邢艷秋，姚松濤，李夢(mèng)穎，謝杰，閆燦

(東北林業(yè)大學(xué) 森林作業(yè)與環(huán)境研究中心，哈爾濱 150040)

基于機(jī)載全波形LiDAR數(shù)據(jù)的森林地上生物量估測(cè)算法研究

邢艷秋，姚松濤，李夢(mèng)穎，謝杰，閆燦

(東北林業(yè)大學(xué) 森林作業(yè)與環(huán)境研究中心，哈爾濱 150040)

為提高森林地上生物量(AGB)的估測(cè)精度，本研究以白樺林為研究對(duì)象，以機(jī)載全波形激光雷達(dá)(LiDAR)數(shù)據(jù)為研究數(shù)據(jù)，首先提出了機(jī)載全波形LiDAR數(shù)據(jù)讀取與全波形特征信息提取的相關(guān)算法，然后結(jié)合具體算法的實(shí)現(xiàn)提取出每條全波形數(shù)據(jù)對(duì)應(yīng)的各波形分量的能量信息，進(jìn)而依據(jù)波形能量信息計(jì)算出每個(gè)樣地的全波形激光穿透指數(shù)(FiLPI)，之后通過(guò)全波形激光穿透指數(shù)FiLPI建立其與對(duì)應(yīng)樣地實(shí)測(cè)森林AGB的統(tǒng)計(jì)回歸模型，同時(shí)將森林AGB的估測(cè)值與森林AGB的實(shí)測(cè)值進(jìn)行對(duì)比。結(jié)果表明全波形激光穿透指數(shù)FiLPI與森林AGB具有很好的相關(guān)性(R2為0.885，RMSE為0.095)，并且森林AGB的估測(cè)值與實(shí)測(cè)值之間誤差的波動(dòng)較小，提高了森林AGB的估測(cè)精度，彌補(bǔ)和提供了機(jī)載全波形LiDAR數(shù)據(jù)估測(cè)森林AGB的方法和思路。

機(jī)載激光雷達(dá)；全波形數(shù)據(jù)；波形數(shù)據(jù)讀?。徊ㄐ翁卣餍畔⑻崛?；白樺林；地上生物量

0 引言

在林業(yè)調(diào)查中，森林地上生物量(Aboveground Biomass，AGB)通常指的是單位面積內(nèi)植被的絕干物質(zhì)量[1-2]。傳統(tǒng)森林AGB的測(cè)定方法耗時(shí)耗力耗材且更新較慢。激光雷達(dá)(Light Detection And Ranging，LiDAR)作為一種主動(dòng)式遙感技術(shù)，廣泛應(yīng)用于森林經(jīng)營(yíng)管理與生態(tài)系統(tǒng)研究等領(lǐng)域[3]。按回波模式，LiDAR系統(tǒng)通?？煞譃殡x散回波和全波形兩種，其中，離散回波LiDAR通過(guò)記錄冠層的單個(gè)或多個(gè)離散回波信號(hào)以獲得不同密度的點(diǎn)云數(shù)據(jù)；全波形LiDAR則通過(guò)記錄返回脈沖的全部能量來(lái)得到亞米級(jí)森林垂直剖面。LiDAR遙感技術(shù)估測(cè)森林AGB是非破壞性的，有利于生態(tài)環(huán)境的保護(hù)。

