ICESat-2机载实验光子云数据自适应去噪及分类算法

第二代星载激光雷达冰、云和陆地测高卫星ICESat-2（The Ice, Cloud, and Land Elevation Satellite-2）搭载了先进光子计数式激光雷达,使用了全新的微脉冲多波束光子计数式激光雷达。由于光子计数式激光雷达的自身特点,其光子云数据具有受噪声光子影响大、信噪比与扫描时间相关、光子分布密度不均匀等问题,目前开发的去噪算法并不能很好的应用于不同的光子云数据。基于以上问题,本文提出一种改进的去噪算法,首先分析光子云内部特征并自适应选择最优参数进行粗去噪,然后进行两次精去噪,最后对光子云进行分类并拟合出地面线及冠层顶线,为提取森林冠层高度提供基础。使用该算法对MABEL数据进行去噪实验,实验结果表明：该去噪算法的一次去噪对不同环境下MABEL数据在夜间的去噪平均精确度为94.5%,F1-score为96.3%,日间平均精确度为86.7%,F1-score为91.7%,且三次去噪算法完成后能够显著提升光子云去噪精度。实验证明该算法对MABEL光子云数据具有较好去噪效果和稳定性,可为ICESat-2数据处理提供参考。本文的光子分类算法能够从光子数据中提取冠层顶点、地面点及林内光子并在此算法中进一步精确去除剩余噪点,最终光子分类结果显示该算法能够从复杂光子云数据中提取森林剖面结构。     

基于ICESat-2数据及TanDEM-X DEM的林下地形反演

传统光学遥感手段以及SAR获取的数字高程模型(DEM)包含一定的植被信号,如何准确估计植被高度并将其从包含植被高信号的DEM中扣除,对生成高精度DEM具有重要意义.基于此,提出一种基于ICESat-2/AT-LAS数据和TanDEM-X DEM的林下地形生成方法.首先利用ICESat-2 ATLAS数据联合MODIS、温度、降雨及高程等辅助信息通过随机森林进行建模及预测,实现空间连续植被高反演;之后,在估计X波段InSAR森林区穿透深度基础上,利用反演所得植被高,扣除TanDEM-X DEM中的植被高信号,得到林下地形.选取我国东北地区作为试验区,实验结果表明:反演林下地形精度为9.14 m,相比原始Tandem-X DEM的精度提高21.2％.     

ICESat-2 ATL08去噪算法实现及精度评价

针对光子计数激光点云特点，研究实现了ICESat-2卫星ALT08技术文档点云去噪算法与精度评估。首先逐点计算目标点邻域范围内点的总数作为局部密度值，由于信号通常比噪声在空间分布上更集中，密度直方图常呈噪声在左、信号在右的双峰特点；然后通过峰值计算、距离判断等计算噪声与信号高斯函数初值，并采用高斯函数加期望方差最大算法拟合两个精确的波形位置；最后将双高斯函数交点位置作为去噪阈值，小于阈值的点标记为噪声，大于阈值的为信号。通过MABEL数据的试验结果表明：当信号噪声呈现典型双峰分布特征时，算法去噪效果优秀，精度优于98%，处理不符合双峰特征数据时效果变差。     

ICESat-2激光雷达噪声光子标识及分布特点研究

利用PhotonLabeler实现对星载光子计数数据的噪声光子标识研究,并分析常见场景噪声光子分布特点,最后生成了一套光子计数噪声标识产品。本研究结果包括：太阳辐射会引起大量噪声出现;海洋区域的噪声光子会受到风浪、水深、海岸线、水中杂质等因素的影响;冰川情况下光子分布多受到积雪厚度、积雪密度、冰盖厚度、冰盖密集度及冰盖表面的粗糙程度等一些外来因素的影响;冬季情况下,噪声光子数目明显少于夏季,分析得出冠层高度及植被覆盖率等因素会引起大量噪声光子出现;多数情况下,弱光束对地表反演能力低于强光束,强光束可以捕获更多的光子点云数据。     

