基于机载大光斑激光雷达的森林冠层高度估测

doi:10.13466/j.cnki.lyzygl.2020.03.021

林业资源管理 ›› 2020›› Issue (3): 111-117.doi: 10.13466/j.cnki.lyzygl.2020.03.021

基于机载大光斑激光雷达的森林冠层高度估测

孙忠秋¹(), 吴发云¹(), 高显连¹, 高金萍¹, 胡杨²

1.国家林业和草原局调查规划设计院,北京 100714
2.北京林业大学,北京 100091

收稿日期:2020-03-02 修回日期:2020-03-20 出版日期:2020-06-28 发布日期:2020-07-30
通讯作者: 吴发云
作者简介:孙忠秋(1987-),女,黑龙江哈尔滨人,工程师,主要从事林业信息技术及卫星遥感的林业应用等工作。Email: qiuqiu8708@163.com
基金资助:
2019行业管理专项经费-陆地碳卫星星机地综合实验(2019-21-5**)

Estimation of Forest Canopy Height Based on Large-Footprint Airborne LiDAR Data

SUN Zhongqiu¹(), WU Fayun¹(), GAO Xianlian¹, GAO Jinping¹, HU Yang²

1. Academy of Inventory and Planning,National Forestry and Grassland Administration,P.R.China 100714
2. Beijing Forestry University,Beijing 100091

Received:2020-03-02 Revised:2020-03-20 Online:2020-06-28 Published:2020-07-30
Contact: Fayun WU

摘要/Abstract

摘要：

利用国家林业和草原局卫星林业应用中心设计研发的机载林业探测大光斑激光雷达回波数据,基于Matlab2014a软件对光斑数据进行数据读取、背景噪声估计、信号起始位置判断、地面回波位置确定,从而估测光斑位置下森林冠层高度。通过选取样地位置附近连续10组大光斑回波波形对森林冠层高度进行估测,并与样地实测森林冠层高度进行精度验证。结果表明:机载林业探测大光斑回波波形对7种森林冠层高度均有不同程度的估测能力,其中以胸高断面积加权平均高、优势树种平均木平均高估测效果最好,相对误差分别为4.36%和8.29%,RMSE(均方根误差)为1.40 m和1.55 m;对优势木平均高H、优势木平均高D估测能力最差,相对误差为19.81%和22.00%,RMSE为2.99m和3.34m。

关键词: 林业, 机载, 大光斑激光雷达, 森林冠层高度, 估测

Abstract:

Using the echo waveform data collected by the large-footprint airborne forestry LiDAR designed by Satellite Forestry Application Center of National Forestry and Grassland Administration,a series of parameters like background noise,signal starting position,ground echo position were processed based on Matlab 2014a,so as to estimate forest canopy height.Ten echo waveforms near the sample plot were selected to estimate the height of forest canopy.And the accuracy of the forest canopy height estimated by echo waveform data was verified.The results showed that echo waveform collected by airborne large-footprint LiDAR had different degrees of ability to estimate seven kinds of forest canopy height.Estimation of the weighted basal area average height and the average wood of dominant tree's average height was the best,with the relative errors of 4.36% and 8.29%,RMSE of 1.40 m and 1.55 m.For the average height H and the average height D of the dominant tree,the estimation ability was the worst,with the relative errors of 19.81% and 22.00%,and RMSE of 2.99 m and 3.34 m.

Key words: forestry, airborne, large-footprint LiDAR, forest canopy height, estimation

中图分类号:

S771

孙忠秋, 吴发云, 高显连, 高金萍, 胡杨. 基于机载大光斑激光雷达的森林冠层高度估测[J]. 林业资源管理, 2020,(3): 111-117.

SUN Zhongqiu, WU Fayun, GAO Xianlian, GAO Jinping, HU Yang. Estimation of Forest Canopy Height Based on Large-Footprint Airborne LiDAR Data[J]. FOREST RESOURCES WANAGEMENT, 2020,(3): 111-117.

