基于LiDAR数据估测单株松树树干体积与地上生物量外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

基于LiDAR数据估测单株松树树干体积与地上生物量

摘要：胸径（Diameter at Breast Height，DBH）是估测单木体积和地上生物量时最常见，使用最广泛的测量参数。然而，机载或星载激光雷达（Light Detection and Ranging，LiDAR）不能直接测出DBH。因此，单木体积和生物量必须借助其他基于LiDAR提取的参数估算得到。本文的目的是检验全波形（Full Waveform，FW）与离散回波型LiDAR数据相比是否可以提高对单木的体积和生物量的估算精度。参数集分别从冠层高度模型（仅用CHM模型参数）、垂直分布离散回波（CHM DR参数）及全波形LiDAR数据（CHM FW参数）中提取。在每个集合中，使用最佳子集和方差膨胀因子的组合方法去选择最相关和不相关变量，以构建体积和生物量的预测模型。仅用从CHM中提取的参数(树高和树界体积[树高x冠面积])估测单木的体积和生物量的误差(平均误差plusmn;标准偏差)分别为2%plusmn;26%和-15%plusmn;49%，这与以前的研究一样。CHM FW指标没有改善树干体积估算结果（5%plusmn;31%），但它们提高了地上生物量估算的精度（-4%plusmn;31%）。该方法受限于单株树木的描绘。然而，这些结果表明全波形LiDAR数据与离散回波LiDAR相比，能通过更好地整合枝叶生物量来改善地上生物量估测精度。

关键词：算法设计和分析；林业；地球物理信号处理；LiDAR；预测模型；遥感；植被制图

1. 引言

树干体积和地上生物量是评价森林生产力和固碳率的两个常用参数，需要它们来确定森林可持续管理和缓解气候变化的有效方案。野外实测的DBH和总高度通常作为异速生长方程的主要输入变量，并通过异速生长关系估算单株地上生物量。森林调查一般基于野外取样方法，但是为了实施可持续管理实践和进行详细的生态研究，需要在森林林分尺度上进行空间明确的野外测量。因此，研究改善人为和环境因素如何影响地上生物量分布的评估已变得至关重要。

具有实地控制测量的遥感数据为评估空间明确调查提供了有效的解决方案，这种调查的范围可从单木到全球范围和不可到达区域。在现有的遥感技术中，LiDAR提供了绘制植被垂直结构的有用信息，且与雷达相比，它对信号饱和的敏感性较低。因为机载星载LiDAR只能接收森林冠层的回波，所以它们不能直接获得DBH。因此，必须从LiDAR数据中提取其他参数来估测体积和生物量。

对林分容积和地上生物量在林分尺度上的估计主要基于大光斑轮廓仪传感器(地面上10-70m的激光束直径)信号振幅提取的参数。地面和冠层反射的信号也可以采集并集成。除了信号振幅外，这些集成信号和它们的比率也可以使用。机载扫描仪传感器获得的小光斑LiDAR数据(以几十厘米为单位，测量密度从0.5到若干每平方米)，空间分辨率更高。在样地尺度上，体积和生物量与回波的垂直分布(高度百分比)、最大高度、平均高度和高度变异系数等参数相关。在单木尺度上，直接将现场测量结果与基于LIDAR提取的参数联系起来。它们通常依赖于单木检测算法来提取LiDAR参数，然后是选择参数和预测。一些研究使用高度百分比估计生物量。Popescu利用由冠层高度模型(CHM)提取出总高度和冠层直径来评估生物量，Chen等人介绍了使用由CHM“冠层几何体积”提取出的参数来估计树干体积。所有这些研究成果都证明了测量树木垂直结构的有效性，其中包括测量树冠尺寸和总高度。

小光斑全波形LiDAR传感器的发展为植被研究提供了新的机遇。不同于通常只记录最重要回波的小光斑回波LiDAR，新一代传感器记录全部的后向散射能量。与离散回波系统相比，信号处理的新发展使得提取的回波的数量增加，从而提供额外的信息，例如波形下的回波形状或面积，这些信息可用于改进植被结构测量。

在本文中，我们验证全波形LiDAR变量与常用LiDAR变量（即总树高和树冠直径）结合是否能够在单木尺度上改进体积和生物量的估算。并把估算结果与仅使用常规变量或结合从离散LiDAR数据中提取出的百分比参数进行的估算进行了比较。

