点云密度对机载激光雷达林分高度反演的影响
不同空间尺度森林参数多源遥感反演方法
不同空间尺度森林参数多源遥感反演方法森林作为地球陆地生态系统中面积最大、最重要的自然生态系统,在维持全球生态平衡,促进全球生物进化和群落演替等方面起到了至关重要的作用。
森林参数作为森林生态系统最基本的数量表征,能够反映森林与环境间物质循环与能量流动关系,是评估森林碳源和碳汇的重要标志。
森林冠层高度和地上生物量作为两种重要的森林参数,对其区域分布进行定量化研究可以为评估森林生态系统的健康状况发挥重要的理论和现实意义。
传统的森林冠层高度和地上生物量测量方法主要以人工野外实地调查的方式获取,该方法费时费力并很难应用于大区域森林调查。
遥感作为20世纪末发展起来的新兴学科,正在以独特的观测视角为森林参数的定量估测提供新的研究方法。
光学遥感影像具有空间分布连续性,能够提供多样化的光谱信息,可为区域尺度森林参数反演提供相应的遥感特征扩展因子。
但是其信号穿透能力差,只能获取被测物体的二维平面光谱信息;激光雷达作为近些年迅速发展的主动式遥感技术,对森林冠层有着较强的穿透能力,能够获取森林垂直结构分布。
机载激光雷达以一种自上而下的扫描方式的对地物进行观测,其获取的三维点云能够精确描述森林的三维结构特征,被广泛应用于林分森林参数估测。
然而,其数据获取成本较高,容易受天气条件的限制,很难覆盖大区域。
星载激光雷达ICESat/GLAS的激光传感器被安置在卫星上,对陆地表面进行光斑采样,这些属性使得其有更大的数据覆盖范围,并且可以定期重复观测。
由于GLAS的大光斑属性,在地形变化较大区域,其光斑范围内波形形状易受地形影响而产生畸变,从而使得GLAS光斑森林参数估测产生偏差。
因此,如何充分发挥不同遥感数据源的优势,在不同空间尺度(林分,光斑和区域)进行森林参数反演成为本文研究的重点内容。
本文在其他学者研究的基础上,以中国东北部主要森林覆盖区大兴安岭地区为例,开展了基于多源遥感数据的不同空间尺度森林参数反演的方法研究,主要从以下三个方面开展:1)林分森林参数反演:利用机载LiDAR点云数据反演林分森林冠层高度,利用融合机载LiDAR特征和Landsat TM影像纹理特征的方法反演林分地上生物量;2)GLAS光斑森林参数反演:利用星载GLAS波形参数和SRTM地形数据建立地形校正模型反演GLAS光斑森林冠层高度,利用GLAS光斑森林冠层高度以及GLAS波形参数反演GLAS光斑地上生物量;3)区域尺度森林参数反演:利用GLAS光斑森林参数反演结果作为训练样本,MODIS标准产品作为扩展因子,FAO生态分区为建模分区标准,SVR模型作为空间建模方法,对区域尺度森林冠层高度和地上生物量进行反演。
基于机载激光雷达技术的茂密林地单株木识别
基于机载激光雷达技术的茂密林地单株木识别刘峰;龚健雅【摘要】By analyzing the shortage of traditional approach, a new individual trees recognition method was proposed. Firstly, the generalized Gaussian function was used to analyze the fitting pulse shape LiDAR data, and the high density point cloud and the waveform parameters were obtained, then the non-ground points were' gained by establishing DEM; secondly, the spatial characteristics of point cloud was computed to receive forest points; lastly, Markov random fields were exploited to label individual trees in 3D. The experimental results show that this method can effectively improve the recognition accuracy, especially in the low dense, small trees identification effect, and the average recognition accuracy is 75%.%提出一种利用LiDAR数据进行单株木识别的方法,首先利用广义高斯模型分解全波形LiDAR数据,得到高密度的点云和相应的波形参数,通过建立数字高层模型得到非地面点云,然后计算点云的空间特征得到林木点云,最后在3D空间中利用马尔可夫随机场重新标记得到单株木点云.实验表明,与传统方法相比,本文方法能有效提高单株木识别的准确性,特别是对茂密林地中低矮、细小林木识别效果明显,平均识别精度达到75％.【期刊名称】《农业机械学报》【年(卷),期】2011(042)007【总页数】5页(P200-203,209)【关键词】单株木;模式识别;机载激光雷达;马尔可夫随机场【作者】刘峰;龚健雅【作者单位】中南林业科技大学理学院,长沙410004;武汉大学测绘遥感信息工程国家重点实验室,武汉430079【正文语种】中文【中图分类】TN959.3;S758引言激光雷达(light detection and ranging，简称LiDAR)技术是一种主动遥感技术。
