基于非参数分类算法和多源遥感数据的单木树种分类

【目的】通过研究随机森林(random forest, RF)特征筛选对单木树种分类精度的影响,以及多源遥感数据协同下单木树种分类的有效性,分析不同特征对单木树种分类的影响程度。【方法】以东北林业大学帽儿山实验林场中林施业区的两块100 m×100 m样地为研究对象,首先,以机载激光雷达(LiDAR,light detection and ranging)和多光谱遥感CCD(charge coupled device)影像为数据源,分别基于机载LiDAR数据提取高度、强度和树冠大小等共37个特征,基于CCD影像提取光谱和纹理共21个特征;其次,以随机森林方法进行特征筛选,之后以随机森林和支持向量机(support vector machine, SVM)两种非参数分类器,结合不同数据源和特征,采用12种分类方案,利用总体精度(overall accuracy, OA)、用户精度(user’s accuracy, UA)和生产者精度(producer’s accuracy, PA)对分类结果进行对比与精度评价。【结果】经随机森林特征筛选后,分类结果优于未进行特征筛选的结果,总体精度可以平均提高3.47%,使用机载LiDAR和CCD影像协同分类相较于仅使用CCD影像总体精度平均提高6.07%。【结论】随机森林特征筛选可以优化特征,减少特征冗余,提高分类精度;多源数据结合也可以提高分类精度;在多源数据结合时,光谱特征最重要,LiDAR提取的强度特征相较于高度特征更稳定。     

采用车载激光雷达的带状地物矢量化与结构特征提取

针对车载激光点云带状地物形状多样、难以用规则语义信息矢量化,以及结构语义信息提取研究较少的问题,提出一种基于Ribbon Snake模型的车载激光雷达带状地物(道路边界、实线型标线、铁轨)矢量化与结构特征提取方法.首先,通过格网剖分构建点云特征图,利用Ribbon Snake模型提取带状地物矢量化数据;然后,分析不同道路和铁路场景的结构特征,生成具有准确几何和拓扑结构信息的三维矢量数据和属性数据.实验表明:该方法能够准确地提取带状地物矢量化与结构信息,实现不同场景下带状地物的有效完整描述.     

基于LiDAR点云的建筑物检测方法研究

提出了一种基于三角面元的LiDAR数据建筑物检测方法.首先对点云数据构建不规则三角网,然后根据三角面元的特征信息对其进行分类,接着利用面元之间的邻接关系对其进行聚类,最后对聚类点云进行跟踪得到建筑物的轮廓.以国际摄影测量与遥感学会(ISPRS)提供的城区LiDAR点云为实验数据进行建筑物检测试验.与以点云或分割块为处理基元的检测方法相比,该方法能够更加准确地提取建筑物轮廓,正确率可达96%,完整率可达85%.     

利用LiDAR数据提取山谷(脊)线的关键技术研究

在分析利用LiDAR数据提取山谷(脊)线关键步骤的基础上,针对传统三维流水模拟方法采用单一汇水量阈值提取山谷(脊)线所存在的无法提取既完整又可靠的山谷(脊)线的局限,提出了动态设定汇水量阈值的模型。在实验中,采用正交测试法对动态阈值模型的参数取值进行测试,得到了较合理参数值,实验结果表明,采用动态阈值能够提取更准确的山谷(脊)线。     

结合星载激光和多光谱影像的城市树种分类

城市树木种类是影响城市森林固碳能力和维持生态系统稳定的重要因素,但城市树木空间分布广泛、所处环境复杂,目前缺少适用的树种分类模型,因此尝试将星载激光引入树种分类。综合考虑植被冠层结构、水平光谱与空间环境特征,并通过特征空间分析定量度量各参数贡献以构建最优特征集合,最后利用支持向量机（SVM）算法建立结合星载激光与光学影像的城市树种分类模型。上海市内4个代表性区域树种分类实验结果表明,所构建的融合模型准确性较高,Kappa系数达到0.82,总体分类精度为87.04%。星载激光能够在城市树种分类中发挥重要作用,其表征的植被三维结构特征与空间环境特征一同对城市树种分类做出了突出贡献。     

