亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        LiDAR不同強(qiáng)度校正法對(duì)樟子松葉面積指數(shù)估測(cè)的影響

        2018-03-06 07:39:32尤號(hào)田邢艷秋丁建華
        測(cè)繪學(xué)報(bào) 2018年2期
        關(guān)鍵詞:入射角冠層校正

        尤號(hào)田,邢艷秋,彭 濤,丁建華

        1. 桂林理工大學(xué)測(cè)繪地理信息學(xué)院,廣西 桂林 541004; 2. 東北林業(yè)大學(xué)森林作業(yè)與環(huán)境研究中心,黑龍江 哈爾濱 150040

        針葉林作為森林的主要組成部分,在調(diào)節(jié)全球氣候、維持大氣平衡及全球碳循環(huán)等方面均發(fā)揮著重要的作用。森林冠層描述了林木枝、葉的分布狀況,控制著森林與外界的水分、能量及大氣交換,對(duì)于研究多種森林生物物理活動(dòng)具有重要意義[1-3]。作為森林冠層結(jié)構(gòu)定量化描述參數(shù),葉面積指數(shù)(leaf area index,LAI)定義為單位地表面積上所有葉片表面積的一半[4-6],在森林生長(zhǎng)預(yù)測(cè)[7]、火災(zāi)預(yù)警[8]及生態(tài)過(guò)程模擬[9]等方面均發(fā)揮著重要的作用。

        激光雷達(dá)(light detection and ranging,LiDAR)作為一種新型的主動(dòng)遙感技術(shù),不僅能夠獲得地物的結(jié)構(gòu)信息,同時(shí)也能獲得地物的回波強(qiáng)度信息。其中,強(qiáng)度信息作為與地表反射直接相關(guān)的信息源,具有結(jié)構(gòu)信息不可比擬的優(yōu)勢(shì),現(xiàn)已廣泛應(yīng)用于多種森林參數(shù)的估測(cè)研究中,如森林類型分類[10]、樹種識(shí)別[11]、森林孔隙度估測(cè)[12-14]、森林LAI估測(cè)[15-16]、森林生物量估測(cè)[17]等。

        然而,激光雷達(dá)強(qiáng)度在獲取過(guò)程中受多種因素的影響,如傳感器與目標(biāo)物之間的距離、入射角、地物反射率及大氣衰減等。近年來(lái),研究人員針對(duì)強(qiáng)度影響因素校正進(jìn)行了不斷的嘗試并獲得了不錯(cuò)的結(jié)果。如:文獻(xiàn)[12,18]利用距離對(duì)LiDAR點(diǎn)云強(qiáng)度數(shù)據(jù)進(jìn)行校正,進(jìn)而估測(cè)了森林LAI,雖獲得了不錯(cuò)的估測(cè)結(jié)果,但卻未對(duì)強(qiáng)度距離校正前后LAI估測(cè)結(jié)果差異進(jìn)行深入研究;文獻(xiàn)[19]同樣利用距離對(duì)LiDAR點(diǎn)云強(qiáng)度進(jìn)行校正,從中提取單束激光穿透指數(shù)用于估測(cè)白樺林LAI,結(jié)果經(jīng)驗(yàn)?zāi)P凸罍y(cè)精度R2=0.80,MAD=0.11,理論模型估測(cè)精度R2=0.77,RMSE=0.16,但同樣未對(duì)強(qiáng)度校正前后估測(cè)結(jié)果的差異進(jìn)行深入研究。與上述研究有所不同,文獻(xiàn)[20]對(duì)強(qiáng)度校正前后估測(cè)結(jié)果差異進(jìn)行了研究,利用距離、入射角及反射率對(duì)LiDAR點(diǎn)云強(qiáng)度進(jìn)行校正,從中提取激光穿透指數(shù)用于估測(cè)森林LAI,結(jié)果發(fā)現(xiàn)強(qiáng)度校正后森林LAI的估測(cè)精度R2=0.825,RMSE=0.165,結(jié)果遠(yuǎn)高于強(qiáng)度未校正時(shí)的估測(cè)結(jié)果(R2=0.726,RMSE=0.258),但卻未對(duì)單個(gè)因素校正前后的影響進(jìn)行深入分析。綜上分析可知,單因素強(qiáng)度校正森林LAI估測(cè)影響結(jié)果未知,不能實(shí)現(xiàn)強(qiáng)度數(shù)據(jù)有針對(duì)性的校正,會(huì)造成多因素綜合強(qiáng)度校正效率較低、人力物力浪費(fèi),甚至?xí)谝欢ǔ潭冉档凸罍y(cè)精度。因此,各影響因素強(qiáng)度校正影響的定量化研究顯得尤為重要,對(duì)于提高強(qiáng)度校正效率及森林參數(shù)估測(cè)精度具有重要意義。

        先前基于機(jī)載LiDAR點(diǎn)云數(shù)據(jù)森林LAI估測(cè)研究多以比爾朗伯定律為基礎(chǔ),通過(guò)對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分類處理進(jìn)而計(jì)算比值參數(shù),如:激光穿透指數(shù)(laser penetration index,LPI),用于替代比爾朗博定律內(nèi)的森林孔隙度。由比值參數(shù)的性質(zhì)可知,LPI通常是由兩類數(shù)據(jù)經(jīng)過(guò)比值運(yùn)算得到,而在比值運(yùn)算的過(guò)程中會(huì)對(duì)數(shù)據(jù)間的某些差異產(chǎn)生一定程度的影響,因而在反映強(qiáng)度校正前后數(shù)據(jù)差異時(shí)可能存在一定的不足[21]。為了與LPI參數(shù)形成對(duì)比,本研究同時(shí)引入了一個(gè)新的變量參數(shù),即冠層總強(qiáng)度(canopy intensity sum,CIS),定義為森林冠層部分所有離散LiDAR點(diǎn)云強(qiáng)度之和[22],由其定義可知,冠層總強(qiáng)度參數(shù)只與森林冠層的強(qiáng)度有關(guān),因而,理論上而言能夠更加直觀地反映強(qiáng)度校正對(duì)森林LAI估測(cè)的影響。

