一种基于LiDAR和ALOSPALSAR多元数据的森林生物量模型的建立方法与流程

本发明属于地理科学技术领域，具体涉及一种基于lidar和alospalsar多元数据的森林生物量模型的建立方法。

背景技术：

森林作为最重要的陆地生态系统，是一个多资源、多功能的综合体，在固定二氧化碳、提供林木资源、调节气候、涵养水源、保护生物多样性、维护生态平衡等方面蕴含着巨大的价值，因此，了解森林生长和消亡的发展规律意义重大，在全球气候变暖的背景下，森林的碳汇功能日益成为研究的热点问题，对森林碳汇量及碳储量进行准确测算，是掌握森林生态系统在全球碳循环中的作用以及碳汇交易的基础，随着科学技术的发展，地理信息系统、遥感技术、全球定位系统和计算机技术在森林资源调查中得到了广泛的应用，为森林资源调查节省了不少人力和物理。尤其是近几年遥感技术的迅速发展，特别是激光雷达（lightdetectionandranging，lidar）技术的出现于应用，更是为我国森林资源调查带来了新的机遇。

技术实现要素：

本发明的目的在于提供一种基于lidar和alospalsar多元数据的森林生物量模型的建立方法。

本发明的目的是这样实现的，所述的基于lidar和alospalsar多元数据的森林生物量模型的建立方法包括分析与设计、lidar和alospalsar多元数据的森林生物量模型的建立步骤，具体包括：

a、分析与设计：

以待测地森林资源清查数据为基础，选择具有代表性的森林设置样地，对样地内的数目进行每木检尺，分别记录每棵树的胸径、树高、枝下高、冠幅和样地内的相对坐标；

b、lidar和alospalsar多元数据的森林生物量模型的建立：

1）通过机载lidar系统测量样地内的点云数据，然后对lidar点云数据进行预处理，从中生成dem、dsm和chm，提取建立模型所需的相关树高数据；

2）通过对palsar数据进行预处理，精确的将地面样地观测数据和sar影响配准，通过数据生产方提供的定标公式和定标系数将slc图像的信号转换为用分贝表示的后向散射系数；

3）以样地森林生物量为因变量，以机载lidar数据提取的样地林木平均高、极化sar的敏感信号、极化分解参数为自变量，利用多元数据进行多元后消逐步回归法和强行进入发进行建模。

本发明所述的基于lidar和alospalsar多元数据的森林生物量模型的建立方法在激光雷达和多角度遥感数据反演森林参数方面，激光雷达的主要优势是能够直接测量树木的高度和垂直结构信息，利用激光雷达提供大量点的精确数据这一优势，然后通过训练多角度遥感数据进行区域推广，就可以实现区域森林垂直结构参数的反演。

说明书附图

图1为lidar样地分布示意图；

图2为原始点云数据示意图；

图3为dsm渲染图及图例；

图4为dem渲染图及图例；

图5为chm渲染图及图例；

图6为单棵树木位置与数量的估算示意图；

图7为不同最低树高设置下lidar平均树高计算示意图；

图8为试验区域实地核查数据示意图；

图9为chm渲染图及图例；

图10为坡向图及图例；

图11为坡度图及图例。

具体实施方式

下面结合实施例和附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。

本发明所述的基于lidar和alospalsar多元数据的森林生物量模型的建立方法包括分析与设计、lidar和alospalsar多元数据的森林生物量模型的建立步骤，具体包括：

a、分析与设计：

以待测地森林资源清查数据为基础，选择具有代表性的森林设置样地，对样地内的数目进行每木检尺，分别记录每棵树的胸径、树高、枝下高、冠幅和样地内的相对坐标；

b、lidar和alospalsar多元数据的森林生物量模型的建立：

1）通过机载lidar系统测量样地内的点云数据，然后对lidar点云数据进行预处理，从中生成dem、dsm和chm，提取建立模型所需的相关树高数据；

2）通过对palsar数据进行预处理，精确的将地面样地观测数据和sar影响配准，通过数据生产方提供的定标公式和定标系数将slc图像的信号转换为用分贝表示的后向散射系数；

3）以样地森林生物量为因变量，以机载lidar数据提取的样地林木平均高、极化sar的敏感信号、极化分解参数为自变量，利用多元数据进行多元后消逐步回归法和强行进入发进行建模。

b步骤1）中所述的对lidar点云数据进行预处理是使用envi5.2定义lidar点云数据的投影系统和点云类别并进行地理坐标纠正，导入激光点数据后去除高程异常点，将激光点分类，分别从分类后的数据点中提取相应的数据点内插生成数字高程模型（dem）和数字表面模型（dsm），通过dem和dsm的计算生成冠层高度模型（chm）。

b步骤2）中所述的预处理是对palsar数据进行辐射定标、斑点噪声滤波、极化分解、正射校正和地形辐射校正。

所述的基于lidar和alospalsar多元数据的森林生物量模型的建立方法还包括模型评价和相关数据的精度评价步骤。

所述的模型评价和相关数据的精度评价是通过相关系数检验、f检验、回归系数的t检验、均方根误差、估测精度相关公式、方差膨胀因子进行多重共线性检验的方法来确保构建建模型的显著性和相关数据精度的合理性。

下面以具体实施案例对本发明做进一步说明：

实施例1

样地设置具体见图1，样地坐标分布具体见下表：

样地坐标分布

实施例2

lidar点云数据经过系统处理，将最后所得到的激光点进行内插，即可得到较为精确的dem、dsm：经过dem提取、dsm提取、idw插值、chm生成、平均树高计算等步骤，得到了实验区域的dem、dsm、chm、单棵树木位置估计图等，具体见图1~图7。

根据chm提取平均树高，与核实采样点进行对比分析。通过设置不同的最低树高，平均树高的估计结果如下表所示：

lidar点云数据提取平均树高（单位：米/m）

实施例3

选择实验区，区域范围为2平方千米左右，实地共采集高程点48个，单棵树木69株，同时采集了树木的胸径、树高，以及实地照片，如图5所示。该区域的lidar点云数据经过系统的处理即dem提取、dsm提取、idw插值、坡度、坡向生成、chm生成、平均树高计算等步骤，得到了实验区域的dem、dsm、chm、坡度、坡向图，具体见图8~图11。