云师大本科生科研项目成果发表在遥感顶级期刊IEEE TGRS上

近日，地球科学和遥感领域顶级期刊《IEEE Transactions on Geoscience and Remote Sensing（IEEE TGRS）》在线刊发了地理学部本科生科研训练项目研究成果论文——Forest Canopy Height Extraction Method Based on Icesat-2/Atlas Data。IEEE TGRS是IEEE地球科学与遥感技术协会（GRSS）会刊，在遥感技术和地球科学领域具有较高影响力，是中科院一区TOP期刊，影响因子为8.125。论文第一作者时为地理学部2018级地理信息科学专业学生黄祥（现为地理学部2022级地图学与地理信息系统专业硕士研究生），通讯作者为地理学部程峰老师。

论文链接: https://ieeexplore.ieee.org/document/10032195

ICESat-2/ATLAS星载激光雷达光子点云数据易受太阳背景噪声、植被覆盖度及地形等因素干扰，很难准确提取森林冠层高度。论文针对上述问题提出了一种新的植被冠层高度提取方法。该方法能够有效去除数据噪声，并能将地面和植被冠层的光子点云准确分离，进而实现了各类植被冠层高度的准确获取。该方法对山地环境下茂盛森林的树木冠高度反演具有明显优势。

图1. 不同噪声分布场景下的ICESat-2官方算法和论文中算法的光子点云噪声去除结果对比；图6(a)是低信噪比场景下ICESat-2官方算法的去噪结果；图6(b)是低信噪比场景下论文中算法的去噪结果；图6(c)是高信噪比场景下ICESat-2官方算法的去噪结果；图6(d)是高信噪比场景下论文中算法的去噪结果。

图2. 基于ICESat-2官方算法的地面-冠层光子点云分类结果。图2(a)为低信噪比场景下分类结果，图2(b)为高信噪比场景下的分类结果。

图3. 基于论文中算法的光子点云的地面-冠层光子点云分类结果；图3(a)为低信噪比场景下分类结果，图3(b)为高信噪比场景下的分类结果。

来源：云师大地理学部

转自：“生态遥感前沿”微信公众号

如有侵权，请联系本站删除！