结合地形测绘数据的机载LiDAR草原植被冠层高度反演方法研究

郝 鑫, 黄平平,3, 郭利彪, 谭维贤, 刘晓龙, 王志国, 吕晓琪

(1.内蒙古工业大学 信息工程学院,内蒙古 呼和浩特 010051; 2.内蒙古自治区雷达技术与应用重点实验室,内蒙古 呼和浩特 010051; 3.内蒙古师范大学 应用数学中心,内蒙古 呼和浩特 010022)

植被冠层高度是草本植物生长监测的关键指标,然而传统的植被高度调查方法多依赖于人工,费时费力,主观性强。多光谱、高光谱、多角度等普通光学遥感技术、合成孔径雷达(synthetic aperture radar,SAR)技术以及激光雷达(light detection and ranging,LiDAR)技术已经被广泛用于植被结构参数的估测,并各具特点。李丹[1]用数字航空摄影数据对森林参数的估测进行了反演研究。郭鹏[2]利用LiDAR数据准确估算农作物高度并对其进行了分类。草层高度在草地退化和沙化评价、生物量遥感监测等方面都具有重要作用与价值,然而草地冠层高度精确反演和制图一直是草地遥感研究的难点[3]。定量获取草地生长状况及空间变化动态是合理利用草地、改善生态环境、实现天然草地资源可持续发展的基础性工作。

从传统的文学教学模式和文学分析手段来看，这是一份非常详备的教学资料，老师教学和学生的备考都可从中受益。但是，如果所有的文学作品都是这样的“套餐模式”，学生“吃”的次数多了，就不免会有些厌烦。这样的教学内容太过局限于《药》的文本，不仅学生的阅读范围局促，而且限制了学生的思维视界，容易让学生形成小说赏析的定式和惰性，造成思维方式上的墨守陈规，使学生少有开放性的视野和发散性的思考，也很少有可能读出小说的新意来。

传统光学传感器采用固定观测几何角度,主要获取植被冠层表面信息,很难获得群落垂直方向空间结构信息。所以,常规光学遥感系统对观测目标的垂直结构特征信息获取有限,一般只能提供植被冠层表面信息,很少有涉及使用光学遥感图像进行植被高度估算的研究。LiDAR技术是近数十年来摄影测量与遥感领域具革命性的成就之一,为地表地形与植被群落垂直结构的测量提供了新的思路。Nilsson等[4]发现,可以从激光回波中得到与体积有关的变量,包括波形面积和冠层高度。回波波形的截面垂直分布(vertical distribution of intercepted surfaces,VDIS)直接代表着植被和群落表面结构的独特“指纹”,可以使用高分辨率回波数据集合成包含在大面积激光高度计回波中隐含的植被垂直结构信息[5]。

LiDAR每秒发射几十万个脉冲,频率极高,密集的激光束穿过植被冠层时,每遇到一个障碍便产生一个回波,通过多次回波可以得到细致的垂直结构和地面信息。Means等[6]使用回波恢复扫描冠层激光雷达成像仪(scanning lidar imager of canopies by echo recovery,SLICER)收集了26个样地林分结构的真实观测数据,发现了其与高度、基底面积、总生物量和叶生物量的紧密联系。LiDAR技术不仅能够获取植被的空间分布情况,更重要的可以获取群落三维结构信息。机载与星载LiDAR经常被用来进行植被高度估测。星载LiDAR采用卫星平台,运行轨道高、观测视野广。王玥[7]、门华涛等[8]基于星载LiDAR对森林植被冠层高度估算并取得较好的精度。杨婷[9]结合星载LiDAR与光学数据做出中国森林平均高度图。刘鲁霞[10]结合地基LiDAR与机载LiDAR数据对森林冠层垂直剖面进行分析,并提取植被结构参数。诸多学者利用机载LiDAR估算林业中的森林冠层覆盖率和森林垂直结构参数[11-12]。但是此类研究方法和目标很少应用于草地,因为常规的载人飞机或直升机获取的激光数据不能提供兼具高精度和高密度的点云进行草地植被结构分析。近年来无人机遥感系统技术蓬勃发展,以无人机为飞行平台的低空遥感作为卫星遥感与航空遥感的有益补充,是理想的尺度耦合监测平台[13]。它可以按照规定飞行路线从相对较低的飞行高度(小于100 m)获取数据,然后生成密集的测距测向点云数据。Zhang等[14]使用无人机激光雷达(Air-LiDAR)对呼伦贝尔放牧平台在不同放牧强度下完成了草地冠层高度,植被覆盖率与地上生物量的估测。王庆[15]对比基于无人机RGB与无人机-LiDAR数据估算甜菜的株高,发现Air-LiDAR数据得到的精度更高。Miura[16]借助Air-LiDAR构建草本植物高度地图并实现高效的植被管理应用。

