支持森林火灾行为建模的自动化三维荒地评估工作流程的方法.docx

支持森林火灾行为建模的自动化三维荒地评估工作流程的方法t
抽象丛林大火是澳大利亚固有的一局部，特别是在蓝山（11, 400公里）2）,新南威尔士州（该地区以易发生火灾的植被为主， 如荒地。荒地占据了蓝山的一小局部，不到2%,但高度可燃，可以过渡到地表火。三维植被模型对于有效的丛林大火行为建模 和高效的丛林大火战斗至关重要。因此，本文概述了自动化三维荒地模型的动机以及实施该模型以支持丛林大火行为建模的工 作流程。
关键字:体素;点云;荒地;3D建模.引言
荒地是蓝山中最容易发生火灾的植被之一。这种环境中的植被结构复杂，垂直不均匀，并且不连续，以灌木为主，高度从 0.5到2米不等，树木稀疏分散，高度很少超过10米，或者它们可能以mallee （多茎枝树）的形式存在。在一些灌木和马利的 叶子中存在易燃的帖烯和蜡，促进了活燃料成分的燃烧。此外，荒地和林地的整合促进了火灾从外表火灾到冠火的过渡，使这 种环境中的火灾行为变得复杂［1］。
为了有效对抗森林大火，准确预测火灾行为至关重要。在澳大利亚，许多用于预测各种植被群中火速蔓延率的模型退出［2］。 ［3］中的模型是用于荒地火灾蔓延建模的应用模型。此模型的两个主要输入参数包括天气参数（如风、温度和相对湿度）和植被 参数（如植被高度或堆积密度）。然而，新南威尔士州目前的植被分类技术无法提供具体的健康参数，例如植被高度和堆积密 度。目前新南威尔士州荒地分类的技术是二维的。二维技术，如图像解释和分辨率较粗的卫星图像，在一些地区用于荒地的分 类。虽然这些地区的植被分类是利用光谱反射率，但这取决于它们的几何排列和照明条件。二维建模的缺点是，即使空间分辨 率高，也无法表示重要的植被属性，例如高度、连续性、冠层覆盖和密度。
与二维技术相比，三维技术有许多优点。三维技术可以提供3D几何信息（如（x, y, z）空间坐标）和辐射信息（如 强度和RGB）。该信息可用于地球外表上方不同高度的物体的别离［4］。应用于植被建模的此类技术允许对复杂的植被结构进行 建模。体素，3D模拟像素，结构从激光扫描获得的三维离散点。它们将定性几何信息与定量信息（如体积）相结合。此外，还 可以生成高分辨率地形图，以及对植被高度、冠层结构和植被密度的高度准确估计［5, 6, 7, 8, 9］0这有利于对重要的荒地参 数进行建模，例如灌木连续性和高度以及树木和马利的高度和体积。
因此，本研究旨在设计和实现一个显示重要荒地植被参数的三维植被模型，并设计、实施和评估一种基于体素的自动方法, 以推导出该模型以支持丛林大火行为建模。
第2章调查手法
工作流分为四个不同的阶段进行设置。
1.1. 希思兰参数
通过文献综述，确定了对自动三维荒地模型至关重要的重要荒地参数，以支持［3］指定的丛林大火行为建模。重要的荒地 参数是荒地灌木高度（m）及其水平不连续性（m）,稀疏散射的树木和马利树的高度（m）,以及它们的密度（点/dm3）.这些 参数很重要，因为它们会影响天气参数。
22点云处理
点云通常由3D扫描仪（如激光雷达扫描仪）或摄影测量软件产生。激光雷达点云可分为机载激光扫描（ALS）、地面 激光扫描（TLS）和移动激光扫描（MLS）。这两种不同类型的点云各有利有弊，确定最适合荒地植被建模的方法非常重要。 摄影测量点云不适合预测与冠层密度相关的属性。这是因为即使在最正确的前向重叠条件下，图像射线也无法穿透树冠叶隙。此 外，TLS需要多个扫描站设置，这使得数据采集过程耗时且不经济。因此，ALS和MLS是首选，因为它们提供了该区域的天 气视图。来自ALS或MLS的点云可以穿透树冠间隙，以提供林下冠层细节并记录来自地面的回报。
点云密度是对荒地进行建模时要考虑的重要属性。高密度，每平方米＞100点，ALS或MLS点云是荒地建模所必需的。 低点密度会影响植被垂直复杂度，影响荒地参数的精度。高点密度增加了地面返回的总体可能性以及植被结构的分类和估计水 平。
23基于体素的植被模型
点云是三维建模最充分的数据源之一。它们的3D坐标以及其他属性使其适用于形状和大小的3D重建以及其他对象属 性。然而，它们也有缺点：它们可以非常大（以百万计），嘈杂，稀疏和无组织［10］。激光雷达传感器采集的点的采样密度通常 也是不均匀的，因为扫描仪的线性和角度速率各不相同。因此，试图操纵如此大量的非结构化点是有问题的。同时，点云的分 割基于适合相同平面、圆柱体或光滑外表的点。它基于对点云中简单形状的识别。
体素（Volumetric piXEL）是像素的3D模拟。它们提供了一个统一的几何结构，可以在其中组织点云。它们为直接高效 的处理算法提供了手段［11］。由于其结构化性质，它们可以应用于识别点云的空间连通性。一个重要的体素参数是体素大小，它 会影响体素密度。较大的体素大小可能导致重要地理数据的丧失，而较小的体素分辨率可以将少量点包含在单个体素中。体素 大小和密度是荒地建模的重要参数。它们用于计算树木和马利的密度。同时，体素连接性用于识别石楠灌木连接性和不连续性。 此外，体素高度用于计算石楠灌木，树木和马利高度。
遵循体素化，需要分割和分类算法。需要使用体素邻域连接的基于对象的分割。建议基于邻域连通性的播种区域种植，用 于地上植被（石楠灌木，树木和mallee）的分割。根据不同的冠层高度（例如（a）石楠灌木，（b）稀疏的树木和mallee以及 （c）高大的树木，对体素的分类进行了进一步的语义分割。
24验证
通过现场检查和航空摄影实现对衍生模型参数的验证。现场检测使我们能够直观地验证从模型到现实世界的结果。此外， 该地区的航空摄影可用于植被描绘。这可用于验证分类结果。
3.结论
本文概述了为荒地建模开发特定工作流程的重要性。目前的工作流程包括几个步骤，例如识别荒地参数和选择适当的扫描 技术，特别是得出所需的参数和验证。到目前为止，确定的对荒地火灾行为建模至关重要的参数包括石楠灌木高度和连续性以 及树木和马利的高度和密度。建议使用高密度ALS或MLS激光雷达点云进行数据采集，而体素化方法是点云建模的首选方 法。通过基于体素的分割和分类，植被可以分为冠层高度；（a）石楠灌木，（b）稀疏的树木和马利，以及（c）高大的树木。 最后，为了验证结果，需要进行航空摄影或一系列现场检查。