一种基于遥感的森林地上生物量及其碳汇价值估算方法与流程

本发明涉及森林地上生物量测量，更具体地说，它涉及一种基于遥感的森林地上生物量及其碳汇价值估算方法。

背景技术：

1、森林地上生物量（aboveground biomass, agb）及其碳汇价值的准确估算，是全球碳循环研究、气候变化应对和森林可持续管理的关键科学问题。

2、随着遥感技术的飞速发展，尤其是激光雷达（lidar） 和多光谱遥感的融合应用，为森林参数提取提供了革命性手段。激光雷达通过主动发射激光脉冲获取地物三维点云，能直接反演森林垂直结构参数，克服了传统光学遥感在生物量估算中的饱和问题。其中：

3、机载激光雷达（als）：通常搭载于无人机或飞机平台，可快速获取大范围森林冠层高度模型（chm），适用于区域尺度的树高提取和冠层结构分析。

4、地基激光雷达（tls）：部署于地面，通过多站扫描获取样地内单木的精细三维点云，尤其在胸径测量方面具有亚厘米级精度，但受视线遮挡限制，在树高测量中易出现低估。

5、然而，单一技术往往存在局限：als在茂密林冠下穿透能力不足，影响树下结构获取；tls则受扫描范围和视角限制，难以完整捕捉树冠顶部。因此，天－空－地多平台协同成为当前研究前沿，通过集成卫星遥感（提供光谱与纹理信息）、als（提供冠层高度）和tls（提供胸径与精细结构），实现多尺度、高精度的森林参数提取。

6、在数据处理层面，点云处理算法（如滤波、分割、特征提取）和机器学习模型（如随机森林、多元回归）被广泛用于从点云和影像中反演生物量。同时，精度验证体系日益完善，包括交叉验证、误差传播分析和与全球产品对比等方法，确保估算结果的可靠性和可比性。

7、鉴于此，本发明提出一套融合gf-2卫星影像、无人机als和地基tls的“天-空-地”联合技术路线，旨在解决单一数据源不足，提升森林生物量及碳汇估算的精度与效率。该研究与用户文件共享对tls技术应用的深度探索成果，共同推动了激光雷达在林业定量遥感中的标准化和实用化进程。

技术实现思路

1、本发明的目的是提供一种基于遥感的森林地上生物量及其碳汇价值估算方法，解决上述问题。

2、本发明的上述技术目的是通过以下技术方案得以实现的：

3、本发明第一方面提供一种基于遥感的森林地上生物量及其碳汇价值估算方法，包括如下步骤：

4、获取预处理好的样方的地基lidar数据和样地的无人机载lidar数据，并进行特征提取，获得样地的单木树高和树冠面积和样方的单木胸径；将地基和无人机载lidar数据进行特征级融合，获得单木参数，将样地的单木树高和树冠面积输入胸径优化模型，获得样地的胸径；构建异速生长模型，输入样地的胸径和树高，获得单木生物量，汇总单木生物量，获得样地的总生物量；将无人机载lidar数据素化处理，结合单木参数计算单个点云体素尺寸的生物量，升尺度聚合，结合样地的总生物量计算每个像元的生物量，获取样地地上生物量分布图；获取卫星影像，提取光谱和纹理特征，以光谱和纹理特征为自变量，样地地上生物量分布图为因变量，构建生物量遥感估算模型，进行反演，估算森林地上生物量。

5、本发明第二方面还提供一种基于遥感的森林地上生物量及其碳汇价值估算的装置/设备/系统，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现上述方法的步骤。

6、本发明第三方面还提供一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

7、本发明第四方面还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

8、综上所述，本发明具有以下有益效果：

9、本发明提供了“天-空-地”一体的高精度森林生物量估算方法。以无人机遥感技术为纽带，实现样地数据的快速、精细化采集，融合地面、无人机和卫星数据，构建高精度的生物量遥感估算模型，实现生物量以及碳汇价值的大面积估算。

10、本发明提出了一种面向样地尺度单木参数提取的特征级点云融合方法。该方法充分结合不同平台 lidar 数据的优势特征，解决样地数据的高精度快速采集问题，为生物量遥感估算模型的建立提供训练样本，同时也可为大范围的卫星遥感应用提供符合不同空间尺度要求的验证样本。

11、本发明将样地尺度下的点云数据体素化，可任意根据卫星影像分辨率聚合，得到卫星影像分辨率下的生物量，以便实现区域不同卫星尺度下的森林生物量估算。该方法既保证了实测数据的样本量和精度，同时也实现了卫星尺度可变的森林生物量估算。

1.一种基于遥感的森林地上生物量及其碳汇价值估算方法，其特征是：包括如下步骤：

2.根据权利要求1所述的估算方法，其特征是：还包括，基于森林地上生物量，确定碳储量，计算出碳汇价值。

3.根据权利要求1所述的估算方法，其特征是：所述预处理包括：地面点检测、点云去噪、归一化和单木分割。

4.根据权利要求1所述的估算方法，其特征是：所述将地基和无人机载lidar数据进行特征级融合为：利用地基和无人机载lidar数据提取的树干位置，将其他特征关联起来。

5.根据权利要求4所述的估算方法，其特征是：所述关联规则为：

6.根据权利要求1所述的估算方法，其特征是：所述胸径优化模型为：

7.根据权利要求1所述的估算方法，其特征是：将无人机载lidar数据素化处理为使用立体像素法将样地的机载lidar点云体素化，并剔除空体素。

8.根据权利要求7所述的估算方法，其特征是：所述单个点云体素尺寸的生物量计算方法为：

9.根据权利要求8所述的估算方法，其特征是：所述升尺度聚合计算公式为：

10.根据权利要求1-9任一所述的估算方法，其特征是：所述生物量遥感估算模型采用机器学习模型构建。

11.一种基于遥感的森林地上生物量及其碳汇价值估算的装置/设备/系统，包括存储器、处理器及存储在存储器上的计算机程序，其特征是，所述处理器执行所述计算机程序以实现权利要求1-10中任一所述方法的步骤。

12.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征是，该计算机程序/指令被处理器执行时实现权利要求1-10中任一所述方法的步骤。

13.一种计算机程序产品，包括计算机程序/指令，其特征是，该计算机程序/指令被处理器执行时实现权利要求1-10中任一所述方法的步骤。