为提高白茶叶面积密度(leaf area density,LAD)的反演精度,以浙江省安吉县昆铜乡茶场的茶树为研究对象,利用无人机激光雷达和地基激光雷达对白茶茶树的冠层点云信息进行提取,对比几种常见的点云分割算法,选择效果最好的随机森林算法将...为提高白茶叶面积密度(leaf area density,LAD)的反演精度,以浙江省安吉县昆铜乡茶场的茶树为研究对象,利用无人机激光雷达和地基激光雷达对白茶茶树的冠层点云信息进行提取,对比几种常见的点云分割算法,选择效果最好的随机森林算法将提取的点云信息进行枝叶分离,并对冠层点云进行体元建模,探究白茶茶树最优体元和激光接触频率的相关性,采用冠层分析法分别对机载和地基数据绘制LAD曲线,通过盲区互补实现LAD的双源协同反演。结果表明,运用冠层分析法适用于估算灌木型白茶茶树的叶面积密度,机载点云数据和地基点云数据协同估算精度最高(R^(2)=0.930~0.963),地基数据估算精度次之(R^(2)=0.824~0.933),机载数据估算精度最低(R^(2)=0.693~0.838)。因此,机载和基地协同反演可以提升白茶茶树LAD的估算精度,进而为进一步研究灌木型作物的理化参数提供数据基础。展开更多
文摘为提高白茶叶面积密度(leaf area density,LAD)的反演精度,以浙江省安吉县昆铜乡茶场的茶树为研究对象,利用无人机激光雷达和地基激光雷达对白茶茶树的冠层点云信息进行提取,对比几种常见的点云分割算法,选择效果最好的随机森林算法将提取的点云信息进行枝叶分离,并对冠层点云进行体元建模,探究白茶茶树最优体元和激光接触频率的相关性,采用冠层分析法分别对机载和地基数据绘制LAD曲线,通过盲区互补实现LAD的双源协同反演。结果表明,运用冠层分析法适用于估算灌木型白茶茶树的叶面积密度,机载点云数据和地基点云数据协同估算精度最高(R^(2)=0.930~0.963),地基数据估算精度次之(R^(2)=0.824~0.933),机载数据估算精度最低(R^(2)=0.693~0.838)。因此,机载和基地协同反演可以提升白茶茶树LAD的估算精度,进而为进一步研究灌木型作物的理化参数提供数据基础。
