DB42∕T 2073-2023 《机载激光雷达森林蓄积量建模技术规程》

DB42湖北省市场监督管理局发布I前言 引言 1范围 12规范性引用文件 13术语和定义 14总体技术要求 24.1点云数据要求 24.2点云密度要求 24.3采集时间要求 24.4工作流程图 35准备工作 45.1资料收集 45.2仪器设备 46样地数据获取 46.1样地布设与定位 46.1.1样地预选原则 46.1.2样地预选方法 46.1.3样地定位 46.2样地设置 56.2.1样地大小与形状 56.2.2样地数量 56.3样地调查 57数据处理 57.1样地数据处理 57.2点云数据预处理 58森林蓄积量建模 68.1点云特征提取 68.2点云特征筛选 68.3最优模型与超参数确定 69模型精度评价 69.1模型评价方法 69.1.1决定系数R² 6 6 79.1.4相对均方根误差rRMSE 79.2精度要求 7 本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。路宽、王怡、沈毓芬、周志翔、王鹏程、彭寿连dianyuanyong@mail.hV1机载激光雷达森林蓄积量建模技术规程据处理、森林蓄积量建模、模型精度评价、森林蓄积量空间分布统计和成果提交等内容。本文件适用于湖北省域范围内应用机载激光雷达技术开展森林蓄积量模型构建、模型精度验证和森林蓄积量空间分布统计等工作，星载激光雷达及无人机激光雷达数据用于森林蓄积量建模可参照执GB/T36100-2018机载激光雷达点云数据质量评价指标及计算GB/T38590森林资源连续清查技术CH/T3023机载激光雷达数据获取成果质量检验技CH/T8023机载激光雷达数据处CH/T8024-2011机载激光雷达数据获取技2以高程方向为法方向，单位面积上点云中激光点[来源：GB/T36100-2018,定义3.4]对激光雷达点云中某一模式的一组测量值进行变换，以突出该模式具有代表性特征的一种方法。在机器学习模型中，不是通过训练获得而是通过初始设定的且与模型调优训练有关的参数称为超参数。参数最小值依次调整到最大值，通过遍历超参数组合来最低点云密度/(pts/m²)山地3样地调查、卫星影像获取与机载激光雷达采集时间上应保持同步，最长时间间隔不超过180天。4.4工作流程图机载激光雷达森林蓄积量建模技术工作流程见图1。机载激光雷达森林蓄积量建模机载激光雷达森林蓄积量建模样地数据获取样地布设与定位样地设置样地调查样地数据处理点云数据预处理点云特征格网化森林蓄积量计算森林蓄积量空间分布统计森林蓄积量空间分布图成果资料图1工作流程图45准备工作a)机载激光雷达点云数据，格式为LAS标准格式，点云密度符合4.2中点云密度要求；c)坐标转换参数或坐标转换控制点资料；e)最新森林资源连续清查数据集或森林资源规划设计调查数据集；f)近期森林资源清查或林草湿监测固定样地数据；b)典型性原则：每个优势树种或优势树种组中不同树高等级和郁闭度等级的样地数量尽可能均a)根据历史蓄积量分布数据或遥感影像数据对目标区域内森林进行分层，确定不同分层的样地5DB42/T2073—2023根据预设样地中心坐标，导航至样地中心。观察周围林分情况，若该中心半径20m范围内林分均属同一类型，则该中心即为样地中心，否则，移动该中心至合适的位置。若无论如何移动，样地都无法只包含一个林分类型，则选择的样地可包含两个及以上类型，但不能包含无立木林地。6.2样地设置6.2.1样地大小与形状样地可设置正方形或圆形样地。方形样地边长为30m,圆形样地半径为15m。一个调查区域尽量采用相同形状样地。6.2.2样地数量将调查区域内的森林及疏林地，根据乔木林优势树种或树种组进行划分，划分标准可参考附录C。a)针叶树种组：冷杉类、松类、杉木类、柏木类；其中松类可进一步分为马尾松、落叶松类和其他松类。b)阔叶树种组：硬阔类、软阔类、杨树类；c)混交树种组：针叶混、阔叶混、针阔混；d)乔木经济树种组：果树类、食用原料树种类、工业原料树种类、药用树种类、其他经济树种类。样地数量根据调查区域总面积和蓄积量情况，按公式(1)计算。