品质至上,客户至上,您的满意就是我们的目标
技术文章
当前位置: 首页 > 技术文章
Plant Phenomics | 基于机载LiDAR数据和计算机图形学的林分短波辐射计算
发表时间:2022-07-22 16:35:26点击:1115
来源:北京博普特科技有限公司
分享:
森林具有极其复杂的空间三维结构,这使得精准计算森林冠层的太阳短波辐射尤为困难。传统的人工手持仪器开展样地测量来量化林分短波辐射具有周期长、操作要求高、受天气环境及统计方法影响;此外,森林冠层所受的短波辐射随时空、季节和物候等因素的变化而改变,使得现有的林地辐射测算模型都具有一定的不确定性。随着激光雷达技术的不断发展,以及其对森林表型特征的准确刻画,从多学科视角下结合激光雷达数据开展样地尺度内的太阳辐射量反演,这对于不同种群分布、空间结构下的林木样地对太阳辐射的响应机制研究具有启示作用。
近日,Plant Phenomics在线发表了南京林业大学题为Shortwave Radiation Calculation for Forest Plots Using Airborne LiDAR Data and Computer Graphics 的研究论文。
本文首先基于机载激光雷达数据反演得到的林木参数开展样地尺度下精细单株树木建模和林地空间刻画。其次,结合计算机图形学的光线追踪算法来模拟太阳光照辐射并渲染不同林地内太阳光直射、反射与透射的短波辐射通量,这对于样地中优势树种的阳光竞争、弱光逆境下压抑树木的生长发育评估具有现实意义。本文方法选择2019年3月至10月的每月第15日,在晴空条件下,以1小时为间隔计算了8:00 到 17:00校园内三个林分(针叶、阔叶和混交林)的直射、反射和透射短波辐射通量。由于在中午12:00太阳高度角(81.21°)达到最大且针叶林具有最密集的林冠,因此,在6月15日中午时,针叶林的直射短波辐射通量达到最大值2047.2 kW;同时,由于针叶树具有更高的太阳短波辐射反射率,这使得针叶林接收到了最大反射辐射通量(10.91 - 324.65 kW);而阔叶树种具有较高的太阳短波辐射透射率,因此阔叶林可接收到更多透射辐射通量(37.7 - 226.71 kW)。最后,比对验证表明本文方法的结果与基于半球照片的HPEval软件计算结果和使用太阳辐射测量仪开展样地实测的结果有较好的一致性(R2≥0.82)。
图1基于机载LiDAR数据和光线追踪算法的林地建模及短波辐射通量计算。(a)、(d)和(g)分别显示了针叶林在2019年7月15日11:00受到的太阳直射、反射与透射的短波辐射通量分布;(b)、(e)和(h)显示了对应的阔叶林样地对应的短波辐射通量分布;(c)、(f)和(i)显示了混交林样地对应的短波辐射通量分布。
南京林业大学薛鑫波为论文第一作者,云挺教授为通讯作者。本研究得到了中国热带农业科学院安锋教授、陈帮乾教授,中国林业科学研究院张怀清教授,爱尔兰科克大学Markus P. Eichhorn教授,南京农业大学金时超教授,国家农业信息化工程技术研究中心樊江川博士等共同作者的支持。研究得到了国家重点研发计划和国家自然科学基金等项目的资助,特此感谢。
作者介绍:
通讯作者:
云挺
南京林业大学林学院智慧林业系教授,博士生导师,主要从事农林人工智能参数反演、农林表型研究、林业数字孪生实景建模、林业资源遥感监测等的教学与科研工作。近5年,获林业梁希科学进步奖三等奖一项、主持国家自然科学基金2项,江苏省自然科学基金1项。以一作和通讯作者在Remote Sensing of Environment、Agricultural and Forest Meteorology、Plant Phenomics等一区二区期刊上发表学术论文80余篇,授权国际PCT美国专利一项、农林测绘类国家发明专利6项。目前担任国家林业草原森林精准培育与监测工程技术研究中心副主任、江苏省智慧农业研究会理事、中国林学会计算机应用分会理事。
第一作者:
薛鑫波
硕士毕业于南京林业大学信息科学技术学院,中共党员,专业为软件工程,研究方向为计算机图形学、太阳辐射计算、数字孪生技术等,指导教师为云挺。
论文链接:
https://doi.org/10.34133/2022/9856739
——推荐阅读——
Ground-Based LiDAR Improves Phenotypic Repeatability of Above-Ground Biomass and Crop Growth Rate in Wheat
https://doi.org/10.34133/2020/8329798
Plant Phenomics | 一种基于地面激光雷达技术的小麦地上部生物量和生长率等表型特征的重复性检测方法
Latent Space Phenotyping: Automatic Image-Based Phenotyping for Treatment Studies
https://doi.org/10.34133/2020/5801869
Plant Phenomics | 潜在空间表型:用于抗性研究的自动化图像表型
加入作者交流群
扫码添加小编微信,拉您进入《植物表型组学》作者交流群,群内不定期开展作者分享会、专刊发布会等高质量活动。
添加小编微信,备注姓名+单位+PP,加入作者交流群
About Plant Phenomics
《植物表型组学》(Plant Phenomics)是由南京农业大学和美国科学促进会(AAAS)合作创办的英文学术期刊,于2019年1月正式上线发行。采用开放获取形式,刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术,基于图像分析和机器学习的表型分析研究,提取表型信息的新算法,作物栽培、植物育种和农业实践中的表型组学新应用,与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究,表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2021影响因子为6.961,位于农艺学、植物科学,遥感一区。中科院农艺学、植物科学一区,遥感二区,生物大类一区(TOP期刊)。2020年入选中国科技期刊卓越行动计划高起点新刊项目。
说明:本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考,一切内容以英文原版为准。
特邀作者:云挺、薛鑫波
编辑:张威(实习)
审核:孔敏、王平