星载激光雷达GLAS与TM光学遥感联合反演森林叶面积指数

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.     

ICESat-2星载光子计数激光雷达数据处理与应用研究进展

ICESat-2/ATLAS系统首次采用微脉冲多波束光子计数激光雷达技术，其在探测方式、数据处理方法、应用的广度和深度等方面与ICESat-1/GLAS存在明显差异。首先介绍了ICESat-2及ATLAS的性能指标、数据特点和产品信息，详细分析了光子点云去噪和分类两个关键技术，以及各算法的适应性及难点，总结了ICESat-2数据在冰盖和海冰高程测量及其变化监测、地面高程提取、森林高度提取和生物量估算、湖泊水位和蓄水量变化监测等方面的应用，最后展望了光子数据处理和应用的发展趋势和前景。     

大光斑LiDAR全波形数据小波变换的高斯递进分解

高斯分解是波形激光雷达数据预处理的常用方法,但在应用于大光斑全波形激光雷达数据中的叠加波时却难以发挥作用,为此提出一种基于小波变换的高斯递进波形分解方法.首先,利用小波变换多尺度分析特性检测出目标地物并准确估算组分特征参数,进而建立高斯模型优化特征参数;然后通过拟合精度指标,判断是否需要添加新组分进行逐级递进分解,确定最终模型及其组分构成,最终实现全波形激光雷达数据的波形分解.为了验证算法的有效性,分别对实验数据使用本文算法和常用的基于拐点匹配的高斯分解法进行分析,结果表明,本文算法提取的目标数几乎是拐点匹配算法的2倍,可以有效地从叠加波中检测出目标组分,且拟合精度高于98%.