式中：N——样地数量；t——可靠性指标，在95%的可靠性水平下，t一般取1.96;C——调查区域前期统计的区域蓄积量变异系数；E——期望取得的森林蓄积量相对误差，一般不高于15%。6.3样地调查样地调查工作参考GB/T26424、GB/T38590及相关地方标准，由专业技术人员完成。为保证后续样地与激光雷达点云在空间上精确配准，需采用联合差分定位技术对样地中心、角点和样木进行精确定位，并记录坐标。调查内容包括胸径、树高、枝下高、冠幅、郁闭度、起源、树种组成、林分年龄和林分密度等信息。按照GB/T26424、GB/T38590要求填写样地调查记录表和每木检尺记录表等。7数据处理7.1样地数据处理将每个样地定位位置及测量数据进行整理及数字化归档，分析得出样地的林分特征，生成样地位置矢量图。按照GB/T26424内规定和要求使用当地或国家材积表计算树干材积、样地单位面积蓄积量。7.2点云数据预处理点云数据的预处理按以下步骤进行：a)对调查区域内的机载激光雷达点数据进行噪声去除；b)对激光点云分类，将激光点分为地面点、非地面点，可使用改进的渐进加密三角网滤波、渐进形态滤波和布料模拟滤波等算法；6c)对激光点云中的地面点可采用反距离加权、克里金或不规则三角网等插值法生成数字高程模d)利用数字高程模型对点云进行高程归一化处理。征变量、点云密度特征变量和点云结构特征变量，常见点云特征变量及计算方法参考采用特征筛选算法选出对森林蓄积量敏感的点云特征变量，特征变量筛选算法可参考附录E。c)在确定模型的基础上，采用网格搜索法确定模型的超参数。9模型精度评价采用决定系数评价模型估测精度，按公式（——为样本蓄积量值；——为样本蓄积量均值；采用平均绝对误差评价模型精度，按公式（7——实际调查值；——样本蓄积量平均值；——样本蓄积量均值；——训练和验证样地数量。——均方根误差；——样本蓄积量均值。按照模型评价方法中计算的4个指标精度要求及等级划分标准可参考附录F。当有2个指标的等级达到中及以上，模型等级为中；当有3个指标的等级达到中及以上，模型等级为优。最终选择的模型精度将整个调查区域的机载激光雷达点云数据按照规定的格网单元大小，提取点云特征变量。采用最优模型和筛选确定的点云特征变量，计算每个格网单元的森林蓄积8小值及标准差，生成小班森林蓄积量统计表。蓄积量以立方米（m3）为单位，a)调查区域森林蓄积量建模技术报告，技术报告模板可参考b)调查区域森林蓄积量空间分布图；c)调查区域森林小班蓄积量分布图及统计表；9该附录列出了针对优势树种或树种组按照树高和郁闭度进行分层时的划分标准，其中树高分层划矮中高>20m疏中密>0.7该附录列出了预设样地的属性表，具体表结构1-2省-3市-4-5乡-6村-7-8-9-66--4141402--按乔木林分为优势树种组，并根据当地主要乡土树种的种类，划分树种组如表C.樟树、楠木、栓皮栎、麻栎、锥栎、高山栎、桦、白桦、光皮桦、楮栲、珙桐、光叶珙桐、朴树、山毛榉、刺榆椴木、檫木、花楸类、悬铃木、合欢、栾树、拐枣树、梾木类、白辛树、楸树、柳类、泡桐、鹅掌楸、木兰、凹叶厚朴、含笑、白兰、巴东木莲、青、楝树、香椿、小果香椿、皂荚、黄连木、构树、枫杨、青钱柳、黄任何一个树种或树种组蓄积量或株数占总蓄积量或总株数比例小于围或者规定的格网单元大小，计算相关点云某一格网内所有点的高度值范围)/某一格网内所有点的高度值的平均值某一格网内所有点高度值的中位数某一格网内所有点高度值的方差ℎ=√ℎ某一格网内所有点高度值的标准差某一格网内所有点高度值分布的对称性某一格网内所有点高度值分布的平坦度某一格网内所有点高度值的变异系数某一格网内所有点高度值的偏差的平均值hp某一格网内将其内部所有归一化的激光雷达点云按高度进行排序，然后计算每一格网内X%的点所在的高度，即为该格网的高度百分位数)/0m～1m植被回波0~1/0m～1m区间内的植被点在所有点中所占的1~2.5⁄2.5~10⁄10~20⁄20~30⁄>30⁄比注：N为点云数量；j为第j个激光点采用相关系数法，计算特征变量与响应变量之间的相关性，筛选相关系数高的特征变量。(;)=∑∑(,)log···················