适用于林区机载LiDAR点云的多分辨率层次插值滤波方法

针对现有机载激光雷达点云滤波算法在林区适用性不强的问题,提出一种基于多分辨率层次插值的林区LiDAR滤波方法。该方法首先借助形态学迭代开运算和稳健z-score方法获取大量地面种子点;然后从低层到高层滤波过程中,通过薄板样条函数构造地面参考面,并借助自适应坡度阈值选择地面点;最后将分类出的地面点更新地面参考面,层层迭代直至滤波结果收敛。以ISPRS提供的6组山区基准数据为研究对象,将新方法滤波结果与近5年提出的10种滤波算法比较表明:新方法滤波结果精度最高,平均总误差和Kappa系数分别为1.89%和87.88%。在实例分析中,以6个不同林区点云数据为研究对象,将新方法与形态滤波算法(MF)和渐近不规则三角网加密滤波算法(PTD)比较表明:新方法平均总误差为6.82%,而MF和PTD平均总误差分别为9.21%和8.49%;且前者获取的DEM精度优于后两种方法。     

复杂条带状沟谷地形点云抽稀与内插算法对数字高程模型构建的精度影响

针对点云数据构建数字高程模型(DEM)的精度受点云抽稀和内插算法等因素影响的问题,设计不同点云抽稀方法和不同内插算法对DEM构建精度影响的两组试验,寻求适用于复杂条带状泥石流沟谷地形构建DEM的组合方法 .利用空间抽稀、体素分割抽稀、随机抽稀3种方法以96%的抽稀率对原始点云数据进行抽稀,得到的抽稀结果再分别应用自然邻点插值法、反距离权重法(IDW)、克里金法、样条函数法4种内插算法进行内插,共构建出12种组合生成DEM的方法,对每种组合方法构建的DEM进行高程和坡度精度评价分析.结果表明,针对泥石流沟谷地形空间抽稀条件下利用IDW进行DEM内插的结果最为可靠,拟合优越度为0.999 540,平均误差为0.746 2 m,中误差为1.262 9 m.     

基于多尺度网格的点云自适应坡度滤波算法

文章针对基于坡度滤波算法在地形复杂地区中难以合理设置滤波阈值的问题,提出了一种基于多尺度网格的点云自适应坡度滤波的算法。首先在构建的多尺度的虚拟网格内选取最优点作为初始地面种子点,计算网格的点云空间占比并划分网格语义属性,然后利用地形计算因子求得每个网格的坡度分类阈值,再按网格尺度由大到小的方式对整体点云进行坡度滤波,得出真实的地面点云数据。文中采用了多种地形的光探测和测距(Light Detection and Ranging,LiDAR)(简称"激光雷达")数据来验证该算法,结果表明,该算法能够有效去除地面上的植被、建筑物等地物点,保留真实的地面点云数据。该算法重点解决了在伴随地形变化时坡度滤波阈值的计算和自适应设置问题,以及在地形变化剧烈的边缘地带过度滤波的问题。     

一种推扫式光子计数激光雷达点云滤波算法及其验证

提出一种用于推扫式光子计数激光雷达点云滤波方法。定义了一种线性径向基函数,利用这种基函数可以计算密度点密度值;基于此实现了一种粗滤波和精去噪结合的点云滤波算法,经过两个步骤的滤波之后能够对诸如植被等分层地物进行精细滤波。使用NASA的机载激光雷达MABEL的实际飞行数据对这种滤波算法进行了验证,并与中值滤波算法的效果进行了对比。结果表明算法能有效滤除与地面非常接近的噪声点,适合低密度地物目标点云的滤波处理,能够很好保留细节,其中植被滤波精度90.26%,地面点滤波精度96.11%。     

长江中下游河道岸滩低空机载LiDAR点云地形滤波算法

探索新兴的低空机载Li DAR技术,解决长江中下游植被高覆盖、高遮挡区岸滩地形测绘难题。提出一种针对多层次、高密度植被覆盖区的低空机载Li DAR点云植被滤波算法,该算法通过多回波分析对点云进行粗滤波后,采用数学形态学运算获取地面种子点,对地形局部进行趋势面拟合,再通过随机采样一致性检测,剔除植被点,保留地面点,从而获取测区的数字高程模型(DEM)。典型测区试验表明,该滤波算法能解决长江中下游河道岸滩地区地形起伏较大、植被高覆盖区域植被点云智能化剥离难题。根据测区实际情况,设计针对性的滤波算法,即使是植被与地面点云高度混淆、激光穿透率低于15%的复杂情形,仍能有效分离出地面和非地面点。     