大多研究學(xué)者基于離散回波LiDAR點(diǎn)云數(shù)據(jù)對(duì)森林AGB進(jìn)行了大量的估測(cè)研究，Bortolot等[4]提出了一種適用于不同林型和不同區(qū)域的森林AGB估測(cè)的可視化算法，該算法以LiDAR點(diǎn)云數(shù)據(jù)提取的林木參數(shù)和外業(yè)實(shí)測(cè)數(shù)據(jù)為訓(xùn)練樣本同AGB建立回歸關(guān)系，進(jìn)而估測(cè)其它區(qū)域的森林AGB，結(jié)果表明森林AGB的外業(yè)實(shí)測(cè)值同估測(cè)值的相關(guān)性在0.59～0.82之間，能夠成功估測(cè)不同區(qū)域的森林AGB。劉清旺等[5]研究了離散回波LiDAR點(diǎn)云數(shù)據(jù)估測(cè)單株樹(shù)AGB，由點(diǎn)云數(shù)據(jù)生成的冠層高度模型結(jié)合優(yōu)化的單株樹(shù)冠特征識(shí)別算法估測(cè)相關(guān)的結(jié)構(gòu)參數(shù)，結(jié)果表明，由LIDAR點(diǎn)云數(shù)據(jù)得到的單株樹(shù)估測(cè)參數(shù)與實(shí)測(cè)參數(shù)顯著相關(guān)(R2=0.729)，可以估測(cè)單株樹(shù)AGB。王濤等[6]研究表明，森林AGB同葉面積指數(shù)等參數(shù)相關(guān)，然而有關(guān)機(jī)載全波形LiDAR數(shù)據(jù)估測(cè)森林AGB的研究相對(duì)較少。

為研究機(jī)載全波形LiDAR數(shù)據(jù)在森林AGB估測(cè)研究中的應(yīng)用潛能，本研究提出了全波形數(shù)據(jù)讀取和波形特征信息提取算法，進(jìn)而利用波形能量信息參數(shù)進(jìn)行森林AGB估測(cè)研究，彌補(bǔ)機(jī)載全波形LiDAR數(shù)據(jù)估測(cè)森林AGB的方法和思路。

1 研究區(qū)與數(shù)據(jù)獲取

1.1 研究區(qū)概況

本研究選擇內(nèi)蒙古自治區(qū)額爾古納市東南部的依根農(nóng)林交錯(cuò)區(qū)作為研究區(qū)域，地理位置坐標(biāo)為120°36′50.48″E～120°52′56.53″E，50°21′11.08″N～ 50°24′32.00″N。植物資源以天然次生白樺林(Betulaplatyphylla)為主，混生樹(shù)種包括落葉松(Larixgmelinii)、樟子松(Pinussylvestrisvar.mongolica)等，林下灌木層主要由石棒繡線菊(Spiraeamedia)、筐柳(Salixlinearistipularis)等組成。

1.2 外業(yè)樣地?cái)?shù)據(jù)

本研究于2012年8月至9月對(duì)研究區(qū)天然次生白樺林進(jìn)行了相應(yīng)的地面調(diào)查。綜合考慮林地的森林類型及生長(zhǎng)狀況，一共布設(shè)了80個(gè)邊長(zhǎng)為10 m的方形樣地，測(cè)量了樹(shù)高、胸徑、冠幅等單木參數(shù)。采用Vertex IV超聲波測(cè)高測(cè)距儀測(cè)量了每木樹(shù)高，30 m范圍內(nèi)其高度分辨率為0.1 m；采用胸徑尺測(cè)量每木胸徑(1.30 m樹(shù)高處周長(zhǎng))，并利用皮尺測(cè)量東西和南北方向的單木冠幅。根據(jù)研究需求，借助Trimble GeoXT6000手持GPS定位儀對(duì)樣地中心點(diǎn)進(jìn)行定位，定位精度達(dá)50 cm。外業(yè)樣地?cái)?shù)據(jù)統(tǒng)計(jì)結(jié)果見(jiàn)表1。

表1 外業(yè)樣地?cái)?shù)據(jù)基本統(tǒng)計(jì)量

1.3 機(jī)載全波形LiDAR數(shù)據(jù)

本研究機(jī)載全波形LiDAR數(shù)據(jù)采集時(shí)間為2012年8月26日，天氣狀況良好，采用的飛機(jī)型號(hào)為運(yùn)-5，相對(duì)飛行高度1300 m，搭載的LiDAR掃描系統(tǒng)為L(zhǎng)eica ALS60，采用的大地坐標(biāo)系統(tǒng)為WGS84，投影坐標(biāo)系統(tǒng)為UTM。Leica ALS60系統(tǒng)最高掃描頻率為200 kHz，最大視場(chǎng)角為75°。每個(gè)激光脈沖在地面上所形成的光斑直徑大約為0.2～0.3 m，全波形數(shù)據(jù)是返回脈沖被接收望遠(yuǎn)鏡接收后由采樣器對(duì)其進(jìn)行數(shù)字化采樣而成，記錄了激光光斑內(nèi)目標(biāo)物對(duì)應(yīng)的完整波形數(shù)據(jù)[7-8]。

