5m，25m，and35m的半球切片，倾角与方位角方向的LBA均设置为5°。 三维空间被分为一系列的梯形体元以研究点密度分布。将切片的透明度设置为0.5,用不同 颜色表示不同密度的点云三维空间分布。如附图5所示，TLS离观察物体越近，有更高的点 云密度来阐明随着切片与TLS距离的增加切片中点云密度减少这一现象。与叶片有关的激 光点大多数分布在半径在5-15m之间的第二个切片中，如附图3 (a，c)所示。
[0062] 4.计算角度孔隙率。根据技术方案步骤（4)所述，通过径向半球切片算法，我们得 到有限个有着固定的倾角间隔的环形半球区域和一系列大小不同的梯形体元，进而求出30 个样方的AGF，并且从中选择三个样方：高密度样方（样方8,LAI= 4. 15)、中密度样方（样 方29，LAI= 2. 25)、低密度样方（样方18，LAI= 1. 20)来说明森林密度对基于TLS的AGF 影响。结果表明，基于TLS计算出来的AGF与基于DHP计算出来的AGF达到了很好地一致 性，如附图5所示。基于TLS的AGF与森林密度密切相关，如附图6、8所示。
[0063] 5.根据技术方案步骤（5)和（6)所述，分别基于TLS和DHP计算LAIe，并对两者 结果进行比较。基于TLS的LAIe与基于DHP的LAIe相关性很好，但是基于TLS比基于DHP 低估了AGF值，尤其是密度增加的时候低估现象越明显。基于TLS的LAIe与基于DHP的 LAIe的关联强度还与森林类型有关，如附图7所示。例如，阔叶林中两者的一致性较高，混 交林中，两者有更密切的关系。
[0064] 6.根据技术方案步骤（7)所述，估算木质部分对LAIe的影响。从原始TLS森林点 云数据中去除掉非光合冠层部分后，对于高密度森林样方AGF大约提高了 10-20%。对于中 密度森林样方，去除木质部分点云数据之前与之后的AGF分别为10%与43%。而在低密度 森林样方中，不同的倾角条件下AGF有相对较小的变化（0-14% )。在高密度森林样方中，基 于TLS不同的倾角下LAIe从3. 36下降到1. 72,表明木质部分对LAI的贡献达到48. 81%。 同样地，在中密度森林样方中，木质部分对LAI的贡献达到54. 11 %。在低密度森林样方中， 木质部分对LAI的贡献仅仅19. 58%。排除掉木质材料的影响后，即可求出真实LAI。
【主权项】
1. 一种基于点云半球切片估算森林叶面积指数的方法，其主要包括以下步骤： (1) 获取森林样方植被冠层的地面三维激光点云数据； (2) 逐点分类：根据森林激光点云的几何空间分布模式，用以下公式表示局域点集的 协方差矩阵 Ccov=E{(A-B)T(A-B)} (1) 其中，A代表原始局域点集的NX3维矩阵；B代表中心矩阵；T是矩阵转换操作；E是 数学期望值；通过支撑域内已知点协方差矩阵的有序特征值和特征向量得到该局域点集 的显著性特征值；将特征向量升序排列，三类点云的特征值用以下表达式表示：①1。>> λλ2代表具有线性特征的非光合冠层部分；②λλλ2代表具有随机分布特 征的光合作用冠层部分；③λ。~λi>>λ2代表无关联特征的裸地部分；给定局域点集 的显著性特征S用公式（2)表示： S= (λ2，λ0-λρλ厂λ2) (2) 对三类点集的每一类手动选取15-20个训练样本集并且计算它们相应的显著性特征 值；然后利用期望最大化算法和高斯混合模型，基于地面激光点云中每个点的不同显著性 特征值对其进行逐点分类；符合高斯密度函数的地面激光点云数据点 Xj的条件概率模型中 的未知参数通过期望最大化算法得到；因此，将每个点的显著性特征值输入高斯混合模型 中得到某类点的条件概率模型；地面激光点云中的每个点用其最高的条件概率来标记，由 此产生的初始分类进一步通过后处理滤波方法进一步优化； (3) 利用径向半球点云切片算法，研究地面激光点云密度空间分布，提取角度孔隙率； 该算法中，地面激光点云数据的中心点首次被作为新的坐标原点ο(χ=ο，γ=ο，ζ=ο)来 计算，矩形框的外切球决定有同样圆心的环形球面的最大半径；通过径向或角度方法将森 林冠层三维研究区域划分开；通过径向方法，点云区域被分为有相同圆心的不同的环形半 