星载LiDAR产品辅助的InSAR森林高度反演

针对星载重轨InSAR森林高度反演受时间去相干制约与模型解算辅助数据难以获取的问题.考虑ALOS-2 PALSAR-2干涉数据特点,采用一种顾及时间去相干影响的半经验散射模型,利用最新发布的星载激光雷达ICESat-2 ATL08高程产品中的植被高度数据作为辅助数据,并结合主成分分析思想(PCA)对ALOS-2 PALSAR-2相干幅度信息与树高的关联模型进行参数解算.实验结果表明,在ICESat-2树高数据辅助条件下,通过散射模型可以较好抑制时间去相干的影响,进而反演出可靠的模型参数及森林高度(RMSE约为3 m).本研究验证了联合星载重轨干涉SAR与星载LiDAR数据实现大范围、大尺度森林高度反演的可行性.     

面向滩涂DEM构建的机载LiDAR点云滤波方法

在基于激光点云构建DEM的过程中,用于区分地面点和非地面点的点云滤波处理至关重要。本文面向基于机载LiDAR点云的沿海滩涂DEM高精度的构建需求,提出了一种机载LiDAR点云的改进坡度滤波算法。首先,采用统计异常值剔除法(SOR)去除原始机载LiDAR点云数据中的噪声;然后,利用规则格网的坡度和高程阈值,设计了适用于滩涂点云数据的地面点坡度滤波方法;最后,选取如东市长沙港的滩涂机载LiDAR点云作为试验数据,构建滩涂DEM,并进行精度检验。试验结果表明,利用本文方法处理后的LiDAR点云构建的DEM精度满足国家与行业标准的要求。     

机载LiDAR点云数据精细化滤波方法研究

针对机载LiDAR点云数据在自动化滤波过程中因建筑、植被底点剔除不完全导致DEM成果粗糙、等高线不平滑等问题,提出了一种精细化滤波方法。先对LiDAR点云数据进行滤波处理生成参照DEM,再利用同区域的正射影像辅助判别,选取需要滤波区域点云进行局部纠正;分别选取平坦区域和山地区域进行实验,并对精度验证和等高线成果进行了对比。实验结果表明,经过精细化滤波后的DEM和等高线成果在保证精度指标的前提下,成果质量明显提高。     

基于k-d树的机载LIDAR点云滤波处理

点云数据滤波处理是获取高精度数字地面模型的关键,而滤波的基本原理是基于某一邻域内高程的突变。在海量、离散的点云数据中,搜索某一邻域的速度将直接影响滤波处理的效率。应用k-d树组织点云数据,不需要先验地知道点云数据间的拓扑关系便可以快速确定其中某一点的邻域点集,从而大大地提高滤波速度。     

基于渐进三角网的机载LiDAR点云数据滤波

机载LiDAR点云数据滤波是获取高精度数字高程模型的关键,也是目前LiDAR点云数据处理领域研究的重点和难点之一。提出了基于渐进三角网的机载LiDAR点云数据滤波方法,首先以规则格网和不规则三角网组织数据,采用区域分块法或数学形态学法选取种子地面点建立初始稀疏三角网,通过不断向上加密三角网提取地面点。试验结果表明,该算...     

ICESat-2植被冠层高度和地表高程数据产品用于森林高度提取的效果评价

由美国宇航局(NASA)研制的新一代冰、云和陆地高程卫星(ICESat-2)于2018-09-15发射成功,其搭载的先进地形激光测高系统(ATLAS)采用微脉冲多波束光子计数激光雷达技术,可用于全球高程线采样数据的获取.目前公开发布了9种数据产品,其中包括植被冠层高度和地表高程数据产品(ATL08),为全球森林结构参数...     