        因此,本研究分別采用距離、入射角及距離和入射角對(duì)機(jī)載LiDAR點(diǎn)云強(qiáng)度進(jìn)行校正,從中提取冠層總強(qiáng)度和強(qiáng)度比值兩種不同類型的參數(shù)變量,用于森林LAI的估測(cè)研究,從而實(shí)現(xiàn)各影響因素強(qiáng)度校正對(duì)不同類型參數(shù)估測(cè)森林LAI的影響進(jìn)行量化,以期為未來(lái)機(jī)載LiDAR強(qiáng)度數(shù)據(jù)林業(yè)應(yīng)用提供針對(duì)性的校正意見與建議。

        1 研究區(qū)與數(shù)據(jù)介紹

        1.1 研究區(qū)概況

        本研究以長(zhǎng)春凈月潭國(guó)家森林公園(125°21′E,43°52′N)為研究區(qū)。該公園位于長(zhǎng)春市東南部,地貌為低山丘陵,高程為220~406.5 m,北部高程較高且變化較大,南部則高程較低且變化較小。研究區(qū)處于地帶類型的過(guò)渡區(qū),因而植被組成相對(duì)豐富多樣,園區(qū)內(nèi)種植了大量的人工林,總面積高達(dá)80 km2,森林覆蓋率在96%以上。其中,樟子松(pinus sylvestris)作為研究區(qū)的主要組成樹種,成片分布于研究區(qū)內(nèi)。

        1.2 機(jī)載LiDAR離散點(diǎn)云數(shù)據(jù)

        2012年5月31日對(duì)研究區(qū)進(jìn)行機(jī)載LiDAR數(shù)據(jù)采集,研究區(qū)總共有9條南北航向的離散點(diǎn)云數(shù)據(jù)所覆蓋,相鄰航帶之間的重疊度在40%左右。本次LiDAR數(shù)據(jù)采集所用傳感器為L(zhǎng)eica ALS70,絕對(duì)航高為560 m,激光脈沖波長(zhǎng)為1064 nm,掃描角在±20°以內(nèi),掃描頻率為40.3 Hz,光斑直徑為0.28 m。LiDAR數(shù)據(jù)除包含地物的X、Y、Z坐標(biāo)數(shù)據(jù)外,還同時(shí)存儲(chǔ)了地物的強(qiáng)度、航向及對(duì)應(yīng)的掃描角數(shù)據(jù)。

        1.3 野外數(shù)據(jù)

        2014年7月在研究區(qū)樟子松林分內(nèi)隨機(jī)選取了30塊半徑為10 m的樣方。首先利用天寶GeoXH 6000 GPS和南方NTS 312B全站儀測(cè)定樣方中心點(diǎn)的坐標(biāo)、高程及坡度等信息,同時(shí)利用三星NV3魚眼鏡頭在每個(gè)樣方的中心點(diǎn)、4個(gè)主方向距中心點(diǎn)5 m處各采集一張半球影像。根據(jù)野外調(diào)查發(fā)現(xiàn),樣方內(nèi)林下植被高度絕大多數(shù)在1.5 m以下,為了減少林下植被對(duì)半球影像估測(cè)結(jié)果的影響,在采集半球影像時(shí)將魚眼鏡頭的高度設(shè)定為地面以上1.5 m,同時(shí)為了簡(jiǎn)化后續(xù)處理,半球影像拍攝時(shí)應(yīng)指向正北向,且避免太陽(yáng)直射。之后利用WinSCANOPY 2010軟件對(duì)采集到的半球影像進(jìn)行處理,最終取其均值作為樣方實(shí)測(cè)LAI。野外樣地基本統(tǒng)計(jì)量描述見表1。

        2 研究方法

        2.1 機(jī)載LiDAR點(diǎn)云數(shù)據(jù)預(yù)處理

        原始機(jī)載LiDAR數(shù)據(jù)通常會(huì)包含噪聲點(diǎn),因此在進(jìn)行點(diǎn)云數(shù)據(jù)處理之前先利用孤立點(diǎn)算法對(duì)其進(jìn)行去噪處理。接著對(duì)去除噪后的點(diǎn)云數(shù)據(jù)進(jìn)行重疊點(diǎn)移除操作,以消除相鄰航帶旁向重疊對(duì)點(diǎn)云密度造成的影響,并使點(diǎn)云掃描角在±10°以內(nèi)。之后利用不規(guī)則三角網(wǎng)濾波算法實(shí)現(xiàn)地面點(diǎn)及非地面點(diǎn)的分類處理,并利用不規(guī)則三角網(wǎng)插值算法將得到的地面點(diǎn)插值生成數(shù)字高程模型(digital elevation model,DEM),進(jìn)而完成非地面點(diǎn)的高程歸一化。最終將1.5 m以上的非地面點(diǎn)歸為植被點(diǎn),將1.5 m以下的非地面點(diǎn)和地面點(diǎn)統(tǒng)稱為地面點(diǎn)。

        表1 野外樣地基本統(tǒng)計(jì)量描述

        2.2 LiDAR強(qiáng)度數(shù)據(jù)校正

        2.2.1 雷達(dá)方程

        機(jī)載LiDAR系統(tǒng)的工作原理與雷達(dá)系統(tǒng)相似,因而LiDAR系統(tǒng)測(cè)得的強(qiáng)度數(shù)據(jù)同樣遵循雷達(dá)方程,如式(1)所示

        (1)

        式中,Pr為L(zhǎng)iDAR傳感器接收的強(qiáng)度值;Pt為L(zhǎng)iDAR傳感器發(fā)射的能量值;Dr為傳感器光圈的直徑;R為傳感器到目標(biāo)物體之間的距離;βt為激光脈沖的發(fā)散度;ηsys為L(zhǎng)iDAR系統(tǒng)的系統(tǒng)誤差;ηatm為大氣的衰減系數(shù);σ為被照射物體的后向散射橫截面。

