一种空地遥感结合的区域森林自然资源生态估测方法及系统与流程

本发明涉及森林生态学和测绘遥感学的交叉领域，尤其涉及一种空地遥感结合的区域森林自然资源生态估测方法及系统。

背景技术：

1、森林生物量是森林生态系统固碳能力的重要指标，它又和森林生态系统的碳源和碳汇息息相关，准确地估算大区域森林生物量对研究陆地生态系统碳循环具有重要意义。传统的生物量估算方法可以准确测量森林生物量，但测量周期长、成本高、耗费大量人力，且对森林具有破坏性。目前森林生物量估测更多地依赖于快速发展的遥感技术，采用遥感手段估测森林生态避免了对森林的破坏，能够快速、准确、周期性的实现大范围森林生态宏观监测。

2、目前，基于遥感影像估测森林生物量主要通过建立参数或非参数模型。例如，李明泽(2010)提出了“切比雪夫(chebyshev)正交多项式配合偏最小二乘建立地面统一生物量模型”，把生物量模型看作是连续函数空间中的一个元素,找到这个空间的一组基,将树种生物量统一模型表示为这组基的线性组合；唐文静等(2021)基于landsat5和landsat8遥感数据，利用2012年和2017年两期全国森林资源连续清查实地调查数据，建立多元逐步回归和随机森林模型对景谷县森林蓄积量进行遥感估测对比研究。基于机载点云数据在森林生物量与蓄积量估测方面的研究主要集中于样地级别的模型构建，也有部分研究基于单木尺度进行准确估测。例如，宋涵玥等(2022)以atlas(advanced terrain laser altimetersystem)光子点云数据为主要信息源，采用非参数模型随机森林回归和超参数优化后的随机森林进行建模，以均方根误差(root mean square error,rmse)、决定系数(r2)、总体估测精度(p1)作为模型的评价指标，建立研究区agb模型，估测森林地上生物量；杨必胜等(2021)基于机载点云提取出单木，根据不同树种的树高-胸径模型，由单木树高计算出胸径，将树高与胸径带入已有的生物量和蓄积量模型，获得单木的生物量和蓄积量，将区域内所有单木累加得到整个区域的生物量和蓄积量。

3、总体而言，目前森林生物量和蓄积量的估测方面仍存在以下问题：①大范围森林生物量、蓄积量模型构建缺乏理论基础，估测精度较低；②基于样地、单木尺度的森林生物量、蓄积量估测依赖机载点云数据，难以实现大范围、周期性的估测；③在将样地数据、机载点云数据与遥感影像数据结合，提高大范围森林生物量、蓄积量估测精度上还有待提高。

技术实现思路

1、本发明旨在至少解决上述所提及的技术问题之一，提供一种空地遥感结合的区域森林自然资源生态估测方法及系统，提高森林生态估测的效率和精度。

2、为了实现上述目的，本发明采用的技术方案为：一种空地遥感结合的区域森林自然资源生态估测方法，包括以下步骤：

3、步骤1，选取样地进行地面调查，地面调查包括树种调查以获取树种信息以及基于地面激光雷达的单木碳储量真值获取；首先根据地面激光雷达获取的激光点云计算单木碳储量，并将激光点云向下投影生成碳储量图，以落在碳储量图中每个像素范围的单木碳储量的和作为像素值，并与对应的卫星立体影像进行配准；然后将其中60％的样地作为训练样地，另一部分样地作为验证样地；

4、步骤2，对卫星立体影像进行处理，生成dsm、dem，利用dsm、dem计算的像素高差排除明显非植被，并将多幅卫星立体影像具有的光谱纹理信息以及像素高差一起作为神经网络分类器的输入特征，实现树种图斑分布图的生成；

5、步骤3，结合树种图斑分布图中的树种信息，根据dsm、dem计算像素高差作为观测值，以训练样地中对应像素的碳储量作为真值，构建不同树种的森林像素高差与像素碳储量的模型，并以验证样地的碳储量真值对模型进行优化与验证，根据不同超参数下的模型在验证样地上的表现选择最优的模型，森林像素高差与像素碳储量的模型为：

6、

7、其中，ci，j为像素pi，j的碳储量，p为像素分辨率，作为模型的超参数，分别取2m、2.5m、5m，fi，j为对应像素的植被覆盖度，θi，j为地形坡度，hi，j为像素高差，c为范围rc中所有像素的碳储量之和，a、b、c为不同树种的像素高差-像素碳储量拟合模型中的拟合参数，通过最小二乘法进行拟合；

8、步骤4，由整个区域的dsm和dem计算像素的高差，结合树种图斑分布图，将高差代入到不同树种的像素高差与碳储量模型中，得到每一个像素对应的碳储量，最后根据树种图斑范围，将同一图斑的像素碳储量累加，得到各个图斑的碳储量，获取生态估测结果。

9、优选的，根据权利要求1所述的一种空地遥感结合的区域森林自然资源生态估测方法，其特征在于，所述步骤1中，树种调查统计到单木，并使用地面激光雷达获取样地激光点云，提取到单木激光点云后，截取离地1-1.5米的胸高位置处上下各0.1米范围的点云，以0.1米的格网间隔将点云向下投影得到二值图像，对二值图像拟合出圆形并以直径作为胸径，向下投影得到二值图像，用公式表示为：

