一种基于全波形LiDAR单木冠层容积分解的树种分类方法
【技术领域】
[0001] 本发明涉及森林资源管理与保护技术领域，具体涉及一种基于全波形LiDAR单木 冠层容积分解的树种分类方法。
【背景技术】
[0002] 精确的树种分类对于森林资源监测，森林生态和动物生境研宄以及模拟指定树种 的单木生长有重要意义。同时，这些信息也可以用于参数化森林生长、生态过程和防火模 型等，从而指导和优化森林资源管理与保护。常规的森林树种调查方法主要依赖于野外调 查及利用大比例尺航片判读等，其精度往往不高，且难于在大区域上实用化推广。激光雷达 (LiDAR，Light Detection and Ranging)是通过发射激光束击打物体表面并分析其返回信 号的一种主动遥感技术。通过LiDAR可获得高精度的地球表面及地表实体的高度信息，如 地形和植被等可达到亚米级的垂直精度。现有研宄表明，LiDAR可穿透森林冠层获得其三 维结构特征，特别适合植被覆盖度高且森林结构复杂地区森林信息提取。
[0003] 近年来基于小光斑LiDAR数据进行树种分类研宄为：Koetz等2008年在《Forest Ecology and Management〉〉第256卷上发表的''Multi-source land cover classification for forest fire management based on imaging spectrometry and LiDAR data''，该 研宄集成了影像中提取光谱和LiDAR数据中提取的3D几何空间信息，并使用非参数的 支持向量机分类器对城市基础设施、植被以及水体等进行了分类。Dalponte等2008在 〈〈IEEE Transactions on Geoscience and Remote Sensing〉〉第 46 卷上发表的 "Fusion of hyperspectral and LiDAR remote sensing data for classification of complex forest areas"，该研宄集成了高光谱和LiDAR数据，并基于其中提取出的40个高光谱特 征变量和多个LiDAR特征变量（如高度、第一次返回强度等），同样结合支持向量机分类 器对意大利Bosco della Fontana自然保护区的主要树种进行了分类。0rka等2009年 在《Remote Sensing of Environment》第 113 卷上发表的 "Classifying species of individual trees by intensity and structure features derived from airborne laser scanner data"，该研宄在已有的单木位置和冠幅信息基础上，提取了单木的多个高 度（如最大高，平均高和高度百分位数等）及统计（如高度分布的峰度和偏度等）特征变 量，并据此对挪威寒带森林中的针叶和阔叶树种进行了分类。然而，以上方法大多适用于树 种组成较为简单的森林分类研宄，在林分组成和结构复杂的森林中分类精度不高。且需多 源遥感数据集成，未能通过深入挖掘单一数据源的潜力（从而提升分类精度），增加的数据 获取成本和可操作性。同时，以上分类方法都是基于传统的离散点云LiDAR数据。该类数 据存在"盲区"（即两次反射回波需要有一定的垂直间距才能被系统区分开），会影响林下 低矮植被的提取和分类。
【发明内容】
[0004] 发明目的：针对现有技术中存在的不足，本发明提出一种基于全波形LiDAR单木 冠层容积分解的树种分类方法，有效提高树种分类的总体精度，易于推广应用等特点。
[0005] 技术方案：为了实现上述发明目的，本发明采用的技术方案为：
[0006] -种基于全波形LiDAR单木冠层容积分解的树种分类方法，包括以下步骤：
[0007] 1)借助机载小光斑全波形LiDAR传感器进行数据采集；传感器记录每束激光脉冲 返回的完整波形信息；
[0008] 2) LiDAR波形数据预处理
[0009] A)噪声水平估计和数据平滑：首先把原始数据转换到频率域，再将频率较高的低 值部分作为噪声水平的判断标准；然后选用高斯滤波器进行平滑。
[0010] B)高斯拟合分解及波形数据点云化：基于回波数据是多个高斯函数的累加这一 假设，对波形数据采用非线性最小二乘法进行拟合；然后通过局部最大峰值检测滤波算法 从处理后的波形数据上提取离散点云，每个离散点中记录了返回信号的能量和振幅信息； [0011] C)生成数字地形：首先对从波形数据中提取出离散点云进行分类，然后对末次回 波进行Kraus滤波处理用以去除非地面点，最后使用滤波后的末次回波数据并借助自然邻 近法插值生成数字地形模型DTM ;
[0012] 3)单木定位和冠幅提取
[0013] A)对地面以上点云进行中值滤波，然后将点云中的高度信息栅格化生成数字表面 模型DSM。将DSM减去数字地形模型，得到归一化植被高度CHM ;
[0014] B)通过局部最大值法确定单木树顶所在位置；
[0015] C)单木冠幅的确定：单木冠幅的确定借助冠幅半径来进行描述，方法为首先以树 顶为中心拟合16个半径方向上的冠幅剖面，然后计算到局部最小值的水平距离，最后将这 些距离值进行水平方向上的平均从而得到冠幅半径。
[0016] 4)基于发射能量及传感器与地物的距离信息对LiDAR波形数据进行校正：
[0017] r； = Wi /We (2)
[0018] Γ. = (Ij Skj)/{Γ SkQ) (3)
[0019] 式中，》7为校正后返回波内每个高斯波的波宽，为校正后返回波内每个高斯 波内每个高斯波的能量强度，W iS原始返回波内每个高斯波的波宽，We为发射波的波宽，I i 为原始返回波的能量强度，r为发射波的能量强度，4传感器到反射物体的距离，4为标 称距离，k为变化系数；
[0020] 5)构建体元框架并进行LiDAR波形的结构化分解
[0021] 首先利用三维体积单元划分地表以上的三维空间；然后在每个单元内，汇总穿过 其中的最大脉冲能量并基于数字地形模型进行高度归一化；
[0022] 6)对单木进行冠层容积分解并提取特征变量
[0023] 首先借助体元框架，对样地内森林冠层内的脉冲信息进行三维分解；根据每个体 元单元内的能量信息，分类为"填充"和"空缺"；"填充"体元单元又分为"透光层"和"微 明层";"透光层"的体元数量为"特征变量1"，占整个单木冠幅空间内体元总数的百分比为 "特征变量2"，"透光层"的体元内的能量强度总和占整个冠幅空间内能量强度总和的比例 为"特征变量3" ；"微明层"的体元数量为"特征变量4"，占整个单木冠幅空间内体元总数 的百分比为"特征变量5"，"微明层"的体元内的能量强度总和占整个冠幅空间内能量强度 总和的比例为"特征变量6" ；"填充"即透光层+微明层的体元数量为"特征变量7"，占整 个单木冠幅空间内体元总数的百分比为"特征变量8"，"填充"内的能量强度总和占整个冠 幅空间内能量强度总和的比例为"特征变量9" 空缺"的体元数量为"特征变量10"，占整 个单木冠幅空间内体元总数的百分比为"特征变量11"，"空缺"体元内的能量强度总和占整 个冠幅空间内能量强度总和的比例为"特征变量12"