[发明专利]一种基于无人机多光谱高重叠度影像的森林林分特征反演方法

摘要

本发明公开了一种基于无人机多光谱高重叠度影像的森林林分特征反演方法，借助无人机机载多光谱传感器获取高重叠度影像，利用波段组合和植被指数变换获取光谱数据；并利用空中三角测量算法与点云密集匹配算法生成数字点云数据；基于归一化点云数据和光谱数据来提取待测林冠层结构特征变量；最后结合地面实测待测林林分数据和提取的待测林冠层结构特征变量构建多元回归模型，反演待测林林分特征。本发明有助于提高森林林分特征的反演精度，并可掌握待测林空间结构及动态变化规律，对于森林可持续生产经营、生态环境建模及维持区域生态平衡具有重要意义。

主权项

1.一种基于无人机多光谱高重叠度影像的森林林分特征反演方法，其特征在于，借助无人机机载多光谱传感器获取高重叠度影像，利用波段组合和植被指数变换获取光谱特征，并利用空中三角测量算法与点云密集匹配算法生成数字点云数据，基于归一化点云数据和光谱数据来提取待测林冠层结构特征变量；最后结合地面实测待测林林分数据和提取的待测林冠层结构特征变量构建多元回归模型，反演待测林林分特征；步骤如下：(1)借助固定翼无人机搭载的多光谱相机采集高重叠度影像数据，并借助多旋翼无人机搭载的LiDAR传感器采集LiDAR原始点云数据；(2)对点云数据的预处理生成数字高程模型，进一步处理获得归一化点云数据；(3)对获取的高重叠度影像数据利用波段组合和植被指数变换提取光谱数据；(4)基于归一化点云数据和光谱数据提取待测林林分冠层结构特征变量百分位高度、各层覆盖度和冠层体积与剖面特征变量；(5)通过相关性分析筛选特征变量，首先筛选特征变量之间相关性低于0.6的特征变量，然后进一步筛选特征变量与各林分特征相关性高于0.6的特征变量；(6)结合地面实测数据，以地面实测林分特征作为因变量，提取的待测林冠层结构特征变量作为自变量，分别构建多元回归模型。