点云密度对地面三维激光扫描精度及沉陷参数的影响
点云密度对地面三维激光扫描精度及沉陷参数的影响周大伟;吴侃;唐瑞林;周建伟【摘要】根据平面分辨率的理论公式,推导地面三维激光扫描仪不同距离处的立面及平面相邻点间隔(即点云分辨率)计算公式,并得到了平面某一距离处平面单位面积的点云数的计算公式；通过试验分析点云分辨率对点位精度及测距精度的影响；通过对某矿沉陷观测的点云数据按照不同的分辨率进行重采样并进行求参,得到不同分辨率下参数的变化情况,经对比分析,得到最佳的点云分辨率设置标准为300mm/100 m.%According to the theoretical formula for plane resolution, the formula for adjacent point gap ( namely point cloud resolution), which located in vertical plane and horizontal plane away different distance from the center of terrestrial 3D laser scanning,is deduced. And the formula for calculating numbers of points in unit area located in different distance from scanner is also obtained. The influence of point cloud resolution to positional accuracy and ranging precision is analyzed through experiments; Probability-integral parameters are acquired by using point cloud data of mining subsidence observation in some coal area resampling with different resolution, then analyzing the change of parameters under different resolution, The setting criterion of optimum point cloud resolution is determined to be 300 mm/100 m after contrast and anlysis.【期刊名称】《金属矿山》【年(卷),期】2011(000)009【总页数】4页(P127-130)【关键词】地面三维激光扫描;点间隔;预计参数【作者】周大伟;吴侃;唐瑞林;周建伟【作者单位】中国矿业大学环境与测绘学院;江苏省资源环境信息工程重点实验室;中国矿业大学环境与测绘学院;江苏省资源环境信息工程重点实验室;中国矿业大学环境与测绘学院;江苏省资源环境信息工程重点实验室;中冶建工交通公司基础分公司【正文语种】中文地面三维激光扫描仪扫描物体得到的数据称为点云数据，点云数据是由大量的离散点构成。
《机载激光雷达点云滤波算法与DEM内插方法研究》
《机载激光雷达点云滤波算法与DEM内插方法研究》篇一一、引言随着航空遥感技术的不断发展，机载激光雷达（Light Detection And Ranging，简称LiDAR）系统以其高精度、高效率的测量能力，在地理信息获取、地形测绘等领域得到了广泛应用。
机载激光雷达点云数据作为其核心产品，具有丰富的空间信息和三维结构信息，为地形分析、地貌研究等提供了重要数据支持。
然而，由于受多种因素影响，点云数据往往包含大量噪声和冗余信息，这给数据的处理和应用带来了一定的挑战。
针对这一问题，本文着重对机载激光雷达点云滤波算法与DEM（数字高程模型）内插方法进行研究。
二、机载激光雷达点云滤波算法研究2.1 点云数据特点及噪声来源机载激光雷达点云数据具有密度大、结构复杂、包含大量噪声等特点。
噪声主要来源于系统误差、地形阴影、植被遮挡等因素。
为了有效提取有用的地形信息，需要对点云数据进行滤波处理。
2.2 滤波算法概述目前，常用的机载激光雷达点云滤波算法主要包括基于坡度、基于形态学、基于统计等方法。
