[发明专利]一种LiDAR波形综合特征的单木识别方法

说明书

技术领域

本发明涉及森林资源管理与保护技术领域，具体涉及一种LiDAR波形综合特征的单木识别方法。

背景技术

精确的树种分类对于森林资源调查、动态监测以及生物多样性研究以及模拟指定树种的单木生长有重要意义。同时，这些信息也可以用于森林资源调查、动态监测以及生物多样性研究，从而为小尺度和中等尺度的森林资源规划和集约管理提供精确的数据支撑。常规的森林树种调查方法主要依赖于野外调查及利用大比例尺航片判读等，其精度往往不高，且难于在大区域上实用化推广。激光雷达(LiDAR，Light Detection and Ranging)是通过发射激光束击打物体表面并分析其返回信号的一种主动遥感技术。通过LiDAR可获得高精度的地球表面及地表实体的高度信息，如地形和植被等可达到亚米级的垂直精度。现有研究表明，LiDAR可穿透森林冠层获得其三维结构特征，特别适合植被覆盖度高且森林结构复杂地区森林信息提取。

近年来基于小光斑LiDAR数据进行树种分类研究为：等2009年在《Remote Sensing of Environment》第113卷上发表的“Classifying species of individual trees by intensity and structure features derived from airborne laser scanner data”，该研究在已有的单木位置和冠幅信息基础上，提取了单木的多个高度(如最大高，平均高和高度百分位数等)及统计(如高度分布的峰度和偏度等)特征变量，并据此对挪威寒带森林中的针叶和阔叶树种进行了分类。Kim等2009年在《Remote Sensing of Environment》第113卷上发表的“Tree species differentiation using intensity data derived from leaf-on and leaf-off airborne laser scanner data”，该研究分别从“未落叶”和“落叶”两种状态下提取LiDAR点云中的强度信息，并融合这些信息用于北美温带森林中的针叶和阔叶树种分类。Heinzel等2011年在《International Journal of Applied Earth Observation and Geoinformation》第13卷上发表的“Exploring full-waveform LiDAR parameters for tree species classification”，该研究结合地面调查数据，通过从LiDAR波形数据中提取强度，波宽以及目标物返回点数等信息并结合线性可分性(LDA)分析进行变量筛选，对欧洲中部的6个树种进行了遥感分类。然而，以上方法大多适用于树种组成较为简单的森林分类研究，在林分组成和结构复杂的森林中分类精度不高。且仅从单一的角度去挖掘LiDAR数据，即并未将“点云”数据中包含的三维空间信息及“波形”数据中包含的几何与能量信息相结合，未能充分挖掘LiDAR数据的潜力。

近年来，机载小光斑“全波形”LiDAR传感器逐步商用化并开始应用于林业研究中。该技术可获得森林冠层完整的后向散射信号，并记录了更为详细的几何和物理能量信息，从而一定程度上弥补了传统LiDAR技术的弱点。而且，借助特定的波形信号处理及信息提取方法，可从“全波形”数据中挖掘更为丰富的森林冠层描述特征变量，理论上能够更为丰富地反映不同树种的结构特征。同时，全波形LiDAR技术并未摒弃传统技术的优点，而是对其进行了提升，即借助特定方法可以从中同时提取出波形和点云特征变量，两者融合用于后续的遥感分析。故本发明将从全波形LiDAR数据中提取与森林冠层结构相关度高的波形和点云特征变量，并用于亚热带地区的典型树种分类。其创新点和特色如下：1)通过综合特征变量，从冠层三维空间和几何能量维度挖掘全波形LiDAR数据中包含的树木生物物理特性信息；2)借助精度均减系数(MDA)对以上特征变量进行重要性判定，筛选最优分类因子，从而利于机理解释、方法移植及大尺度推广和应用。

发明内容

发明目的：针对现有技术中存在的不足，本发明提出一种LiDAR波形综合特征的单木识别方法，即首先从全波形LiDAR数据中提取点云，然后融合点云和波形特征变量用于的单木识别方法；有效提高树种分类的总体精度，易于推广应用等特点。

技术方案：为了实现上述发明目的，本发明采用的技术方案为：

一种LiDAR波形综合特征的单木识别方法，包括以下步骤：