降雨条件下车载激光雷达感知局限性

针对激光雷达在降雨条件下的性能局限性问题,基于封闭场地中的降雨模拟设施,分别选取一款机械旋转雷达和混合固态激光雷达采集不同降雨条件下的点云数据,通过构建包括5项客观指标的指标集,对两类激光雷达受降雨条件影响的程度进行了对比分析。试验结果表明,降雨会在一定程度上减少点云的数量,降低点云的反射率,增加反射率信息熵,降低反射率信噪比;降雨的雾化现象会大幅恶化激光雷达的表现,在20m~40m内,对机械旋转雷达造成91.49%的平均点云数量削减和82.98%的平均反射率削减;而波长较长、非重复扫描的混合固态雷达在降雨下具有更好的穿透性,点云数量较为稳定;但混合固态雷达在降雨环境下的点云会包含更多反射率较低的雨滴回波,因此需要采用更有效地噪声滤除算法。     

基于无人机激光雷达的不同种类红树林单木分割

红树林是生长在热带和亚热带海岸线上的典型潮间带植物,气候变化、自然灾害和人为干扰的影响下退化严重,加强红树林监测是有效保护红树林的重要工作。本文选取广东雷州市东海岸红树林示范区为研究区域,通过样地无人机激光雷达(LiDAR)高密度点云数据以及样方实测数据搭建红树林结构参数反演模型,提取不同红树林种类样方的单木结构参数并检验红树林点云分割精度,依据精度检验指标与偏差度量指标验证单木反演参数精度并分析原因。结果表明(1)基于分水岭算法对不同种类红树林实地样方进行单木树高提取,其中无瓣海桑的整体分割效果最好。单木树高参数精度分析与拟合验证,无瓣海桑结果最优,其次为秋茄,白骨壤精度最低。(2)通过估测单木冠幅反演值与样地实测值的偏差以及偏离比例,发现红树林单木冠幅参数整体反演效果较差,识别精度最高的还是无瓣海桑。(3)单木树高的识别效果整体优于单木冠幅,整体分割结果为无瓣海桑最高,其次为秋茄,白骨壤最低。使用无人机激光雷达技术可以有效提取红树林结构参数,替代传统的红树林人工测量方法,为红树林资源动态变化监测及保护提供高精度基础数据。     

利用Kinect进行地面植被分层覆盖度估算研究

  植被覆盖度( fractional vegetation cover, FVC)是一个重要的植被生物物理学参数,是一定空间尺度下所有植 被覆盖比例的综合反映.植被垂直方向的异质性在很多应用中也需要考虑.目前遥感和地面测量对获取植被垂直结构都 有待完善,新仪器, 新方法仍在不断发展之中.本文采用一种商业化的3D体感摄影机———Ki nect,其传感器具有彩色和 深度镜头,相当于数码相机和激光雷达的结合.实验发现, Kinect能够用于获取空间相匹配的数码相片和深度图像,并得 到植被的垂直剖面信息,进而计算垂直分层的FVC.受限于Ki ne c t目前的有效探测范围,这种设备不能大规模地应用于 野外测量中,但是它可为发展结合激光雷达和传统光学传感器获取植被参数的新方法提供测试数据.      

基于机载LiDAR数据制作大比例尺线划图方法初探

介绍了TerraSolid系列软件和CASS软件,研究了在CASS软件中利用机载LiDAR数据制作线划图的基本流程和方法,证明了该方法可加快测图速度、缩短成图周期以及用机载LiDAR数据生产大比例尺线划图的可行性。     

面向洪水灾害评估的城市建模与仿真

洪水灾害是一种突发性自然灾害,它给人民生命、财产带来了巨大的损失。为了辅助洪水灾害评估,减少洪水灾害带来的损失,提出了一种基于LiDAR（Light Detection And Ranging）数据的城市建模与仿真方法。该方法首先基于LiDAR数据和航拍图像对城市房屋和道路进行重建,然后基于重建数据,对洪水灾害及发生洪水灾害时的人员疏散情况进行仿真,并以可视化形式对仿真场景进行显示。最后以美国路易斯安那州新奥尔良市的LiDAR点云数据和航拍图像为实验数据,验证了这种城市建模与仿真方法在辅助洪水灾害评估时的有效性。

Abstract：

Flood is a kind of unexpected natural disaster,which brings huge damage to people＇s lives and property. In order to assist flood disaster assessment,reduce the loss,a city modeling and simulation method based on LiDAR data was proposed. First,the 3D city model was reconstructed based on the LiDAR point data and aerial images. Next,the city in flood disaster given the flood level was simulated,and at the same time,the evacuation situation of people was simulated. At last,the simulation result was visualized. Based on the experiment using the LiDAR point data and aerial images from New Orleans,Louisiana,the assisting flood disaster assessment method was validated.