        由式(1)可知,LiDAR系統(tǒng)記錄的強(qiáng)度值受LiDAR傳感器設(shè)置參數(shù)、大氣傳輸及照射物體特性的影響[23]。在假定被照射物體為理想朗伯體反射的時(shí)候,傳感器接收的能量與cosα成正比,所以被照射物體的后向散射橫截面可以表示為cosα的函數(shù),具體如式(2)所示[24-25]

        (2)

        式中,ρ為被照射物體的反射率;α為入射角。

        實(shí)際上,自然界中絕大多數(shù)物體均不是理想朗伯體反射,但因物體表面的具體反射特性不易獲得,同時(shí)也為了簡(jiǎn)化計(jì)算過(guò)程,依然采用理想朗伯體反射假設(shè)。將式(2)與式(1)進(jìn)行合并,式(1)可以表達(dá)為式(3)

        (3)

        因研究區(qū)的LiDAR數(shù)據(jù)均是在一次飛行任務(wù)中獲得,所以式(3)中的部分參數(shù)認(rèn)為是相同的,如Pt、Dr、ηsys和ηatm,同時(shí)因森林冠層真實(shí)的反射率數(shù)據(jù)不可獲得,因此忽略反射率的影響,統(tǒng)一將上述參數(shù)表示為常數(shù)C(文獻(xiàn)[25,27]),式(3)可以簡(jiǎn)化為式(4)

        (4)

        因而,本研究只對(duì)傳感器與目標(biāo)物體間的距離及入射角對(duì)LiDAR強(qiáng)度數(shù)據(jù)產(chǎn)生的影響進(jìn)行校正研究。

        2.2.2 距離校正

        由式(4)可知,LiDAR傳感器接收的強(qiáng)度值與傳感器和目標(biāo)物體間的距離及入射角有關(guān)。為了單獨(dú)研究強(qiáng)度數(shù)據(jù)距離校正對(duì)森林LAI估測(cè)產(chǎn)生的影響,在此先假定入射角為常數(shù),因此距離校正公式可簡(jiǎn)化為式(5)和式(6)

        (5)

        (6)

        式中,IR為校正后的強(qiáng)度數(shù)據(jù);Iraw為原始的強(qiáng)度數(shù)據(jù),由點(diǎn)云數(shù)據(jù)直接獲得;R為傳感器到目標(biāo)物體之間的距離;Rref為參考距離,取值1500 m;R′為點(diǎn)云數(shù)據(jù)的高程值,由點(diǎn)云數(shù)據(jù)直接獲得;θ為點(diǎn)云數(shù)據(jù)的掃描角,由點(diǎn)云數(shù)據(jù)直接獲得。

        此距離校正方法現(xiàn)已成功用于多種機(jī)載LiDAR強(qiáng)度數(shù)據(jù)的校正與應(yīng)用研究中[3,17,28]。

        2.2.3 入射角校正

        入射角定義為激光入射方向與物體表面法線之間的夾角。由定義可以看出,入射角不僅與激光的掃描角有關(guān),而且還與激光脈沖接觸表面的地形(坡度和坡向)有關(guān)。當(dāng)表面完全水平時(shí),入射角等于掃描角;當(dāng)物體表面存在坡度時(shí),入射角是掃描角、坡度和坡向共同作用的結(jié)果,計(jì)算過(guò)程見式(7)所示

        α=arccos[cosθcosφ+sinθsinφcos(β-θh)]

        (7)

        式中,α為入射角;φ為坡度,由DEM衍生得到的坡度專題圖計(jì)算得到;β為坡向,由DEM衍生得到的坡向?qū)n}圖計(jì)算得到;θh為水平投影角,由脈沖及飛行器位置共同計(jì)算得到,具體計(jì)算過(guò)程參見文獻(xiàn)[27]。有關(guān)公式的詳細(xì)推導(dǎo)過(guò)程參見文獻(xiàn)[27]。入射角校正與距離校正相似,即假定傳感器與目標(biāo)物體間的距離為常數(shù),因此校正的強(qiáng)度和入射角的余弦值成反比,如式(8)所示

        (8)

        式中,IA為入射角校正后的強(qiáng)度;αref為參考入射角,取值0°。

        現(xiàn)階段有關(guān)植被LiDAR強(qiáng)度入射角校正所采用的入射角有以下3種:①忽略地形的影響,完全采用掃描角;②考慮地形的影響,采用DEM與掃描角共同衍生得到入射角;③考慮地形及植被表面的影響,采用DEM和掃描角衍生得到地面點(diǎn)入射角,同時(shí)利用數(shù)字表面模型和掃描角衍生得到植被點(diǎn)的入射角。從理論上講,第3種入射角強(qiáng)度校正所得結(jié)果最為準(zhǔn)確,但因森林冠層結(jié)構(gòu)復(fù)雜,使得數(shù)字表面模型求得的入射角相對(duì)較大,會(huì)導(dǎo)致植被點(diǎn)云強(qiáng)度過(guò)矯正[27,29]。同時(shí)研究表明當(dāng)掃描角小于15°時(shí),掃描角強(qiáng)度校正對(duì)結(jié)果的影響不大,甚至可以忽略不計(jì)[30-31]。因而,出于簡(jiǎn)化計(jì)算的目的,部分先前研究常采用由DEM和掃描角共同衍生得到的入射角對(duì)機(jī)載LiDAR點(diǎn)云強(qiáng)度數(shù)據(jù)進(jìn)行校正進(jìn)而估測(cè)森林結(jié)構(gòu)參數(shù)[20,32],但卻均未考慮由DEM和掃描角共同衍生得到的入射角對(duì)森林植被點(diǎn)云強(qiáng)度校正的適用性。為了量化此入射角對(duì)森林植被點(diǎn)云強(qiáng)度校正的影響,進(jìn)而為后續(xù)研究提供針對(duì)性的校正意見與建議,本研究?jī)H對(duì)由DEM和掃描角共同衍生得到的入射角進(jìn)行研究。