冠层高度模型(canopy height model,CHM)通常是由冠层高度坐标数值与土壤地表表层数据之间的差值获得,相关参数反映了植被真实的冠层表面形态和生长高度。杨凡[17]基于机载LiDAR分析了CHM在不同空间分辨率下的冬小麦平均冠层高度与生物量精度。杨伯钢[18]借助CHM数据可以在一定程度上消除LiDAR测量树高的不一致性和较大数值方差。解宇阳[19]利用无人机平台完成了常绿阔叶林的CHM。许子乾等[20]通过融合无人机影像与LiDAR数据构建的DEM提取林分高度。Lin[21]借助Air-LiDAR数据生产了农场林地的CHM。Feng[22]基于CHM完成了冬小麦的高度与生物量的估测与反演。Luo[23]利用CHM估算出玉米与大豆的植被高度。

基于Air-LiDAR载荷的内蒙古自治区典型草原植被冠层的遥感三维结构观测技术及高精度的冠层结构参数反演模型方法尚需要探索及实践。本研究通过Air-LiDAR点云数据的解算得到群落冠层垂直空间分布的点位坐标,结合地表实时动态差分测量(real time kinematic,RTK)数据构建研究区草地冠层数字表面模型(digital surface model,DSM)、地表数字高程模型(digital elevation model,DEM),经过空间坐标匹配叠加及数值解算获得草地冠层高度模型(gCHM),最后结合地面实测数据对草地冠层高度模型gCHM进行精度验证与特征分析。研究探索实践将激光雷达测距测位技术快速、准确地应用于获取草地植被结构参数具有重要的理论和实践意义。

1 数据与方法

1.1 研究区与数据采集

研究区位于内蒙古自治区锡林郭勒盟锡林浩特市东部草原区,地理坐标约为116°28′3″E,44°11′42″N,属于中温带半干旱大陆性季风气候区,年平均气温0～1 ℃,年平均降水量350 mm左右,降雨多集中在6-8月。主要物种为针茅与羊草[24]。2015年8月15日使用Air-LiDAR载荷对该区域草地群落进行了数据采集。

四川省地跨多种地貌单元，海拔高度起伏大，气象站点资料完整度高且在海拔上分布较为均匀，是研究不同海拔高度气象要素对ET0的响应特征的最佳区域。本研究基于四川省 38个气象站点气象数据，主要研究内容包括：（1）分析四川省 1970—2016年ET0时间序列趋势特征，结合气候变化背景，识别出ET0时间序列突变点；（2）根据测站海拔对四川省分区，分析不同海拔高度ET0变化趋势；（3）计算气象要素的敏感度系数，并通过贡献率分析在不同海拔ET0的驱动要素，研究结果可为研究区域水资源综合管理提供依据。