球区域，环形半球区域的数量由相邻球面之间的半径间隔和切球的最大半径决定，环形半 球区域由两个不同半径的球面来界定；方位角的范围是0°到360°，倾角的范围是0°到 90°，通过角度方法，利用公式（3)将球面分为不同立体角的表面区域，表面区域的数量由 整个球面和立体角的大小决定；式中，Θ肩天顶角，供是方位角，dΘ和(1Ω^别代表倾角、方位角和立体角的微 分；通过径向和角度方法，径向半球点云切片算法将三维球形区域分为不同大小的"体元"； (4) 计算角度孔隙率：通过角度方法将给定的感兴趣三维区域分为不同的梯形体元， 其中空体元与所有体元的比值即为角度孔隙率； (5) 计算消光系数：消光系数由入射太阳光方向和叶片方向分布函数共同决定，入射 太阳光方向由激光束模拟，叶片方向分布函数由椭球模型表示；利用最小二乘法计算局域 点集中每个点的法矢量，在支撑域图形上绘制黎曼图，根据该图的最小生成树产生一个种 子法矢量，从而确定所有法矢量的方向；对于针叶林，由于地面激光系统很难捕获针叶信息 并绘制出较好的三维冠层结构，因此在光的截取过程中每一单独树枝被看做一个大叶片； 假设叶片方位角随机分布，预先设定椭球长半轴与短半轴的比例，用椭球模型表示叶片角 度分布，用椭球阴影面积占椭球总面积的比例计算消光系数； (6) 计算有效叶面积指数：根据贝尔定律估算光穿过媒介时的衰减，单个半球区域的 有效叶面积指数通过公式（4)计算 Le=cos(θ) · 1η(Ρ(Θ))/-G(θ) (4) Θ是天顶角；U是有效叶面积指数；P(θ)和-G(θ)/cos (θ)分别是入射太阳光天顶 角为Θ时的角度孔隙率和消光系数； 根据RHPCS算法，通过公式（5)计算整个森林冠层有效叶面积指数：式中，Lel是第ith个三维环形半球区域的有效叶面积指数；Ρ(ΘJ是第ith个三维环形 半球区域的角度孔隙率；G(ΘJ是第ith个三维环形半球区域的消光系数； (7)评估木质部分对有效叶面积指数的影响：逐点分类后，从原始地面激光森林点云 数据中剔除非光合冠层部分的点云数据；为了便于比较基于地面激光系统的有效叶面积指 数与基于鱼眼相机的有效叶面积指数，排除低于扫描仪高度的冠层部分；通过创建两个数 据集：含有与不含有光合作用部分，定量描述木质部分对基于地面激光系统的三个不同森 林点云密度有效叶面积指数的影响；通过比较剔除非光合部分点云数据计算出的叶面积指 数与含有非光合部分点云数据计算出的叶面积指数之间的差别，便可计算出木质部分对基 于地面激光系统的有效叶面积指数的贡献值；2.根据权利要求1所述的一种基于点云半球切片估算森林叶面积指数的方法，其特 征在于步骤（7)，依据几何信息将激光点云数据分为三类，从而提取出木质部分激光点云数 据，考虑木质部分对步骤(6)中求出的有效叶面积指数的贡献值，根据求出的贡献值，去除 掉木质部分对森林冠层的影响，从而求出森林冠层的真实叶面积指数。
【专利摘要】本发明提供了一种方法：利用地面激光点云数据基于点云半球切片估算森林叶面积指数，属于森林冠层结构参数获取方法的研究领域。其步骤为：获取植被冠层的三维激光点云数据的及预处理；基于局域集合特征方法将点云数据自动分为三类：光合作用冠层部分(如叶和花)、非光合作用冠层部分(如干和枝)和裸地；利用径向半球点云切片算法研究光合冠层部分与非光合冠层部分在三维空间的空间分布形式，计算角度孔隙率；计算消光系数；提取有效叶面积指数；根据激光点云逐点分类结果，评估木质部分对森林角度孔隙率和有效叶面积指数计算的贡献值。结果表明：利用地面激光点云数据，在不同密度的森林中，木质部分对有效叶面积指数贡献率为19％-54％；该发明计算出的有效叶面积指数与鱼眼相机计算出的有效叶面积指数相关性达到74.27％。本发明丰富了利用地面激光点云数据提取森林冠层三维结构和生物物理参数的应用。
【IPC分类】G06T7/00, G06K9/00
【公开号】CN105389538
【申请号】CN201510655584
【发明人】郑光, 马利霞, 何维, 卢晓曼, 张乾, 路璐
【申请人】南京大学
【公开日】2016年3月9日
【申请日】2015年10月9日