星载激光雷达GEDI数据林下地形反演性能验证

【目的】新一代天基测高系统全球生态系统动力学调查(GEDI)对森林观测及经营具有重要意义,为探究GEDI V2(GEDI第2版)数据反演林下地形的性能,利用机载雷达数据验证林下地形反演精度,并探究反演精度的影响因素。【方法】分别以美国西波拉森林与中国帽儿山森林为研究对象,利用G-liht及帽儿山高精度机载雷达数据验证GEDI V2数据在针叶林及针阔叶混交林下反演地形的性能,并分析不同光束强度、光斑时间、坡度及植被覆盖度对地形反演精度的影响。【结果】美国西波拉针叶林地区地形反演精度均方根误差(RMSE)为2.33 m,平均绝对误差(MAE)为1.48 m;帽儿山针阔叶混交林地区地形反演精度RMSE为4.49 m, MAE为3.33 m。随着坡度、植被覆盖度增大,两种森林类型地形反演精度均降低。【结论】GEDI V2数据反演针叶林林下地形精度要优于针阔叶混交林,强光束优于覆盖光束,湿润地区白天效果更优,干旱地区黑夜效果更优;平缓地区数据使用效果极好,陡峭地区精度降低;中低植被覆盖度区域地形反演精度较高,高植被覆盖区域地形测定性能有所下降。     

基于机载小光斑LiDAR数据插值的亚热带森林丘陵地形的误差分析

以激光雷达(LiDAR)地面点云数据为数据源,将北亚热带天然次生林下的丘陵地形作为研究对象,分析了6种常用局部插值方法生成DEM的全局误差及其与地形因子、地面插值点密度和地表植被状况的相互关系,并借助随机森林方法进行插值误差不确定性制图。研究表明:各插值表面的预测值总体偏低,其最佳输出空间分辨率为2 m; 其中以自然邻近法插值生成的数字地形精度最高且可视化效果最好,而张力样条法的精度最低; 全局误差随坡度增大而逐渐提升,随地面插值点密度提高逐渐降低; 幼龄和中龄天然次生林所在区域地形插值的误差较大而成熟林的误差最大,灌木区全局误差不高但误差变异较大。同时,以LiDAR提取的植被参数与地形插值误差表现了较好的相关性,而归一化植被指数(NDVI)与误差之间的相关不明显,这表明以LiDAR数据提取植被参数在NDVI易饱和地区也可以较好地反映地形插值精度。     

施工场地无人机精细化三维模型构建及土方测量

利用无人机倾斜摄影测量技术,获取工程施工场地多视图影像序列,利用基于运动恢复结构算法（Structure from Motion, SfM）和多视图立体匹配算法（Multi View Stereo, MVS）的多视影像密集匹配形成超高密度点云,采用布料模拟滤波（Cloth Simulation Filter, CSF）算法剔除植被及废弃建筑物点云,获取真实地面点云,基于基底设计模型计算出两期点云之间土方量,实现复杂土方工程智能化测量. 采用上述无人机方法,对长沙岳麓山脚两块建设用地进行土方快速测量及精度评估,得到5.384 6亿点/公顷的点云密度,土方计算结果相对于RTK-GNSS测量结果误差为2.8%,满足土方测量误差小于5%的要求,具有较好的应用前景及工程实用价值.     

基于山地植被指数估算临县植被覆盖度

植被覆盖度是生态环境监测的重要指标,而复杂地形因素影响对山地植被遥感信息的准确提取.以山西省临县为研究区,采用归一化植被指数(NDVI)和归一化差值山地植被指数(NDMVI)分别估算临县2011年7月和2016年4、7、9、12月的植被覆盖度,在对比分析植被指数地形敏感性的基础上,分析黄土丘陵区复杂地形条件下NDMVI对植被覆盖度的估算效果,并对临县近年来植被覆盖度的变化情况进行分析.结果表明:2016年4月使用NDMVI覆盖度估算模型的地形敏感度最弱,估算植被覆盖度的效果最好.从2011年至2016年临县植被覆盖度整体呈现增加的趋势,中高度(50%～70%)、高度(70%～100%)植被覆盖度区面积增加约20%.在空间上,临县中部黄土丘陵沟壑区、西部黄河沿岸丘陵基岩裸露区植被也有了明显的改善,植被覆盖度由中低度、中度覆盖区转为中高度和高度覆盖区,植被覆盖度改善明显.归一化差值山地植被指数(NDMVI)更适合于山地区域植被覆盖度估算.     