        2.2.4 距離和入射角校正

        為了驗(yàn)證距離及入射角綜合強(qiáng)度校正對(duì)森林LAI估測(cè)的影響,本研究在距離和入射角單獨(dú)校正的基礎(chǔ)上綜合考慮二者共同校正的影響,其強(qiáng)度校正過(guò)程如式(9)所示

        (9)

        式中,IRA為距離和入射角共同校正后的強(qiáng)度;其余變量所代表的意義同上。

        2.3 強(qiáng)度參數(shù)提取

        本文分別選取了兩種不同類型的參數(shù)用于驗(yàn)證LiDAR強(qiáng)度校正前后對(duì)森林LAI估測(cè)的影響,其中一種為冠層總強(qiáng)度參數(shù);一種為強(qiáng)度比值參數(shù)。

        2.3.1 冠層總強(qiáng)度參數(shù)提取

        冠層總強(qiáng)度參數(shù)最早由文獻(xiàn)[22]從大光斑全波形激光雷達(dá)系統(tǒng)中提出,之后由文獻(xiàn)[33]引入機(jī)載LiDAR離散點(diǎn)云數(shù)據(jù)森林結(jié)構(gòu)參數(shù)估測(cè)研究。由CIS定義可知,在機(jī)載LiDAR離散點(diǎn)云應(yīng)用中,冠層總強(qiáng)度參數(shù)與多種因素有關(guān),如:樣方點(diǎn)云密度和樣方面積。為了消除點(diǎn)云密度及面積對(duì)CIS計(jì)算結(jié)果的影響,本研究在計(jì)算CIS的過(guò)程中充分考慮了樣方點(diǎn)云密度及樣方坡度的差異,具體計(jì)算過(guò)程如式(10)所示

        (10)

        2.3.2 強(qiáng)度比值參數(shù)提取

        為了與冠層總強(qiáng)度參數(shù)形成對(duì)比,本研究同時(shí)采用強(qiáng)度比值參數(shù),即激光穿透指數(shù)。LPI在計(jì)算的過(guò)程中充分考慮了激光在森林冠層內(nèi)部的傳輸,現(xiàn)已廣泛應(yīng)用于森林郁閉度及森林葉面積指數(shù)的估測(cè)研究[1,34]。有關(guān)此變量的詳細(xì)解釋見文獻(xiàn)[35],其計(jì)算過(guò)程如式(11)所示

        (11)

        式中,LPI為由強(qiáng)度數(shù)據(jù)計(jì)算得到的激光穿透指數(shù);∑Iground為樣方地面總強(qiáng)度,由樣方地面點(diǎn)云原始或校正強(qiáng)度計(jì)算得到;∑Ivegetation為樣方冠層總強(qiáng)度,由樣方植被點(diǎn)云原始或校正強(qiáng)度計(jì)算得到。

        2.4 森林LAI反演及精度評(píng)價(jià)

        為了更加直觀地體現(xiàn)點(diǎn)云強(qiáng)度校正對(duì)森林LAI估測(cè)的影響,本研究采用一元線性回歸對(duì)森林LAI進(jìn)行建模,具體如式(12)所示

        y=ax+b

        (12)

        式中,y為實(shí)測(cè)森林LAI;a為擬合系數(shù);x為CIS或-ln(LPI);b為常數(shù)項(xiàng)。同時(shí)由比爾朗伯定律可知,LAI與-ln(LPI)線性相關(guān),所以在用LPI對(duì)森林LAI進(jìn)行估測(cè)時(shí)應(yīng)先對(duì)其進(jìn)行對(duì)數(shù)變化[20]。

        因研究所用樣本數(shù)量相對(duì)較少,為了在有限樣本條件下獲得較為穩(wěn)定可靠的森林LAI估測(cè)結(jié)果,本研究采用留一交叉驗(yàn)證用于森林LAI估測(cè)模型的建立及精度評(píng)價(jià)。其中,模型決定系數(shù)(coefficient of determination,R2)和均方根誤差(root mean square error,RMSE)用作估測(cè)模型精度評(píng)價(jià)的指標(biāo)。

        3 結(jié)果分析與討論

        3.1 基于距離校正強(qiáng)度參數(shù)森林LAI估測(cè)結(jié)果

        3.1.1 冠層總強(qiáng)度參數(shù)估測(cè)結(jié)果

        距離強(qiáng)度校正前后CIS參數(shù)森林LAI估測(cè)結(jié)果如圖1所示。通過(guò)對(duì)圖1所示森林LAI估測(cè)結(jié)果進(jìn)行分析可知,對(duì)CIS參數(shù)而言,強(qiáng)度距離校正能夠提高森林LAI的估測(cè)精度。具體如圖1(a)所示,強(qiáng)度距離校正前森林LAI的估測(cè)精度R2=0.646,RMSE=0.226,強(qiáng)度經(jīng)距離校正后森林LAI的估測(cè)精度R2=0.714,RMSE=0.203(圖1(b)),相較強(qiáng)度距離校正前R2增加了0.068,RMSE減少了0.023。

        圖1 野外實(shí)測(cè)LAI與CIS變量預(yù)測(cè)LAI關(guān)系Fig.1 The relationships between the field-measured LAI and CIS predicted LAI

        3.1.2 強(qiáng)度比值參數(shù)估測(cè)結(jié)果

        距離強(qiáng)度校正前后LPI參數(shù)森林LAI估測(cè)結(jié)果如圖2所示。通過(guò)對(duì)圖2所示LPI參數(shù)強(qiáng)度校正前后森林LAI估測(cè)結(jié)果進(jìn)行對(duì)比分析發(fā)現(xiàn),對(duì)LPI參數(shù)而言,強(qiáng)度經(jīng)距離校正雖對(duì)森林LAI的估測(cè)結(jié)果有影響,但影響不大。如圖2(a)所示,強(qiáng)度校正前LPI森林LAI估測(cè)結(jié)果R2=0.794,RMSE=0.172;如圖2(b)所示,強(qiáng)度校正后LPI森林LAI估測(cè)結(jié)果R2=0.795,RMSE=0.172,相較強(qiáng)度校正前估測(cè)精度R2僅增加了0.001,RMSE則保持不變。