2 數(shù)據(jù)處理與研究方法

2.1 樣地森林地上生物量計(jì)算

王正文等[9]對(duì)位于內(nèi)蒙古自治區(qū)呼倫貝爾市額爾古納右旗境內(nèi)白樺林生物量進(jìn)行了評(píng)估，并確定了白樺林AGB相對(duì)生長(zhǎng)模型如公式(1)所示，模型相關(guān)系數(shù)達(dá)到0.985。由于本研究區(qū)與前者地理位置相鄰且樹(shù)種相同，因此采用公式(1)計(jì)算樣地內(nèi)單木AGB。

(1)

則樣地AGB平均值為公式(2)所示：

(2)

式中：Wi表示第i株單木生物量，kg；Di表示第i株單木胸徑，cm；Hi表示第i株單木樹(shù)高，m；Wm表示樣地平均地上生物量，kg；n表示樣地內(nèi)單木株數(shù)。

2.2 全波形數(shù)據(jù)讀取

全波形文件的讀取是分析處理波形數(shù)據(jù)的首要前提。本研究采集的全波形數(shù)據(jù)經(jīng)過(guò)坐標(biāo)轉(zhuǎn)換等處理后，以LAS1.3格式存儲(chǔ)在文件中，LAS1.3增加了對(duì)全波形數(shù)據(jù)的支持，以二進(jìn)制形式存儲(chǔ)，記錄了接收到的完整波形數(shù)據(jù)，包括采樣間隔和實(shí)時(shí)記錄的方位等。通過(guò)訪問(wèn)一個(gè)激光點(diǎn)數(shù)據(jù)，能夠以映射字段訪問(wèn)到與該點(diǎn)關(guān)聯(lián)的返回脈沖波形，讀取到對(duì)應(yīng)的波形信息。計(jì)算機(jī)系統(tǒng)訪問(wèn)內(nèi)存速度比訪問(wèn)硬盤速度快得多，在讀取數(shù)據(jù)時(shí)如果少訪問(wèn)硬盤而更多地訪問(wèn)內(nèi)存，那么讀取速度將會(huì)快速提升。基于這種思路，本研究使用IDL編程語(yǔ)言借助內(nèi)存映射方法[10]實(shí)現(xiàn)了研究區(qū)LeicaALS60LAS1.3全波形數(shù)據(jù)的快速讀取。

2.3 分析處理與波形特征信息提取

本研究將原始全波形數(shù)據(jù)近似地看作不同目標(biāo)物后向散射高斯波形的疊加，是噪聲與一系列高斯分量之和在時(shí)間軸上的疊加，即原始全波形數(shù)據(jù)是等時(shí)間間隔采樣的序列{tm，f(tm)}，其中{tm，m=1，…，n}表示采樣時(shí)間，{f(tm)，m=1，…，n}表示采樣時(shí)間tm對(duì)應(yīng)的振幅值，符合混合高斯分布。使用公式(3)來(lái)表示由一系列簡(jiǎn)單高斯分量組成的原始波形數(shù)據(jù)。

(3)

2.3.1 噪聲去除

每條完整全波形數(shù)據(jù)對(duì)應(yīng)著19.2 m的沿脈沖距離，在實(shí)際工作環(huán)境中若不考慮異常噪聲點(diǎn)，則可穿透目標(biāo)物的分布范圍通常要小于這個(gè)長(zhǎng)度[11]。據(jù)此可選某個(gè)四分位數(shù)振幅值作為去噪閾值，從而剔除整個(gè)波形數(shù)據(jù)中的噪聲振幅值。四分位數(shù)方法適合于具有脈沖特征信號(hào)數(shù)據(jù)的平滑去噪，四分位數(shù)位置的計(jì)算如公式(4)所示。

(4)

