简介:针对LIDAR点云数据中建筑物和植被难以快速分类的问题,提出了应用FCM(FuzzyC-Mean)模糊聚类的方法对离散机载激光点云数据进行建筑物和植被分类的方法.首先针对机载点云数据的特点采用了平面投影的Delaunay构网方法进行点云的三角网重构,然后根据三角网的法向矢量信息的属性不同,利用FCM方法和改进的方位矩阵方法对其进行模糊聚类,进而实现建筑物和植被等不同属性的点云分类.该方法可快速将点云进行分类,且分类结果可用不同颜色进行空间显示.在此基础上,采用IDL(Interfacedescriptionlanguage)语言编制了三维激光点云可视化分类软件LIDARVIEW.并应用该软件对某区域的机载点云数据进行了分类实验.实验结果表明:(1)基于平面投影的Delaunay构网方法特别适合机载LIDAR点云数据的快速构网,且该方法构网速度快、效率高;(2)应用FCM模糊群聚的方法和改进的方位矩阵方法适用于机载LIDAR数据的植被和建筑物分类,分类速度快且效果好;(3)FCM模糊群聚方法对机载LIDAR数据的群聚分类结果可靠、合理,具有较强的通用性和推广性.
简介:水文要素是控制湿地生态过程发展与演替的主要驱动因子,在湿地形成、发育、演替直至消亡全过程中起重要作用。湿地植被群落是湿地生态系统重要组成成分和主要初级生产者,其结构、功能和生态特征综合反映着湿地生态环境的基本特点和功能特性。本文以鄱阳湖南矶湿地国家级自然保护区为例,运用植被群落—水文要素丰度直方图和敏感性指数,分析探讨了保护区内5种典型湿地植被群落对水深和淹没频率两种水文要素的耐受性和敏感性。结果表明:不同植被群落对水深、淹没频率的耐受性和敏感性不同。其中:(1)虉草和蓼子草2种群落对水深的耐受性最强,南荻群落最弱;苔草群落对淹没频率的耐受性最强,蓼子草群落最弱。(2)相较于淹没频率,5种典型植被群落对水深的敏感性更强;(3)南荻群落对水深和淹没频率变化的敏感性最强,而蓼子草群落对水文要素变化的响应最不敏感。
简介:植被参数是分布式水文模型的重要输入参量,对径流、土壤水分等水循环参数的模拟具有显著的影响。论文以西藏那曲为研究区,对比分析了MODIS遥感数据估算的叶面积指数(LeafAreaIndex,LAI)、植被覆盖指数(Fractionalvegetationcover,FVC)两种动态植被参数对VIC水文模型模拟表层土壤含水量(0-15cm)的精度影响。结果表明,与使用静态植被参数相比,基于MODIS的动态LAI及FVC驱动的VIC模型模拟的表层土壤含水量的精度显著提高,且冰冻期的改善尤为明显,偏差Bias从0.101cm^3·cm^-3下降至0.032cm^3·cm^-3,均方根误差RMSE从0.135cm^3·cm^-3下降至0.071cm^3·cm^-3,相关系数R从0.483上升至0.836。进一步分析表明,两种植被参数对VIC模型的表层土壤含水量模拟精度都有一定的影响,但FVC的影响更显著。