基于激光雷达技术获取甚高郁闭度森林蓄积量的方法与流程

技术特征：

1.基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其特征是，对获取的甚高郁闭度森林区域的地面信息通过树木分割来提取单棵树，并进行推算森林蓄积量，从而获得该区域的甚高郁闭度森林森林蓄积量。

2.根据权利要求1所述的基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其特征是，获取甚高郁闭度森林蓄积量的过程包括以下步骤：

1)根据不同区域，设置满足要求的飞行高度、飞行速度和飞行航线，以达到300点/m2以上的点密度为条件进行数据采集，并将经纬度坐标转换成后续数据处理所需的地理坐标生成以米为单位的点云数据；

2)通过代表树木冠层顶部信息的数字表面模型DSM与表示地形信息的数字地面模型DTM之间的差值获得归一化的数字高程模型nDSM；

3)将数字高程模型nDSM数据投影到二维平面，通过设定采样间隔和最大值栅格化处理，取落入每一格网内的最大值作为当前点的高程值；

4)进行垂直方向最大值稀疏处理，保留冠层顶部，并以实际树木冠径的经验宽度为搜索半径，检测局部最大值点，然后将检测的种子点栅格化为标记图像，作为分水岭分割算法的输入参数来提取单棵树；

5)根据数据采集区域样地单棵树的实测数据拟合生成胸径-树高-冠径模型，推算森林蓄积量并通过构建LOD2树模型对森林区域中树的分布情况进行三维模型显示。

3.根据权利要求2所述的基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其特征是，在步骤2)中，通过分类方法对点云数据进行区分地面和非地面信息，利用数字表面模型DSM与数字地面模型DTM的差值进行高程归一化处理获得归一化的数字高程模型nDSM。

4.根据权利要求2所述的基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其特征是，在步骤3)中，根据设置固定采样间隔，取所有落入单个格网中的最大值点为当前灰度值，没有点落入时赋值为0，以此来形成二维栅格数据。

5.根据权利要求2所述的基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其特征是，在步骤4)中，首先是对栅格图像中的每个像素的灰度级进行由低到高的排序过程，然后通过注水，由每一个局部极小值慢慢向外扩展，进行从低到高的淹没处理，各个种子点相互间的汇集处构成分水岭，定义为边界。

6.根据权利要求5所述的基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其特征是，所述种子点为通过对nDSM进行稀疏处理时，只保留垂直方向上的最大值，并通过给定的搜索半径，检测水平位置上的最大值点来获取到的且其个数表示检测出单棵树个数的栅格图像；所述局部最大值点为通过一定大小的搜索窗口，逐像素的比较搜索窗口范围内的所有点与当前点的灰度值大小，当前点大于周边点时，取该局部最大值点为种子点。

7.根据权利要求2所述的基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其特征是，所述胸径-树高-冠径模型为：

D＝aC+bH+c

D＝aC^b+cH^d+e

其中，H为树高、D为胸径、C为冠径，a，b，c，d，e表示根据样地实测数据进行方程拟合的系数，冠径是根据单棵树的检测范围采用最小二乘法对该范围内的所有点进行圆的拟合操作最后确定圆的直径。

8.根据权利要求7所述的基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其特征是，根据单棵树的检测区域确定每棵树的高度值H，并且利用最小二乘法拟合圆来拟合单棵树的所有点以此来确定冠径C，然后通过树高-胸径-冠径拟合模型计算胸径D；

所述树高-胸径-冠径拟合模型为：

$\sqrt{D}=f(\sqrt{H},\sqrt{C})=-7.04657+1.3058\sqrt{H}+0.5462\sqrt{C}$

其中，胸径、树高、冠径的单位分别为mm、dm、dm。

9.根据权利要求8所述的基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其特征是，森林蓄积量V(m³)是根据胸径、树高和冠径来确定的，其计算公式如下：

V＝G_1.3(H+3)f_ε

其中，a、b表示胸高处相互垂直的直径大小，当a和b相等时，用D表示，单位是厘米，则整个区域中总的森林蓄积量用下式表示：

$V={\mathrm{\Σv}}_i=\frac{\mathrm{\π}}{4}\·{10}^{-4}\·\[{{\mathrm{\ΣD}}_i}^2\·(H_i+3)\·f_{{\mathrm{\ϵ}}_i}\]$

其中，i表示第i棵树，G_1.3为树干胸高断面积，其单位为m²，f_ε为平均实验系数，f_εi为第i棵树的平均实验系数。

10.根据权利要求1所述的基于激光雷达技术获取甚高郁闭度森林蓄积量的方法，其特征是，获取甚高郁闭度森林蓄积量的过程包括以下步骤：

1)根据不同区域，设置满足要求的飞行高度、飞行速度和飞行航线，以达到300点/m2以上的点密度为条件进行数据采集，并将经纬度坐标转换成后续数据处理所需的地理坐标生成以米为单位的点云数据；

2)通过代表树木冠层顶部信息的数字表面模型DSM与表示地形信息的数字地面模型DTM之间的差值获得归一化的数字高程模型nDSM；

3)将数字高程模型nDSM数据投影到二维平面，通过设定采样间隔和最大值栅格化处理，取落入每一格网内的最大值作为当前点的高程值；

4)进行垂直方向最大值稀疏处理，保留冠层顶部，并以实际树木冠径的经验宽度为搜索半径，检测局部最大值点，然后将检测的种子点栅格化为标记图像，作为分水岭分割算法的输入参数来提取单棵树；

5)根据数据采集区域已有的经验模型估算每棵树木的胸径，采用该数据采集区域树种的材积公式来推算森林蓄积量；并通过构建LOD2树模型对森林区域中树的分布情况进行三维模型显示。