2.3.2 波形分量個(gè)數(shù)確定

全波形數(shù)據(jù)高斯分解的準(zhǔn)確性和效率性與初始參數(shù)的選取有很大關(guān)系。本研究依據(jù)獲得的數(shù)據(jù)以離散點(diǎn)數(shù)據(jù)的形式給出，提出了離散型函數(shù)求解拐點(diǎn)。根據(jù)拐點(diǎn)特性，拐點(diǎn)前后曲線的上升(或下降)趨勢(shì)不一樣，若點(diǎn)P為該曲線的拐點(diǎn)，則其肯定滿足公式(5)。

(kAB-kBP)(kPC-kPD)<0。

(5)

式中：A、B表示點(diǎn)P前任意兩點(diǎn)，C、D表示點(diǎn)P后任意兩點(diǎn)，kAB，kBP，kPC，kCD分別表示直線AB、直線BP、直線PC、直線CD的斜率。該算法尤其適用于離散點(diǎn)數(shù)據(jù)橫坐標(biāo)為遞增等間距的情況，采集的LeicaALS60全波形數(shù)據(jù)本身是遞增等間隔采樣的數(shù)據(jù)。所以在離散點(diǎn)數(shù)據(jù)遞增等間隔采集時(shí)，若點(diǎn)(tm，f(tm))為波形的拐點(diǎn)，則滿足的判斷條件由公式(5)變換為了簡(jiǎn)化公式(6)。

G(m)=(f(tm)+f(tm-2)-f(tm-1))(f(tm+2)+f(tm)-2f(tm+1))<0。

(6)

式中：m=3，4，5，…，N-3，N表示全波形數(shù)據(jù)采樣點(diǎn)個(gè)數(shù)，通過(guò)全波形數(shù)據(jù)的讀取結(jié)果可知N為128。全波形數(shù)據(jù)可能存在多個(gè)拐點(diǎn)，當(dāng)算法開(kāi)始時(shí)，需要將所有的序列點(diǎn){tm，f(tm)}依次代入公式(6)，計(jì)算出G(m)，當(dāng)G(m)小于0時(shí)算法即可終止并存儲(chǔ)記錄m時(shí)的點(diǎn)(tm，f(tm))。由于高斯分布關(guān)于直線t=μ對(duì)稱，基于此將高斯分布的兩個(gè)拐點(diǎn)分別稱為左拐點(diǎn)和右拐點(diǎn)，自然地，一個(gè)高斯分布由其一個(gè)左拐點(diǎn)(tleft=μ-σ，f(tleft))及其一個(gè)右拐點(diǎn)(tright=μ-σ，f(tright))唯一確定，進(jìn)而確定該波形數(shù)據(jù)中的高斯分量個(gè)數(shù)[12-13]。

2.3.3 高斯分量初始特征參數(shù)估計(jì)

為解決實(shí)際波形數(shù)據(jù)中的左右拐點(diǎn)劃分，本研究在去除背景噪聲后將檢測(cè)出的拐點(diǎn)分別與其右邊第一個(gè)點(diǎn)連成直線，如果直線斜率大于零，則該拐點(diǎn)為左拐點(diǎn)；如果直線斜率小于零，則該拐點(diǎn)為右拐點(diǎn)。從而可將判斷出的所有拐點(diǎn)分為左、右拐點(diǎn)。

小學(xué)時(shí)期正是學(xué)生成長(zhǎng)的重要時(shí)期。在這個(gè)時(shí)期，學(xué)生的身心都在發(fā)展過(guò)程中，是對(duì)于學(xué)生進(jìn)行思想培養(yǎng)、促進(jìn)思維成長(zhǎng)的重要階段。在過(guò)去的教學(xué)當(dāng)中，課堂上的主體是教師，學(xué)生知識(shí)被動(dòng)的進(jìn)行學(xué)習(xí)，學(xué)生更多是死記硬背，使得學(xué)生的思想固化，阻礙了學(xué)生多種思維的發(fā)展，以至于影響了學(xué)生未來(lái)的成就。因此在現(xiàn)今的小學(xué)教學(xué)當(dāng)中，應(yīng)該提出學(xué)生的主體性地位，培養(yǎng)學(xué)生多方面能力，促進(jìn)學(xué)生的發(fā)展。

