基于地面激光雷达(LiDAR)数据的冠层结构和辐射传输参数对三维重建玉米结构的敏感性分析


发布时间:

2021-09-25

来源:

本站

作者:

PhenoTrait

  随着激光雷达传感器(LiDAR)的发展与成熟,快速获取三维(3D)点云数据来得到植被冠层表型特征成为可能。然而,大多数研究集中在植被冠层宏观参数的反演,如冠层高度、冠幅、LAI等,很少有研究涉及从陆地LiDAR数据重建精细冠层三维结构,以及后续冠层结构参数提取和冠层结构对光辐射传输的影响,因此无法充分利用LiDAR数据的应用潜力。此外,LiDAR数据重建的冠层三维结构数据量较大,也为后续光在三维场景内的辐射传输模拟带来了较大的计算量,目前也没有研究来探讨LiDAR数据重建的冠层三维结构精细程度对光辐射传输精度的影响问题。在本研究中,我们提出了一种基于多视角地面LiDAR数据重建由三角形面片组成的三维玉米冠层场景的方法,并使用LiDAR获取的玉米生长期三个生长阶段的点云数据,重建了最为精细、三角形面片数量最多的三维冠层结构,然后在生成的最精细结构基础上,以不同的场景简化比例(decimation rate: 50%、0.2%、0.05%和0.01%),结合Hausdorff距离指标,生成相应简化的冠层结构场景,结合3D辐射传输模拟模型WPS,研究了冠层结构的精细程度对于计算叶倾角分布(LAD)、叶面积指数(LAI)、孔隙率和方向反射率因子(DRF)等参数的敏感性。结果表明,LAD相对对冠层精细程度不是太敏感,而LAI、孔隙率和DRF则较为敏感,大多数情况下,0.2%的简化比例、对应玉米叶片用100-500个三角形进行模拟时,即可保证冠层形态保持较高的逼真度,同时,LAI、孔隙率和DRF能达到98%的模拟精度。

 

  图1 (a)玉米试验田中的研究区域和标记点,(b)第二个生长阶段16株玉米的点云数据。

 

  叶片天顶角和方位角对冠层结构的三角形数量的选择不太敏感,支持使用复杂度和三角形数较少的结构来计算叶片天顶角和方位角。

 

  图2 各种结构的叶片天顶角(第一行)和方位角(第二行)的相对误差,(a):第一阶段(T1),(b):第二阶段(T2),和(c):第三个阶段(T3)。对于每个阶段,图例指不同的简化比率1:50%、2:0.2%、3:0.05%和4:0.01%)。

 

  由于叶片曲面具有一定的弧度,具有分形特征,对于LAI来说,三角形数量越多,误差越小。对于95%的准确率,0.05%的简化比例是一个较好的折衷方案。然而,为了获得更高的精度,0.2%的简化比例提供了更好的结果,精确度为99%。

 

  图3 不同简化比例下的LAI相对误差。虚线显示了-1%和-5%的相对差异。

 

  孔隙率的计算结果表明,在所有阶段,顺垄方向(南-北)相对误差小于垂直于垄行的方向。冠层结构在生长后期对孔隙率敏感性较高,这是由于后期LAI值相对较高。对于95%的准确率,0.05%的简化比例似乎是一个较好的折衷方案。然而,对于99%的准确度,简化比例为0.2%给出了总体上更好的结果。

 

  图4 孔隙率的相对误差(上:顺垄方向(南-北),下:垂直于垄行的方向(东-西)),(a):第一阶段,(b):第二阶段,和(c):第三个阶段。红色虚线表示1%和5%的相对差异。

 

  DRF的敏感性与描述冠层结构的三角形数量、波长和生长阶段相关,对于95%的准确度,0.05%的简化比例是计算DRF的较好选择,然而,为了获得更高的准确度,简化比例为0.2%会得到更好的结果,相当于每片叶子平均有100-500个三角形。因此,在计算DRF时,每片叶子的总三角形数(平均)为100-500个时,可以为我们提供高精度的辐射传输参数和真实植被结构的视觉逼真度。

 

  图5 反射率在第一生长阶段的相对误差,a)650nm,b)670nm,c)700nm,d)750nm,e)800nm,f)850nm。红色虚线代表1%和5%的相对误差

 

  图6 反射率在第二生长阶段的相对误差,a)650nm,b)670nm,c)700nm,d)750nm,e)800nm,f)850nm。红色虚线代表1%和5%的相对误差

 

  图7 反射率在第三生长阶段的相对误差,a)650nm,b)670nm,c)700nm,d)750nm,e)800nm,f)850nm。红色虚线代表1%和5%的相对误差

 

  冠层结构描述会影响光吸收和散射。因此,合理的冠层结构表征对于表征冠层结构和RT参数具有重要意义。我们研究了玉米冠层三维结构描述对三个不同生长阶段冠层结构和RT参数计算的敏感性。应该注意的是,这些结果是针对玉米冠层获得的。它们需要在其他类型的植被上得到证实。本研究为植被表型、3D真实场景建模等相关领域提供了一个有意义的参考,以便更好的使用基于LiDAR的3D点云数据,对植被冠层进行更深入的研究,从植被中提取更多、更有价值的表型结构特征,并达到重建逼真度、冠层结构参数和辐射传输模拟参数精度之间更好的折衷。

 

  来源:Ali, B., Zhao, F*., Li, Z., Zhao, Q., Gong, J., Wang, L., Tong, P., Jiang, Y., Su, W., Bao, Y., Li, J., 2021, Sensitivity Analysis of Canopy Structural and Radiative Transfer Parameters to Reconstructed Maize Structures Based on Terrestrial LiDAR Data. Remote Sens., 13, 3751.

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。