全国林草资源调查机载大光斑激光雷达挂飞检校和验证

doi:10.13466/j.cnki.lyzygl.2021.02.008

林业资源管理 ›› 2021›› Issue (2): 52-60.doi: 10.13466/j.cnki.lyzygl.2021.02.008

全国林草资源调查机载大光斑激光雷达挂飞检校和验证

刘迎春¹(), 高显连¹(), 贺岩², 崔晨彦¹, 高剑新¹, 俞家勇³, 蔡龙涛⁴, 吴发云¹

1.国家林业和草原局调查规划设计院,北京 100714
2.中国科学院上海光学精密机械研究所,上海 201800
3.安徽建筑大学,合肥 230601
4.东北林业大学,哈尔滨 150040

收稿日期:2021-02-09 修回日期:2021-04-08 出版日期:2021-04-28 发布日期:2021-06-03
通讯作者: 高显连
作者简介:刘迎春(1984-),男,山东枣庄人,高工,博士,主要从事激光雷达林业产品开发和应用工作。Email: liuyingchun2005@163.com
基金资助:
国家自然科学基金项目(31400426);国家林业和草原局行业管理专项(2130237);国家林业和草原局碳卫星海南试验站设备采购及集成项目(2130299)

Calibration and Validation of National Forest and Grassland Inventory Airborne Large-Footprint LiDAR

LIU Yingchun¹(), GAO Xianlian¹(), HE Yan², CUI Chenyan¹, GAO Jianxin¹, YU Jiayong³, CAI Longtao⁴, WU Fayun¹

1. Academy of Inventory and Planning,National Forestry and Grassland Administration,Beijing 100714,China
2. Shanghai Institute of Optics and Fine Mechanics,Chinese Academy of Sciences,Shanghai 201800,China
3. Anhui Jianzhu University,Hefei 230601,China
4. Northeast Forestry University,Harbin 150040,China

Received:2021-02-09 Revised:2021-04-08 Online:2021-04-28 Published:2021-06-03
Contact: GAO Xianlian

摘要/Abstract

摘要：

森林在全球陆地生态系统中起到重要作用,激光雷达是除样地调查之外能够准确评估其资源量和碳汇量非常重要的技术方法。由于森林高度的空间异质性,获得大光斑激光雷达的准确位置,是其应用于森林资源调查的前提。对新研制的全国林草资源调查机载大光斑激光雷达(NFGI-LIDAR-L)和地面激光探测器,通过编写大光斑激光雷达检校算法,并基于激光能量分布特征改进探测器法计算大光斑激光雷达中心位置算法,实现NFGI-LIDAR-L几何检校。结果显示:基于激光能量分布特征计算大光斑激光雷达中心位置的方法,计算精度从5m提升到1m以内;NFGI-LIDAR-L在x,y,z方向精度和总均方根误差(RMSE)从检校前的60.51,52.76,1.88,80.30m提高到检校后的0.61,0.54,0.05,0.82m,提升了2个数量级;与控制点相比,NFGI-LIDAR-L绝对高程精度在平坦地面可以达到0.12m。通过研究,以期对机载和星载大光斑激光雷达几何检校提供借鉴。

关键词: 全国林草资源调查机载大光斑激光雷达, 几何检校, 陆地生态系统碳监测卫星, 地面激光探测器, 空间分布

Abstract:

Forests play an important role in global terrestrial ecosystems.Precisely assessing forest resources and carbon sink with sample survey at a large scale is important before LiDAR is commonly used.To acquire precise geolocation of LiDAR footprint is an important step before it is applied in forest resource investigation because of the high special heterogeneity of forest height.In this paper,we use newly developed National Forest and Grassland Inventory Large-footprint LiDAR (NFGI-LIDAR-L)and ground Laser detector,develope a large-footprint LiDAR calibration method,improve the method of calculating the geocentric based on spatial pattern of laser from ground Laser detector,and calibrate NFGI-LIDAR-L.The results show that the method based on energy density of LiDAR improve the accuracy of calculating center location of large-footprint LiDAR from 5m to 1m.After calibration,the x,y,z and total accuracies of NFGI-LIDAR-L are improved from 60.51,52.76,1.88m and 80.30m to 0.61,0.54,0.05m and 0.82m,respectively.The absolute elevation accuracy of NFGI-LIDAR-L is 0.12m with flat surfaces validate with Ground Control Points.Therefore,the calibration method can be used in both calibration of airborne and spaceborne large-footprint LiDAR.

