会造成安全和生态环境问题(lukonge and cao,2020；ren et al.,2018)。及时、准确探测天然气存储库微泄漏点可以避免严重的经济和环境后果。
2、传统天然气泄漏探测方法包括人工巡检(boaz et al.,2014)、声音监控(jin het al.,2014)、气体取样(sperl,1991)和流量监测(abdulshaheed et al.,2017)等，这些方法耗费大量人力、时间，具有破坏性，且无法满足大范围快速检查的要求。另外，当天然气存储库发生微量泄漏时，地表大气中的天然气浓度往往难以达到直接检测的阈值，传统方法不适用于天然气微泄漏情况(y.pan et al.,2022；vodnik et al.,2006)。然而，地下天然气存储库泄漏会改变所在区域土壤环境，置换土壤中的氧气，干扰植被根系的呼吸作用，导致地表植被产生对天然气胁迫的响应，地上部分表现为生长缓慢、冠层稀疏、植株高度降低等胁迫现象(x.pan et al.,2022；y.pa
3、高光谱技术可以获得目标地物在一定范围内连续、精细的光谱信息，近年来广泛应用于间接探测植被区地下天然气存储库微泄漏点(du et al.,2022；jiang et al.,2023,2020；y.pan et al.,2022；ran et al.,2022)。但其只能反映植被表面的光谱信息，无法捕捉植被立体结构特征对天然气胁迫的响应。由于其“同物异谱”的特点，仅使用光谱信息的探测模型在识别过程中容易造成混淆。此外，作为被动遥感技术，高光谱数据采集需要在晴朗无云的状态下进行，对采集环境的要求较高。光探测和测距技术(lidar)是一种利用脉冲激光测距的遥感技术，这些脉冲通常与机载系统记录的信息相结合，生成目标高精度的三维模型，且对采集环境的适应性较高，近年来在农学领域广泛应用于指示植被立体结构特征(hu et al.,2023；jin et al.,2021；li et al.,2023；luo et al.,2021；riveraet al.,2023；sandonís-pozo et al.,2022；su et al.,2019)。目前，天然气胁迫下植被的立体结构特征响应尚不清楚，尚未有研究基于植被立体结构特征识别地下天然气存储库微泄漏点。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于lidar数据的天然气微泄漏胁迫植被探测方法，能够有效探测天然气的微泄漏点。
2、本专利技术所采用的技术方案为：
3、一种基于lidar数据的天然气微泄漏胁迫植被探测方法，包括步骤：
4、s100、通过三维激光扫描仪扫描目标地块，得到目标地块的点云数据；
5、s200、对点云数据进行预处理，得到chm数据；
6、s300、基于chm数据构建灰度共生矩阵得到各像素的同质性数据和对比度数据；
7、s400、将同质性数据和对比度数据分别赋值至chm数据中，使得各像素对象xi分别有高度的第一数据、同质性的第二数据和对比度的第三数据；
8、s500、在所有的像素中随机选取k个像素，这k个像素称为第一中心像素，其他像素称为分类像素；
9、s600、根据欧几里得模型获得各个分类像素与各个中心像素之间的欧几里得距离，并将各个分类像素与欧几里得距离最小的中心像素绑定至一个簇内，从而得到k个簇，分别为c1、c2……ck；
10、s700、重新确定各个簇的第二中心像素，并将这k个第二中心像素作为第一中心像素，重新执行步骤s600,直至第二中心像素维持不变，此时的第二中心像素称为第三中心像素；
11、s900、将k个第三中心像素进行对比，挑选出第一数据最大的第三中心像素，该第三中心像素所在的簇称为标准簇，其他簇称为对比簇；
12、s1000、计算各个对比簇与标准簇之间的jm距离，筛选出jm距离大于1.8的对比簇。
13、优选地，在步骤s200中，所述预处理包括噪声点过滤，基于点云数据生成dem数据和dsm数据，再根据dsm数据减去dem数据得到chm数据。
