一种基于极坐标转换的林隙提取方法

本发明涉及林隙提取，具体涉及一种基于极坐标转换的林隙提取方法。

背景技术：

1、林隙通常是指连续的森林冠层由于人为因素（如森林砍伐、森林管理等）或自然因素（如病虫害、雷击、大风等）的干扰而出现断裂，导致森林冠层之间出现空隙的现象。林隙的出现会引发一系列生态效应，包括改变森林的结构和促进林下群落的演替更新。因此，林隙在森林生态学研究中扮演着重要的角色，它被视为描述森林叶面积指数、生物量、碳储量、动物栖息地和局部气候调节等森林参数特征和功能的关键因素，同时也有助于理解这些森林参数特征和功能在空间上的变化。

2、林隙边界形状和林隙面积作为林隙的关键要素，传统的测量方法涉及研究人员进入森林区域，这不仅费时费力，还受到冠层遮挡和复杂的林下条件的干扰，因此难以保证测量结果的准确性。激光雷达遥感技术作为一种新兴的遥感技术，因其可以快速、准确地获得研究对象的高密度三维点云数据备受关注，特别是机载激光雷达技术，采用的是从上而下的扫描方式，能够精准地获取大范围的森林冠层三维点云数据，逐渐成为林隙提取的重要技术手段。

3、目前，利用机载激光雷达提取林隙可分为基于冠层高度模型（canopy heightmodel, chm）和直接基于点云提取两种方法。基于chm方法可以通过林隙与周围树高的差异反映林隙的位置，直接从chm中识别林隙，该方法使用较为普遍。但由于点云数据在生成chm过程中可能引起一定的形变，导致chm产生误差。因此，利用这些方法提取的林隙边界往往呈现较为圆滑的特征，难以准确逼近真实的林隙边界，甚至可能发生偏移，这一情况导致林隙面积的计算精度误差较大。基于点云提取的方法不需要将点云转换成chm，减少了数据转换过程中的误差，提取精度较高。但是目前像这种直接通过冠层点云进行林隙提取的研究较少，因为这种方法精度容易受到点云密度的影响，且在不同森林类型中的适用性难以评估，特别是树冠不明显的树种。因此，直接通过点云来提取林隙的方法仍然面临着参数设置优化困难、林分种类适用性差等方面的问题。

4、综上所述，针对目前林隙提取方法存在林隙边界识别不准确，林隙面积提取精度较低等问题，本发明提出了一种新的林隙提取方法，旨在提高林隙识别以及林隙参数提取的精度，弥补当前方法的不足。

技术实现思路

1、本发明的目的在于：针对目前存在的上述问题，提供了一种基于极坐标转换的林隙提取方法，以chm提取的粗糙林隙为基础，然后以粗糙林隙建立缓冲区对原始点云进行裁剪，最后对裁剪出来的林隙点云进行极坐标转换，以固定角度为步长搜索范围内半径最短的点作为林隙点，将这些点相连得到高精度的林隙结果。

2、本发明的技术方案如下：

3、一种基于极坐标转换的林隙提取方法，包括以下步骤：

4、s1：利用数字高程模型dem和数字表面模型dsm生成冠层高度模型chm；

5、s2：基于冠层高度模型chm进行初步林隙识别，获取粗略的林隙范围，根据粗略的林隙范围生成相应的缓冲区，利用生成的缓冲区裁剪原始点云数据，获取准确的林隙点云；

6、s3：对每个林隙点云提取中心点，进行极坐标转换，并按照角度步长和最短半径搜索符合条件的点，并将符合条件的点进行连接，得到高精度的林隙范围；

7、s4：基于最终提取的林隙范围，计算林隙的面积，并计算实际面积进行对比以评估精度。

8、进一步的，所述s3具体包括以下步骤：

9、将得到的林隙点云在平面上进行极坐标转换：

10、根据如下公式找到每个林隙点云的中心点：

11、；

12、其中，、表示第个点的坐标值，表示点的数量；

13、根据得到的中心点，利用林隙点云的坐标剪去中心坐标，将林隙点云中心化，计算公式如下：

14、；

15、；

16、其中，、表示中心化后的坐标值， 、表示每个点的原始坐标值；

17、将中心化后的林隙点云转换为极坐标，计算公式为：

18、；

19、。

20、进一步的，所述s3还包括以下步骤：

21、设置角度步长，按照角度步长将圆周分成不同的角度：

22、；

23、根据分成角度的长度依次进行循环，计算每个点与当前角度的差值；

24、设置角度阈值，找到满足的所有点；

25、找到点中最小的点；

26、循环结束后将满足条件的所有点依次相连得到最终的林隙。

27、进一步的，所述s4具体包括以下步骤：

28、连接顶点：将多边形的相邻顶点两两连接，形成系列的边，计算三角形面积：对于每一对相邻顶点形成的边，构成三角形；

29、计算每个三角形的有向面积，计算公式为：

30、，

31、其中，和是三角形的两个顶点坐标；

32、求和：将所有三角形的有向面积相加，得到多边形的有向面积；

33、取绝对值：取有向面积的绝对值为计算得到的林隙面积。

34、进一步的，所述s2具体包括以下步骤：

35、在arcmap中以五米为高度阈值对chm图像进行二值化处理；

36、在处理中，将高度小于等于五米的像元标记为一，高度大于五米的标记为零；

37、将噪点、独立单木和裁剪边界产生的误差进行处理后，得到初步的林隙识别结果。

38、进一步的，所述s2还包括以下步骤：

39、将初步提取的林隙识别结果与原始点云数据进行叠加；

40、以提取的粗糙林隙边界生成缓冲区，使真实的林隙边界点云包括在缓冲区内；

41、以缓冲区边界对原始点云进行裁剪，逐一得到林隙点云数据。

42、进一步的，所述s1具体包括以下步骤：

43、通过数据去噪、裁剪预处理方式处理数据；

44、通过滤波方法得到地面点和非地面点，基于地面点利用普通克里金法插值生成dem，基于非地面点中的第一次回拨利用反距离权重法插值生成dsm；

45、通过利用dsm和dem做差得到chm，计算公式为：。

46、进一步的，所述林隙的实际面积提取方法步骤为：

47、基于提取出来的林隙，在原始数据中一一找到对应的林隙，并对该林隙进行裁剪；

48、将裁剪出来的林隙点云导入到arcgis中，对最内侧的点进行矢量化，从而计算林隙面积，以此作为真实的林隙面积。

49、与现有的技术相比本发明的有益效果是：

50、1、一种基于极坐标转换的林隙提取方法，以chm提取的粗糙林隙为基础，然后以粗糙林隙建立缓冲区对原始点云进行裁剪，最后对裁剪出来的林隙点云进行极坐标转换，以固定角度为步长搜索范围内半径最短的点作为林隙点，将这些点相连得到高精度的林隙结果；

51、2、一种基于极坐标转换的林隙提取方法，充分利用了chm的优势，同时也顾及了真实的林隙点，本发明提出的方法可实现林隙的高精度提取，该方法可为森林生态研究提供相关理论支持。