Key words: National Forest and Grassland Inventory Airborne Large-footprint LiDAR (NFGI-LIDAR-L), geometric calibration, Terrestrial Ecosystem Carbon Inventory Satellite, ground Laser detector, spatial pattern

中图分类号:

S771.5
P231

刘迎春, 高显连, 贺岩, 崔晨彦, 高剑新, 俞家勇, 蔡龙涛, 吴发云. 全国林草资源调查机载大光斑激光雷达挂飞检校和验证[J]. 林业资源管理, 2021,(2): 52-60.

LIU Yingchun, GAO Xianlian, HE Yan, CUI Chenyan, GAO Jianxin, YU Jiayong, CAI Longtao, WU Fayun. Calibration and Validation of National Forest and Grassland Inventory Airborne Large-Footprint LiDAR[J]. FOREST RESOURCES WANAGEMENT, 2021,(2): 52-60.

图/表 9

图1

图2

表1

图3

图4

图5

表2

表3

表4

参考文献 15

[1]	肖兴威. 中国森林资源清查[M]. 北京: 中国林业出版社, 2005.
[2]	刘迎春, 高显连, 付超, 等. 基于森林资源清查数据估算中国森林生物量固碳潜力[J]. 生态学报, 2019,39(11):4002-4010.
[3]	Pang Yong, Lefsky M, Andersen H, et al. Validation of the ICEsat vegetation product using crown-area-weighted mean height derived using crown delineation with discrete return lidar data[J]. Canadian Journal of Remote Sensing, 2008,34(S2):471-484.
[4]	Saatchi S S, Harris N L, Brown S, et al. Benchmark map of forest carbon stocks in tropical regions across three continents[J]. Proceedings of the National Academy of Sciences, 2011,108(24):9899-9904. doi: 10.1073/pnas.1019576108
[5]	Su Yanjun, Guo Qinghua, Xue Baolin, et al. Spatial distribution of forest aboveground biomass in China:Estimation through combination of spaceborne lidar,optical imagery,and forest inventory data[J]. Remote Sensing of Environment, 2016,173:187-199. doi: 10.1016/j.rse.2015.12.002
[6]	邢艳秋. 星载激光雷达反演森林生物量方法及其应用[M]. 北京: 科学出版社, 2016.
[7]	许昌建, 刘迎春, 左丽君, 等. 基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型[J]. 林业资源管理. 2021(1):50-60.
[8]	Schutz B E. GLAS Altimeter Post-Launch Calibration/Validation Plan[R/OL]. (2002 -02-01)[2021-04-05]. www.csr.utexas.edu/glas/pdf/plan/validation_plan_v1_oct2001.pdf.
[9]	Magruder L, Silverberg E, Webb C, et al. In situ timing and pointing verification of the ICESat altimeter using a ground-based system[J]. Geophysical Research Letters, 2005,doi: 10.1029/2005GL-023504.
[10]	韩玲, 田世强, 谢俊峰. 星载激光测高仪检校技术发展现状浅析[J]. 航天返回与遥感, 2016,37(6):11-19.
[11]	唐新明, 谢俊峰, 付兴科, 等. 资源三号02星激光测高仪在轨几何检校与试验验证[J]. 测绘学报, 2017,46(6):714-723.
[12]	吴发云, 高显连, 潘超, 等. 机载林业探测大光斑激光雷达系统的设计与应用[J]. 林业资源管理, 2018(4):125-132.
[13]	谢方. 基于2000国家大地坐标系的中国大陆速度场模型建立方法研究[D]. 西安: 长安大学, 2013.
[14]	Altamimi Z, Rebischung P, Métivier L, et al. ITRF2014:A new release of the International Terrestrial Reference Frame modeling nonlinear station motions[J]. Journal of Geophysical Research:Solid Earth, 2016,121(8):6109-6131. doi: 10.1002/2016JB013098
[15]	牛丽娟. 测量坐标转换模型研究与转换系统实现[D]. 西安: 长安大学, 2010.