这些算法通过设定一定的阈值或规则，对点云数据进行分类和筛选，从而实现对地形信息的提取。
2.3 典型滤波算法分析（1）坡度滤波算法：根据地形坡度变化特征，通过设定阈值对点云数据进行分类和筛选，可以有效去除植被和其他非地形要素的影响。
（2）形态学滤波算法：利用形态学原理，通过开运算、闭运算等操作对点云数据进行处理，可以有效去除噪声和孤立点，保留地形结构信息。
（3）统计滤波算法：根据点云数据的统计特征，如密度、高度等，设定一定的规则对数据进行分类和筛选，可以实现对地形信息的有效提取。
三、DEM内插方法研究3.1 DEM内插概述DEM内插是指利用已知的离散点数据，通过一定的数学方法，生成连续的数字高程模型。
内插方法的优劣直接影响到DEM的精度和空间分辨率。
3.2 常见内插方法分析（1）线性内插法：通过已知的离散点数据，在空间上建立线性关系，从而生成连续的DEM。
机载激光点云获取、倾斜影像获取技术标准
机载激光点云获取、倾斜影像获取技术标准一、引言机载激光点云获取和倾斜影像获取技术是利用激光雷达和航空摄影技术获取地面三维信息的重要手段，近年来在地理信息、地质勘探、城市规划等领域得到了广泛应用。
本标准旨在规范机载激光点云获取和倾斜影像获取的技术要求，以确保数据质量和采集效率。
二、术语与定义1. 机载激光点云获取：通过激光雷达设备在航空飞行中对地面进行扫描，获得地面特征点的坐标和高程信息。
2. 倾斜影像获取：通过航空摄影设备在飞行中采集地面倾斜角度大的影像，用于地形、建筑物等的三维重建和分析。
3. 数据完整性：指采集到的激光点云和倾斜影像数据能够完整反映地面真实情况的能力。
4. 点云密度：指激光点云数据中单位面积内包含的地面点数，用于描述数据的分辨率和详细程度。
5. 倾斜角度：指倾斜影像获取时相机与垂直线之间的夹角。
三、技术要求1. 设备要求机载激光雷达设备应具备高精度测距和扫描性能，能够实现对地面点云的快速、准确采集。
倾斜影像获取设备应具备高分辨率和全色彩成像能力，能够在不同光照条件下获取清晰的影像。
2. 规划飞行路径在进行机载激光点云获取和倾斜影像获取前，应充分规划飞行路径，确定飞行高度、速度和采集范围，以确保数据采集的连续性和完整性。
3. 数据处理采集到的激光点云数据和倾斜影像数据需经过专业的数据处理流程，包括数据配准、滤波、配准等步骤，以确保数据的准确性和可用性。
4. 数据质量评估对采集到的数据进行质量评估，包括点云密度、数据完整性、倾斜角度等指标的评估，确保数据达到要求的精度和完整性标准。
四、质量控制1. 校正标定在使用机载激光雷达设备和倾斜影像获取设备前，应进行校正标定工作，确保设备的测量和成像精度。
2. 采集实时监控在飞行过程中，应通过实时监控系统对数据采集进行监控，发现问题及时调整飞行参数和设备设置。
五、数据管理1. 格式规范采集到的激光点云数据和倾斜影像数据需按照行业标准格式进行存储和管理，以方便后续数据处理和应用。
机载激光雷达和航空数码影像单木树高提取_赵峰
激光雷达 ( light detection and ranging, LiDAR) 技 术用于森林参数提取是当前研究的热点之一, 它通 过主动获取三维坐标信息, 可以直接测量森林参数 和估测森林结构特征 , 如树高、 冠层 高度、 冠径、 地 径、 地上生物量、 冠层覆盖率、 林木密度、 蓄积量和垂 直结构等信息( Maltamo et al . , 2004; Naesset et al . , 2001; Means et al . , 2000 ) 。传统的光学遥 感技术 仅能提供林木的二维信息, 需要借助其他辅助信息 才能获得其三维结构参数 ( Wulder , 1998) 。激光雷 达在林业中应用最广泛的是树高的获取, 而且在国
Qu fu 273100)
Liu Qingwang1
( 1 Institute of Forest Resources In formation Techniques , CAF 2 Forestry Bureau of Qu fu , Shandong Province
Beijing 100091;
第 45 卷 第 10 期 2 0 0 9 年 10 月
林
SCIENT IA
业
科
SILVAE
学
SINICAE
Vol 45, No 10 Oct. , 2 0 0 9
机载激光雷达和航空数码影像单木树高提取
赵
摘 要:
峰
1
庞
勇
1
李增元
1
张怀清
1
丰
伟
2
刘清旺
曲阜 273100)
1
( 1. 中国林业科学研究院资源信息ght detection and ranging) is an active remote sensing technique, LiDAR instruments measure the
基于机载LiDAR数据估测林分平均高