        圖2 野外實(shí)測(cè)LAI與LPI變量預(yù)測(cè)LAI關(guān)系Fig.2 The relationships between the field-measured LAI and LPI predicted LAI

        對(duì)圖1和圖2所示結(jié)果進(jìn)行綜合分析可知,無(wú)論是CIS參數(shù)還是LPI參數(shù),點(diǎn)云強(qiáng)度距離校正均能提高森林LAI估測(cè)精度,只是在增長(zhǎng)量上稍有差異,具體為CIS參數(shù)估測(cè)結(jié)果增量高于LPI估測(cè)結(jié)果增量。結(jié)果表明,強(qiáng)度距離校正能夠提高森林LAI估測(cè)精度,且強(qiáng)度比值參數(shù)在一定程度上減弱了強(qiáng)度距離校正對(duì)森林LAI估測(cè)的影響。這一結(jié)果與先前研究在某種意義上具有一致性,先前研究認(rèn)為傳感器與目標(biāo)之間的距離是所有強(qiáng)度數(shù)據(jù)影響因素中最為重要的因素,距離強(qiáng)度校正能在一定程度上提高估測(cè)結(jié)果精度[36]。

        3.2 基于入射角校正強(qiáng)度參數(shù)森林LAI估測(cè)結(jié)果

        3.2.1 冠層總強(qiáng)度參數(shù)估測(cè)結(jié)果

        入射角強(qiáng)度校正后CISA參數(shù)森林LAI估測(cè)結(jié)果如圖3所示。對(duì)CIS參數(shù)而言,強(qiáng)度經(jīng)入射角校正后森林LAI的反演精度非但沒能得到提高,反而出現(xiàn)了一定程度的下降。如圖3所示,強(qiáng)度經(jīng)入射角校正后的估測(cè)精度R2=0.610,RMSE=0.237,相較強(qiáng)度校正前估測(cè)結(jié)果R2降低了0.036,RMSE增加了0.011。

        圖3 野外實(shí)測(cè)LAI與CISA預(yù)測(cè)LAI關(guān)系Fig.3 The relationships between the field-measured LAI and CISA predicted LAI

        3.2.2 強(qiáng)度比值參數(shù)估測(cè)結(jié)果

        入射角強(qiáng)度校正后LPIA參數(shù)森林LAI估測(cè)結(jié)果如圖4所示。對(duì)LPI參數(shù)而言,入射角強(qiáng)度校正在一種程度上降低了森林LAI的估測(cè)精度,但結(jié)果差異不明顯。如圖4所示,強(qiáng)度經(jīng)入射角校正森林LAI的估測(cè)結(jié)果R2=0.793,RMSE=0.173,相較強(qiáng)度校正前森林LAI估測(cè)結(jié)果而言,R2降低了0.001,RMSE增大了0.001。

        通過(guò)對(duì)圖3和圖4所示結(jié)果進(jìn)行綜合分析可知,無(wú)論是CIS參數(shù)還是LPI參數(shù),強(qiáng)度經(jīng)入射角校正對(duì)森林LAI估測(cè)的影響均為負(fù),且CIS參數(shù)估測(cè)結(jié)果的降低量要大于LPI參數(shù)估測(cè)結(jié)果的降低量。結(jié)果表明,由DEM和掃描角計(jì)算得到的入射角不適于樟子松冠層點(diǎn)云強(qiáng)度校正,同時(shí)強(qiáng)度比值參數(shù)在一定程度上減弱了入射角強(qiáng)度校正對(duì)森林LAI估測(cè)產(chǎn)生的影響。

        圖4 野外實(shí)測(cè)LAI與LPIA預(yù)測(cè)LAI關(guān)系Fig.4 The relationships between the field-measured LAI and LPIA predicted LAI

        本研究入射角強(qiáng)度校正影響為負(fù),可以從以下兩個(gè)方面來(lái)解釋:

        (1) 研究所采用強(qiáng)度校正入射角均是由DEM和掃描角共同衍生得到,而未對(duì)森林不同點(diǎn)云強(qiáng)度入射角校正進(jìn)行差異化處理。眾所周知,森林內(nèi)成片的林木樹冠表面會(huì)形成一個(gè)連續(xù)的、類似DEM的表面,稱為數(shù)字表面模型(digital surface model,DSM),這個(gè)DSM與林木的生長(zhǎng)狀況及林木冠層起伏密切相關(guān)。由DEM和掃描角共同衍生得到的入射角適用于森林地面點(diǎn)強(qiáng)度校正,卻不適用于森林冠層植被點(diǎn)的強(qiáng)度校正,主要是因?yàn)樵谕籜、Y處,DEM和DSM衍生得到的坡度坡向數(shù)據(jù)差異相對(duì)較大,因而由DSM和掃描角衍生得到的入射角不能等同由DEM和掃描角共同衍生得到的入射角,所以用由DEM和掃描角共同衍生得到的入射角對(duì)林木冠層點(diǎn)云強(qiáng)度數(shù)據(jù)進(jìn)行校正存在一定的不足。

        (2) 研究采用雷達(dá)方程校正入射角的影響時(shí),物體表面被假定為理想的朗伯體反射,因此物體反射強(qiáng)度和cosα成一定的比例[24],而現(xiàn)實(shí)自然界內(nèi)的絕大多數(shù)物體并不完全遵循朗伯體反射,物體非朗伯體反射部分的存在在一定程度上也會(huì)造成校正結(jié)果的不準(zhǔn)確性。綜上所述,在未來(lái)林業(yè)LiDAR強(qiáng)度校正研究中,應(yīng)采用更為合適的校正算法對(duì)森林不同點(diǎn)云強(qiáng)度數(shù)據(jù)進(jìn)行差異化校正,進(jìn)而提高森林結(jié)構(gòu)參數(shù)估測(cè)精度。

