基于多回波点云数据的行道树单株木叶面积参数研究开题报告

全文总字数：1548字

1. 研究目的与意义

随着交通运输以及汽车工业的发展，城市化进程的加速，城市环境问题日益恶劣，由于城市人口和工业的过度扩张，机动车数量的迅速增加带来了空气污染、温室效应、噪声等环境危害，严重威胁市民的身体健康，人民愈发重视生态环境可持续发展的重要性。道路绿地生态系统作为城市林业的重要组成部分，在维持城市生态平衡和改善城市生态环境方面起着其他基础设施不可比拟的重要作用。以行道树为基础，建立一种对城市用地及空间布局具有优化环境和体现美学的生态系统至关重要。

地基激光雷达（Terrestrial Laser Scanning, TLS）扫描的点云数据，通过多基站的数据叠加，可以获得高精度的行道树点云数据。高精度的行道树点云数据不仅可以清晰的分析出树木的枝叶结构，对于获取高精度的行道树叶面积指数LAI和叶面积密度LAD都十分有效。综合分析学校中扫描得到的不同行道树的LAI和LAD，我们可以判别出不同行道树在叶面积层面的优劣，这也是判断行道树优劣的重要指标。

2. 国内外研究现状分析

在国内，郑光教授利用LiDAR基于体元对植被叶片和枝干进行分离，完善了机载激光雷达计算有效LAI公式。Shengli Tao利用LiDAR基于几何方法对枝叶进行分离。Kaiguang Zhao用最大似然估计对林冠覆盖度、叶面积指数和叶倾角进行估计。云挺教授基于地基激光雷达利用支持向量机的方法估计叶面积指数。王洪蜀利用小光斑LiDAR 主要通过计算冠层内发射激光束与冠层之间的接触频率或通过间隙率理论估算冠层叶面积密度。

在国外，叶面积指数（LAI）最早于1917年在作物学中由Balls提出，目的是研究植物绿色叶片对光能利用的影响。1947年，叶面积指数由于是叶覆盖量的无量纲度量，成为重要的植物学参数和评价指标。早期的叶面积指数计算主要采用直接测量法，包括具毁坏性的树木解析法、落叶收集法、点接触法等。随着传感器的发展，间接测量法在精确测量LAI中日趋重要，包括消光系数法和辐射定量法等。基于点云数据格式，本文使用Beer lambert提出的消光系数法，在50米内分辨率在厘米级，同时具备很高的精度。

3. 研究的基本内容与计划

1．研究内容

本文通过综合对比无患子和悬铃木法桐这两种不同行道树之间lai、lad及其他林木参数，从叶面积指数的角度入手，综合分析两种植株作为行道树的优劣，为校园内行道树的选取提供一定的参考依据。同时，本文实现的基于python语言的lai和lad的算法，地基激光雷达点云数据的降噪、分离方法，点云归一化算法等，也将为日后计算机自动提取林木参数，综合分析利用点云数据提供一定的帮助。

2．研究计划

4. 研究创新点

对于叶面积指数和叶面积密度的精确计算来说，需要在点云数据中对叶片和枝干进行分离。点云数据采集到的点云包含了他的回波次数参数，不同的回波次可以帮助我们分离枝干和叶片，进而提取更加精确的结构参数。除此之外，我们也可以利用体元和叶倾角以及点云间的位置关系来区分枝干，叶片和地面。本文在Python语言的基础上使用消光系数法计算单株植株叶面积指数，利用分层处理的点云数据计算叶面积密度，并通过对比无患子和悬铃木法桐的叶面积指数和叶面积密度等植被参数从叶面积角度评价其作为行道树的优劣。