[发明专利]一种基于无人机多光谱高重叠度影像的森林林分特征反演方法

权利要求书

1.一种基于无人机多光谱高重叠度影像的森林林分特征反演方法，其特征在于，借助无人机机载多光谱传感器获取高重叠度影像，利用波段组合和植被指数变换获取光谱特征，并利用空中三角测量算法与点云密集匹配算法生成数字点云数据，基于归一化点云数据和光谱数据来提取待测林冠层结构特征变量；最后结合地面实测待测林林分数据和提取的待测林冠层结构特征变量构建多元回归模型，反演待测林林分特征；步骤如下：

(1)借助固定翼无人机搭载的多光谱相机采集高重叠度影像数据，并借助多旋翼无人机搭载的LiDAR传感器采集LiDAR原始点云数据；

(2)对点云数据的预处理生成数字高程模型，进一步处理获得归一化点云数据；

(3)对获取的高重叠度影像数据利用波段组合和植被指数变换提取光谱数据；

(4)基于归一化点云数据和光谱数据提取待测林林分冠层结构特征变量百分位高度、各层覆盖度和冠层体积与剖面特征变量；

(5)通过相关性分析筛选特征变量，首先筛选特征变量之间相关性低于0.6的特征变量，然后进一步筛选特征变量与各林分特征相关性高于0.6的特征变量；

(6)结合地面实测数据，以地面实测林分特征作为因变量，提取的待测林冠层结构特征变量作为自变量，分别构建多元回归模型。

2.根据权利要求1所述的基于无人机多光谱高重叠度影像的森林林分特征反演方法，其特征在于：所述步骤(2)中，点云数据的预处理为：首先去除LiDAR原始点云数据的噪音点，基于IDW滤波算法去除非地面点，然后通过计算每个像元内激光点高度的平均值，生成数字高程模型；

点云数据进一步处理由特征点提取和匹配、空中三角测量、三维点云加密组成，具体为：

(1)通过遥感平台拍摄研究区的数字影像，通过IMU实时记录每幅影像的姿态参数；

(2)对获取影像像对的特征点进行特征点匹配，通过光束法进行影像内外方位元素的解析并结合空中三角测量算法生成点云；

(3)在点云加密的基础上，通过加入地面控制点来对点云进行空间位置校正，并通过生成的数字高程模型对点云进行归一化处理，得到归一化点云数据。

3.根据权利要求2所述的基于无人机多光谱高重叠度影像的森林林分特征反演方法，其特征在于：所述数字高程模型的空间分辨率为0.5m。

4.根据权利要求1所述的基于无人机多光谱高重叠度影像的森林林分特征反演方法，其特征在于：所述步骤(4)林分冠层结构特征变量百分位高度、各层覆盖度和冠层体积与剖面特征变量分别为：

百分位高度变量包括4个冠层高度分布百分位数变量：H25、H50、H75、H95，冠层点云分布平均高度以上的覆盖度，冠层点云分布的变异系数；各层覆盖度变量包括点云数量在各百分数高度D3、D5、D7、D9以上的点占所有点云的百分比；冠层体积与剖面特征变量包括Weibull函数对冠层高度分布剖面进行拟合得到2个剖面特征量Weibul α和Weibull β；冠层各结构类别的体积所占百分比，包括开放层、透光层、低光层和封闭层四个冠层结构类别。

5.根据权利要求1所述的基于无人机多光谱高重叠度影像的森林林分特征反演方法，其特征在于：所述步骤(6)地面实测数据：记录胸径不小于5cm的单木的树种，并测量胸径、树高和枝下高；胸径采用胸径尺测量，树高和枝下高分别用Vertex V超声和激光测高器测量；借助实测的单木信息，汇总得到样地级平均胸径、胸高断面积、Lorey′s平均树高、林分密度、蓄积量和地上生物量。

6.根据权利要求1所述的基于无人机多光谱高重叠度影像的森林林分特征反演方法，其特征在于：所述步骤(6)运用逐步回归法选择进入模型的自变量，即在预先给定的F水平下进行显著性检验：

t检验达不到显著水平，即p＞0.1，则予以剔除；

t检验达到显著水平，即p＜0.05，则予以进入。