期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机载小光斑全波形LiDAR的亚热带林分特征反演 被引量：9
1
作者 曹林 佘光辉 《林业科学》 EI CAS CSCD 北大核心 2015年第6期81-92,共12页
【目的】研究通过集成波形信号处理、空间解析和重构建模以及综合波形信息提取方法，探索基于小光斑全波形LIDAR特征变量高精度反演林分特征的新方法。【方法】以江苏南部丘陵地区的亚热带天然次生林为研究对象，在预处理和分析小光斑... 【目的】研究通过集成波形信号处理、空间解析和重构建模以及综合波形信息提取方法，探索基于小光斑全波形LIDAR特征变量高精度反演林分特征的新方法。【方法】以江苏南部丘陵地区的亚热带天然次生林为研究对象，在预处理和分析小光斑全波形 LIDAR 数据的基础上，首先基于体元空间框架分解和提取波形的振幅能量信息，并构建伪垂直波形模型；然后，从中提取空间位置信息（即点云）及几何辐射变量，计算 LiDAR点云和波形特征变量，并通过相关性分析筛选特征变量；最后，结合地面实测林分特征参数构建反演模型并验证精度。【结果】1）各 LiDAR特征变量对 Lorey’s树高的敏感性最高，对蓄积量和地上生物量次之，对胸高断面积最低，而返回脉冲总能量和返回脉冲峰值点数对胸高断面积的敏感性却高于其他林分特征因子；在点云特征变量组中，平均高、高度百分位数及冠层上部的返回点云密度与各林分特征之间的相关性较高，而在波形特征变量组中，能量中值高度的均值、返回脉冲长度的标准差和冠层粗糙度的标准差与各林分特征之间的相关性较高；2） Lorey’s 树高的模型估算精度最高（ RMSE为实测均值的7.26%），而蓄积量、地上生物量和胸高断面积的模型估算精度略低且较相近（ RMSE为实测均值的15.91%～19.82%）；模型自变量的数量都在3个以内，选中的自变量为高度百分位数、冠层返回点云密度、返回脉冲长度和冠层粗糙度的标准差；3）各林分特征实测值与交叉验证估算值的拟合结果表明， Lorey’s树高的拟合效果最好（R2=0.85），地上生物量（R2=0.68）和蓄积量（R2=0.59）次之，而胸高断面积（R2=0.45）最低；4） Lorey’s 树高、蓄积量和地上生物量的空间分布状况基本一致，源于它们内在的相关性；相比其他3个特征变量，胸高断面积的空间分布不够连续，这可能是由于其预测模型精度较低所致。【结论】各林分特征综合回归模型的拟合效果和精度都高于仅使用点云特征变量拟合模型的精度，表明了波形特征变量提取森林中下层信息的潜力。点云特征变量描述了森林冠层及上部的三维结构及密度信息，而波形特征变量则获得了森林冠层及以下部分完整的垂直分布和能量信息，二者互补可提升林分特征反演的精度。 展开更多
关键词 小光斑全波形LiDAR 林分特征 反演 点云特征变量 波形特征变量 体元
在线阅读 下载PDF
无人机激光雷达杉木人工林碳储量估测 被引量：3
2
作者 于艺 姚鸿文 +2 位作者 温小荣 汪求来 叶金盛 《西北林学院学报》 CSCD 北大核心 2024年第4期131-137,共7页
森林碳储量是衡量森林生态系统基本特征的重要指标,传统碳储量估测方式需要耗费大量的时间、人力、物力等,因此利用无人机搭载激光雷达获取机载激光数据并建立森林碳储量估测模型,为获取区域内森林碳储量提供参考,从而更好地对森林资源... 森林碳储量是衡量森林生态系统基本特征的重要指标,传统碳储量估测方式需要耗费大量的时间、人力、物力等,因此利用无人机搭载激光雷达获取机载激光数据并建立森林碳储量估测模型,为获取区域内森林碳储量提供参考,从而更好地对森林资源进行监测。以杉木人工林为研究对象,利用机载激光雷达点云数据获取点云特征变量,以此作为建模变量进行模型研建。通过不同筛选变量方式选择建模变量,分别建立非线性回归模型、线性回归模型和随机森林模型并进行模型评价,通过对比模型的决定系数(R^(2))、均方根误差(RMSE)和平均绝对误差(MAE)选出最优模型,用于后续研究。结果表明,1)3种模型拟合效果最佳的为随机森林模型,其R^(2)为0.94,RMSE为0.53 t/hm^(2),MAE为0.44 t/hm^(2)。非线性回归模型R^(2)为0.71,RMSE为0.66 t/hm^(2),MAE为0.56 t/hm^(2);线性回归模型R^(2)为0.67,RMSE为0.88 t/hm^(2),MAE为0.80 t/hm^(2)。2)共计提取101个点云特征变量,通过变量筛选发现高度变量、密度变量无论是相关性还是重要性,均大于强度变量。3)对比是否加入优选变量对随机森林模型预测精度的影响,加入优选变量后模型R^(2)没有变化,但RMSE与MAE小于未加入优选变量,精度有所提高。利用机载激光雷达点云数据获取的点云特征变量建立模型,对比非线性回归和线性回归模型,随机森林模型精度最高,用其估算得到研究区内碳储量为480.65 t/hm^(2),与实测值最相近。因此随机森林模型更适合于区域森林碳储量的估测。 展开更多
关键词 碳储量 机载激光雷达 随机森林模型 点云特征变量
在线阅读 下载PDF
基于机载激光雷达和机器学习的林分平均胸径遥感估测 被引量：2
3
作者 唐佳俊 柴宗政 《林草资源研究》 北大核心 2024年第1期56-64,共9页
为探究不同模型对林分平均胸径的预测精度,使用贵州省桂花国有林场马厂工区同步获取的机载激光雷达点云数据和地面实测样地数据,通过提取样地水平的点云特征变量,采用方差膨胀因子分析和皮尔逊相关性检验进行自变量选择,建立机器学习模... 为探究不同模型对林分平均胸径的预测精度,使用贵州省桂花国有林场马厂工区同步获取的机载激光雷达点云数据和地面实测样地数据,通过提取样地水平的点云特征变量,采用方差膨胀因子分析和皮尔逊相关性检验进行自变量选择,建立机器学习模型估测样地平均胸径。结果表明:1)点云特征变量,如平均冠层高度和高度偏态与林分平均胸径有很强的相关性。2)机器学习模型(随机森林、支持向量机、最近邻算法)优于多元线性回归模型,其中,随机森林的拟合效果最好。随机森林的决定系数(R^(2))为0.71,均方根误差(RMSE)为2.50。3)通过柳杉纯林、针叶混交林、针阔混交林、马尾松纯林4种森林类型的林分平均胸径预测值与实际值差值,进一步证实随机森林模型精度最高,拟合效果最好。利用机载激光雷达点云数据提取点云特征变量,并构建基于机器学习算法的林分平均胸径估测模型是可行的,该方法的精度能满足森林资源调查的应用需求,可作为辅助林业调查工作的技术手段。 展开更多
关键词 机载激光雷达 林分平均胸径 随机森林 点云特征变量
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部