2020,33(4):59-66http ://www 」ykxyj . c om林业科学研究Forest Research D01:10.13275/ki.lykxxj.2020.04.008基于机载LiDAR 数据估测林分平均高赵勋1,岳彩荣卩，李春干彳，张丽梅為谷雷1（1.西南林业大学林学院，云南昆明650224 ; 2.广西大学林学院，广西南宁530004;3.西南林业大学园林园艺学院，云南昆明650224）摘要：［目的］以2016年9月广西壮族自治区高峰林场实验区获取的机载LiDAR 点云数据为基础，通过提取 30 mx30 m 空间林分尺度下的LiDAR 点云特征变量实现对林分平均高的估测。
［方法］首先将105块实测林分平均高度的样地数据按照3： 1的比例随机划分为训练样本（79）和检验样本（26）,采用随机森林回归（RFR ）和支持向量回归（SVR ）两种机器学习算法对79个训练样本与对应的林分LiDAR 点云特征变量回归建模。
建模方案包括随机森林模型、支持向量机模型及随机森林+支持向量机组合模型。
其次利用26个检验样 本数据评价模型预测精度。
最后统计3个模型中训练样本和检验样本对应的精度评价指标，以一个预测精度高、泛化能力强的模型作为最终模型进行林分平均高制图。
［结果］表明：随机森林模型的训练样本和检验样 本的决定系数（疋）分别为0.886 1和0.837 5,均方根误差（RMSE ）分别为1.22和1.56；支持向量机模型的 训练样本和检验样本的决定系数（〃）分别为0.886 4和0.840 9,均方根误差（RMSE ）分别为1.21和1.54；组合模型的训练样本和检验样本的决定系数⑴）分别为0.859 8和0.853 2,均方根误差（RMSE ）分别为1.35和1.48;［结论］组合模型的泛化能力及预测精度最好，支持向量机次之，最后为随机森林。
利用组合模 型可有效完成研究区林分平均高制图。
激光雷达点云数据处理研究
激光雷达点云数据处理研究一、概述激光雷达是利用激光束扫描目标，并根据目标反射回来的激光束在控制器中进行接收和处理，生成三维空间中的点云数据。
采集到的点云数据可以精确地表示目标物体的形状和位置，是现代机器人、自动驾驶汽车和遥感等领域中不可或缺的数据来源之一。
本文将介绍激光雷达点云数据的处理方法，即从点云中提取出有效信息并进行分析和应用的过程。
二、激光雷达点云数据的分类1.基于点云密度的分类根据点云密度的不同，可以将激光雷达点云数据分为稠密点云和稀疏点云。
稠密点云一般用于对建筑或自然环境进行三维建模，其点云密度高，点云间距小。
稀疏点云适用于对远距离物体的检测和识别，其点云密度较低，点云间距较大。
2.基于激光雷达扫描方式的分类激光雷达扫描方式影响点云数据的质量和密度，可将其分为机械式扫描和光电式扫描两种。
机械式扫描是通过机械装置旋转或摆动激光雷达的探头来实现扫描的方式，适用于较小范围的三维建模。
光电式扫描是通过微小的振镜将激光束反射到目标上，适用于大范围的三维建模和测绘。
三、激光雷达点云数据的处理方法1.点云去噪激光雷达在采集过程中容易受到自然环境和设备本身的干扰，如树叶、建筑物等会在点云中出现一些噪点。
因此，点云去噪是对点云数据进行处理的重要步骤之一。
点云去噪的主要方法有：基于滤波器的去噪方法：可以采用高斯滤波器、中值滤波器等方式对点云数据进行去噪处理。
基于几何形状的去噪方法：可以利用点云所代表的几何形状信息，对点云数据进行去噪处理，如平面拟合法、曲面拟合法等。
2.点云分割点云分割是将点云数据中不同几何形状或不同属性的点分别提取出来的过程。
点云分割的结果可以被用作对象识别的前置处理。
点云分割的主要方法有：基于区域生长的分割方法：该方法通过定义生长准则，根据点云点间的相似性和几何关系将相邻的点组合到一起，形成不同的区域。
基于曲率的分割方法：该方法通过计算点云中每个点的曲率信息，将点云分为不同的曲率段，转化为曲率分割问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
林业科学研究 2008,21(增刊):14~19Forest R esearc h文章编号:1001-1498(2008)增刊-0014-06点云密度对机载激光雷达林分高度反演的影响*庞 勇,李增元,谭炳香,刘清旺,赵 峰,周淑芳(中国林业科学研究院资源信息研究所,北京 100091)摘 要:以山东省泰安市徂徕山林场和重庆铁山坪林场为试验区,分别于2005年5月和2006年9月获取了低密度和高密度的L i DA R 点云数据,分别进行了林分平均高的反演试验。
通过两个试验区的对比,分析了不同点云密度对机载L i D AR 数据反演林分参数的影响。
结果表明:对于两种密度的点云数据,使用分位数法都可以很好地进行林分平均高的估计,高密度点云的反演结果略好一些,但二者结果差异不大;高密度的点云可以进行更小尺度的林分高估计和单木树高的估计,从而可以减少甚至避免对实地树高测量的依赖。