鄂尔多斯市棋盘井镇植被覆盖度变化空间特征

通过2001年、2009年和2017年3期Landsat影像及DEM数据,基于像元二分模型,利用重心迁移、动态度模型、差值分析等方法,分析了鄂尔多斯棋盘井镇植被覆盖度时空变化特征,并探讨了地形因子对研究区植被覆盖度空间分布的影响.结果表明:在整个研究期,棋盘井镇植被覆盖度总体呈上升趋势,植被覆盖以中、高植被覆盖度为主,所占比重达到65.0%以上;动态度分析中,极低植被覆盖度动态度变化程度很大,低植被覆盖度动态度变化程度中等;中、东部空间变化明显,极低、低植被覆盖度向西南方向迁移,中、高植被覆盖度向东北方向迁移;植被覆盖度随着高程、坡度的增长呈逐渐递减的趋势,在高程为1 000～1 600 m、坡度为3°时植被覆盖度较高,坡向对植被覆盖度的影响不明显.结论:棋盘井镇植被覆盖度整体呈上升趋势,高程、坡度是影响棋盘井镇植被覆盖度空间分布的主要地形因子.     

宁化县地形及土壤特征对植被覆盖度的影响

为研究地形及土壤特征对植被覆盖度的影响,以宁化县2009年Landsat遥感影像和1：50万地形图为数据源,利用3S平台及归一化植被指数（NDVI）提取宁化县植被覆盖度,对植被覆盖度进行分类,通过GIS生成高程、坡度和坡向三个地形因子,并将植被覆盖度与三个地形因子和土壤类型分别进行空间叠加分析．结果表明,宁化县的植被覆盖度与其高程、坡度及土壤之间存在较大的关联,而坡向对其影响甚微．     

改进的布料模拟算法在多波束点云粗差剔除中的应用

针对目前多波束滤波需要人工剔除的现状,在布料模拟滤波算法（cloth simulation filtering,CSF）基础上,提出了一种基于点云分割和自适应参数调整改进的CSF算法。先对多波束点云数据进行分割,然后根据点云数据的面积和标准差调整每块CSF算法的参数,再构建布料滤波模型剔除粗差点,最终将分割后的点云拼接生成水下地形点云数据。结果表明,本文算法与CSF算法相比,克服了过度滤波现象,而且对于不同地区与人工方法粗差点剔除比分别从1.03下降到1.01和从1.46下降到1.19;与人工剔除粗差相比,避免了遗漏粗差点,人工干预很少。     

基于倾斜影像颜色信息的建筑物点云提取

针对建筑物点云提取不完整问题,笔者采用一种组合方法从影像密集匹配获得的多视图像(MVS)点云中提取建筑物点云。首先运用布料模拟滤波(CSF)算法进行地面点滤波,去除MVS点云中的地面点;然后根据MVS点云的颜色信息,利用过绿指数(EXG)和植被密集成块特性将植被点云剔除;最后使用密度聚类从剩余的点云中分割出建筑物点云。结果表明采用该方法提取建筑物点云的正确性为98.06%,完整性为98.20%,质量为96.34%。相较于使用单波段阈值分割剔除植被点的组合方法,该方法在建筑物完整性和质量上提升超过26%。     

基于Landsat影像的多时相植被覆盖度与地形因子关系研究——以平潭岛为例

以平潭岛作为研究区,运用线性混合像元分解法从遥感影像中反演1992年、2002年和2013年3个时相植被覆盖度,用数字高程模型(DEM)提取坡度、坡向和高程数据.将植被覆盖度与3种地形因子进行空间叠加分析,以研究该海岛植被长势与地形间的联系,对生态环境保护提供参考建议.研究结果表明:在平潭岛的平坦和缓坡地区,以低植被覆盖度为主,随着坡度上升,高植被覆盖度面积比例增加,在25°~35°坡度范围达到峰值,最后又下降.坡向对研究区植被覆盖度的影响微弱,不是主导植被长势的重要地形因子.低高程区的植被覆盖度低,高程变大,植被覆盖度也增大,在高程大于310 m的地区,受热量降低影响,植被覆盖度下降.后10 a植被下降较前10 a明显,虽有山区植被改善,但是建设区和地势低平区破坏越来越严重,需重点治理.     

1995—2014年北洛河流域植被恢复的地形分布特征

以1995， 2007和2014年Landsat TM影像为数据源，计算归一化植被指数(NDVI)，分析退耕还林政策下北洛河流域植被的恢复程度.结果表明，流域三年平均植被覆盖度分别为:46.4%， 63.4%和73.4%.上游吴起、志丹等县所在丘陵沟壑区增加态势最明显，三年平均植被覆盖度分别为20.2%， 41.64%， 51.2%.系统分析流域上游丘陵沟壑区植被恢复在地形上的趋势变化.结果表明:不同高程、坡度和坡向分布带上均表现出植被覆盖度随着时间进展呈现明显好转态势.     

