论文部分内容阅读
森林资源调查是进行资源动态监测和管理的基础,是森林资源保护和利用的重要前提。随着无人机摄影测量和地基激光雷达技术的发展,其在林业领域的应用也越来越广泛。无人机高分辨率遥感影像和地基激光雷达高密度三维点云为高精度获取森林信息提供了新的可能。由于森林结构复杂,仅利用无人机航空遥感和地基激光雷达地面遥感获取数据的能力有限,所以将两者相结合进行林木参数提取能够弥补单一测量方式存在的不足,更好地发挥无人机点云(UAV点云)和地基激光雷达扫描点云(TLS点云)提取林木参数的潜力。研究基于面向对象分类、空间分析和回归分析等方法利用无人机摄影测量和激光雷达测距技术,对影像和点云数据进行处理,结合地面实测值分析结合UAV和TLS两种点云提取林木参数的优势。主要结论如下:(1)UAV和TLS点云通过粗配准和基于最近点迭代的ICP算法的精确配准,点云匹配效果好。研究选取两个点云模型的公共点进行融合,公共点匹配的最大误差为0.4926cm,均方根误差为0.3367cm。结果表明基于CloudCompare能够实现不同数据源、不同密度等级点云的高精度融合。(2)基于Agisoft PhotoScan能快速实现无人机二维影像的自动拼接和三维模型重建,获取研究区彩色点云数据。通过生产的高精度数字正射模型(DOM)和数字高程模型(DEM)分别提取青钱柳林分郁闭度、单木东西和南北方向冠幅,结合实测值拟合得到相关系数分别为0.9538、0.8672、0.8939,受数据获取方式影响,南北方向提取精度略高于东西方向。(3)TLS点云经过预处理后基于区域增长结合阈值判断(PCS)算法、冠层高度模型(CHM)和层堆叠三种方式生成种子点进行点云分割,研究发现基于PCS算法的点云分割最契合实际情况,生成种子点的相对误差为2.885%、估测精度为97.115%、平均运行时间为116min。点云分割后进行单木参数提取,TLS点云对单木位置、胸径、冠幅提取精度较高,而对水杉树高提取能力有限,相对误差为5.8%。(4)UAV和TLS融合点云可有效提取水杉树高,与实测值拟合得到相关系数为0.9993,在树高提取上融合点云较仅利用TLS点云优势明显。研究还对自动化提取中异常数据进行分析,通过人机交互剔除异常值后,平均冠幅和胸径拟合实测值的相关系数分别提升了0.6和0.35,结果显示融合点云能有效提取水杉冠幅和胸径,与实测值拟合得到相关系数分别为0.9706、0.9751。通过UAV和TLS融合点云高精度提取树高的方法可推广应用于林场对林木资产价值的精准评估。经地基激光雷达扫描后得到林冠下层的TLS点云模型,每年通过无人机采集林冠上层UAV点云,经过配准融合更新模型并自动提取树高,通过测定胸径可得到木材连年生长量,实现对林木生长状况的动态监测,为中小型林场林木资源管理提供科学性建议。