关键词:L i D AR;点云密度;林分平均高中图分类号:S771.8文献标识码:A收稿日期:2007-12-09基金项目:国家863课题(2007AA12Z173)、国家自然科学基金课题(40601070)、国家973课题(2007CB714404)、国家林业局948项目(2004-4-64)作者简介:庞勇(1976)),安徽省太和人,博士,助理研究员,主要从事合成孔径雷达和激光雷达对地观测机理和森林参数定量反演等方面的研究.Em ai :l ca.f pang @g m ai.l co m*本文作者感谢山东省泰安市徂徕山林场和重庆市铁山坪林场在外业调查中给予的大力支持和协作!The E ffects of A irborne L i D AR Poi nt D ensity on Forest H eight E sti m ationPANG Yong,LI Zeng-yuan,TAN Bing-x i ang,LIU Q ing-wang,ZHAO Feng,Z H OU Shu-fang(Research Insti tute of ForestRes ource In f or m ation Tec hn iq u es ,CAF ,Beiji ng 100091,Ch i na)Abst ract :Th is paper takes Culaishan Forest Far m ,Shandong Prov ince ,and T ieshanpi n g Forest Far m ,Chongq i n g ,as test sites .The airborne d iscrete retur n L i D AR data w ere co llected i n M ay o f 2005and Septe mber of 2006seperately .The forest heightw as esti m ated for bo t h test sites .Through the ca mparison o f t h e t w o sites ,t h e effects of a ir bor ne Li D AR po i n t density on fo rest he i g ht esti m ation w ere analyzed .The resu lts de m onstrated that itw as feasi b le to use l o w and high point density airbo r ne L i D AR data to esti m a te forest he i g h.t Quartiles could give good tree he i g ht esti m ati o n i n the lo w L i D AR po i n t density case .The accuracies fro m h igh density L i D AR data sho w eds on ly a little better than lo w density data .The high density data could be used to esti m ate fi n er sca l e forest height even i n dividual tree he i g h,t w hich is he l p fu l to m i n i m ize necessity o f the number filed p l o ts .K ey w ords :Li D AR;po i n t dansity ;stand m ean height 激光雷达L i D AR (Light detecti o n and rang ing)是近年来国际上发展十分迅速的主动遥感技术,在森林参数的定量测量和反演上取得了成功的应用。
激光雷达具有与被动光学遥感不同的成像机理,给林业遥感带来了重大突破,对植被空间结构和地形的探测能力很强,特别是对森林高度的探测能力,具有明显的优势。
近20年来,研究者发展提出了许多用激光雷达数据反演林木参数的算法[1-4],极大推进了激光雷达在林业上的应用。
小脚印的激光雷达系统已经成功地用于大范围的森林资源清查中[5],星载大脚印激光雷达已经在轨运行并成功地进行了全球的数据获取[6]。
增刊庞勇等:点云密度对机载激光雷达林分高度反演的影响Lefsky等[7]对多种先进的遥感数据进行了比较研究,包括多时相的LandsatT M数据、高空间分辨率的机载多光谱ADAR数据、机载高光谱AV I R I S数据和机载激光雷达SL I C ER数据,结果表明:激光雷达数据反演出的树木结构参数精度最高,并指出,尽管当时激光雷达只有采样数据,但与其它影像数据结合使用将大大提高林业遥感的精度,将来随着星载激光雷达系统的实施,必能取得更广泛的应用。
