基于多时相LiDAR数据的无人机激光扫描质量控制和作物三维特征框架研究 | MDPI Remote Sensing

背景：在精准农业中，获取作物三维结构信息对植物表型分析和作物管理至关重要。无人机激光扫描（ULS）系统因其高时空分辨率和广域覆盖能力成为新兴工具，但其在农业环境中的操作参数对数据质量的影响，尤其是针对作物不同生长期的多时相对比分析，尚未被系统研究。研究目的：本研究旨在提出一个基于多时相ULS数据的质量控制与作物三维特征提取框架，评估DJI Zenmuse L1激光扫描仪在不同操作条件下的表现，并结合模拟波形分析方法，探讨作物类型、结构特征及物候变化对激光雷达回波信号的影响，以填补ULS在农业应用中操作参数优化与作物结构解析方面的空白，建立标准化质量评估流程。结论：研究发现，作物高度在生育后期（尤其较矮作物如大豆）被系统性低估，主要源于叶片黄化、反射率下降及冠层信号减弱，而非ULS操作参数本身；模拟波形通过能量四分位指标可量化垂直能量分布，有效区分“生理变化”与“仪器误差”；优化方案为50 m飞行高度、260 kHz脉冲重复频率、重复扫描模式和2n回波模式，可获得高精度株高估算；研究开源了全流程代码，构建了一套可移植、标准化的ULS质量控制和作物三维特征提取框架，为精准农业表型研究提供了操作规范与理论依据。