图/表 7

图1

图2

图3

图4

表1

表2

图5

参考文献 25

[1]	Ni Xiliang, Zhou Yuke, Cao Chunxiang, et al. Mapping Forest Canopy Height over Continental China Using Multi-Source Remote Sensing Data[J]. Remote Sensing, 2015,7(7):8436-8452. doi: 10.3390/rs70708436
[2]	Nelson R. Model effects on GLAS-based regional estimates of forest biomass and carbon[J]. International Journal of Remote Sensing, 2010,31(5):1359-1372. doi: 10.1080/01431160903380557
[3]	Feldpausch T R, Lloyd J, Lewis S L, et al. Tree height integrated into pantropical forest biomass estimates[J]. Biogeosciences, 2012,9(3):2567-2622.
[4]	娄雪婷, 曾源, 吴炳方. 森林地上生物量遥感估测研究进展[J]. 国土资源遥感, 2011,23(1):1-8. doi: 10.6046/gtzyyg.2011.01.01
[5]	SUN Guoqing, Ranson K J, Zhang Zhongjun. Forest Vertical Parameters from Lidar and Multi-angle Imaging Spectrometer Data[J]. Journal of Remote Sensing, 2006,10(4):523-530. doi: 10.11834/jrs.20060477
[6]	邢艳秋, 王立海. 基于森林生物量相容性模型长白山天然林生物量估测[J]. 森林工程, 2008,24(2):1-4.
[7]	汤旭光. 基于激光雷达与多光谱遥感数据的森林地上生物量反演研究[D]. 北京:中国科学院大学, 2013.
[8]	Sandberg G, Ulander L M H, Fransson J E S, et al. L- and P-band backscatter intensity for biomass retrieval in hemiboreal forest[J]. Remote Sensing of Environment, 2011,115(11):2874-2886. doi: 10.1016/j.rse.2010.03.018
[9]	Chopping M, Nolin A, Moisen G G, et al. Forest canopy height from the Multiangle Imaging SpectroRadiometer(MISR) assessed with high resolution discrete return lidar[J]. Remote Sensing of Environment, 2009,113(10):2172-2185. doi: 10.1016/j.rse.2009.05.017
[10]	Leeuwen M V, Nieuwenhuis M. Retrieval of forest structural parameters using LiDAR remote sensing[J]. European Journal of Forest Research, 2010,129(4):749-770. doi: 10.1007/s10342-010-0381-4
[11]	邢艳秋, 王蕊, 李增元. 基于星载雷达全波形数据估测森林结构参数研究综述[J]. 世界林业研究, 2013,26(6):27-32.
[12]	Pang Yong, Li Zengyuan, Ju Hongbo, et al. LiCHy:The CAF's LiDAR,CCD and Hyperspectral Integrated Airborne Observation System[J]. Remote Sensing, 2016,8(5):398. doi: 10.3390/rs8050398
[13]	胡凯龙, 刘清旺, 庞勇, 等. 基于机载激光雷达校正的ICESat/GLAS数据森林冠层高度估测[J]. 农业工程学报, 2017,33(16):88-95.
[14]	Lefsky M A, Keller M, Pang Yong, et al. Revised method for forest canopy height estimation from Geoscience Laser Altimeter System waveforms[J]. Journal of Applied Remote Sensing, 2007,1(1):6656-6659.
[15]	Sun G, Ranson K J, Kimes D S, et al. Forest vertical structure from GLAS:An evaluation using LVIS and SRTM data[J]. Remote Sensing of Environment, 2008,112(1):107-117. doi: 10.1016/j.rse.2006.09.036
[16]	Xing Yanqiu, Wang Lihai. Estimation of forest canopy height and above-ground biomass using ICESat full waveform data:a case study in Changbai Mountain,China[J]. Proc Spie, 2009,7471:74710J.
[17]	Xing Yanqiu, De Gier A, Zhang Junjie, et al. An improved method for estimating forest canopy height using ICESat-GLAS full waveform data over sloping terrain:a case study in Changbai mountains,China[J]. International Journal of Applied Earth Observations & Geoinformation, 2010,12(5):385-392.
[18]	Allouis T, Durrieu S, Couteron P. A New Method for Incorporating Hillslope Effects to Improve Canopy-Height Estimates From Large-Footprint LIDAR Waveforms[J]. IEEE Geoscience & Remote Sensing Letters, 2012,9(4):730-734.
[19]	Hayashi M, Saigusa N, Oguma H, et al. Forest canopy height estimation using ICESat/GLAS data and error factor analysis in Hokkaido,Japan[J]. Isprs Journal of Photogrammetry & Remote Sensing, 2013,81(7):12-18.
[20]	Iqbal I A, Dash J, Ullah S, et al. A novel approach to estimate canopy height using ICESat/GLAS data:A case study in the New Forest National Park,UK[J]. International Journal of Applied Earth Observation & Geoinformation, 2013,23(1):109-118. doi: 10.1016/j.jag.2012.12.009
[21]	湖南省统计局. 湖南统计年鉴[D]. 北京: 北京统计出版社, 2014
[22]	Hu Yang, Wu Fayun, Sun Zhongqiu, et al. The Laser Vegetation Detecting Sensor:A Full Waveform,Large-Footprint,Airborne Laser Altimeter for Monitoring Forest Resources[J]. Sensors, 2019,19(7):1699. doi: 10.3390/s19071699
[23]	Hu Yang, Xu Xuelei, Wu Fayun, et al. Estimating Forest Stock Volume in Hunan Province,China,by Integrating In Situ Plot Data,Sentinel-2 Images,and Linear and Machine Learning Regression Models[J]. Remote Sensing, 2020,12(1):186. doi: 10.3390/rs12010186
[24]	庞勇, 于信芳, 李增元, 等. 星载激光雷达波形长度提取与林业应用潜力分析[J]. 林业科学, 2006,42(7):137-140. doi: 10.11707/j.1001-7488.20060724
[25]	庞勇, 李增元, Sun Guoqing, 等. 地形对大光斑激光雷达森林回波影响研究[J]. 林业科学研究, 2007,20(4):464-468.

