机载小光斑全波形LiDAR单木森林参数提取研究

The successful detection and delineation of individual tree from LiDAR（Light Detection and Ranging）data have significant implications in forestry resources surveying, development of forest growth model and high precise estimation of forest biomass. Full-waveform LiDAR systems have already been proved to have large potentialities in forest applications, by providing higher spatial point density and more additional information about the reflectional characteristics and vertical structure of trees. On the basis of analyzing the mechanism between the laser pulse and forest canopy, a relative radiometric calibration method by considering the multiple scattering, range, incidence angle and pulse energy will be developed to normalize the intensity from the waveform data. To take advantage of both the simplicity of the CHM-oriented methods and the 3D features of the point cloud, an innovative algorithm will be developed to improve the robustness of individual tree segmentation for different forest types. In addition, massive data solutions will be introduced to improve the speed and accuracy of the individual tree isolation in a large forest scene. Then, the waveform characteristics and 3D feature information will be combined to extract forest parameters at single tree scale and employ the high accuracy field data to evaluate the results. Thus, we will propose an effective technology for a large range of LiDAR data acquisition, processing and parameter extraction in forestry by fully exploring the potential of full-waveform data.

激光雷达单木及其参数有效提取在林业资源调查、森林生长模型、高精度生物量估测等方面具有重要意义。波形激光雷达在林业应用中有着巨大的优势，通过波形数据的处理可以获得更高密度的点云和更多林木反射与垂直结构信息。本研究拟在研究激光脉冲与森林冠层作用机理的基础上，考虑多次散射和距离、入射角、发射脉冲能量等因素对强度的影响，发展相对辐射定标方法。通过结合冠层高度模型简单易用和3D点云能够反应林木结构特征的优点，发展新的单木分割算法，提高分割算法在不同森林类型的鲁棒性。引入大数据量解决方案，提升大范围激光雷达数据单木识别的速度和精度。在单木分割的基础上，结合波形特征和三维空间信息进行单木尺度森林参数的提取，利用外业数据对提取结果进行定量评估。本研究通过充分挖掘激光雷达全波形数据在林业应用中的潜力，可为开展大范围激光雷达数据的获取、数据处理和森林参数提取提供有效的技术支撑。

森林垂直结构是陆地生态系统中重要的参数，提高遥感森林垂直结构的反演精度，对于森林资源监测、全球气候变化及其区域响应研究具有重要意义。激光雷达技术是近年来国际上发展十分迅速的主动遥感技术，在森林参数的定量测量和反演上取得了成功的应用，特别是对森林高度和垂直结构的探测能力，具有传统光学遥感数据难以比拟的优势。森林单木参数、蓄积量、叶面积指数和生物量等参数是森林生态系统的重要参数，其精确的估算具有十分重要的意义。主要完成工作如下：（1）整理已有的激光雷达数据和样地数据，根据研究需要进行外业数据补充调查，完成了典型林区的激光雷达数据采集。主要包括东北凉山红松林、长白山温带针阔混交林、云南西双版纳热带雨林、雷州红树林等，对不同地形及不同气候条件下的代表性林区开展了无人机、大型机载航空作业及相应的样地数据采集，并同步获得大量高清照片资料；结合近年来飞速发展的无人机技术和SLAM技术进行了林区大量数据的采集工作，目前为止共收集林业激光雷达数据650GB。.（2）根据激光雷达波形数据特征，建立高斯分解算法和相对辐射校正模型。波形数据直接使用较为不便，需要对波形数据进行进一步处理，采用了非线性最小二乘法对波形数据进行高斯拟合处理，详细描述了波形分解的工作流程和重要的处理步骤。波形数据进行数据分类是其重要的优势之一，然而使用未经标定的数据进行分类往往存在一定的问题，因此在高斯分解的基础上，对分解结果数据基于归一化的距离和能量进行相对辐射校正处理，增强波形数据间的可比性，以期提高分类结果的准确性和精度。最后对分解结果和相对辐射定标结果进行了定量分析。.（3）开发结合激光雷达CHM和三维点云数据的单木分割算法；构建分割结果是否正确的判断准则；利用外业数据定量评价分割结果，并测试算法在不同森林立地类型下的鲁棒性。