留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

无人机激光雷达点云密度对森林遥感反演指数提取的影响

段祝庚 吴凌霄 江学良

段祝庚, 吴凌霄, 江学良. 无人机激光雷达点云密度对森林遥感反演指数提取的影响[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210719
引用本文: 段祝庚, 吴凌霄, 江学良. 无人机激光雷达点云密度对森林遥感反演指数提取的影响[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210719
DUAN Zhugeng, WU Lingxiao, JIANG Xueliang. Effect of point cloud density on forest remote sensing retrieval index extraction based on Unmanned Aerial Vehicle Lidar Data[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210719
Citation: DUAN Zhugeng, WU Lingxiao, JIANG Xueliang. Effect of point cloud density on forest remote sensing retrieval index extraction based on Unmanned Aerial Vehicle Lidar Data[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210719

无人机激光雷达点云密度对森林遥感反演指数提取的影响

doi: 10.13203/j.whugis20210719
基金项目: 

湖南省自然科学基金(2020JJ4941),2021年湖南省安全生产预防及应急专项资金资助(2021-QYC-10008-24956)。

详细信息
    作者简介:

    段祝庚,博士,教授,主要从事摄影测量学、遥感方面的研究。duanzg@csuft.edu.cn

  • 中图分类号: P231

Effect of point cloud density on forest remote sensing retrieval index extraction based on Unmanned Aerial Vehicle Lidar Data

Funds: 

The National Natural Science Foundation of Hunan Province (2020JJ4941)

  • 摘要: 点云密度是激光雷达技术的重要参数,点云密度对森林遥感反演指数的提取有重要影响。以1600m×1450m大小的无人机激光雷达数据为实验数据,采用分级随机抽稀法对实验数据进行抽稀,获取不同点云密度数据集,利用不同密度数据集提取郁闭度、间隙率、叶面积指数、点云高度和密度分位数等森林遥感反演指数,通过与原始数据提取的森林遥感反演指数进行差值比较。(1)点云密度越低,提取的郁闭度略微偏低,而间隙率略微增加,点云密度对郁闭度、间隙率的影响极小。(2)当点云密度较高时,对叶面积指数的影响不大,但点云密度较小时,对叶面积指数的影响较大,个别区域可能出现叶面积指数突变。(3)在点云密度较大时,点云密度对高度、密度分位数的影响不明显,但当点云密度降至3.6p/m2时,可能会出现个别区域密度、高度密度分位数突变的情况。点云密度对森林遥感反演指数有重要影响,合适的点云密度有利于更准确的描述森林结构形态,过低的点云密度影响森林遥感反演指数的提取。本研究对无人机激光雷达林业应用中森林遥感反演指数估算点云密度的选择具有一定指导和借鉴意义。
  • [1] Kandare K, Ørka H O, Chan J C W, et al.Effects of Forest Structure and Airborne Laser Scanning Point Cloud Density on 3D Delineation of Individual Tree Crowns[J].European Journal of Remote Sensing, 2016, 49(1):337-359
    [2] White J C, Wulder M A, Varhola A, et al.A Best Practices Guide for Generating Forest Inventory Attributes from Airborne Laser Scanning Data Using an Area-Based Approach[J].The Forestry Chronicle, 2013, 89(6):722-723
    [3] Magnusson M, Fransson J E S, Holmgren J.Effects on Estimation Accuracy of Forest Variables Using Different Pulse Density of Laser Data[J].Forest Science, 2007, 53(6):619-626
    [4] Guimarães N, Pádua L, Marques P, et al.Forestry Remote Sensing from Unmanned Aerial Vehicles:A Review Focusing on the Data, Processing and Potentialities[J].Remote Sensing, 2020, 12(6):1046
    [5] Jennings S, Brown N, Sheil D.Assessing Forest Canopies and Understorey Illumination:Canopy Closure, Canopy Cover and other Measures[J].Forestry:an International Journal of Forest Research, 1999, 72(1):59-74
    [6] Ma Q, Su Y J, Guo Q H.Comparison of Canopy Cover Estimations from Airborne LiDAR, Aerial Imagery, and Satellite Imagery[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(9):4225-4236
    [7] Danson F M, Hetherington D, Morsdorf F, et al.Forest Canopy Gap Fraction from Terrestrial Laser Scanning[J].IEEE Geoscience and Remote Sensing Letters, 2007, 4(1):157-160
    [8] Chen J M, Black T A.Measuring Leaf Area Index of Plant Canopies with Branch Architecture[J].Agricultural and Forest Meteorology, 1991, 57(1/2/3):1-12
    [9] Richardson J J, Moskal L M, Kim S H.Modeling Approaches to Estimate Effective Leaf Area Index from Aerial Discrete-Return LIDAR[J].Agricultural and Forest Meteorology, 2009, 149(6/7):1152-1160
    [10] Zhao X Q, Guo Q H, Su Y J, et al.Improved Progressive TIN Densification Filtering Algorithm for Airborne LiDAR Data in Forested Areas[J].ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 117:79-91
    [11] Graham A, Coops N, Wilcox M, et al.Evaluation of Ground Surface Models Derived from Unmanned Aerial Systems with Digital Aerial Photogrammetry in a Disturbed Conifer Forest[J].Remote Sensing, 2019, 11(1):84
  • [1] 周唯, 彭认灿, 董箭.  顾及飞机姿态角的滩涂LiDAR强度数据修正法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20170261
    [2] 盛庆红, 张斌, 肖晖, 陈姝文, 王青, 柳建峰.  直线簇约束下的地面LiDAR点云配准方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150292
    [3] 于彩霞, 王家耀, 黄文骞, 许坚.  基于LiDAR点云提取海岸线的二值图像化改进方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150103
    [4] 广, 马洪超, 张良, 付晶.  顾及地形断裂线的LiDAR点云滤波方法研究 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20130579
    [5] 卢昊, 庞勇, 徐光彩, 李增元.  机载激光雷达全波形数据与系统点云差异的定量分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20130443
    [6] 高广, 马洪超, 张良.  利用合成算法从LiDAR数据提取屋顶面 . 武汉大学学报 ● 信息科学版,
    [7] 吴军, 李伟, 彭智勇, 刘荣, 唐敏.  融合形态学灰度重建与三角网分层加密的LiDAR点云滤波 . 武汉大学学报 ● 信息科学版,
    [8] 孙杰, 赖祖龙.  利用随机森林的城区机载LiDAR数据特征选择与分类 . 武汉大学学报 ● 信息科学版,
    [9] 程亮, 李满春, 龚健雅, 单杰.  LiDAR数据与正射影像结合的三维屋顶模型重建方法 . 武汉大学学报 ● 信息科学版,
    [10] 王永波, 杨化超, 刘燕华, 牛晓楠.  线状特征约束下基于四元数描述的LiDAR点云配准方法 . 武汉大学学报 ● 信息科学版,
    [11] 孙杰, 马洪超, 汤璇.  机载LiDAR正射影像镶嵌线智能优化研究 . 武汉大学学报 ● 信息科学版,
    [12] 钟良, 马洪超, 管海燕, 刘鹏飞.  利用安置角检校进行机载LiDAR点云数据与同步影像快速配准 . 武汉大学学报 ● 信息科学版,
    [13] 孙杰, 马洪超, 钟良.  利用LiDAR点云的真正射影像遮蔽检测 . 武汉大学学报 ● 信息科学版,
    [14] 隋立春, 张熠斌, 张硕, 陈卫.  基于渐进三角网的机载LiDAR点云数据滤波 . 武汉大学学报 ● 信息科学版,
    [15] 张永军, 吴磊, 林立文, 赵家平.  基于LiDAR数据和航空影像的水体自动提取 . 武汉大学学报 ● 信息科学版,
    [16] 王宗跃, 马洪超, 彭检贵, 高广.  基于LiDAR数据生成光滑等高线 . 武汉大学学报 ● 信息科学版,
    [17] 刘伟, 徐海刚, 张京娟.  高精度、微小型惯性/GPS组合导航系统研究 . 武汉大学学报 ● 信息科学版,
    [18] 钟成, 李卉, 黄先锋, 李德仁.  利用6元组松弛法自动配准LiDAR数据与航空影像 . 武汉大学学报 ● 信息科学版,
    [19] 曾齐红, 毛建华, 李先华, 刘学锋.  建筑物LiDAR点云的屋顶边界提取 . 武汉大学学报 ● 信息科学版,
    [20] 黄先锋, 陶闯, 江万寿, 龚健雅.  机载激光雷达点云数据的实时渲染 . 武汉大学学报 ● 信息科学版,
  • 加载中
计量
  • 文章访问数:  48
  • HTML全文浏览量:  2
  • PDF下载量:  2
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-06-21
  • 网络出版日期:  2022-08-10

