山西春季层状云系数值模拟及与飞机探测对比

采用中国气象科学研究院 (CAMS) 中尺度云参数化模式对2010年4月20日山西省一次春季层状降水云系的宏微观结构,特别是垂直方向上的微物理结构进行了数值模拟和分析。利用携带云粒子探测设备的飞机对该次层状云系进行了两次云物理探测飞行,并将飞机探测所获取的数据和图像资料与数值模拟结果进行了对比研究。模拟结果显示:该次降水过程以层状冷云降水为主,云中过冷水含量丰富,云系存在明显的3层结构,地面降水主要来自于云中高层冰晶、雪、霰等冰相粒子的融化和低层云水的转化。数值模拟与飞机探测对比分析显示,高空温度、湿度和高度的配置两者基本一致,数值模拟不同高度的云粒子相态、垂直方向云水比含水量与飞机探测获取的云粒子图像和云液态水含量的垂直结构基本吻合,但数值模拟的云中各种水成物粒子出现的高度较飞机探测偏高。     

基于语义推理的城区机载LiDAR分割点云分类

目前,机载LiDAR系统获取的点云数据具有多回波的特性,回波特性可以揭示地物的类型信息。本文在排除粗差、首次回波和中间次回波后,对单次回波和尾次回波形成的点云子集进行基于3DHough变换分割和滤波处理以区分地面点和非地面点(包括墙面点),然后合并首次回波、中间次回波和非地面点再次进行点云分割,利用分割面片的尺寸大小、单次回波激光脚点比例、首次回波和中间次回波激光脚点比例等三个指标区分建筑物激光脚点和植被激光脚点。实验证明,上述方法可以很好地将点云数据分类为墙面点、地面点、建筑物点和植被点。     

依托航空模拟平台的激光雷达技术课程实践教学装备

为了能更好地理解激光雷达技术工作原理与三维信息采集全过程,规避现有激光雷达技术,尤其是机载激光雷达,在实践教学中受场地限制的不利条件,本文依托于中国矿业大学(北京)沙河校区的航空模拟平台,自主研发了一套基于单线激光雷达与行程测距仪集成的三维激光扫描装备,阐述了该装备集成的数学原理,设计了三维数据采集实践教学方法,并进行了三维数据采集的实践体验与数据质量评价。结果表明,该装备采集三维点云的精度优于99%,可为激光雷达技术的实践教学、创新训练及本科毕业设计等环节提供有效的硬件支撑,并可在仓储方量核算等工程应用方面进行推广。     

北斗/GNSS机载动态PPP性能分析

针对基于机载动态场景下的实测数据,使用开源的PRIDE PPP-AR软件,采用伪距和载波相位观测值构建双频的消电离层组合(IF)进行了动态精密单点定位(PPP)实验,并对比了单北斗卫星导航系统(BDS)以及BDS/GNSS在进行机载大动态PPP定位方面的性能. 结果表明:多系统组合在卫星数、卫星几何构型以及位置精度衰减因子(PDOP)等方面均优于单系统,且对比单GPS而言,平面(东(E)、北(N)、高程(U))方向的定位精度分别提升了10%和12%;此外将开源软件PRIDE PPP-AR的解算结果与商业软件WayPoint进行了对比,结果表明前者的定位精度在E和U方向分别提升了46%和36%,N方向提升最多,提升了近2倍,因而PRIDE PPP-AR具备更高的动态解算精度与可靠性.      

基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型

森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型（UnetR）。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明, UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。     

基于点的多尺度形态学重建滤波方法EI北大核心CSCD

针对现有机载激光雷达(LiDAR)点云滤波算法难以准确分离复杂地形中地面点与地物点问题,提出了一种基于点的多尺度形态学重建滤波方法 PMMF (Point-based Multi-scale Morphological reconstruction Filter)。在初始尺度层次下,PMMF通过构建一种基于点的形态学重建对原始点云滤波,即先在掩膜点云约束下借助k邻域结构元素和高程缓冲区反复膨胀标记点云,获取潜在地面点;然后通过自适应坡度方法剔除潜在地面点中的非地面点,其中,坡度阈值随地形复杂度自适应变化。在上层滤波结果基础上,PMMF通过提升种子点选择的网格尺度重复上层滤波过程,直至结果收敛。以国际摄影测量与遥感学会(ISPRS)发布的15组基准数据为研究对象,将PMMF滤波结果与近5年(2016年—2020年)提出的15种滤波算法比较表明,PMMF有8组数据滤波效果占优,15组数据平均总误差和Kappa系数分别为2.71%和91.08%。使用4种不同地形特征的高密度机载LiDAR点云数据进一步验证PMMF的滤波效果,并将计算结果与简单形态学滤波(SMRF)、布料模拟滤波(CSF)、渐进加密三角网滤波(PTD)和多分辨率层次滤波(MHF)比较。结果表明,PMMF滤波性能最优,平均总误差为3.24%,较其他4种滤波方法分别减小了12.0%、59.1%、70.1%和53.2%。     

无人机激光雷达人工林林分高估测模型分析EI北大核心CSCD

中国人工林面积居世界第一,精确地对人工林结构进行监测具有重要意义。本研究以内蒙古自治区赤峰市旺业甸林场内的落叶松和油松人工林为研究对象,利用无人机激光雷达LiDAR(Light Detection And Ranging)离散点云数据和地面样地调查数据对人工林林分高进行建模,通过点云特征变量与地面测量的6种林分高(包括:Lorey’s高、算术平均高、最大高、优势树高、中位数高和树冠面积加权高)间的Pearson’s相关性筛选自变量,然后利用全子集回归构建不同林分高估测模型,并采用交叉检验法进行精度评价。结果表明:激光雷达点云高度百分位数与不同林分高相关性均较高,通过一元线性回归构建的不同林分高结果最优,且估测模型的自变量均为高度特征变量。Lorey’s高(R^(2)=0.91—0.97,rRMSE=2.75%—3.96%)、优势树高(R^(2)=0.86—0.97,rRMSE=3.72%—3.83%)和树冠面积加权高(R^(2)=0.86—0.96,rRMSE=3.81%—4.73%)估测精度最高,算术平均高(R^(2)=0.85—0.94,rRMSE=4.52%—6.07%)和中位数高(R^(2)=0.80—0.95,rRMSE=5.37%—7.34%)次之,最大高(R^(2)=0.69—0.87,rRMSE=6.19%—8.09%)最低。针对不同森林类型,落叶松人工林林分高估测精度最优,优于不区分森林类型模型的估测精度(ΔR^(2)=0—0.05,ΔrRMSE=-0.69%—1.97%),优于油松林林分高模型的估测精度(ΔR^(2)=0.06—0.18,ΔrRMSE=-1.90%—1.13%)。无人机激光雷达可以用于估测北方温带针叶林的林分高,能够满足人工林资源调查快速、精确的要求。     

基于高分辨率DEM数据的分形几何岩性识别方法初探

多重分形理论的建立为研究自然地物带来了新的方法。自然地物由于其独特的分形特征,适合采用多重分形等非线性方法来进行定量描述。文章利用遥感重点实验室机载激光雷达测量生成的DEM数据,对不同类型岩石进行了分形几何特征研究,发现不同岩性分布区的DEM多重分形谱存在差异性。多重分形谱f(ɑ)值随ɑ值变化出现大小差异体现了纹理在不同尺度的差异,此特征对于遥感纹理分类和岩性信息提取有重要意义。