主要指标	编号
主要指标	2002	2003	2004	2005	2006	2007	2008	2009	2010	2011
起始阈值	46.47	46.26	44.49	59.57	44.33	47.48	43.99	44.32	44.68	44.24
结束阈值	25.58	25.74	25.62	24.59	26.86	28.41	25.88	27.88	24.51	24.00
冠层位置	201	201	201	201	201	201	201	201	201	201
地面位置	281	279	275	274	263	261	264	254	274	273
冠层高度	12	11.7	11.1	10.95	9.3	9	9.45	7.95	10.95	10.8

类型	样地计算值/m	估测均值/m	绝对误差/m	相对误差/%	RMSE/m
胸高断面积加权平均高	10.79	10.32	0.47	4.36	1.40
优势树种平均木平均高	9.53	10.32	0.79	8.29	1.55
优势树种算术平均高	9.50	10.32	0.82	8.63	1.57
算术平均高	9.36	10.32	0.96	10.26	1.66
树冠面积加权平均高	11.80	10.32	1.48	12.54	2.04
优势木平均高D	12.87	10.32	2.55	19.81	2.99
优势木平均高H	13.23	10.32	2.91	22.00	3.34

基于机载大光斑激光雷达的森林冠层高度估测

Estimation of Forest Canopy Height Based on Large-Footprint Airborne LiDAR Data

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 25

相关文章 15

编辑推荐

Metrics

本文评价

[1]	唐佳俊, 柴宗政. 基于机载激光雷达和机器学习的林分平均胸径遥感估测[J]. 林草资源研究, 2024, 0(1): 56-64.
[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]	王小涵, 何潇, 史景宁. 气候变化背景下华北落叶松人工林最优轮伐期的经济分析[J]. 林草资源研究, 2023, 0(5): 40-47.
[4]	周梅, 李春干, 杨承伶, 李振. 无人机激光雷达人工林参数估测试验[J]. 林业资源管理, 2023, 0(3): 90-97.
[5]	王晓慧, 张会儒, 庞勇, 覃先林, 李海奎, 蒙诗栎, 余涛. 天然林保护工程区森林植被类型遥感监测[J]. 林业资源管理, 2023, 0(2): 96-103.
[6]	高金萍, 于慧娜, 翟召坤. 高分多模卫星林业地类及树种识别应用研究[J]. 林业资源管理, 2023, 0(1): 127-132.
[7]	邱洁, 李倩楠, 虞瑶. 机载激光雷达数据估测森林资源蓄积量研究[J]. 林业资源管理, 2023, 0(1): 153-160.
[8]	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.
[9]	张峰. 大型赛事的林业碳中和实践——以北京冬奥会碳中和造林项目为例[J]. 林业资源管理, 2022, 0(5): 1-6.
[10]	李美云, 谭红娟, 利尚仁. 林业科普赋能广东乡村振兴的机理研究[J]. 林业资源管理, 2022, 0(5): 24-31.
[11]	林泽攀, 武红敢. 北斗三号全球卫星导航系统的林草行业应用展望[J]. 林业资源管理, 2022, 0(2): 27-31.
[12]	赵程乐, 孟贵, 吴水荣, 张超, 刘叶菲. 我国林业生物质能源产业发展与政策演进分析[J]. 林业资源管理, 2022, 0(1): 1-7.
[13]	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.
[14]	张纪元. 森林抚育采伐成效监测与分析——以东方红林业局为例[J]. 林业资源管理, 2021, 0(6): 59-64.
[15]	孙中元, 官静, 陶健, 徐福祥, 武健伟, 曲宏辉, 姜楠楠. 森林生态基准价体系构建与案例应用研究[J]. 林业资源管理, 2021, 0(5): 112-120.