[发明专利]一种森林生物量估算方法及其系统

权利要求书

1.一种森林生物量估算方法，其特征在于，包括步骤：

通过获取待测区域的森林参数计算出样点的森林生物量；

获取待测区域的LiDAR点云数据，并对所述LiDAR点云数据进行分离，得到地面点；根据所述地面点生成数字高程模型；

采用所述数字高程模型对所述LiDAR点云数据进行归一化处理，得到归一化的LiDAR点云数据；

将所述归一化的LiDAR点云数据转为预定分辨率的栅格数据，得到树木高度栅格数据；

获取待测区域的多光谱数据，根据所述多光谱数据计算出该区域的植被指数分布数据；

将所述森林生物量与树木高度栅格数据以及植被指数分布数据采用生物量回归公式估算出待测区域的森林生物量。

2.根据权利要求1所述森林生物量估算方法，其特征在于，所述步骤获取待测区域的多光谱数据，根据所述多光谱数据计算出该区域的植被指数分布数据，具体包括：

根据航拍地理坐标控制点，对待测区域的无人机数据影像进行影像拼接；

对所述拼接后的无人机数据影像进行辐射校正，计算出待测区域内植被的归一化植被指数。

3.根据权利要求1所述森林生物量估算方法，其特征在于，所述步骤将所述归一化的LiDAR点云数据转为预定分辨率的栅格数据，得到树木高度栅格数据，具体包括：

将LiDAR点云数据进行归一化处理，得到树木对于地面的绝对高度；

对归一化处理后的LiDAR点云数据，按照预定分层设置进行水平分层；所述预定分层设置是指从指定位置开始，以一定的分层间隔进行分层；

对分层得到的每一层均使用K-Means聚类方法进行点云聚类，得到集群；

设置集群多边形，将所述集群多边形进行堆叠，得到堆叠图；

采用固定大小的窗口在所述堆叠图中识别出局部最大值，得到单木参数；

将所述单木参数作为种子点，采用PCS算法对所述种子点进行点云单木分割，对所述分割结果进行编辑，得到树木高度栅格数据。

4.根据权利要求1所述森林生物量估算方法，其特征在于，所述生物量回归公式为：

其中，AGB 为地面生物量，H为树木高度，NDVI为归一化植被指数。

5.根据权利要求2所述森林生物量估算方法，其特征在于，所述步骤对所述拼接后的无人机数据影像进行辐射校正，计算待测区域内植被的归一化植被指数，其中，辐射校正包括：绿波段校正、近红外波段校正、红边波段校正、红波段校正。

6.根据权利要求2所述森林生物量估算方法，其特征在于，所述归一化植被指数的计算公式为：

其中，和分别表示近红外波段和红光波段的反射率。

7.根据权利要求1所述森林生物量估算方法，其特征在于，所述预定分辨率是0.3-0.6米的分辨率。

8.根据权利要求3所述森林生物量估算方法，其特征在于，所述指定位置为0.5-0.7米的位置，分层间隔为1米。

9.根据权利要求1所述森林生物量估算方法，其特征在于，所述固定大小为1.0-2.0米。

10.一种地面生物量估算系统，其特征在于，包括：处理器，以及与所述处理器相连接的存储器；

所述存储器存储有地面生物量估算程序，所述地面生物量估算程序被所述处理器执行时实现以下步骤：

获取待测区域样点的森林生物量；

获取待测区域的LiDAR点云数据，并对所述LiDAR点云数据进行分离，得到地面点；

根据所述地面点生成数字高程模型；

采用所述数字高程模型对所述LiDAR点云数据进行归一化处理，得到归一化的LiDAR点云数据；

将所述归一化的LiDAR点云数据转为预定分辨率的栅格数据，得到树木高度栅格数据；

获取待测区域的多光谱数据，根据所述多光谱数据计算出该区域的植被指数分布数据；

将所述森林生物量与树木高度栅格数据以及植被指数分布数据采用生物量回归公式估算出待测区域的森林生物量。