论文部分内容阅读
随着机载激光雷达(lightdetection and ranging,LiDAR)技术在林业中的广泛应用,高密度的LiDAR点云数据不仅可以获取大范围森林参数信息,还能提取单木的的相关参数,而森林冠层高度模型(canopy height model,CHM)作为其数据产品更直接影响着森林参数的反演,然而CHM中存在的局部凹坑现象阻碍了各类森林参数信息的提取。为了优化CHM,需要去除局部凹坑。因此,本文以利用LiDAR数据提取树高信息为目的,提出了基于稳健局部加权回归平滑点云数据的方法去除局部凹坑,优化森林冠层高度模型。本文主要针对该目的进行了以下几个方面的工作:(1)优化冠层高度模型(CHM),去除普遍存在的局部凹坑数据,达到优化的目的,获得高质量的森林参数。本文提出利用局部稳健加权回归的方法进行点云数据平滑处理,去除凹坑,再利用一定插值方法插值生成冠层表面模型(digital surface model,DSM),减去地面高程以获得归一化高度点云,在去除凹坑后形成CHM。(2)将本文的优化方法与高斯滤波法、中值滤波法和分层高度最大值法进行比较,通过对研究区30个样方的点云数据的处理和提取树高的信息结果,对比分析本文提出的去除凹坑方法的优势。(3)基于本文提出的CHM优化算法,森林冠层高度模型以不同的插值方法生成,对研究区30个样方的点云数据进行处理,对比克里金插值法、最近邻点插值法、样条函数插值法及反距离权重插值法生成的无凹坑CHM提取树高信息的结果。通过对祁连山天涝池流域试验区的30个样地数据进行试验的结果表明,基于稳健加权回归的点云数据平滑方法能够有效地恢复真实的冠层表面,优化CHM可以去除CHM上的大部分凹坑数据,同时保留了原冠层顶部形态及原始数据特征;与高斯滤波法、中值滤波法和分层高度最大值法的优化结果相比,不论是在CHM凹坑去除效果还是树高信息的提取上都存在明显优势,另外通过对比克里金插值法、最近邻点插值法、样条函数插值法及反距离权重插值法四种不同的插值方法生成的无凹坑CHM,反距离权重插值法(IDW)具有明显的优势。总之,利用本文方法对机载LiDAR点云数据进行冠层高度模型(CHM)去除凹坑的优化及采用反距离权重插值法生成CHM,树高信息可以以更高质量获得,优化后的CHM为后续各种森林参数的估计奠定了基础。因此,本文的研究工作在森林资源调查中具有一定的实用价值。