针对现有机载LiDAR(light detection and ranging)点云滤波方法在地形起伏剧烈的林区适用性不足的问题,提出一种多分辨率层次布料模拟滤波方法。首先,通过多尺度形态学开运算选择大量种子地面点;然后,基于种子地面点,使用布料模拟法由...针对现有机载LiDAR(light detection and ranging)点云滤波方法在地形起伏剧烈的林区适用性不足的问题,提出一种多分辨率层次布料模拟滤波方法。首先,通过多尺度形态学开运算选择大量种子地面点;然后,基于种子地面点,使用布料模拟法由低至高逐层构建参考地形,以快速获取高分辨率参考地形;最后,基于点至参考地形的高差区分地面点和非地面点。利用国际摄影测量和遥感学会提供的数据集和参考方法,评估该方法性能。利用在中国、美国多个代表性林区的点云数据,评估该方法的可推广性。结果表明,该方法的Kappa系数和运行时间是83.72%和34.11 s,精度和效率较经典布料模拟滤波方法提高10.49%和52.17%。相比8种参考方法,该方法能够获得更高精度,并且具有稳定的可推广性。展开更多
文摘针对现有机载LiDAR(light detection and ranging)点云滤波方法在地形起伏剧烈的林区适用性不足的问题,提出一种多分辨率层次布料模拟滤波方法。首先,通过多尺度形态学开运算选择大量种子地面点;然后,基于种子地面点,使用布料模拟法由低至高逐层构建参考地形,以快速获取高分辨率参考地形;最后,基于点至参考地形的高差区分地面点和非地面点。利用国际摄影测量和遥感学会提供的数据集和参考方法,评估该方法性能。利用在中国、美国多个代表性林区的点云数据,评估该方法的可推广性。结果表明,该方法的Kappa系数和运行时间是83.72%和34.11 s,精度和效率较经典布料模拟滤波方法提高10.49%和52.17%。相比8种参考方法,该方法能够获得更高精度,并且具有稳定的可推广性。
文摘国家森林资源(连续)清查[national (continuous) forest inventory, NFI/NCFI,文中统称NFI]是森林资源监测体系的重要组成部分,可为制定国家林业发展战略和调整林业方针政策提供及时有效的科学依据。遥感在推动NFI技术进步方面发挥了重要作用,已成为支撑NFI运行不可或缺的技术手段。在将遥感数据作为辅助数据用于提高NFI总体参数估测精度和效率方面,国内外学者已开展了大量估计模型和方法研究,可概括为4类:设计推断法(design-based inference method)、模型辅助法(design-based and model-assisted method)、模型法(model-dependent method)和混合法(design and model hybrid method)。笔者针对这4类估测方法,总结了国内外研究现状,分析了国内相关研究存在的问题,并就未来重点研发方向和内容提出了建议。在设计推断法方面,国内外技术水平没有太大差距;国外开展了大量模型辅助法研究并已应用于NFI业务,但国内相关研究较少,且业务应用仅体现在面积成数估计,今后应加强该方法的应用示范和推广工作。关于模型法在NFI中的应用国外对多源数据协同应用中的不确定性度量方法进行了深入研究;国内对模型法的研究也很多,但对科学评价模型的拟合效果、度量模型估测结果的不确定性等缺乏系统研究,应作为后续研究重点;国外已针对NFI应用开发了3类混合法,国内对第1类混合法研究较少,对第2类混合法的研究还仅局限于用双重回归抽样法估计地类面积,而对第3类汇合法尚未采用“数据同化”思路开展相关应用研究。建议未来加强这3类混合法在国内NFI中的深入研究和应用示范。