天然草地是我国非常重要的陆地生态系统,特别是分布于我国北方的内蒙古自治区天然草地,其内部的草地群落冠层物种丰富度高,复杂程度东西走向差异明显。参考现有的研究,天然草地植被种群及群落空间分布主要表现为随机离散分布、高斯分布及泊松分布等特征[25],并且存在多层三维结构及相互遮蔽现象。因状况复杂,受天然草地冠层遮蔽的干扰,不能较好获得地表的LiDAR回波信号,直接使用LiDAR数据建立DEM存在较大偏差。本文利用RTK技术提供构建DEM所需的高精度地表高程坐标值,同时可为Air-LiDAR点云数据精确定位提供了配套的地面标定参数,研究区高程等高线如图1所示。Air-LiDAR载荷研究区飞行观测采样轨迹如图2所示。研究区地势分布为北高南低的空间走向,Air-LiDAR从研究区西南角出发按照图中的模式过程进行测量,箭头标注为飞行轨迹。为获取验证数据,飞行中对研究区草地冠层高度进行等间距同步测量,按照图2中的采样设计,以每个采样点2 m的间距进行测量采样。

图1 研究区高程及地表观测影像 图2 Air-LiDAR载荷轨迹与采集点分布示意图Fig.1 Elevation observation overlayed image Fig.2 Schematic diagram of Air-LiDAR route trajectory of the study area and ground samples distribution

Li-Air多旋翼无人机LiDAR由高精度惯性测量单元(inertial measurement unit,IMU)、存储控制系统、LiDAR和全球定位系统(global positioning system,GPS)组成。Air-LiDAR与草地相互作用的基本过程如图3所示。Air-LiDAR对草地冠层发射测量激光脉冲并接收回波信号,图3右下角为来自LiDAR波形的累积植被目标激光能量与地面返回的激光能量响应特征。当Air-LiDAR脉冲接触冠层、穿透草地冠层、到达地表时,回波波形分别反映了植被冠层、群落内部结构及地表起伏的测位测向特征。GPS为Air-LiDAR系统提供实时定位服务,IMU用于确定Air-LiDAR系统的飞行姿态。图3右上角为Air-LiDAR飞行时研究区的地形变化剖面。研究中为适应草地冠层结构特征的扫描需要,使用的传感器性能指标见表1。

图3 Air-LiDAR扫描草地基本过程Fig.3 Basic process of the Air-LiDAR grass interaction

表1 Air-LiDAR采集数据参数说明Tab.1 Air-LiDAR acquisition data parameters

Air-LiDAR点云数据包含了有关地表投影坐标解算的完整信息,满足LiDAR遥感技术规程记录观测目标点云数据的纬度(x轴),经度(y轴)和海拔(z轴)[26]参数标准。本研究利用Air-LiDAR获取天然草地高密度的三维空间观测信息,实现对目标高精度的回波响应记录并对研究区草地植被进行三维结构参数的定量提取。

1.2 研究方法

本研究主要的方法流程步骤如图4所示。首先对全波形数据进行去噪与分解,依据传感器标定系数重建发射波形与回波波形。对Air-LiDAR点云数据进行解算得到群落冠层垂直空间分布的点位坐标,然后基于LiDAR与草地冠层相互作用模型解析并构建研究区的DSM。同时将RTK测量的地表高程点构建研究区的DEM并与LiDAR得到的DEM进行对比检验以确定其精度可用于后续冠层高度计算。最终,经过空间坐标匹配叠加及数值解算获得gCHM。

（2）第二时期是以公有云计算模式为基准，以其实际的发展需求定制定量的开展计费等工作，通过该种工作模式来尽可能的减小信息运营所耗费的资金费用，降低总体的运营成本，提升业务系统的实际使用效率。在油田内网大环境的基础下，集团公司以及油田公司等需要实时的提供云资源的计算模式，构建狭义层面上的公有云计算模式。

图4 草地冠层高度反演研究流程图Fig.4 Research flowchart of grass canopy height inversion

LiDAR实现的目标测高是以脉冲激光为技术原理,以激光束扫描的工作方式测量从传感器到地面上激光照射点的距离,即通过测量地面采样点激光回波脉冲相对于发射激光主波之间的时间延迟,得到传感器到地面采样点之间的距离。激光测距基本原理可表示为[27]

