1 中国科学院遥感与数字地球研究所, 数字地球重点实验室, 北京 100094
2 北京城市学院, 北京 100083
通过对地球科学激光测高系统(Geoscience Laser Altimeter System, GLAS)波形数据进行高斯分解, 提取精确的波形特征信息, 计算出GLAS波形数据激光穿透指数(LPI), 基于LPI提出GLAS数据反演叶面积指数(LAI)的新方法, 建立了GLAS数据反演森林LAI的模型(R2=0.84, RMSE=0.64), 并用留一交叉验证法(LOOCV)对反演模型的可靠性进行了验证, 结果表明, 该模型没有过度拟合, 具有很好的泛化能力, 最后通过人工神经网络融合GLAS与TM(Thematic Mapper,专题制图仪)遥感数据实现区域尺度森林LAI反演, 用25个实测LAI对反演精度进行了验证, 研究表明反演LAI与实测值较为接近, 精度较高(R2=0.76, RMSE=0.69), 为生态环境研究提供精确的输入参数, 为GLAS数据大区域高精度LAI反演提供新的方法和思路.
激光雷达 叶面积指数 穿透指数 回波强度 神经网络 地球科学激光测高系统(GLAS) LiDAR LAI laser penetrate index echo intensity neural network geoscience laser altimeter system (GLAS)
1 中国科学院遥感与数字地球研究所 数字地球重点实验室, 北京 100094
2 中国科学院大学, 北京 100049
3 民政部国家减灾中心, 北京 100124
基于地面激光扫描数据, 提出了一种新的建筑物边界规则化方法, 不仅可以对建筑物整体而且可以对不同侧面进行规则化, 包括立面墙面、门和窗户等.首先对海量原始激光点云利用高效的随机采样一致性算法分割为不同的平面面片, 然后利用2D α-shapes算法提取建筑物点云数据.在此基础上, 利用本文提出的边界规则化算法产生一个规则多边形进而实现建筑物边界规则化.利用实际地面扫描数据对该算法进行验证, 表明本文方法可以针对不同密度的点云进行自适应调整, 不仅效率高, 而且可以达到非常满意的建筑边界规则化效果.该研究成果对于利用地面激光扫描数据进行建筑物三维建模具有一定的参考意义.
边界规则化 点云 地面激光扫描 建筑物重建 boundary regularization point clouds terrestrial laser scanning(TLS) building reconstruction