正是由于L i D AR技术用于林业的巨大潜力,尤其是森林资源调查、监测等要求高精度的定量参数的领域,近10年来以欧美为首的工业发达国家开展了大量的研究,从硬件研发、数据处理和行业应用等方面取得了很大的进展。
北欧(挪威、瑞典、芬兰)、西欧(德国、英国)等国已经较大范围的使用[5,8];美国在多处成功试验的基础上,已经利用该技术对阿拉斯加、波多黎各等地区大面积森林进行调查;加拿大在B ritish C lo m blia等省正在开展大范围森林资源调查应用。
目前机载L i D AR数据获取的成本还比较高,其中点云的密度对数据获取的效率和成本影响很大。
本文以山东省泰安市徂徕山林场和重庆铁山坪林场为试验区,分别于2005年5月和2006年9月获取了低密度和高密度的L i D AR点云数据,分别进行了林分平均高的反演试验。
通过2个试验区的对比,分析了不同点云密度对机载L i D AR数据反演林分参数的影响。
1试验区概况与数据获取1.1试验区概况研究试验区选在山东省泰安市徂徕山林场和重庆市江北区铁山坪林场。
徂徕山林场位于鲁中泰沂山区,117b16c~117b20c E,36b02c~36b07c N。
徂徕山位于泰沂山脉南侧,孤立于平原,主脉东西走向,主峰海拔1028m。
徂徕山区属暖温带大陆性气候,年降水量约718mm,多集中在夏秋之间。
徂徕山林场现有森林多为人工林,少数为天然次生林和第2代萌芽更新的刺槐林;树种以刺槐(R obinia p seudoacacia)、油松(P inus tabulaefor m is)、黑松(P inus t h unber g ii)为主,其次为侧柏(P latycl a dus orien t a lis)、落叶松(Lari x gm elinii)、毛白杨(P opulus to m en tos a)、黑杨类、栎类等。
据2000年4月进行的徂徕山林场森林经理调查,林场纯林多,混交林少,林龄集中。
林分大多数为中龄林、近熟林、成熟林,约占林分总面积的70.5%,其中中龄林、近熟林以刺槐和部分松类为主,成熟林以松类为主,占林分面积的32.7%。
铁山坪林场位于重庆市江北区(29b38c N、106b 41c E),铁山坪属华蓥山山脉东部山系,地势起伏平缓,两侧山坡陡峭、切割剧烈,西坡坡度30b~50b,东坡坡度20b~50b。
境内山地丘陵平行相间,地貌受地质构造及岩性影响,背斜呈山,向斜成谷。
铁山坪林场地势自西南向东北方向逐渐攀升,海拔160.5~ 583.3m。
铁山坪林区属中亚热带气候,现有森林面积1200hm2,以马尾松(P i n u s m assoniana)纯林为主,零星分布着人工栽种的香樟(C innam o m u m camphora)、杉木(Cunningha m ia lanceolata)等树种,竹类主要以毛竹(P hyllostachys pubescens)为主。
马尾松多数是在1958年至1962年遭受破坏后重新形成的次生林,林龄为42~51a,林木平均年龄为46a。
1.2激光雷达数据在2个试验区分别获取了高低密度的点云数据,其中徂徕山林场采用的激光雷达数据是由R I EGL LMS-Q280i获取的低密度离散回波数据, 2005年5月13日获取数据,采用首回波记录模式,平均激光点间隔约1.6m,激光束发散度为0.5m rad,激光扫描角正负30b,激光扫描重叠程度为22%。
飞行平台为/运-50飞机,飞机飞行地速180km#h-1,相对航高800m,绝对航高1600m。
铁山坪林场采用的激光雷达数据是由ALT M-3100型激光器获取的高密度离散回波数据,飞行时间2006年9月24日。
航线南北向7条,为确保有一部分高密度的点云,飞机十字交叉飞行了东西向2条航线。
激光器具有4次回波,所用波长1064nm,重复频率44k H z,激光发散角0.3m rad。
光斑大小30c m,平均激光点间隔0.52m,采用线性扫描方式,扫描角度为正负20b,扫描重叠率为40%。
为了方便与DGPS定位的外业数据相结合,激光点云数据的坐标投影系统是UTM,单位是m。
如图1所示是铁山坪试验区内一块激光点云数据高程信息的三维渲染图,高程值随深色至浅色递增。
从图1中可以看出:每个树冠对应着多个激光回波点,反映了树冠从顶部到边缘的高度变化。
图1的左下方有2个黑色的空洞,对应着林场的2个蓄水池。
由于水体对近红外的高吸收率、低反射率的特性,几15林 业 科 学 研 究第21卷乎没有激光回波点。
图1 高密度激光点云数据高程渲染图(高程值随深色至浅色递增)此外,在飞行时还同步获取了数码影像数据,地面分辨率大小为25c m,航向重叠度40%,旁向重叠度30%。