(7)

在確定了一個(gè)高斯分量的左拐點(diǎn)與其右拐點(diǎn)后，可以反推出其位置tm和半波寬σm的初始估計(jì)值，同時(shí)，將其左拐點(diǎn)和右拐點(diǎn)之間點(diǎn)的最大振幅值作為其峰值A(chǔ)m的初始估計(jì)值，它們的初始估計(jì)值如公式(7)所示。據(jù)此可以得到每個(gè)高斯分量的初始參數(shù)(Am、tm、σm)，從而完成該波形數(shù)據(jù)高斯分量初始特征參數(shù)估計(jì)步驟。

2.3.4 波形能量信息計(jì)算

高斯分量的能量信息是其波形擬合曲線與采樣時(shí)間軸所形成的面積，因而其計(jì)算方法如公式(8)所示。

(8)

式中：Em表示第m個(gè)高斯分量的能量值；Am表示通過(guò)波形擬合計(jì)算出的第m個(gè)高斯分量的波峰振幅值；tm表示通過(guò)波形擬合計(jì)算出的第m個(gè)高斯分量的位置；σm表示通過(guò)波形擬合計(jì)算出的第m個(gè)高斯分量的標(biāo)準(zhǔn)差(半寬)。

2.4 全波形數(shù)據(jù)激光穿透指數(shù)

本研究采用統(tǒng)計(jì)模型借助全波形激光穿透指數(shù)LPIfi對(duì)森林地上生物量進(jìn)行分析和驗(yàn)證。全波形數(shù)據(jù)激光穿透指數(shù)反映了激光脈沖的穿透能力，由以上內(nèi)容得知，本研究第i塊樣地內(nèi)的全波形激光穿透指數(shù)FiLPI恰好如公式(9)所示。

(9)

式中：i=1，2…80，N表示樣地內(nèi)個(gè)數(shù)；Eci和Egi分別表示第i塊樣地內(nèi)的全波形激光脈沖中的冠層返回脈沖能量和地面返回脈沖能量，需要通過(guò)波形能量信息計(jì)算公式(8)計(jì)算得到。

從外業(yè)采集的80個(gè)樣地?cái)?shù)據(jù)中隨機(jī)選取60個(gè)作為建模樣本，余下20個(gè)作為檢驗(yàn)樣本分別進(jìn)行森林地上生物量回歸模型的建模和驗(yàn)證。建模精度用決定系數(shù)R2評(píng)價(jià)，其值越大，說(shuō)明模型構(gòu)建結(jié)果越好；模型預(yù)測(cè)精度用RMSE(Root Mean Square Error，RMSE)進(jìn)行評(píng)價(jià)，其值越小，說(shuō)明模型預(yù)測(cè)效果越好。

3 結(jié)果與分析

3.1 樣地生物量計(jì)算

根據(jù)外業(yè)樣地實(shí)測(cè)數(shù)據(jù)按照2.1中的方法得到樣地AGB統(tǒng)計(jì)結(jié)果見(jiàn)表2。

表2 樣地生物量統(tǒng)計(jì)結(jié)果

3.2 全波形數(shù)據(jù)讀取結(jié)果與顯示

本研究按照上述方法借助IDL8.3平臺(tái)實(shí)現(xiàn)了研究區(qū)機(jī)載全波形LiDAR數(shù)據(jù)的讀取，并將其以波形的方式顯示出來(lái)，結(jié)果如圖1所示(某一條全波形數(shù)據(jù))。此外，不僅順利讀取了全波形數(shù)據(jù)，還同時(shí)獲取了與全波形數(shù)據(jù)相關(guān)的參數(shù)，如采樣的起始時(shí)間、結(jié)束時(shí)間、采樣間隔、采樣個(gè)數(shù)和坐標(biāo)位置參數(shù)等，這些數(shù)據(jù)為后續(xù)的波形分析處理與波形特征信息提取提供基礎(chǔ)參數(shù)信息。