近年来，不少学科领域专家不幸成为虚假医疗信息“偏爱”的对象，中医泰斗、名医团队频频出现在某些不知名医院的官网上。男科、妇科、不孕不育、皮肤性病科是“被出诊”问题的重灾区。

R=(c×t)/2,

(1)

诸多学者使用同一份LiDAR点云数据计算植被冠层与地面高度坐标来创建DSM与DEM,由于天然草地的种群结构与群落结构相对较复杂,LiDAR回波信号不足以完整获得地表精确的DEM,所以本研究使用地面RTK测量的高精度坐标构建的DEM作为创建gCHM的背景数据。由于LiDAR点云与RTK采集的空间坐标点都是离散分布的矢量数据,为了得到研究区草地群落的连续表面形态分布数据,需将矢量数据生成不规则三角网(triangulated irregular metwork,TIN)文件,再对TIN进行栅格化处理[29]。TIN从不规则分布的数据点生成一系列不交叉、互不重叠的连接在一起的三角形来表示地形表面,它在特定的空间分辨率下能用更少的空间和时间实现更精确地表示复杂空间曲面的目的,并根据地表特征能更精确合理表达其数值分布。本研究分别对DEM和DSM进行TIN解算,包括基于三角网方法通过初始地面点生成一个稀疏的TIN,然后通过迭代逐步扩展地面点,提取出所有属于地表的点。当目标点到距离最近的两个地面点之间所成直线距离和所成夹角小于阈值时，便将目标点添加进地面点。TIN既有矢量结构又有栅格的空间特征,它可以将矢量的点云文件与RTK采集的点状高程点、线状等高线高程数据转换为连续面状数字化的DSM与DEM,并能很好地保留空间叠加关系,其实现方式是在三角网中对高程进行插值,转化为栅格文件,插值原理如下:

(2)

(3)

草地冠层高度反演建模及验证的区域存在不同植被类型分布及垂直高度分布的实际情况,所以选取经过地面实测采样核查的三个典型植被特征子区域,分别对草地植被冠层较低、中等、较高的数值反演特征进行比较分析。Air-LiDAR可以得到厘米级的高精度回波点云数据,作为Air-LiDAR数据源的重要性能指标,点云密度从整体上反映了激光脚点分布的密集程度,激光脚点越密集,所描绘的地形高程信息越细致[30]。研究区点云回波密度如图5所示,A、B、C区域分别为草地植被冠层较低、中等、较高的区域。由于天然草地的复杂性与三维结构相互遮蔽的影响,草地植被冠层越低的区域点云回波越密集,草地植被冠层越高的区域点云回波越稀疏。

植被的冠层高度提取方法与DEM和DSM的生成紧密相关。两种空间结构表达模型是对地球表面地形地貌一种离散的数字表达形式,可用下述二维函数系列取值的有序集合来表示:

Kp,Rv=fRv(up,vp) (p=1,2,3,…,n),

窜货会发生的一个很重要原因，就是邻近市场促销费用支持的不均衡性，导致两个市场实际拿到公司产品的价格存在差异。那么以后营销总部在进行费用投入时，就应考量邻近市场的支持情况，尽力做到费用投入的均衡性。若存在特殊原因，比如在市场业绩压力较大的情况下，某销售区域用促销支持费用来换取市场成交量的高达成，而导致邻近市场的价格差距不得不变大，但是在差距加大后，价格较低市场主动向价格较高市场窜货时，在次月针对窜货市场的促销活动力度应做出明确的管控要求，比如一旦发生窜货，对于该市场次月的窜货产品补贴力度应降低。

(4)

Kp,Rg=fRg(up,vp) (p=1,2,3,…,n)。

(5)