        強(qiáng)度校正對(duì)于兩種不同類型參數(shù)估測(cè)結(jié)果的影響程度因其性質(zhì)不同而互有差異。強(qiáng)度經(jīng)距離和入射角校正對(duì)冠層總強(qiáng)度參數(shù)的影響相對(duì)較大,而對(duì)強(qiáng)度比值參數(shù)的影響相對(duì)較小。如前所述,強(qiáng)度比值參數(shù)是由地面總強(qiáng)度和樣方總強(qiáng)度經(jīng)過(guò)比值運(yùn)算得到,比值運(yùn)算在一定程度上減弱了強(qiáng)度校正對(duì)森林LAI估測(cè)產(chǎn)生的影響;而冠層總強(qiáng)度參數(shù)為強(qiáng)度的簡(jiǎn)單加和,在一定程度上很好地保留了強(qiáng)度校正的影響。文獻(xiàn)[21]曾得出類似結(jié)論,認(rèn)為圖像方差之間的比值運(yùn)算能夠消除光學(xué)影像中物體和背景之間的對(duì)比差異。因此,未來(lái)應(yīng)根據(jù)研究目的的不同選用合適的參數(shù)變量。

        3.3 基于距離和入射角校正強(qiáng)度參數(shù)森林LAI估測(cè)結(jié)果

        3.3.1 冠層總強(qiáng)度參數(shù)估測(cè)結(jié)果

        距離和入射角強(qiáng)度校正CISRA參數(shù)森林LAI估測(cè)結(jié)果如圖5所示。對(duì)CIS參數(shù)而言,強(qiáng)度經(jīng)距離和入射角校正能夠提高森林LAI的估測(cè)精度。如圖5所示,強(qiáng)度經(jīng)距離和入射角校正后森林LAI的估測(cè)精度R2=0.681,RMSE=0.214,較強(qiáng)度校正前森林LAI估測(cè)結(jié)果R2提高了0.035,RMSE降低了0.012。

        圖5 野外實(shí)測(cè)LAI與CISRA預(yù)測(cè)LAI關(guān)系Fig.5 The relationships between the field-measured LAI and CISRA predicted LAI

        綜合對(duì)比分析圖1、圖3和圖5所示結(jié)果可知,強(qiáng)度經(jīng)距離和入射角校正CISRA森林LAI的估測(cè)精度低于強(qiáng)度經(jīng)距離校正的結(jié)果,但高于強(qiáng)度經(jīng)入射角校正的結(jié)果。究其原因是主要距離校正對(duì)森林LAI的估測(cè)為正的影響,入射角校正對(duì)森林LAI的估測(cè)為負(fù)的影響,所以二者綜合校正的結(jié)果雖為正,但估測(cè)精度卻低于單獨(dú)距離校正的估測(cè)精度。結(jié)果表明:對(duì)樟子松而言,強(qiáng)度距離校正森林LAI估測(cè)結(jié)果最優(yōu),入射角的引入非但沒能提高結(jié)果精度,反而降低了估測(cè)精度。

        3.3.2 強(qiáng)度比值參數(shù)估測(cè)結(jié)果

        距離和入射角強(qiáng)度校正LPIRA參數(shù)森林LAI估測(cè)結(jié)果如圖6所示。對(duì)LPI參數(shù)而言,強(qiáng)度經(jīng)距離和入射角校正對(duì)森林LAI估測(cè)精度的影響不大,但整體卻表現(xiàn)為負(fù)的影響。如圖6所示,強(qiáng)度經(jīng)距離和入射角校正森林LAI估測(cè)結(jié)果R2=0.794,RMSE=0.173,較強(qiáng)度校正前森林LAI估測(cè)結(jié)果僅在RMSE上增大了0.001,R2則保持不變。

        圖6 野外實(shí)測(cè)LAI與LPIRA預(yù)測(cè)LAI關(guān)系Fig.6 The relationships between the field-measured LAI and LPIRA predicted LAI

        通過(guò)對(duì)圖2、圖4和圖6所示結(jié)果進(jìn)行綜合分析發(fā)現(xiàn),強(qiáng)度經(jīng)距離和入射角校正LPIRA森林LAI估測(cè)結(jié)果低于強(qiáng)度距離校正估測(cè)結(jié)果,卻優(yōu)于強(qiáng)度入射角校正估測(cè)結(jié)果,總體精度處于二者之間。與此同時(shí),強(qiáng)度經(jīng)距離、入射角、距離和入射角校正與強(qiáng)度未校正LPI參數(shù)森林LAI估測(cè)結(jié)果差異不大,甚至可以忽略不計(jì)。

        4 結(jié) 論

        本文分別采用距離、入射角及距離和入射角分別對(duì)機(jī)載LiDAR點(diǎn)云強(qiáng)度數(shù)據(jù)進(jìn)行校正,從中提取冠層總強(qiáng)度和強(qiáng)度比值兩種不同類型參數(shù),分別用于量化各因素強(qiáng)度校正對(duì)樟子松LAI估測(cè)的影響,得出以下結(jié)論:

        (1) 不同因子強(qiáng)度校正對(duì)森林LAI估測(cè)結(jié)果的影響不同。具體而言,距離校正能夠提高森林LAI的估測(cè)精度,但由DEM和掃描角共同衍生得到的入射角校正非但不能提高森林LAI的估測(cè)精度,反而降低了估測(cè)精度。相較而言,強(qiáng)度經(jīng)距離和入射角綜合校正雖能提高森林LAI的估測(cè)精度,但結(jié)果卻低于距離單獨(dú)校正的結(jié)果。

        (2) 強(qiáng)度校正對(duì)森林LAI估測(cè)結(jié)果影響程度與所用變量參數(shù)類型密切相關(guān)。對(duì)強(qiáng)度比值參數(shù)而言,強(qiáng)度校正前后對(duì)森林LAI估測(cè)結(jié)果的影響不大;而對(duì)冠層總強(qiáng)度參數(shù)而言,強(qiáng)度校正前后森林LAI估測(cè)結(jié)果的差異較為明顯。

        本研究所得結(jié)論是在地形結(jié)構(gòu)相對(duì)平坦,樹種結(jié)構(gòu)較為單一區(qū)域得出,至于地形復(fù)雜區(qū)域結(jié)論的適用性有待進(jìn)一步驗(yàn)證。因此,在未來(lái)的研究中應(yīng)逐漸擴(kuò)大研究范圍,以驗(yàn)證上述結(jié)論在地形結(jié)構(gòu)相對(duì)復(fù)雜、林種組成多樣區(qū)域的適用性。

        [1] SUMNALL M J, FOX T R, WYNNE R H, et al. Estimating Leaf Area Index at Multiple Heights within the Understory Component of Loblolly Pine Forests from Airborne Discrete-return LiDAR[J]. International Journal of remote Sensing, 2016, 37(1): 78-99.