圖1 編譯程序讀取并顯示的某條全波形數(shù)據(jù)Fig.1 A waveform record of this compiled program

由結(jié)果可知波形采樣數(shù)為128，相較于傳統(tǒng)離散回波LiDAR，全波形LiDAR不僅能記錄目標(biāo)物的三維坐標(biāo)信息[14-15]，還能存儲(chǔ)整個(gè)返回波形。由于讀取全波形數(shù)據(jù)文件需要專業(yè)軟件，本研究基于采集的LAS1.3機(jī)載全波形LiDAR數(shù)據(jù)，實(shí)現(xiàn)了全波形數(shù)據(jù)的快速讀取及可視化，為后續(xù)的波形分析處理與波形特征信息提取提供基礎(chǔ)。

3.3 全波形數(shù)據(jù)分析處理與波形特征信息提取結(jié)果

本研究根據(jù)后續(xù)工作的需要，通過(guò)上述闡述的方法對(duì)研究區(qū)樣地內(nèi)的Leica ALS60 LAS1.3格式的全波形數(shù)據(jù)進(jìn)行了處理。共有80個(gè)邊長(zhǎng)為10 m的方形樣地，記錄了約 8.2 萬(wàn)條的全波形數(shù)據(jù)，其中大約99.93%的都能得到很好處理，其余的根據(jù)局部最大值法進(jìn)行了處理。某條原始全波形數(shù)據(jù)的各步驟處理結(jié)果如圖2～4所示。

圖2 某條原始全波形數(shù)據(jù)的四分位數(shù)法噪聲估計(jì)Fig.2 Noise estimation of the quartiles of the raw full-waveform data

圖3 拐點(diǎn)計(jì)算結(jié)果與原始全波形數(shù)據(jù)的比較Fig.3 Comparison between result of inflection point calculation and the raw full-waveform data

圖4 高斯分量波形擬合結(jié)果與原始全波形數(shù)據(jù)的比較Fig.4 Comparison between component waveform fitting and the raw full-waveform data

在全波形掃描器的情況下，波形分解還可提供脈沖寬度和脈沖強(qiáng)度作為屬性，其中脈沖強(qiáng)度是返回信號(hào)的積分，因此該強(qiáng)度值物理上是脈沖能量。相比之下，傳統(tǒng)離散回波LiDAR系統(tǒng)僅提供返回信號(hào)的三維坐標(biāo)，并且在許多情況下也提供強(qiáng)度，然而一般情況下對(duì)該強(qiáng)度值是如何在這些系統(tǒng)中得到的知之甚少，通常它是返回脈沖的最大振幅值，其被錯(cuò)誤地稱為強(qiáng)度[14]。

通過(guò)波形數(shù)據(jù)的高斯分解，可以提取每個(gè)波形分量的振幅、寬度、位置等重要的波形特征信息，進(jìn)而計(jì)算每個(gè)波形分量的能量信息，即圖5中所示的起波點(diǎn)與止波點(diǎn)之間圍城的面積，且其計(jì)算方法如公式(8)所示。

圖5 Leica ALS60全波形數(shù)據(jù)及波形特征信息Fig.5 Leica ALS60 full-waveform data and waveform parameters

3.4 模型構(gòu)建結(jié)果與精度分析

經(jīng)統(tǒng)計(jì)分析得知，通過(guò)機(jī)載全波形LiDAR數(shù)據(jù)求出的全波形激光穿透指數(shù)FiLPI與實(shí)測(cè)AGB有較好的相關(guān)性(R2=0.885，RMSE=0.095)，模型構(gòu)建結(jié)果如圖6所示，建模結(jié)果比較理想且實(shí)測(cè)AGB與全波形激光穿透指數(shù)FiLPI具有明顯的負(fù)相關(guān)關(guān)系：AGB實(shí)測(cè)值隨著FiLPI的增大而減小，即當(dāng)森林地上生物量越大或森林越茂密時(shí)激光脈沖的穿透能力反而越小，這與森林樣地實(shí)際情況基本吻合。

圖6 FiLPI與AGB實(shí)測(cè)值的統(tǒng)計(jì)回歸關(guān)系Fig.6 Statistical Regression Relation between FiLPI and Measured AGB