设备及检校场	参数名称	参数值
全国林草资源调查机载大光斑激光雷达	激光波长/nm	1064.4
	激光脉冲宽度/ns	3.037
	激光发射频率/Hz	40~200
	激光扫描角度/(°)	±15
	激光扫描周期/s	0.7
	激光发射能量/μJ	936
	发散角/mrad	10
	波形采样时间间隔/ns	1
航飞	飞行速度/(km/h)	240
	相对航高/m	2000,1500
	光斑地面直径/m	20,15
地面激光探测器	探测中心波长/nm	1064
	能量密度探测范围/(nJ/cm²)	0.05~1
	能量密度等级输出	>4000
	探测频率/Hz	>200
检校场	检校场地范围/m×m	50×50
	激光雷达探测器间距/m×m	5×5

序号	左右角/(°) ρ	前后角/(°) β	位置差(RMSE)/m				备注
序号	左右角/(°) ρ	前后角/(°) β	Δx	Δy	Δz	Δp	备注
0	-	-	60.51	52.76	1.88	80.30	检校前
1	2.2190	-0.7995	0.93	0.93	0.05	1.32
2	2.2422	-0.7515	0.74	0.85	0.05	1.13
3	2.2507	-0.7727	0.68	0.71	0.05	0.99
4	2.2133	-0.7469	1.12	0.86	0.04	1.41
5	2.2455	-0.7595	0.65	0.77	0.05	1.01
6	2.2587	-0.7819	0.89	0.80	0.06	1.20
7	2.2340	-0.7988	0.93	0.74	0.05	1.19
8	2.2275	-0.7739	0.64	0.56	0.05	0.85
9	2.2364	-0.7731	0.61	0.55	0.05	0.82	平均参数
10	2.2345	-0.7732	0.61	0.54	0.05	0.82	最优参数

序号	航向角/(°) h₀	俯仰角/(°) p₀	翻滚角/(°) r₀	位置差/m				备注
序号	航向角/(°) h₀	俯仰角/(°) p₀	翻滚角/(°) r₀	Δx	Δy	Δz	Δp	备注
0	-	-	-	60.51	52.76	1.88	80.30	检校前
1	0.0100	0.7995	2.2190	0.92	0.93	0.05	1.31
2	0.0100	0.7518	2.2422	0.74	0.85	0.05	1.13
3	0.0220	0.7727	2.2509	0.68	0.71	0.06	0.98
4	0.0250	0.7468	2.2135	1.12	0.85	0.05	1.41
5	0.0700	0.7575	2.2455	0.66	0.77	0.05	1.02
6	0.0200	0.7818	2.2589	0.88	0.80	0.06	1.19
7	0.0310	0.7981	2.2340	0.92	0.74	0.05	1.19
8	0.0400	0.7734	2.2280	0.64	0.56	0.05	0.85
9	0.0285	0.7727	2.2365	0.61	0.55	0.05	0.82	平均参数
10	0.0200	0.7734	2.2310	0.62	0.54	0.05	0.82	最优参数

