基于LiDAR点云数据的毛竹林分特征优化提取及适用性评价开题报告

1. 研究目的与意义

研究目的

1）通过高斯分解技术和pearsons模型分别提取优化筛选lidar提取变量，寻求其共性和生物学机理解释；2）基于r2(决定系数）和散点图评价株数、平均胸径、胸高断面积、loreys高、优势高、枝下高和地上总生物量信息；3）最后分类型讨论了lidar数据（对竹林垂直和水平信息）的敏感性。

研究意义

2. 国内外研究现状分析

国内外研究侧重于通过统计方法构建lidar提取变量和实测森林参数之间的映射关系，忽略了lidar提取变量的优化筛选及其机理上的解释。

国内基于lidar技术反演亚热带森林参数的研究不多，国外虽在次领域起步较早，但研究对象多为热带、温带和严寒带森林。

就竹林而言，基于lidar技术反演亚热带竹林参数的研究国内外也很少。

3. 研究的基本内容与计划

研究内容

以苏南丘陵地区的毛竹林为研究对象，借助机载lidar技术获取的完整波形数据；在此基础上首先通过高斯分解提取点云；然后借助kraus滤波方法处理获得地面点云，再根据地面点云生成dem，进而得到去除地形高度的竹林冠层相对高度（即样地对应坐标位置上的真实树高）；最后基于以上预处理后的点云数据分别计算对应样地位置的lidar特征（属性）变量。采用pearsons相关系数分析方法优化筛选提取的lidar特征变量，借助地面实测的样地数据，通过建立优化筛选出的lidar变量与地面实测信息的一元回归模型（和散点图）来评价lidar点云测量数据的精度。最后基于最优lidar变量对三种类型的竹林结构参数进行相关关系比较分析，力求寻找其差异和共性。

研究计划

4. 研究创新点

本研究提供了应用Pearsons模型提取LiDAR数据变量，发现了LiDAR变量选择的共性，这将为LiDAR技术投入亚热带竹林资源调查及生态系统建模提供直接实验依据。