High-resolution mapping of forest canopy height using machine learning by coupling ICESat-2 LiDAR with Sentinel-1, Sentinel-2 and Landsat-8 data

Forest canopy height is an important indicator of forest carbon storage, productivity, and biodiversity. The present study showed the first attempt to develop a machine-learning workflow to map the spatial pattern of the forest canopy height in a mountainous region in the northeast China by coupling the recently available canopy height (H_canopy) footprint product from ICESat-2 with the Sentinel-1 and Sentinel-2 satellite data. The ICESat-2 H_canopy was initially validated by the high-resolution canopy height from airborne LiDAR data at different spatial scales. Performance comparisons were conducted between two machine-learning models – deep learning (DL) model and random forest (RF) model, and between the Sentinel and Landsat-8 satellites. Results showed that the ICESat-2 H_canopy showed the highest correlation with the airborne LiDAR canopy height at a spatial scale of 250 m with a Pearson’s correlation coefficient (R) of 0.82 and a mean bias of -1.46 m, providing important evidence on the reliability of the ICESat-2 vegetation height product from the case in China’s forest. Both DL and RF models obtained satisfactory accuracy on the upscaling of ICESat-2 H_canopy assisted by Sentinel satellite co-variables with an R-value between the observed and predicted H_canopy equalling 0.78 and 0.68, respectively. Compared to Sentinel satellites, Landsat-8 showed relatively weaker performance in H_canopy prediction, suggesting that the addition of the backscattering coefficients from Sentinel-1 and the red-edge related variables from Sentinel-2 could positively contribute to the prediction of forest canopy height. To our knowledge, few studies have demonstrated large-scale vegetation height mapping in a resolution ≤ 250 m based on the newly available satellites (ICESat-2, Sentinel-1 and Sentinel-2) and DL regression model, particularly in the forest areas in China. Thus, the present work provided a timely and important supplementary to the applications of these new earth observation tools.     

基于机载激光雷达点云数据提取林木参数方法研究

本文通过黑河流域遥感—地面观测同步试验,获取林木参数,对机载激光雷达与实地观测获取的林木参数进行对比分析,论证了本文提出的基于机载激光雷达点云数据提取林木参数的算法是可行的。试验通过机载激光雷达点云数据,研究由点云数据生成冠层高度模型(CHM),提出从CHM中提取单株木参数(树高、冠幅等)的关键算法;同时,通过在试验区布设1个100m×100m超级样地和16个25m×25m的子样地,利用DGPS和全站仪对单株木进行精确定位与树木参数测量。     

机载LiDAR数据估算样地和单木尺度森林地上生物量

利用机载激光雷达点云数据,结合大量实测单木结构信息,分别从样地和单木尺度估算了森林地上生物量AGB。首先,利用局部最大值单木提取算法提取了每个样地内的单木结构参数,并针对样地和单木尺度分别计算了一组激光雷达变量。然后,利用激光雷达变量和地上生物量及其两者的对数形式,从样地和单木尺度分别构建了估算模型。最后,针对两种尺度估算过程中存在的不确定性进行了详细讨论。结果表明:(1)样地和单木尺度模型估算的森林地上生物量与地面实测值都具有明显的相关性,且对数模型估算效果要优于非对数模型;(2)样地尺度模型估算效果(R2=0.84,rRMSE=0.23)明显优于单木尺度模型(R2=0.61,rRMSE=0.46);(3)按树木类型分别进行估算可以提高单木地上生物量的估算精度;(4)不论是样地还是单木尺度地上生物量估算都存在一定的不确定性,与样地尺度相比,单木尺度估算过程的不确定性更大,这种不确定性主要来自单木识别过程。     