        [2] BRéDA N J J. Ground-based Measurements of Leaf Area Index: A Review of Methods, Instruments and Current Controversies[J]. Journal of Experimental Botany, 2003, 54(392): 2403-2417.

        [3] GATZIOLIS D. Dynamic Range-Based Intensity Normalization for Airborne, Discrete Return LiDAR Data of Forest Canopies[J]. Photogrammetric Engineering & Remote Sensing, 2011, 77(3): 251-259.

        [4] CHEN J M, BLACK T A. Measuring Leaf Area Index of Plant Canopies with Branch Architecture[J]. Agricultural and Forest Meteorology, 1991, 57(1-3): 1-12.

        [5] CHEN J M, PAVLIC G, BROWN L, et al. Derivation and Validation of Canada-wide Coarse-resolution Leaf Area Index Maps Using High-resolution Satellite Imagery and Ground Measurements[J]. Remote Sensing of Environment, 2002, 80(1): 165-184.

        [6] 尤號(hào)田, 邢艷秋, 王錚, 等. 利用LiDAR離散點(diǎn)云估測(cè)針葉林葉面積指數(shù)[J]. 西北林學(xué)院學(xué)報(bào), 2014, 29(3): 41-47.

        YOU Haotian, XING Yanqiu, WANG Zheng, et al. Estimation of the Leaf Area Index of Coniferous Forests Using LiDAR Discrete Point Cloud[J]. Journal of Northwest Forestry University, 2014, 29(3): 41-47.

        [7] WOODGATE W, DISNEY M, ARMSTON J D, et al. An Improved Theoretical Model of Canopy Gap Probability for Leaf Area Index Estimation in Woody Ecosystems[J]. Forest Ecology and Management, 2015, 358: 303-320.

        [8] FINNEY M A. FARSITE: Fire Area Simulator-model Development and Evaluation[R]. RMRS-RP-4, USDA Forest Service, 1998.

        [9] MORSDORF F, K?TZ B, MEIER E, et al. Estimation of LAI and Fractional Cover from Small Footprint Airborne Laser Scanning Data Based on Gap Fraction[J]. Remote Sensing of Environment, 2006, 104(1): 50-61.

        [10] WANG Cheng, GLENN N F. Integrating LiDAR Intensity and Elevation Data for Terrain Characterization in A Forested Area[J]. IEEE Geoscience and Remote Sensing Letters, 2009, 6(3): 463-466.

        [11] KIM S, MCGAUGHEY R J, ANDERSEN H E, et al. Tree Species Differentiation Using Intensity Data Derived from Leaf-on and Leaf-off Airborne Laser Scanner Data[J]. Remote Sensing of Environment, 2009, 113(8): 1575-1586.

        [12] HOPKINSON C, CHASMER L. Testing LiDAR Models of Fractional Cover Across Multiple Forest Ecozones[J]. Remote Sensing of Environment, 2009, 113(1): 275-288.

        [13] ZHAO Kaiguang, POPESCU S. LiDAR-based Mapping of Leaf Area Index and Its Use for Validating GLOBCARBON Satellite LAI Product in a Temperate Forest of the Southern USA[J]. Remote Sensing of Environment, 2009, 113(8): 1628-1645.

        [14] 尤號(hào)田, 邢艷秋, 冉慧, 等. 基于LiDAR點(diǎn)云能量信息的樟子松郁閉度反演方法[J]. 北京林業(yè)大學(xué)學(xué)報(bào), 2014, 36(6): 30-35.

        YOU Haotian, XING Yanqiu, RAN Hui, et al. Inversion Method for the Crown Density of Mongolian Scotch Pine from Point Cloud Data of Small-footprint LiDAR[J]. Journal of Beijing Forestry University, 2014, 36(6): 30-35.

        [15] LOVELL J L, JUPP D L B, CULVENOR D S, et al. Using Airborne and Ground-based Ranging LiDAR to Measure Canopy Structure in Australian Forests[J]. Canadian Journal of Remote Sensing, 2003, 29(5): 607-622.

        [16] SOLBERG S. Comparing Discrete Echoes Counts and Intensity Sums from ALS for Estimating Forest LAI and Gap Fraction[C]∥Proceedings of the SilviLaser 2008: the 8th International Conference on LiDAR Applications in Forest Assessment and Inventory. Edinburgh: Heriot-Watt University, 2008: 301-304.

        [18] HEISKANEN J, KORHONEN L, HIETANEN J, et al. Use of Airborne LiDAR for Estimating Canopy Gap Fraction and Leaf Area Index of Tropical Montane Forests[J]. International Journal of Remote Sensing, 2015, 36(10): 2569-2583.

        [19] 邢艷秋, 霍達(dá), 尤號(hào)田, 等. 基于機(jī)載LiDAR單束激光穿透指數(shù)的白樺林LAI估測(cè)[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2016, 27(11): 3469-3478.

        XING Yanqiu, HUO Da, YOU Haotian, et al. Estimation of Birch Forest LAI Based on Single Laser Penetration Index of Airborne LiDAR Data[J]. Chinese Journal of Applied Ecology, 2016, 27(11): 3469-3478.

        [20] 駱社周, 王成, 張貴賓, 等. 機(jī)載激光雷達(dá)森林葉面積指數(shù)反演研究[J]. 地球物理學(xué)報(bào), 2013, 56(5): 1467-1475.

