[发明专利]基于多回波机载激光扫描数据的城市树木碳含量估计方法

权利要求书

1.基于多回波机载激光扫描数据的城市树木含碳量估计方法，其特征在于，包括以下步骤：

S1、使用包括绿激光、近红外激光及短波红外激光的机载激光扫描仪对城市树木进行扫描，获得多个航带的多回波ALS点云数据；

S2、对多个航带的多回波ALS点云数据进行预处理，获得nDSM数据及各激光通道的强度图像，步骤S2具体包括：

S21、分别对每个航带的多回波ALS点云数据去噪；

首先，采用强度滤波器将强度在3σ以外的点去除；

其次，采用统计滤波器统计某一点与其邻近若干点之间的平均距离，若该平均距离超过全局平均距离与一个标准偏差的和，则去除该点；

S22、对去噪后的每个航带的多回波ALS点云数据的强度进行幅度归一化；

式中，I′是幅度归一化强度，I_raw是ALS点云数据原始强度，a是由目标几何结构确定的指数，R是飞机到目标的距离，R_ref为平均参考距离；

S23、生成各通道的强度图像：将归一化后的多个航带的多回波ALS点云数据融合在一起，每个航带有三个波长的点云数据，对融合的点云数据进行栅格化处理，则各格子中的像素值为格子中所有点的强度平均值；对于内部没有点的格子，由其邻近格子的像素值进行线性插值得到；

S24、地面点和非地面点的分类；

将归一化后的多个航带的多回波ALS点云数据融合在一起，利用基于斜率的滤波算法对融合后的点云数据进行地面点和非地面点的分类；

S25、将非地面点数据进行栅格化处理，获得nDSM数据；

将非地面点云数据分到边长为L的栅格中，以格子内所有点的最大高度值为格子的像素值，对于内部没有点的格子的像素值由其邻近格子的像素值进行线性插值得到；

S3、植被分类：对nDSM数据进行分类，提取其中的树木类别数据，获得树冠高度模型CHM；

S4、由树冠高度模型CHM估计树木的形状参数,所述树木的形状参数包括树冠高度与树冠直径；

S5、ALS-DBH回归模型的选择：先由经验模型构建ALS-DBH回归模型，再通过现场选取若干树木样本获得偶数组采样组，将其中一半采样组作为模型组用于模型开发，另一半采样组作为验证组，将所有的组合情况进行模型开发，并通过交叉验证过程拟合，收集每个组合产生的参数；通过测定系数R²检查回归模型的预测能力和性能，并且通过预测参数的RMSE来检查预测的准确度，比较所有组合情况中的R²和RMSE，选择在模型拟合中具有高R²和在验证中具有低RMSE的一个ALS-DBH回归模型来预测DBH；

S6、碳含量的预测：

根据所有物种的DBH和树冠高度来计算总生物量，存储在树中的碳存储量估计为总生物量的一半，将预测的碳存储量与通过现场测量的DBH和高度估计的碳存储量进行比较，并且通过RMSE和R²进行评估。

2.根据权利要求1所述的基于多回波机载激光扫描数据的城市树木含碳量估计方法，其特征在于：步骤S1中所述绿激光、近红外激光及短波红外激光的波长分别为532nm、1064nm及1550nm。

3.根据权利要求1所述的基于多回波机载激光扫描数据的城市树木含碳量估计方法，其特征在于：步骤S24获得的nDSM数据中，若某一格子的像素值与其八邻域间有2m以上的高度差，则用其八邻域的高度均值作为该格子的像素值。