14、优选地，在步骤s300中，同质性表达为：
15、
16、对比度表达为：
17、
18、其中，p(i,j)表示灰度共生矩阵，i和j代表灰度级的取值，取自图像的灰度级范围，它们的取值范围从1到n，其中n是图像中所有可能灰度级的数量。
19、优选地，在步骤s400中，所有的像素构成数据集x，x＝{x1,x2,…,xn}，每个像素xi为一个三维向量(xi1、xi2、xi3)，其中，xi1为第i个像素的高度、xi2为第i个像素的同质性、xi3为第i个像素的对比度；
20、在步骤s600中，欧几里得模型为：
21、
22、其中，d(xi,μj)表示分类像素xi与第一中心像素μj之间的欧几里得距离，xil和μjl分别分类像素xi和第一中心像素μj在第1个维度上的取值。
23、优选地，在步骤s700中，根据中心模型确定各簇的第二中心像素，在任意一个簇cj内，其第二中心像素为μ’j，
24、
25、其中，μ’j为簇cj的第二中心像素，|cj|是簇cj中像素的数量。
26、优选地，还包括步骤：
27、s800、以k＝2、3……n，分别执行步骤s500-s700，从而得到多个簇组，通过平方和误差模型获得各个簇组的平方和误差，确定最佳的簇组；
28、平方和误差模型为：
29、
30、其中，sse表示簇内平方和误差，k是簇组中簇的数量，xi是属于簇cj的像素，μ”j为簇cj的第三中心像素，||xi-μ”j||2为xi与μ”j之间的欧几里得距离的平方；
31、s900、将最佳的簇组中的k个第三中心像素进行对比。
32、优选地，在步骤s800中，构建平方和误差与k的函数曲线，该函数曲线的肘部所对应的k值为最佳的簇组的k值。
33、优选地，在步骤s1000中，jm距离为
34、jmdij＝2(1-e-α)
35、
36、其本文档来自技高网...
【技术保护点】
1.一种基于LiDAR数据的天然气微泄漏胁迫植被探测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于LiDAR数据的天然气微泄漏胁迫植被探测方法，其特征在于，
3.根据权利要求2所述的基于LiDAR数据的天然气微泄漏胁迫植被探测方法，其特征在于，在步骤S300中，同质性表达为：
4.根据权利要求1所述的基于LiDAR数据的天然气微泄漏胁迫植被探测方法，其特征在于，
5.根据权利要求4所述的基于LiDAR数据的天然气微泄漏胁迫植被探测方法，其特征在于，在步骤S700中，根据中心模型确定各簇的第二中心像素，在任意一个簇Cj内，其第二中心像素为μ’j，
6.根据权利要求1-5所述的基于LiDAR数据的天然气微泄漏胁迫植被探测方法，其特征在于，还包括步骤：
7.根据权利要求6所述的基于LiDAR数据的天然气微泄漏胁迫植被探测方法，其特征在于，在步骤S800中，构建平方和误差与k的函数曲线，该函数曲线的肘部所对应的k值为最佳的簇组的k值。
8.根据权利要求1-5所述的基于LiDAR数据的天然气微泄
9.根据权利要求8所述的基于LiDAR数据的天然气微泄漏胁迫植被探测方法，其特征在于，还包括步骤：
...【技术特征摘要】
1.一种基于lidar数据的天然气微泄漏胁迫植被探测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于lidar数据的天然气微泄漏胁迫植被探测方法，其特征在于，
3.根据权利要求2所述的基于lidar数据的天然气微泄漏胁迫植被探测方法，其特征在于，在步骤s300中，同质性表达为：
4.根据权利要求1所述的基于lidar数据的天然气微泄漏胁迫植被探测方法，其特征在于，
5.根据权利要求4所述的基于lidar数据的天然气微泄漏胁迫植被探测方法，其特征在于，在步骤s700中，根据中心模型确定各簇的第二中心像素，在任意一个簇cj内...
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。