无人机激光雷达点云密度对森林遥感反演指数提取的影响

doi: 10.13203/j.whugis20210719
    基金项目:

    湖南省自然科学基金(2020JJ4941),2021年湖南省安全生产预防及应急专项资金资助(2021-QYC-10008-24956)。

    作者简介:

    段祝庚,博士,教授,主要从事摄影测量学、遥感方面的研究。duanzg@csuft.edu.cn

  • 中图分类号: P231

摘要: 点云密度是激光雷达技术的重要参数,点云密度对森林遥感反演指数的提取有重要影响。以1600m×1450m大小的无人机激光雷达数据为实验数据,采用分级随机抽稀法对实验数据进行抽稀,获取不同点云密度数据集,利用不同密度数据集提取郁闭度、间隙率、叶面积指数、点云高度和密度分位数等森林遥感反演指数,通过与原始数据提取的森林遥感反演指数进行差值比较。(1)点云密度越低,提取的郁闭度略微偏低,而间隙率略微增加,点云密度对郁闭度、间隙率的影响极小。(2)当点云密度较高时,对叶面积指数的影响不大,但点云密度较小时,对叶面积指数的影响较大,个别区域可能出现叶面积指数突变。(3)在点云密度较大时,点云密度对高度、密度分位数的影响不明显,但当点云密度降至3.6p/m2时,可能会出现个别区域密度、高度密度分位数突变的情况。点云密度对森林遥感反演指数有重要影响,合适的点云密度有利于更准确的描述森林结构形态,过低的点云密度影响森林遥感反演指数的提取。本研究对无人机激光雷达林业应用中森林遥感反演指数估算点云密度的选择具有一定指导和借鉴意义。

English Abstract

段祝庚, 吴凌霄, 江学良. 无人机激光雷达点云密度对森林遥感反演指数提取的影响[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210719
引用本文: 段祝庚, 吴凌霄, 江学良. 无人机激光雷达点云密度对森林遥感反演指数提取的影响[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210719
DUAN Zhugeng, WU Lingxiao, JIANG Xueliang. Effect of point cloud density on forest remote sensing retrieval index extraction based on Unmanned Aerial Vehicle Lidar Data[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210719
Citation: DUAN Zhugeng, WU Lingxiao, JIANG Xueliang. Effect of point cloud density on forest remote sensing retrieval index extraction based on Unmanned Aerial Vehicle Lidar Data[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210719
参考文献 (11)

目录

    /

    返回文章
    返回