针对新一代冰、云、陆地高程卫星ICESat-2(Ice,Cloud,and Land Elevation Satellite-2)数据在山地林区信号提取精度不高,导致地表及冠层表面检测困难的问题,本文提出了一种基于方向自适应的点排序识别聚类结构DA-OPTICS(Direction-Adapt...针对新一代冰、云、陆地高程卫星ICESat-2(Ice,Cloud,and Land Elevation Satellite-2)数据在山地林区信号提取精度不高,导致地表及冠层表面检测困难的问题,本文提出了一种基于方向自适应的点排序识别聚类结构DA-OPTICS(Direction-Adaptively Ordering Points To Identify the Clustering Structure)山地林区地表及冠层表面检测方法。首先,该方法利用随机抽样一致RANSAC(Random Sample Consensus)分段曲线拟合初始地表,以此构建方向自适应的椭圆搜索域,并结合大津法OTSU(Nobuyuki Otsu method)提取地面信号,通过地表拟合地面信号提取迭代获取精细地表;随后,基于精细地表消除地形对点云影响,采用垂直方向椭圆OPTICS提取植被信号并检测冠层表面。为评估DA-OPTICS性能,本文以黑龙江孟家岗林场、辽宁抚顺林区ICESat-2数据为实验对象,利用人工标注样本及无人机产品验证精度。结果表明:DA-OPTICS提取地表与植被信号精度(F值)达到0.97,较基于椭圆搜索域的OPTICS,精度提升了约0.07;同时,DA-OPTICS检测的地表及冠层表面高程均方根误差RMSE(Root Mean Square Error)分别为1.08 m和2.33 m,显著优于ATL08的1.92 m和3.29 m。因此,DA-OPTICS能够实现对山地林区地表及冠层表面的高精度检测,尤其适用于坡度变化较大的区域,为森林空间结构参数的精准反演提供了可靠的数据基础。展开更多