基于多尺度虚拟网格与坡度阈值的机载LiDAR点云滤波方法

点云滤波是机载LiDAR数据后处理的基础工作,本文提出一种基于多尺度虚拟网格与坡度阈值的机载LiDAR点云滤波方法。该方法采用类似影像金字塔的方式构建不同尺度即不同分辨率的虚拟网格,各级网格都以每个方格内最低点作为地面种子点,然后根据坡度阈值以分辨率由低到高的方式逐层对种子点进行平滑处理,最后以最高分辨率即最小尺度虚拟网格地面种子点作为基准种子点对整个数据集进行滤波处理。本文分别采用城区与郊区两块机载LiDAR数据进行了实验。实验表明,该方法能够有效地提取出地面点,运算效率也比较高,具有一定的实用价值。     

基于地面激光扫描数据的单木特征因子提取与分析

本文利用三维激光扫描仪对树木进行扫描获取树点云数据,经过格式转换、分离、提取后,对树木各测量因子包括胸径、树高、树冠、材积量进行测定与测量方法与意义的分析。通过实验分析,可以得出:树冠测定因子通过测定树冠的叶面积指数来更精确地反映树冠的生理学意义;通过不规则三角网构建的多面体计算的树干体积较以平均断面积、中央断面积求树干材积更为准确与便捷。     

机载LiDAR点云获取与高精度DEM建设关键技术探讨

结合广东省机载LiDAR点云获取与高精度DEM建设项目,介绍了项目总体技术路线,针对项目难点,从设备选择、点云密度设计、植被覆盖密集山区数据获取方法、点云数据分类组合算法、空白区处理等5个方面的关键技术进行了探讨,并提出解决方案,为同类项目的设计与实施提供参考。     

Derivation of tree skeletons and error assessment using LiDAR point cloud data of varying quality

The architecture of trees is of particular interest for 3D model creation in forestry and ecolocical applications. Terrestrial (TLS) and mobile laser scanning (MLS) systems are used to acquire detailed geometrical data of trees. Since 3D point clouds from laser scanning consist of large data amounts representing uninterpreted topographical information including noise and data gaps, an extraction of salient tree structures is important for further applications. We present a fully automated modular workflow for topological reliable reconstruction of tree architecture. Object-based point cloud processing such as branch extraction is combined with tree skeletonization. Branch extraction is performed using a segmentation procedure followed by segment-based analysis of form indices derived from eigenvector metrics. Extracted branch primitives are simplified and connected to line features during skeletonization. The modular workflow allows comprehensive parameter tests and error assessments that are used for a calibration of the module parameters with respect to various characteristics of the input data (e.g noise, scanning resolution, and the number of scan positions). The estimated parameter settings are validated using an exemplary MLS data set. The quality of input point cloud data, strongly influencing the quality of the skeleton results, can be improved by the presented branch extraction procedure. The potential for data improvement increases with increasing point densities. For our object-based appoach, we can show that the presence of erroneous structures and filtering artifacts have the strongest influence onto the quality of the derived skeletons. In contrast to traditional skeletonization approaches, the existance of data gaps has less influence onto the results.     

利用机载LiDAR数据提取与分析地裂缝

机载激光扫描可获取植被茂密地区的数字地形模型(DTM),但将其用于茂密植被覆盖区地裂缝提取方法的研究还不多见。以湖南冷水江市浪石滩为试验区,基于机载Li DAR的激光点云数据,研究了植被覆盖区地裂缝的提取方法,分析了地裂缝的微地貌特征。首先对离散的三维激光点云数据依次进行基于不规则三角网滤波、高程滤波及回波信息强度滤波提取地面点,以保留完整的微地貌微特征;然后构建不规则三角网,反距离加权内插生成数字高程模型(DEM),提取地裂缝识别参数,同时基于最小曲率对地裂缝进行线性探测,提取地裂缝的长度信息,且利用地裂缝剖面信息分析其微特征,结合识别参数分析地裂缝的稳定性。研究结果表明:利用机载Li DAR点云数据提取的地裂缝识别参数,能够确定地裂缝的位置、坡度坡向、长度和深度信息,有助于判定地裂缝的稳定性;在植被较为茂密、地面点密度稀疏的区域,保留一定的低矮植被所提取到的DEM能更好地保留地裂缝的微地貌特征。