GLAS反演树高算法.pptVIP

1.1 LiDAR的介绍 LIADR即Light Detection And Ranging，也叫机载激光扫描测高或激光雷达，是一种安装在飞机（机载）或卫星（星载）上的激光探测和测距系统，可以量测地面物体的三维坐标，可以快速获取地球数字表面模型。 它通过主 动发射激光脉冲， 精确记录传感器发射和接收激光 脉冲信号瞬时时刻， 利用光速恒定的原理， 将发射和 反射时间间隔转换为斜距量测， 叠加传感器的高度、 激光扫描角度以及从 G P S得到的传感器的位置信 息后， 能够准确地计算出激光脉冲所到达地面的每 一个地面光斑的 X、 y、 Z坐标， 其系统原理如图 l 1.2 GLAS数据介绍 GLAS（Geoscience Laser Altimeter System）是激光高度系统，是NASA发射的Icesat卫星的一个测高系统，也是第一个能获取全球地形表面数据集的星载Lidar系统。GLAS传感器采用脉冲波，非多普勒，非相干和点光束的工作方式。GLAS数据主要是用来研究冰床，地形表面的，后来慢慢的被用来测量森林环境。GLAS是一个波形数据传感器，使用1064nm的激光频率是40Hz，激光打在地面上是一个直径大约70m的椭圆，两个光斑质心之间的距离是172m，传感器记录的是自从脉冲发射以来从这些脚点返回的能量。用波形记录Lidar信号的优点是包括较强标志树冠结构的能力，精确描述大面积树冠信息的能力。 GLAS波形数据反映了在每一个光斑内地形和植被的垂直分布。信号开始和信号结束之间的范围被称为波形范围（waveform extent），波形长度是激光雷达进行植被高度信息提取的基础。通常定义为从信号开始位置和地面回波的峰值位置之间的距离。波形的上端边缘（leading edge extent）是从信号开始到能量为最大能量一半的位置之间的距离，表示上端叶或枝的高程，波形的下端边缘（trailing edge extent）表示光斑内最低的高程与信号结束之间的距离，最低高程位置的能量是到最大能量一半之间的距离。树高变量依赖于波形结构的两个指数，下端边缘和地形相关性大，上端边缘和树冠高度变量相关性大。 2.1 不同条件下反演树高的算法 平地下反演树高 森林高度=波形长度*C， 但是由于GLAS光斑的面积较大，再加上研究区的特征，上述的算法是行不通的。 3. 复杂地形条件下反演树高的算法 3.1 算法的目的： 由于波形会随着坡度和光斑而变化，这种用来估计树高是不可能的，如果森林所在地区具有统一的高度，又高精确的辅助数据，但是往往森林的地形是不平坦的，另外高精确的地形特征是很稀罕的，因此需要一种算法，这种算法能够能够从波形信息中获取获取地形坡度的信息，地面的垂直分布。 4.1 研究区 4.2 数据源 GLAS数据： 从2003.10-2006.7获取的。 亚马逊流域在3a，3b，3c获得， Oregon 在2a，2c，Tennessee 在2a，2c，3d获得。余下的两个lidar地区的在3d获得。 Lidar数据:在2005年八月获得 野外数据 4.3 方法 以前的时候我们用来估计最大的树高，但是往往由于饱和现象会缺失信息，波形长度比最大的树高要短，估计出的树高往往是单个树的高度，而平均树高则考虑了优势树种和亚优势树种，波形也比平均树高要长，因此我们来估计平均树高。 波形指数我们可以用波形长度，上端边缘，下端边缘。 下端边缘系数： 4.4 分析 如果直接用波形长度来计算平均树高 经过修正因子后估测值和实测值之间的相关图如下 下端边缘系数和下端边缘的关系 下端边缘和坡度之间的关系 上端边缘系数和上端边缘的关系 * * 利用星载GLAS激光波形数据反演复杂地形条件下树高的一种算法 2 4 LiDAR及星载GLAS激光波形数据简介 3 1 3 3 不同地形条件下LIDAR反演树高算法 复杂地形条件下LiDAR树高反演算法 算法实例 这种算法考虑了地形的因素，w是波形长度，g就是地形指数，a，b都是系数。 波形的垂直范围随着地形坡度和光斑的大小变化。在有坡度的地方获得波形信息对于估算树高是不充足的。需要一种算法，这种算法能够从波形中获取地形坡度的信息。早期使用的方法把波形指数和坡度指数联合，坡度指数从DEM中获得。现在发展的算法使用野外获得数据或是通过机载数据获得的。森林的类型也考虑了，象常绿阔叶林。使用的算法消除了DEM的使用，估计的树高在5m左右，能解释83%的树高变量。 上端边缘系数 修正系数 树高=波形长度-修正系数 *