10、

11、其中，n为点云数量，xk、yk为点云的第k个点的x、y值，xmin、ymin为点云最小值，interval为一定的格网间隔，由此计算出每个点投影所落在的行列位置ik、jk，并将该位置像素值赋1，其他位置赋0；然后，根据不同树种的树高-胸径公式计算单木树高，根据不同树种的异速生程由树高、胸径计算单木生物量，从而计算单木碳储量的真值，树高-胸径公式为：

12、

13、其中，h为树高，d为胸径，a、b、c为根据胸径估算树高的一组参数；w为单木生物量，d、e为根据树高和胸径估算单木生物量的一组参数，单木生物量乘以含碳率得到单木碳储量。

14、优选的，所述步骤1中，将激光点云获取的单木碳储量制作成样地高分辨率碳储量真值图，根据激光点云范围计算影像行列总数：

15、

16、其中，rowsize、colsize为生成的碳储量真值图的行数和列数，p为像素分辨率，xmin、xmax、ymin、ymax分别为激光点云x、y方向的最小和最大值；

17、以像素所包含的单木碳储量的和作为像素值，如果像素完整包含一个单木，则计算整个单木的碳储量值，如果像素只包含部分单木，则以落在像素内的单木占整个单木的百分比计算碳储量值，计算公式为：

18、

19、其中，ci，j为待计算的行号为i、列号为j的像素的碳储量值，n为样地的单木数量，tck为第k个单木的碳储量，p为像素分辨率，cirk为第k个单木量取树高时所拟合的圆的中心为圆心、估算的冠幅为直径的圆，reci，j为行号为i、列号为j的像素所在的矩形，cirk∩reci，j表示第k个单木所对应的圆与单木所在像素方格相交的面积；

20、然后将样地按照比例划分为训练样地与验证样地，划分时保证训练样地和验证样地均包含各种树种类型。

21、优选的，所述步骤2中，首先根据使用无控制区域网平差、立体像对核线生成、多基线匹配密集匹配、通过前方交会实现dsm的自动提取，然后对dsm进行滤波去除非地面点，并通过对地面点内插生成dem；随后根据dsm、dem计算像素高差，根据像素高差滤波排除掉明显的非植被像素；接下来利用立体像提取出光谱和纹理信息，将树种高差、成对的立体像对的光谱、纹理信息送入神经网络分类器中进行训练。

22、优选的，所述步骤4中，根据不同树种图斑的矢量范围切割dsm、dem计算出像素高差图，若像素被切割后不满一个像素，根据像素落在矢量范围内的实际面积和像素分辨率计算的像素大小的比值作为该像素碳储量的比例因子。

23、本技术还公开了一种空地遥感结合的区域森林自然资源生态估测系统，其特征在于，包括：

24、地面样地调查模块，用于获取样地碳储量真值，通过树种调查获取树种信息以及基于地面激光雷达获取单木碳储量真值；并将激光点云转换为影像，将落在每个像素范围的单木碳储量进行求和，制作成高分辨率的碳储量图，与对应立体影像进行配准；然后按照一定比例将样地分为训练样地与验证样地；

25、卫星立体像对处理模块，用于对卫星立体影像进行处理，生成dsm、dem，利用dsm、dem计算的像素高差排除明显非植被，并将多幅影像具有的光谱纹理信息以及像素高差一起作为神经网络分类器的输入特征，实现树种图斑分布图的生成；

26、模型构建与验证模块，用于结合树种图斑分布图中的树种信息，根据dsm、dem计算像素高差作为观测值，以训练样地中对应像素的碳储量作为真值，构建森林像素高差与像素碳储量的模型，并以验证样地的碳储量真值对模型进行优化与验证；

27、碳储量计算模块，用于dsm和dem计算像素的高差，结合树种图斑分布图，将高差代入到不同树种像素高差与碳储量模型中，得到每一个像素对应的碳储量，最后根据树种图斑范围，将同一图斑的像素碳储量累加，得到各个图斑的碳储量，获取生态估测结果。

28、优选的，还包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令并控制地面样地调查模块、卫星立体像对处理模块、模型构建与验证模块和碳储量计算模块执行对应的操作。

29、有益效果是：与现有技术相比，本发明的一种空地遥感结合的区域森林自然资源生态估测方法及系统通过地面样地调查获得训练区域和验证区域的树种信息以及碳储量真值图，基于立体像对生成dsm、dem从而计算像素高差排除明显非植被并依靠像素高差以及多幅影像丰富的光谱和纹理信息进行遥感图像树种识别得到树种图斑分布图，结合树种图斑分布图依靠dsm、dem计算的像素高差和样地碳储量真值图构建并验证森林像素高差与像素碳储量的模型，最后将整个区域的像素高差代入到不同树种像素高差与碳储量模型中，得到每一个像素对应的碳储量，并对区域范围进行求和，实现区域森林自然资源生态估测。本发明发展了空地遥感结合的区域森林自然资源生态估测系统，克服了传统的光学遥感大范围森林生态估测精度较低、基于样地调查估测森林生态难以形成周期性、大规模采集的问题，提高了森林生态估测的效率和精度。同时，结合地面调查、地面激光点云、卫星立体影像数据，提升了区域森林生态估测模型的准确度；由此可见，本发明为森林碳储量的准确估测，立体影像数据、激光点云数据在林区的应用等工作提供了重要支撑。