一种特征量化赋权的配电线点云自动提取方法

针对配电网电力线架设低、线路与植被、构筑物等地物混淆,大规模线路高精度、高效率提取难度大的问题,提出了基于点云多特征量化赋权的电力线提取方法。该方法可根据场景内复杂地物的空间分布特点,选择地物显著区分特征,并在兼顾特征变异性和相关性的基础上量化特征区分电力线的能力,实现电力线与周围地物的分离。选用三景不同规模、地形复杂性的配电网点云数据验证该方法的有效性,实验结果表明电力线提取精度可达97.6%。

基于无人机LiDAR的橡胶树单木地上生物量估测

橡胶树地上生物量是反映橡胶树生产力、固碳能力和碳储量的重要指标,为提高橡胶树单木地上生物量估测的效率和精度,以橡胶树8年生育种试验林为研究对象,采用无人机LiDAR获取林地点云数据,并实测其地上生物量,基于点云数据提取树高、冠幅、树冠投影面积和树冠体积4个单木结构参数,将此4个参数作为预测因子建立橡胶树单木地上生物量估测模型,比较多元非线性回归和随机森林回归2种模型的估测精度,并分别采用五折交叉验证的方法对2种模型的泛化能力和可靠性进行评估。结果表明:(1)在单木分割的基础上由算法提取的树高和冠幅与直接基于点云人工量测的数值存在很好的一致性,2个参数与实测值的Pearson相关系数分别为0.999和0.951,均方根误差(RMSE)分别为0.109 m和0.452 m;(2)树高、冠幅、树冠投影面积和树冠体积等4个单木结构参数与橡胶树实测单木地上生物量相关性显著,其中树冠体积与地上生物量的Pearson相关系数最高,达0.904,4个参数对橡胶树地上生物量都具有良好的解释性;(3)基于4个单木结构参数建立的2种橡胶树单木地上生物量估测模型均能够取得很好的拟合效果,但是随机森林回归模型的表现更优,其决定系数(R^(2))为0.85,估测精度较多元非线性回归模型提高了3.64%,相对均方根误差(rRMSE)为30.90%,较多元非线性回归模型减小2.66%。总体而言,随机森林回归模型的拟合优度更高,泛化能力更强,可以更加准确地估测橡胶树单木地上生物量。