序号	大光斑中心位置差/m				相对航高/m	码盘角(θ)/ (°)	备注
序号	ε_x	ε_y	ε_z	ε_p	相对航高/m	码盘角(θ)/ (°)	备注
1	-0.070	0.112	-0.001	0.132	2000	-1.69
2	-0.074	0.112	0.000	0.134	2000	-2.38
3	0.074	-0.116	0.003	0.137	2000	-3.36
4	0.076	-0.115	0.003	0.137	2000	-3.48
5	0.090	0.045	0.000	0.100	1500	-2.21
6	0.089	0.050	0.001	0.102	1500	-2.88
7	-0.048	0.124	-0.001	0.132	2000	-1.67
8	-0.116	-0.058	-0.003	0.129	2000	-0.74
9	0.083	0.094	0.002	0.125			平均

全国林草资源调查机载大光斑激光雷达挂飞检校和验证

Calibration and Validation of National Forest and Grassland Inventory Airborne Large-Footprint LiDAR

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 15

相关文章 15

编辑推荐

Metrics

本文评价

[1]	曹聪, 郭泽鑫, 郭彦青, 莫燕卿, 刘萍. 基于地理加权回归模型的珠三角森林碳储量空间分布[J]. 林草资源研究, 2023, 0(6): 98-104.
[2]	张中一, 刘慧娇, 褚蓉蓉, 冯国庆, 董家鑫, 高祥斌, 吕梦缘, 陈国豪. 古树资源特征和空间分布特征分析[J]. 林草资源研究, 2023, 0(5): 105-112.
[3]	焦全军, 郑焰锋, 黄文江, 张兵, 张鹤译, 史宜梦, 吴发云, 付安民. 陆地生态系统碳监测卫星松材线虫病变色木识别指数研究[J]. 林业资源管理, 2023, 0(4): 123-131.
[4]	李思颖, 郭昊天, 陈晓蔚, 周梦丽, 靳姗姗, 闫东锋. 栓皮栎人工林土壤有机碳空间分布特征及其影响因素[J]. 林业资源管理, 2023, 0(4): 80-89.
[5]	杨琼, 林知远, 丁鹏飞, 刘刚铭, 王海洋. 重庆渝北区古树空间分布特征及土地利用变化对其影响分析[J]. 林业资源管理, 2022, 0(1): 157-165.
[6]	刘迎春, 吴发云, 孙忠秋, 付安民, 高金萍, 高显连, 高剑新, 崔晨彦, 晁智. 陆地生态系统碳监测卫星多载荷替代数据海南综合试验[J]. 林业资源管理, 2021, 0(4): 138-148.
[7]	肖越, 许晓东, 龙江平, 林辉. 基于国产高分数据的森林蓄积量反演研究[J]. 林业资源管理, 2021, 0(3): 101-107.
[8]	何斌, 李青, 李仰征, 李望军. 黔西北地区云南松种群数量动态及空间分布格局[J]. 林业资源管理, 2021, 0(2): 149-157.
[9]	蒋永泉, 史正涛, 高书鹏. 基于多源遥感数据橡胶林识别及其种植适宜区研究[J]. 林业资源管理, 2020, 0(6): 54-60.
[10]	王政, 杨霞. 森林康养空间分布特征及其影响因素研究——以四川森林康养基地为例[J]. 林业资源管理, 2020, 0(2): 146-153.
[11]	汤浩藩, 许彦红, 艾建林. 云南省森林植被碳储量和碳密度及其空间分布格局[J]. 林业资源管理, 2019, 0(5): 37-43.
[12]	陈新云, 李利伟, 刘承芳, 王六如, 丁靖. 热带原始森林类型分类和蓄积量遥感反演研究[J]. 林业资源管理, 2019, 0(2): 39-46.
[13]	张一, 张超. 云南省华山松林空间分布影响因子分析[J]. 林业资源管理, 2018, 0(6): 68-75.
[14]	侯海潮, 丁丽, 许中旗, 王丽, 赵娱. 燕山北部山地典型造林树种幼树根系分布特征[J]. 林业资源管理, 2018, 0(4): 10-16.
[15]	孟佩, 刘学敏. 内蒙古乌兰察布市国家重点生态工程区植被指数变化特征[J]. 林业资源管理, 2018, 0(4): 17-21.