项目名称: 森林冠层叶面积密度激光雷达遥感反演

项目编号: No.41471294

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 天文学、地球科学

项目作者: 李世华

作者单位: 电子科技大学

项目金额: 86万元

中文摘要: 叶面积密度(LAD)是每单位地面面积每单位高度范围内的总单面叶面积,是表示叶面积垂直分布的重要参数,准确反演森林冠层LAD对于研究森林碳、氮循环、叶片生化组分垂直分布、生物量估算等具有重要意义。 项目将在辐射传输理论的支持下基于地基和机载激光雷达(LiDAR)数据探索森林冠层垂直分布特征表达规则;通过大量观测实验,获取不同生长条件森林样方的地基三维激光点云和森林结构参数数据,建立适用于冠层叶片与非光合组织准确分离的点云分割算法,实现叶片点云数据的精确提取;结合基于体元的冠层分析方法(VCP),构建地基LiDAR数据的树林冠层LAD反演模型;针对地基LiDAR冠层顶部容易出现盲区和无法开展大面积反演的特点,利用机载小光斑波形LiDAR数据反演森林冠层上部LAD,协同地基LiDAR对冠层下部LAD的准确反演构建森林冠层LAD协同反演模型;发展LAD反演误差分布模型,评价模型与观测的不确定性。

中文关键词: 叶面积密度;小光斑激光雷达;全波形激光雷达;森林冠层;植被结构参数

英文摘要: Leaf area density (LAD) is defined as the total one-sided leaf area per unit layer volume. It is very important for estimating leaf chemical components vertical distribution and biomass. Accurate retrieval of LAD over forest canopies will improve our understanding of forest carbon and nitrogen cycle. Based on the vegetation canopy transfer modeling, this project is designed to explore the fusion of terrestrial and airborne light detection and ranging( LiDAR) data for retrieving LAD of forest canopies. With long term plot level observations, multi-temporal terrestrial LiDAR data is acquired to estimate forest structural parameters, and algorithms for point cloud segmentation are developed to discriminate the leaves and non-photosynthetic tissues, and accurately extract LiDAR points of leaves; With the support of voxel-based canopy profiling (VCP) method, LAD retrieve model is developed for forest canopies using terrestrial LiDAR data; Since the terrestrial LiDAR system can not capture point cloud of upper canopies, and it is also difficult to acquire dataset over large area, LiDAR data acquired by airborne small foot-print full-waveform system is adopted to retrieve LAD of upper forest canopies, with synergic utilization of terrestrial LiDAR data, the LAD of forest canopies could be retrieved over large area. The accuracy and uncertainty of the LAD estimation model is evaluated by comparing the results of separated LiDAR data sets with those of the combined method.

英文关键词: leaf area density;small-footprint LiDAR;full-waveform LiDAR;forest canopy;vegetation structural parameters

成为VIP会员查看完整内容
0

相关内容

【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
18+阅读 · 2020年12月23日
最新《深度学习自动驾驶》技术综述论文,28页pdf
专知会员服务
153+阅读 · 2020年6月14日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
【泡泡点云时空】完美配准:具有平滑密度的3D点云配准
泡泡机器人SLAM
61+阅读 · 2019年5月16日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
Arxiv
14+阅读 · 2021年6月30日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
小贴士
相关VIP内容
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
18+阅读 · 2020年12月23日
最新《深度学习自动驾驶》技术综述论文,28页pdf
专知会员服务
153+阅读 · 2020年6月14日
相关资讯
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
【泡泡点云时空】完美配准:具有平滑密度的3D点云配准
泡泡机器人SLAM
61+阅读 · 2019年5月16日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
微信扫码咨询专知VIP会员