通過(guò)驗(yàn)證樣本進(jìn)行預(yù)測(cè)，將計(jì)算出的AGB的估測(cè)值與AGB的實(shí)測(cè)值進(jìn)行對(duì)比，可以直觀地得到估測(cè)值與實(shí)測(cè)值之間的誤差，如圖7所示，可知AGB實(shí)測(cè)值與AGB估測(cè)值之間存在一定誤差，但出現(xiàn)較大誤差的情況極少。

通過(guò)計(jì)算得到驗(yàn)證樣地的RMSE為21.12 kg，且誤差波動(dòng)較小，這說(shuō)明該方法能夠有效地進(jìn)行森林AGB的估測(cè)。因此，基于本研究的機(jī)載全波形LiDAR數(shù)據(jù)的相應(yīng)算法與研究方法可以準(zhǔn)確地估測(cè)森林AGB，彌補(bǔ)了全波形數(shù)據(jù)估測(cè)森林AGB的方法和思路。

圖7 實(shí)測(cè)AGB與預(yù)測(cè)AGB的預(yù)測(cè)誤差Fig.7 The prediction error of the field-measured AGB against the predicted AGB

4 結(jié)論與討論

本研究基于機(jī)載LiDAR全波形數(shù)據(jù)，通過(guò)全波形數(shù)據(jù)相關(guān)處理算法的實(shí)現(xiàn)，能夠準(zhǔn)確地提取每個(gè)波形分量以及相應(yīng)的波形特征信息，在實(shí)際處理中表現(xiàn)出較好的適應(yīng)性。此外在每條全波形數(shù)據(jù)處理過(guò)程中，存儲(chǔ)記錄了其中每個(gè)波形分量的波峰振幅值、位置和波寬等波形特征信息(參數(shù))，尤其是首末次波形分量的，并計(jì)算存儲(chǔ)對(duì)應(yīng)的能量信息。進(jìn)而提取出全波形激光穿透指數(shù)FiLPI估測(cè)參數(shù)，并通過(guò)統(tǒng)計(jì)模型估測(cè)了森林樣地AGB，表明本文基于機(jī)載全波形LiDAR數(shù)據(jù)的相應(yīng)算法研究可以準(zhǔn)確地估測(cè)森林AGB，彌補(bǔ)了全波形數(shù)據(jù)估測(cè)森林AGB的方法和思路。

由于本研究的林型為闊葉林，樹(shù)種為白樺，在林型和樹(shù)種的多樣性方面比較單一。因此，在下一步工作中，希望將本研究中的算法應(yīng)用到不同類型的林區(qū)，以使機(jī)載全波形LiDAR數(shù)據(jù)森林AGB估測(cè)算法研究能夠得到推廣應(yīng)用驗(yàn)證，以提高相關(guān)算法研究及統(tǒng)計(jì)模型的理論性和可推廣性。

[1]尤號(hào)田，邢艷秋，王萌，等.小光斑激光雷達(dá)數(shù)據(jù)估測(cè)森林生物量研究進(jìn)展[J].森林工程，2014，30(3)：39-42.

[2]李妍，徐新良，張超.中國(guó)喬木林碳儲(chǔ)量變化研究[J].森林工程，2015，31(4)：50-55.

[3]李增元，劉清旺，龐勇.激光雷達(dá)森林參數(shù)反演研究進(jìn)展[J].遙感學(xué)報(bào)，2016，20(5)：1138-1150.

[4]Bortolot Z J，Wynne R H.Estimating Forest Biomass Using Small Footprint LiDAR Data：An Individual Tree-Based Approach that Incorporates Training Data[J].Isprs Journal of Photogrammetry & Remote Sensing，2005，59(6)：342-360.

[5]劉清旺，李增元，陳爾學(xué)，等.機(jī)載LIDAR點(diǎn)云數(shù)據(jù)估測(cè)單株木生物量[J].高技術(shù)通訊，2010，20(7)：765-770.

[6]王濤，龔建華，張利輝，等.基于機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)提取林木參數(shù)方法研究[J].測(cè)繪科學(xué)，2010，35(6)：47-49.