复杂地形电力线机载激光雷达点云自动提取方法

针对传统电力线自动提取方法提取复杂地形下电力线效果较差的不足,从输电走廊机载激光雷达点云数据特征出发,在分析复杂地形下传统方法提取电力线问题的基础上,提出了一种电力线自动提取的新方法,并应用实际线路点云数据进行了可行性验证.所提方法首先通过空间划分将长距离、复杂地形转换为多个小距离尺度空间组合,基于子空间特征的差异化高程阈值分割算法实现地物点分离,解决了传统单一高程阈值分割法不能有效识别电力线与地物点高程重叠的不足,然后利用高程密度分割算法实现杆塔定位与电力线提取,并提高算法效率.案例试验结果表明,所提出的方法能实现复杂地形下和平坦地形下的电力线准确自动提取,且提取的正确率高,算法效率较好,提出的算法可用于工程.     

厦门市地表温度与植被覆盖关系定量研究

以福建省厦门市为研究区,基于2015年的Landsat 8遥感影像数据进行4种不同算法的地表温度反演,并对4种算法的结果进行精度验证,选择一种精度最高的算法的结果与植被覆盖度进行回归分析,探讨不同下垫面的植被覆盖度与地表温度的关系.结果表明:在本研究区内,使用单窗算法反演地表温度结果与对比数据更为接近,精度相对较高.地表温度与植被覆盖度之间具有明显的相关关系,植被覆盖度能够有效降低地表温度.在不同的植被覆盖度范围内,对地表温度降温效果不同,当整体植被覆盖度水平较低时,植被覆盖度的增加能够更加明显地降低地表温度.不同的下垫面类型植被覆盖度与地表温度之间有很好的对应关系,植被覆盖度越高的下垫面类型,温度越低.     

黄河流域中段植被覆盖时空变化特征及影响因素分析

黄河流域植被保护与生态治理至关重要，探究植被变化特征及因素影响机制，对黄河流域生态修复及高质量发展具有重要应用价值。基于1981—2020年植被覆盖度数据、气候数据、地形数据及土地利用数据，利用趋势分析、Hurst指数、相关分析等研究方法，定量分析黄河流域中段植被覆盖度变化特征、未来发展趋势及影响因素。结果表明：1)1981—2020年黄河流域中段植被覆盖度呈波动上升趋势，增加速率为0.045/10a,空间格局呈现为东南部及中部高，西北部低的特征；2)近40年来研究区植被覆盖度改善情况良好，其中改善区域面积占比为87.50%,未来持续改善区域面积占比为96.65%;3)研究区植被覆盖度与降水、气温均以正相关为主，地形因子对植被覆盖度的影响主要体现在高程及坡度上，随二者的增加植被覆盖度表现为先增长后减少的趋势，且在不同地形条件下，植被覆盖度受温度影响大于降雨。     

基于ICESat-2/ATLAS数据的近海岸水深提取

水深是表征海洋浅水和海岸环境的重要地形要素,光子计数激光雷达可穿透一定深度的水体,为水深信息提取提供可靠的数据支持。以我国南海岛礁为例,利用目前唯一在轨的星载光子计数激光雷达-ICESat-2/ATLAS数据开展岛礁浅水水深提取及精度评价研究。首先根据置信度参数对原始光子数据进行粗去噪,基于点密度分布差异分离水面和水底光子;然后对水面光子采用区间估计方法精去噪,利用RANSAC算法拟合水面高程;通过改进滤波参数,基于改进OPTICS算法对水底光子进行两次聚类,实现水底光子的精去噪,进而通过折射校正和潮汐校正提取近岸水深;最后利用机载LiDAR测深数据进行验证。实验结果表明,与ATL03高置信度光子数据和AVEBM去噪结果相比,该精去噪算法具有更高的F值,分别提高了约5.87%和3.38%;水深提取结果与机载测深数据的R~2为0.91,均方根误差RMSE为0.53m。     

基于Hyperion高光谱遥感影像的植被覆盖度提取研究

基于Hyperion高光谱影像,对提取植被覆盖度的传统像元二分法进行了改进,提出通过地物分类来提高植被覆盖度提取精度的算法.该算法先对研究区进行分类,在较高分类精度的基础上,结合不同地物的NDVI频率累积图和实际情况得到各类地物的植被覆盖度,最后得到研究区域的整体植被覆盖度.结果表明,经支持向量机分类的总体精度为83.2%,Kappa系数为0.710;相同NDVI值,林地的植被覆盖度农田的植被覆盖度草地的植被覆盖度,实验结果与实际基本相符;改进的像元二分算法改善了传统像元二分法中存在的水体、裸地非植被覆盖区得到非0的植被覆盖度和高植被覆盖地区检测灵敏度下降等问题,丰富了传统像元二分法的细节信息,得到更符合实际的植被覆盖度.