其中:Kp,Rv为草地冠层高程取值的集合;Kp,Rg为地面土壤高程取值的集合;fRv和fRg分别是对草地与地面的空间坐标映射; (up,vp)为矩阵行列号。DSM和DEM可以用函数的形式分别描述为

其中:x,y是草地(地面)位置坐标;z是(x,y)对应的草地(地面)高程。同时将DSM和DEM进行空间坐标匹配叠加及数值解算,获得草地冠层高度gCHM模型,

文化因素分为多元文化习得和民族保护两个维度[3]，本文用这两个变量研究。相关分析结果表明，多元文化习得与少数民族大学生创业能力呈正相关关系，相关系数为0.64，说明多元文化学习越多，少数民族大学生的创业能力越强。民族文化保护与少数民族大学生创业能力间相关系数为0.47，即二者为正相关关系，也就是说，关注本民族文化的程度越高，创业能力越强。

(6)

fRg(up,vp)=(xRg,yRg,zRg) (Rg=1,2,3,…,n)。

(7)

fRv(up,vp)=(xRv,yRv,zRv) (Rv=1,2,3,…,n),

gCHM=Kp,Rv-Kp,Rg=(xgCHM,ygCHM,zgCHM) (gCHM=1,2,3,…,n)。

(8)

其中:R是传感器到目标物体的距离;c是光速;t是激光脉冲从激光器到被测目标的往返传输时间。Ni-Meister[28]将LiDAR波形模拟为激光脉冲函数与植被冠层截获或反射的激光能量和从背景反射的激光能量的卷积。基本的LiDAR方程为

(1)法国乡村旅游的数据主要来源于中法双语网络和文献资料，如法国统计局(Insee)、法国旅游发展署(Atout France)和欢迎到农庄(Bienvenue--la-ferme)等网站。

(9)

三角网中的每个三角形可以视为一个平面,平面几何特征完全由三个顶点的空间坐标值所决定。由第一个点的高程Z1进行数据的逐点插入可获得三个顶点的插值结果Z。DEM描述地表高程起伏变化,DSM描述草地植被冠层曲面高低起伏变化。gCHM可由DEM与DSM经过空间坐标匹配叠加及数值解算获得。本研究gCHM消除了地形起伏变化对DSM中植被高度及多次LiDAR回波的干扰，可以获得相对准确的冠层高度信息。

2 草地冠层高度反演

2.1 冠层表面及地形高度提取

其中:Rv(z)是从冠层顶部返回高度z的累积激光能量;Rg是从地面返回的激光能量;J0是LiDAR的光束辐照度;ρv是对冠层单元的体积后向散射系数;ρg是地面的后向散射系数;f1(t)描述了LiDAR脉冲的时间分布;f2(x,y)描述足迹内LiDAR能量的空间分布,f1和f2都是大面积LiDAR的高斯分布数值。基于以上原理,利用无人机载LiDAR对研究区草地群落进行扫描并对目标回波进行接收与处理,得到包括姿态、距离、速度、高度、形状、方位等探测目标参数,进而可对其结构特征进行探测与定量估算。

图5 研究区点云回波密度示意图 Fig.5 Schematic diagram of point cloudecho density in the study area

对植被冠层较低、中等、较高三种区域草地冠层的回波信号进行分析(如图6所示)。图6(A)表示草地植被的回波信号参差不齐,指示地表起伏及稀疏植被分布,草地冠层高度较低。图6(B)表示草地植被的回波信号均匀,指示植被种类较单一,草地冠层高度中等。图6(C)表示草地冠层高度较高并在两个高度有两个密集的回波信号,指示存在两种或更多不同形态的植被类型。

选取2018年1月～4月在我科室诊治的行骨科手术的患者100例作为研究对象，以均衡原则为基准将其分为观察组与对照组。其中，观察组男28例，女22例，年龄18～50岁，平均（31.26±9.33）岁；对照组男30例，女20例，年龄18～52岁，年龄（32.15±8.17）岁。比较两组患者一般资料，差异无统计学意义（P＞0.05）[1] 。

