LIDAR技术在林业调查中的应用研究

林业资源管理 ›› 2007›› Issue (6): 73-77.

LIDAR技术在林业调查中的应用研究

张彦林^1,2, 冯仲科¹, 杨伯钢¹, 马友平¹, 姚山¹

1.北京林业大学测绘与3S技术中心,北京100083;
2.甘肃林业职业技术学院,甘肃天水 741020;
3.北京市测绘设计研究院,北京100038

收稿日期:2007-05-16 修回日期:2007-09-17 发布日期:2020-12-10
作者简介:张彦林(1963-)男,甘肃天水人,副教授,博士生,主要研究方向为3S技术在林业中应用。Email:cato2005@sina.com;责任作者:冯仲科,教授,博士生导师,主要研究方向为3S技术。Email:fengzhongke@126.com

Applications of LIDAR Technology in Forestry Investigation

ZHANG Yanlin^1,2, FENG Zhongke¹, YANG Bogang³, MA Youping¹, YAO Shan¹

1. Institute of GIS, RS & GPS, Beijing Forestry University, 100083, P. R. China;
2. Gansu Forestry Technological College, Tianshui,741020, Gansu,P.R. China;
3. Beijing Research Institute of Surveying and Designing, Beijing 100038,China

Received:2007-05-16 Revised:2007-09-17 Published:2020-12-10

摘要/Abstract

摘要： 以LIDAR测量树高为研究内容,利用全站仪对研究区选定的37株样木的树高和材积进行精准测量,获取训练样本实测数据。通过BP神经网络分析,建立了LIDAR测量树高与实测树高、材积的拟合函数方程,实现了用LIDAR树高数据计算单木材积的过程。从拟合的结果来看,树高相关系数R为0.993 2,平均残差平方和为0.086 312。材积相关系数R为0.974 7,平均残差平方和为0.000 310 5,达到了林业调查精度的要求,在林业数表的编制方面是一个比较好的范例。

关键词: LIDAR, 树高, 材积, BP神经网络, 拟合函数方程

Abstract: This paper studied measurement of tree heights by using LIDARtechnology. The total station precisely measured height and volume of the 37 selected sample trees, which served as measured sample data. With the analysis ofBPNeural Networks, function equation was established to fit LIDAR images to real-measured tree height and volume data, which processed realization of using LIDARdata to calculate individual tree volume. It can be drawn from the fitting result that correlative coefficient of height was 0.993 2 and mean residual sum of squares was 0.086 312, correlative coefficient of volume was 0.974 7 and mean residual sum of squares was 0.000 310 5, this result metthe requirement of forestry investigation precision. It also set a good examplefor forestry tables making.

Key words: LIDAR, tree heights, tree volumes, BP Neural Networks, fitting function equation

中图分类号:

P225.1
S758

张彦林, 冯仲科, 杨伯钢, 马友平, 姚山. LIDAR技术在林业调查中的应用研究[J]. 林业资源管理, 2007,(6): 73-77.

ZHANG Yanlin, FENG Zhongke, YANG Bogang, MA Youping, YAO Shan. Applications of LIDAR Technology in Forestry Investigation[J]. FOREST RESOURCES WANAGEMENT, 2007,(6): 73-77.

132

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	132

来源	本网站	其他网站

次数	103	29
比例	78%	22%

摘要

199

最新录用	在线预览	正式出版

0	0	199

	来源	本网站

	次数	199
	比例	100%

[1]	王贵林, 谭伟, 陈波涛. 基于深度神经网络的杉木树高-胸径模型研建[J]. 林草资源研究, 2024, 0(1): 82-87.
[2]	唐佳俊, 汪刚, 柴宗政. 基于机载激光雷达点云数据的马尾松单木材积估测[J]. 林草资源研究, 2023, 0(6): 105-112.
[3]	杜志, 陈振雄, 李锐, 罗崇彬, 杨国锦, 曾伟生. 引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建[J]. 林业资源管理, 2023, 0(4): 36-42.
[4]	闫保银, 姜文龙, 范俊俊, 项铮, 黄俊. 基于LiDAR技术的杉木人工林碳储量估算研究[J]. 林业资源管理, 2023, 0(3): 134-139.
[5]	曾伟生, 杨学云. 我国一元立木材积表基本现状分析与估计误差检验[J]. 林业资源管理, 2023, 0(2): 43-49.
[6]	张信杰, 郑焰锋, 温坤剑, 王鹏杰, 吴发云. 融合机载和背包激光雷达的桉树单木因子估测[J]. 林业资源管理, 2022, 0(6): 131-137.
[7]	黄孝发, 张伟, 岑巨延, 吴国欣, 黄淑莹. 广西杉木立木材积模型优化筛选研究[J]. 林业资源管理, 2022, 0(6): 61-67.
[8]	穆田宝, 吴琳娜, 张海涛, 张寒. 基于车载LiDAR数据的行道树信息提取及安全风险评价[J]. 林业资源管理, 2022, 0(5): 91-98.
[9]	陈小花, 陈宗铸, 雷金睿, 吴庭天, 李苑菱. 基于高光谱遥感的沉香冠层重要参数估测研究[J]. 林业资源管理, 2022, 0(4): 141-147.
[10]	付安民, 高显连, 吴发云, 高金萍. 机载激光雷达树高产品的释义与精度水平评估[J]. 林业资源管理, 2022, 0(1): 114-123.
[11]	陈周娟, 程光, 卜元坤, 黄维, 陈佳卉, 李卫忠. 基于无人机倾斜影像的阔叶林单木参数提取[J]. 林业资源管理, 2022, 0(1): 132-141.
[12]	董晓明, 骆雨生, 郑天才, 谢其均, 陈晓蔚, 李秋林, 闫东锋. 河南黄山松立木材积模型研究[J]. 林业资源管理, 2021, 0(6): 29-36.
[13]	龙飞, 岳彩荣, 金京, 李春干, 罗洪斌, 徐婉婷. 机载LiDAR数据的林分胸高断面积反演研究[J]. 林业资源管理, 2021, 0(5): 62-69.
[14]	蒲莹, 曾伟生, 阳帆. 北京市树高胸径回归模型研建及一元立木材积表检验[J]. 林业资源管理, 2021, 0(3): 62-66.
[15]	曾伟生, 孙乡楠, 王六如, 王威, 蒲莹. 基于激光雷达数据的东北林区航空林分材积表编制[J]. 林业资源管理, 2021, 0(1): 147-155.