排序方式: 共有68条查询结果,搜索用时 15 毫秒
21.
基于机载LiDAR全波形数据白桦林林分LAI反演研究 总被引:1,自引:0,他引:1
为提高森林叶面积指数(LAI)的估测精度,本研究以白桦林为研究对象,以机载激光雷达(LiDAR)全波形数据为研究数据,首先提出了机载LiDAR全波形数据读取与波形特征信息提取的相关算法,结合具体算法的实现分析出每条全波形对应的各波形分量的能量信息,然后依据波形能量信息在传统激光穿透指数(LPI)计算的基础上结合全波形数据的特点,计算出全波形激光穿透指数(LPIfi),最后获得样地体元激光穿透指数(LPIf-mean),用于估测森林林分LAI,并将估测结果与机载LiDAR离散回波点云数据估测森林LAI的结果进行了对比。结果表明,全波形样地体元激光穿透指数LPIf-mean与森林林分LAI之间的建模精度R~2=0.815,RMSE=0.105,预测精度R~2=0.864,RMSE=0.139,同时在同等样地尺度下,全波形数据返回脉冲能量信息估测森林LAI的精度要高于离散回波点云数据的,因而,基于机载LiDAR全波形数据能够实现森林林分LAI的高精度反演。可以为进一步森林生态参数模拟与估测提供高精度的基础数据,弥补和提供了机载LiDAR全波形数据估测森林LAI的方法和思路。 相似文献
22.
地形坡度对星载LiDAR(lightdetection and ranging)估测最大树高具有较大的影响。为了提高坡度条件下树高的反演精度,通过建立坡地条件下5种不同的最大树高估测模型,前3个模型分别使用不同DEM(digital elevation model)数据的地形指数来量化地形坡度的Xing模型,第4个模型使用波形参数-未改进边缘长度来量化地形坡度,第5个模型与第4个模型类似,用改进边缘长度来替换未改进边缘长度。结果可知,波形参数模型的精度要高于使用DEM数据的地形指数的Xing模型的精度,第5个模型的精度要高于第4个模型的精度。表明波形参数量化地形坡度的能力要优于DEM数据的地形指数,而改进边缘长度模型更适合估测坡地的最大树高。 相似文献
23.
为探究拟发射国产星载激光雷达卫星波形数据在森林结构参数估测方面应用潜力,首先需对其回波波形进行模拟仿真。针对地形无规律起伏和林层结构复杂这一问题,本文采用有限元原理实现了随机地形与林分三维信息的模拟仿真;针对激光脉冲传输过程中能量衰减的问题,引入了激光雷达辐射传输模型;为验证本文所建回波仿真系统有效性,利用与国产星载激光雷达回波波形相近的ICESat-GLAS实测波形数据对GLAS仿真波形数据进行验证。研究结果为:发射波仿真波形与实测波形相关系数为0.96;地形坡度分别为0°~10°、10°~20°、20°~30°和30°以上时回波仿真波形与实测波形相关系数均值分别为0.90、0.88、0.85和0.81;郁闭度分别为0~0.2、0.2~0.4、0.4~0.6、0.6~0.8和0.8~1.0时回波仿真波形与实测波形相关系数均值分别为0.81、0.80、0.84、0.88和0.90;针叶林、阔叶林和混交林回波仿真波形与实测波形相关系数均值分别为0.85、0.86和0.89。研究结果表明:本文所建回波仿真系统可用于国产星载激光雷达回波仿真。回波仿真所得国产星载激光雷达仿真波形,可为森林结构... 相似文献
24.
以吉林省汪清林业局为研究区,通过猫群位置寻优的过程对阔叶林、针叶林和混交林进行聚类分析。结果表明:森林类型区分精度达到83.5%,Kappa系数0.793,与传统高光谱聚类方法相比,能较好的识别森林类型。 相似文献
25.
研究红松籽的物流集散点选址,以汪清林区红松林密集区为研究对象,在GIS平台上,结合小班数据、DEM数据等对物流集散点进行初选,再建立基于混合整数规划法的经济模型和影响因素辅助模型,优化初选地,得到汪清林区红松籽物流集散点选址21个。最后在GIS技术支持下,结合模糊数学中的贴近度分析,对所选地址评价优劣。本文的研究结果为红松籽物流集散点的选址提出一种新的构想以及实现思路,具有一定的借鉴价值,符合今后林业物流的发展方向。 相似文献
26.
高光谱图像分类可分为监督分类与非监督分类,聚类分析进行非监督分类是一种现今比较受研究者广泛关注的技术.粒子群算法具有自适应、自组织性、可同时进行局部和全局搜索等特点;蚁群算法通过智能个体间不断进行信息交流和传递,具有较强的发现最优解的能力.提出一种基于改进的粒子群和蚁群算法的高光谱图像聚类方法,设计其模型并将其应用在森林类型分类问题上,提高分类精度,减少人工干预.以吉林省汪清林业局为研究区,通过修改粒子群的惯性系数,得出最优解集,然后利用蚁群寻优的过程对阔叶林、针叶林、混交林、水体进行聚类分析,区分精度达到85%证明,该方法能较好地识别森林类型. 相似文献
27.
28.
采集农田、林地和盐碱地不同类型的土壤样本,采用偏最小二乘法结合OSC方法建立土壤有机质反演模型,运用交叉验证和外部验证相结合的评价方法进行比较分析。结果显示:采用平滑+MSC+OSC方法对光谱进行预处理,可以提高预测模型的精度。OSC因子个数和PLS主因子个数分别为6和4时,交叉验证决定系数R2为0.990 1,均方根误差为0.297 5,外部验证决定系数R2为0.926 1,均方根误差为0.283 6,模型达到最优。表明对光谱进行OSC预处理后建模是可行的,OSC降低与浓度阵无关的光谱信号,并且减少建立模型的主因子个数,进一步提高模型的精度和稳定性。 相似文献
29.
30.
【目的】在林下环境中受到树木冠层的遮挡,易造成全球导航卫星系统卫星信号失锁,不能满足林下实时定位的需求。本研究引入双目立体视觉SLAM技术,在移动过程中根据周围环境中路标点的位置变化实时确定传感器的空间位置和姿态,以期在林下环境中达到实时定位的目的。【方法】实验过程中使用双目相机按照10 Hz的采集频率对3块边长为40 m的方形样地连续拍摄,按照ORB特征提取方法从图像中选择具有代表性的路标点,然后依据双目相机成像模型恢复路标点的空间位置,并由路标点的位置变化实时推算相机空间位置和姿态。最后使用光束平差法优化相机位姿和路标点坐标,进一步提高算法的定位精度。通过对比全站仪的测量结果,计算出采集路线中控制点坐标的均方根误差,验证双目立体视觉SLAM算法在林下环境中的定位精度。【结果】实验从控制点坐标定位精度和算法实时性角度对双目立体视觉SLAM算法的定位结果进行定量分析。结果显示由双目立体视觉SLAM算法计算出的相机运行轨迹和全站仪的测量轨迹基本一致,控制点坐标沿X轴、Y轴与Z轴方向的均方根误差(RMSE)分别为0.81、0.65、0.58 m;每帧图像处理时间集中分布在0.06~0.08 s之间,处理速度高于其采集频率。【结论】提出的双目立体视觉SLAM算法,在移动过程中实时确定出相机传感器的空间位置和姿态,解决了林下无法实时定位的难题,为基于移动采集方式的森林样地调查工作奠定了基础。 相似文献