1. 材料
2. 研究区

研究区域位于法国阿尔卑斯山南部的Haute-Bleacute;one 森林（44.16N，6.32W）（见图1），靠近迪涅莱班市。

图1.研究地点和地块（白点圈）的位置.半球照片显示地块情况

在十九世纪下旬， 108公顷的山区种植了黑松（黑松林）。今天，林分密度从100个棵/公顷到超过2000个棵/公顷。这些黑泥灰质荒地上的土壤受到强烈侵蚀的影响，但人们发现，造林通过截留被侵蚀的物质大大减少了侵蚀。今天，森林已经成熟，必须制定管理计划来更新森林信息。由于平均斜率约为53%，局部可达100%，因此本研究场地特别适合于评估不同地形条件下的LiDAR效率。

1. 参考数据

在2007年12月，于六个半径15米的圆形地块上收集实地调查数据。该地块代表了森林的几个生长阶段。平均样地高度在9米到22米之间。由于森林的均匀组成，我们可以用61棵参考树进行研究。

在每个地块的中心使用差分GPS和全站仪进行地理定位。对于DBH大于7cm的所有树木，测量了以下特征：树木位置(即，以地块中心为基准点，通过距离和角度测量计算的X和Y坐标)、DBH(使用卷尺测量)、树木高度和树冠基部高度(使用顶点III超声倾角仪[HAGLOF Inc]测量。样本地块特征概括在表I中。在两个样地中，使用树冠镜和卷尺在两个方向（即南北和东西）测量树冠的最大范围。

表一

样本地块特征.给出单个树木含标准偏差的平均值

根据地面测量的DBH和树木总高度，使用下面法国农业研究所为法国境内的黑松开发的方程式计算每棵树的参考树干体积。该方程是利用主要位于法国东南部的1755棵树木的破坏性抽样建立的，其DBH在4厘米到30厘米之间，高度在10米到55米之间。

其中V是茎的体积（cm³），H是总高度（cm），C是胸围处树干周长（cm）。

对法国黑松地上生物量（AGB）的估测并没有现成的异速生长方程可用。由于我们的研究地点在地中海气候带内，所以我们使用了一个关于西班牙黑松的方程，而西班牙黑松主要位于地中海气候带。该模型由Montero借由西班牙不同地区的253棵黑松树上建立，它们的DBH从7cm到70cm不等。

其中AGB水平的单位为kg，胸径为树干直径，单位为cm。

使用前面提到的方程，对每个单独的树计算参考体积和生物量。在表I中给出平均值以及其他平均树木数值特征。

1. LiDAR数据

在2007年4月使用RIGEL LMS-Q560系统进行了数据采集。该传感器是一种小型光斑全波形机载激光扫描仪(参见Wagner等人的系统设计和规范)，其工作脉冲频率为111kHz，扫描角为plusmn;22.5°。飞行高度大约高于地面600米，光斑直径约为0.25米，平均测量密度大约为5次/m²（即，5个全波/m²）。数据集由原始全波形信号(1GHz[15cm]波形的数字化一维强度剖面)和通过拟合高斯函数从原始信号中提取的离散回波值(3D点云)组成。

1. 方法

图2是文中使用方法的流程图，表2是文章提取参数的总结

图2.方法概述.

表二

本次实验中涉及的单木尺度下提取参数的总结

1. 基于CHM模型提取参数

LiDAR点云处理过程中，通过从数字表面模型（DSM）中减去数字地形模型（DTM），获得了0.5米分辨率的CHM。给每个DSM小格（0.5m分辨率）分配其小格内部最高回波的高程，并进行反距离加权（IDW）插值。由于地面点的密度较低，对实际到达地面的最后回波使用普通克里金插值法计算DTM，分辨率为1m，并用Veacute;ga等人描述的方案对回波分类之后进行识别。

在CHM上进行分割，提取和表征单个树冠。树冠提取是基于平滑后的CHM识别局部最大值（使用高斯低通滤波器）和随后利用各个方向的树冠尺寸测量进行椭圆形树冠建模（技术细节见Veacute;ga和Durrieu）（图3）。

图3.在15 m半径图2（虚线）上识别树冠（树荫）和冠尖（星）.

对于每个树冠，通过选择树冠模型内最高像素值来估计树总高度（Ht_CHM），并且根据先前确定的椭圆形树冠计算树冠投影面积（Acrown_CHM）。通过这两个变量，我们还导出了树形包围体（TBV_CHM），这类似于“树冠几何体”。树形包围体是以树冠投影面积为底，树总高为高的椭圆柱体。使用地面实地测量真值评价基于CHM提取参数的准确性。