        LUO Shezhou, WANG Cheng, ZHANG Guibin, et al. Forest Leaf Area Index (LAI) Inversion Using Airborne LiDAR Data[J]. Chinese Journal of Geophysics, 2013, 56(5): 1467-1475.

        [21] SONG C. Estimating Tree Crown Size with Spatial Information of High Resolution Optical Remotely Sensed Imagery[J]. International Journal of Remote Sensing, 2007, 28(15): 3305-3322.

        [22] MEANS J E, ACKER S A, HARDING D J, et al. Use of Large-footprint Scanning Airborne LiDAR to Estimate Forest Stand Characteristics in the Western Cascades of Oregon[J]. Remote Sensing of Environment, 1999, 67(3): 298-308.

        [23] JELALIAN A V. Laser Radar Systems[M]. Boston: Artech House, 1992: 3-10.

        [24] JUTZI B, STILLA U. Range Determination with Waveform Recording Laser Systems Using a Wiener Filter[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2006, 61(2): 95-107.

        [25] H?FLE B, PFEIFER N. Correction of Laser Scanning Intensity Data: Data and Model-driven Approaches[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2007, 62(6): 415-433.

        [26] RONCAT A, BERGAUER G, PFEIFER N.B-spline Deconvolution for Differential Target Cross-section Determination in Full-waveform Laser Scanning Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2011, 66(4): 418-428.

        [27] YAN W Y, SHAKER A. Radiometric Correction and Normalization of Airborne LiDAR Intensity Data for Improving Land-cover Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(12): 7658-7673.

        [28] KORPELA I, ?RKA H O, HYYPPJ, et al. Range and AGC Normalization in Airborne Discrete-return LiDAR Intensity Data for Forest Canopies[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2010, 65(4): 369-379.

        [29] KAASALAINEN S, JAAKKOLA A, KAASALAINEN M, et al. Analysis of Incidence Angle and Distance Effects on Terrestrial Laser Scanner Intensity: Search for Correction Methods[J]. Remote Sensing, 2011, 3(10): 2207-2221.

        [30] COREN F, STERZAI P. Radiometric Correction in Laser Scanning[J]. International Journal of Remote Sensing, 2006, 27(15): 3097-3104.

        [31] KUKKO A, KAASALAINEN S, LITKEY P. Effect of Incidence Angle on Laser Scanner Intensity and Surface Data[J]. Applied Optics, 2008, 47(7): 986-992.

        [32] MORSDORF F, FREY O, MEIER E, et al. Assessment of the Influence of Flying Altitude and Scan Angle on Biophysical Vegetation Products Derived from Airborne Laser Scanning[J]. International Journal of Remote Sensing, 2008, 29(5): 1387-1406.

        [33] HALL S A, BURKE I C, BOX D O, et al. Estimating Stand Structure Using Discrete-return LiDAR: An Example from Low Density, Fire Prone Ponderosa Pine Forests[J]. Forest Ecology and Management, 2005, 208(1-3): 189-209.

        [34] JENSEN J L R, HUMES K S, VIERLING L A, et al. Discrete Return LiDAR-based Prediction of Leaf Area Index in Two Conifer Forests[J]. Remote Sensing of Environment, 2008, 112(10): 3947-3957.

        [35] PEDUZZI A, WYNNE R H, FOX T R, et al. Estimating Leaf Area Index in Intensively Managed Pine Plantations Using Airborne Laser Scanner Data[J]. Forest Ecology and Management, 2012, 270: 54-65.

        [36] HOPKINSON C. The Influence of Flying Altitude, Beam Divergence, and Pulse Repetition Frequency on Laser Pulse Return Intensity and Canopy Frequency Distribution[J]. Canadian Journal of Remote Sensing, 2007, 33(4): 312-324.

        猜你喜歡
        入射角冠層校正
        一般三棱鏡偏向角與入射角的關(guān)系
        基于低空遙感的果樹冠層信息提取方法研究
        基于激光雷達(dá)的樹形靶標(biāo)冠層葉面積探測(cè)模型研究
        安徽省淮南森林冠層輻射傳輸過(guò)程的特征
        劉光第《南旋記》校正
        預(yù)制圓柱形鎢破片斜穿甲鋼靶的破孔能力分析*
        一類具有校正隔離率隨機(jī)SIQS模型的絕滅性與分布
        用經(jīng)典定理證明各向異性巖石界面異常入射角的存在
        機(jī)內(nèi)校正
        施氮水平對(duì)冬小麥冠層氨揮發(fā)的影響
        久久久久久人妻一区二区无码Av| 精品久久欧美熟妇www| 美女扒开内裤让男生桶| 久9热免费精品视频在线观看| 在线观看亚洲视频一区二区| 亚洲最新无码中文字幕久久 | 亚洲国产精品午夜电影| 亚洲视频观看一区二区| 91露脸半推半就老熟妇| 欧美人与物videos另类 | 亚洲成a人片在线观看中| 国产精品无码久久久久免费AV| 久久中文字幕av第二页| 男女av免费视频网站| 国产精品久久国产精品99 | 色偷偷av一区二区三区| 亚洲国产高清在线观看视频| 熟女少妇av免费观看| 偷拍一区二区三区高清视频| 人妻熟女一区二区三区app下载 | 国产精品国产自线拍免费| 久草中文在线这里只有精品| 精品久久久久久久无码人妻热| 一个人看的www免费视频中文| 蜜桃av噜噜一区二区三区香| 国内自拍色第一页第二页| 日韩成人无码| 国模无码视频专区一区| 国产精品人成在线观看不卡| 亚洲人成网站色7799| 少妇高潮惨叫久久久久久| 亚洲av伊人久久综合性色| 成人国产精品一区二区八戒网| 久久99久久99精品中文字幕| 国产亚洲精品日韩综合网| aa视频在线观看播放免费 | 日本最新在线一区二区| 天堂网av一区二区三区在线观看 | 在线a免费观看| 亚洲视频在线中文字幕乱码| 中文字幕无码成人片|