图6 不同区域植被冠层回波信号Fig.6 Echo signals of vegetation canopy in different areas注: A表示冠层较低区域; B表示冠层中等区域; C表示植被冠层较高区域。下同。

同时,对研究区DEM分布做分析,如图7(A)RTK测量的高精度高程点构建结果可得知,研究区整体地势呈现出一个南北斜坡。另外,图7(B)使用LiDAR点云观测数据构建的研究区DEM因受到天然草地冠层遮蔽的干扰,相对于RTK观测结果其空间分布精度略差。图7(C)是由Air-LiDAR点云观测数据构建的草地冠层DSM。

浙江制造业领域将国际先进标准转化为“品”字标浙江制造标准，据此开展市场化认证，减少产品出口的技术风险和市场壁垒。山东支持企业加快科技成果转化为标准，争夺参与国家标准制修订主导权，省委省政府多次与国家标准委协调筹建国家标准审查山东分中心，2018年7月份正式挂牌成立。

图7 研究区DEM与DSMFig.7 DEM and DSM of study areas

2.2 冠层高度反演

研究分别对3个子区域得到的gCHM数值进行比较分析,如图8所示。草地冠层较低区域(A)植被高度集中在0.2 m左右(实测采样主要为羊草类型),冠层中等区域(B)植被高度均匀分布在0.2～0.6 m之间(实测采样为羊草、针茅类型),冠层较高区域(C)植被在0.2 m与0.7 m数值之间,另存在高度约为1.0m左右个别高值分布(实测采样为羊草、针茅,及零星芨芨草)。三个典型植被特征子区域gCHM的空间示意图见图9。研究区各区域的草地冠层高度高低情况分布如图10所示,图中个别零星的红色高值点为研究区内规则分布的电力线塔。

图8 不同区域冠层gCHM统计特征Fig.8 gCHM data statistics of canopy in different areas

图9 不同区域gCHM空间示意图Fig.9 gCHM space diagram of canopy in different areas

图10 研究区gCHM草地高度反演结果示意 图11 gCHM与实测冠层高度相关性Fig.10 gCHM retrieved grassland height of study area Fig.11 Relationship between gCHM and measured canopy height

3 检验与分析

通过实测数据对gCHM模型反演数值结果的精度进行检验评价,进一步分析草地冠层高度数值结果的系统误差和模型性能。对gCHM反演获得的草地冠层高度数值结果与试验区地面实测数据建立线性回归关系,检测两者之间的拟合相关性水平,并通过均方根误差(root mean square error,RMSE)进行模型反演结果数值客观性的评价。gCHM反演结果与实测植被高度的相关性及检验误差RMSE数值如图11所示。

从图11可知,各区域回归方程拟合结果及决定系数R2满足检验要求,说明实测高度值与gCHM反演结果之间表现出较好的相关特征,不同冠层高度的检验误差均较低。

结果表明,本文模型具有较好的数值检验精度并可适用于草地冠层高度的定量估算,可以预期在更大范围的研究区进行拓展研究和应用。

4 结语

本文针对常规光学遥感获取地表植被覆盖存在群落三维结构信息缺失的问题,并考虑天然草地植被因其自然生长过程存在空间离散随机分布特征,发展了一种结合地形测绘数据的Air-LiDAR草地冠层高度定量估算模型,改进了光学遥感在获取植被垂直结构参数方面的不足。研究通过Air-LiDAR点云数据的解算得到群落冠层垂直空间分布的点位坐标,同时结合地表RTK测量高程点,分别完成研究区草地DSM、DEM的构建,经过空间坐标匹配叠加及数值解算获得gCHM。结果表明,本文模型具有较好的数值检验精度,并可适用于草地冠层高度的定量估算。本研究完整实践了基于草地冠层的Air-LiDAR数据源gCHM定量模型及方法,验证了模型的可靠性,并为草地生态监测指标的定量获取提供了有价值的方法参考和理论依据。