1. 基于离散回波LiDAR数据提取参数（DR参数）

高度百分位数与植被反射的LiDAR回波的垂直分布有关。从DTM中检索到的相应地形高程中减去位于每个建模树冠内部的离散回波高程。为了消除林木植被的影响，只考虑高于地面3米以上的回波。根据前人的研究，从回波分布中检索出第25（H25_DR）、50（H50_DR）、75（H75_DR）、90（H90_DR）个高度百分位（也称为高度分位数）、平均高度（Hmean_DR）和变异系数（CV_DR），并保留为离散回归（DR）候选变量。

1. 基于全波形信号和植被剖面提取参数（FW参数）

利用平面的GPS位置和LiDAR扫描角，在全球坐标系中对原始小光斑波形进行定位。然后将被完全定位在模型树冠内的波形求和以获得每棵树的累积波形（图4）。每平方米的五个光斑（直径30厘米）作为森林结构的代表性测量。

图4.落在冠边界内的全波形信号的总和（由圆柱体表示）.

（a）树的方案 （b）信号选择 （c）累积波形.

我们还从累积波形导出植被剖面。首先校正波形振幅，以考虑地面和植被的反射率差异。通过对地面和植被单次回波信号动力学（发射和接收振幅比）的分析，研究区地表平均反射率为0.52，植被反射率为0.33。然后，对累积波形用与其穿过相同路径的激光束进行衰减校正。为了实现这种光衰减校正，我们使用了先前麦克阿瑟和Horn改进方程模型。该模型将累积波形转换为植被剖面，以提供树木垂直结构的精确描述:

其中D_ri是距离平面ri处的信号振幅所成植被轮廓且iisin;[1,r_max-1]，P（r）是记录的振幅且是距离的函数。对从大气到信号消失（r_max）间的每两段连续范围的所有间隔也进行校正。累积波形和植被剖面是树冠的结构的补充信息。因此，植被剖面不能完全反映绝对信号振幅，大树冠（在地面投射的区域）不能与小树冠区分开来。然而，植被剖面提供了对树的垂直结构的改进描述。累积波形使我们能够区分冠宽，因为信号振幅随着树冠投影面积增加而增加。然而，累积波形不提供植被结构的归一化垂直分布。
因此，基于累积波形和植被轮廓提取了若干参数。表2是参数的总结，如图5所示。Maxsig为每个累积信号的最大振幅(除了地面分量，即高于最后LiDAR回波3m以上)，因此它与位于树木边界内的信号数量有关。HmaxPROF是基于信号最大振幅提取出的轮廓最大值(除了地面分量)，并且假定对应于冠部最大处或最密处的高度。冠基高度（HcrownPROF）对应于轮廓的最大减小量位置，检测为轮廓导数的最小值的位置。分别计算从树干若干米处到地面的累积波形和植被轮廓曲线下面积相对应的信号积分（ISIG及IPROF）。类似地，计算树冠上方若干米处到地面上方若干米处的信号积分I2SIG和I2PROF，以消除灌木的影响。然后分别计算RSIG和RPROF作为ISIG与地面反射的能量(曲线下面积，从最大振幅位置计算到后一位置上方15cm处)以及IPROF和剖面地面分量之间的比率。结果是冠层孔隙度指数

图5.激光衰减校正后的累积波形（左）相应的植被剖面（右）以及提取的变量.

1. 建立和比较体积和生物量评估模型

使用CHM参数（仅用CHM模型）计算回归模型并估算体积和生物量，或用CHM参数同离散回波（CHM DR）参数，全波形参数（CHM FW）分别结合所得的参数集进行相同的计算。然后将估计与地面真值（（1）和（2））进行比较。根据前人的研究，我们建立了线性回归模型。

1）参数选择：由于CHM、CHM DR或CHM FW参数之间的候选变量相对较少，使用所有可能的回归子集计算预测线性模型。目的是测试参数集的所有可能的子集，以找到根据贝叶斯信息准则(BIC)提供体积(1)或生物量(2)的最佳估计的参数的线性组合：

其中k是模型中的参数数量（包括截距），n是观测量，L是似然函数的最大值。通过测量模型的拟合度，同时对增加解释变量的数量施加限制，BIC解决了当在模型中添加新变量时人为增加似然的问题。所有可能的子集回归是R软件基于全部观测结果（61棵树木）根据“bestglm”功能自动执行的。变量集中，具有最低BIC的被保留为“最佳子集”。

虽然与同一株树相关的指标不可避免地具有一些相互依赖性，但是变量之间的函数相关会导致模型过拟合，容易导致使用新的数据集时预测效果不佳。因此，通过计算方差膨胀因子（VIF）来验证模型中的每个可能子集模型的相关性。为了实现这一点，每个参数被表示为子集中的其他参数的线性组合，并且每个参数的VIF被计算为：

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17871]，资料为PDF文档或Word文档，PDF文档可免费转换为Word