[7]王素元，馬洪超，王杰棟，等.基于分組LM算法的全波形LiDAR高斯分解[J].測(cè)繪與空間地理信息，2016(7)：144-147.

[8]邱賽，邢艷秋，田靜，等.星載LiDAR與HJ-1A/HSI高光譜數(shù)據(jù)聯(lián)合估測(cè)區(qū)域森林冠層高度[J].林業(yè)科學(xué)，2016，52(5)：142-149.[9]王正文，王德利，臧傳來(lái)，等.大興安嶺次生林白樺對(duì)林下日陰菅及其它主要草本植物的影響[J].生態(tài)學(xué)報(bào)，2001，21(8)：1301-1307.

[10]楊群.在VB利用內(nèi)存映射文件讀取大數(shù)據(jù)量原始遙感影像圖[J].計(jì)算機(jī)工程與應(yīng)用，2003，39(6)：135-137.

[11]盧昊，龐勇，徐光彩，等.機(jī)載激光雷達(dá)全波形數(shù)據(jù)與系統(tǒng)點(diǎn)云差異的定量分析[J].武漢大學(xué)學(xué)報(bào)信息科學(xué)版，2015，40(5)：588-593.

[12]段乙好，張愛(ài)武，劉詔，等.一種用于機(jī)載LiDAR波形數(shù)據(jù)高斯分解的高斯拐點(diǎn)匹配法[C]//全國(guó)地理信息科學(xué)博士生學(xué)術(shù)論壇，2014-11-21，2014：189-197.

[13]Mallet C，Bretar F.Full-Waveform Topographic Lidar：State-of-the-Art[J].Isprs Journal of Photogrammetry & Remote Sensing，2009，64(1)：1-16.

[14]Reitberger J，Schn?rr C，Krzystek P，et al.3D Segmentation of Single Trees Exploiting Full Waveform LIDAR data[J].Isprs Journal of Photogrammetry & Remote Sensing，2009，64(6)：561-574.

[15]Wagner W，Ullrich A，Ducic V，et al.Gaussian Decomposition and Calibration of a Novel Small-Footprint Full-Waveform Digitising Airborne Laser Scanner[J].Isprs Journal of Photogrammetry & Remote Sensing，2006，60(2)：100-112.

Estimation Algorithm of Forest Aboveground Biomass Based on Airborne Full-waveform LiDAR Data

Xing Yanqiu，Yao Songtao，Li Mengying，Xie Jie，Yan Can

(Center for Forest Operational Environment，Northeast Forestry University，Harbin 150040)

In order to improve the estimation accuracy of forest aboveground biomass(AGB)，this paper takes birch forest as the research object and airborne full-waveform light detection and ranging(LiDAR)data as the research data.First，the algorithms of LiDAR data reading and full-waveform information extraction were proposed.Then the waveform energy corresponding to each sample of full-waveform data was extracted and the full-waveform laser penetration indexFiLPIwas calculated.After that，the statistical regression model of AGB was established by using the indexFiLPI.Finally，the estimated value of forest AGB was compared with the measured value.Results showed that the indexFiLPIhas a good correlation with forest AGB(R2is 0.885，RMSEis 0.095)，and the error between the estimated value and the measured value of forest AGB was small，which improved the estimation accuracy of forest AGB and provided the method and idea of forest AGB estimated by airborne full-waveform LiDAR data.

Airborne LiDAR；full-waveform data；waveform data reading；waveform feature information extraction；birch forest；aboveground biomass

2016-04-18

國(guó)家林業(yè)局林業(yè)公益性行業(yè)科技專項(xiàng)基金(201504319)；國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(2013CB733404)

邢艷秋，博士，教授。研究方向：森工管理與林業(yè)信息工程。E-mail：yanqiuxing@nefu.edu.cn

邢艷秋，姚松濤，李夢(mèng)穎，等.基于機(jī)載全波形LiDAR數(shù)據(jù)的森林地上生物量估測(cè)算法研究[J].森林工程，2017，33(4)：21-26.

S 758.5

A

1001-005X(2017)04-0021-06