全文总字数：3176字

1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等

地面激光扫描仪为更高精度的测量植被参数提供了新的机会。可用的设备可以快速产生空间点云，用来重建出植物的三维结构。地面激光扫描仪获得的森林细节的良好特征可以使得树干、树枝、细枝以及树叶都能被清晰的辨识。结构参数的高分辨率为直接测量叶面积提供了很好的机会。

尽管研究者们对使用地面激光扫描仪进行叶面积的测量做了大量的工作，仍然有四个问题尚未解决。1）如何从庞大的扫描点云中自动识别多样的复杂的枝干形态和大量不同形状树叶的交叠，并去除非光合作用的材料，是一个未解决的问题。2）自然环境中每时每刻都存在着外部的干扰。扫描结果会受到阴影作用的影响和微风吹拂带来的改变。如何去除点云数据中的噪声点并且建立对遮挡效果的补偿机制来获得树木的特性也是一个问题。3）树木扫描获得的是离散点的集合，并不是完整的三维模型，如何将离散点转换成曲面是计算叶面积的必要过程。4）经验公式表明扫描点的空间分辨率是与获得距离成反比的。更密集的点可以通过使扫描仪离植物更近来获得，反之亦然。如何从不同密度的树冠空间点云中获得叶面积也是值得研究的问题。

a、以呈等边三角形分布的三站激光扫描仪扫描树木冠层，读取扫描的冠层三维点云数据；

2. 参考文献（不低于12篇）

1. Haverd, V.; Lovell, J.L.; Cuntz, M.; Jupp, D.L.B.; Newnham, G.J.; Sea, W. The canopy semi-analytic pgapand radiative transfer (canspart) model: Formulation and application. Agric. For. Meteorol. 2012, 160, 1435.[CrossRef]2. Wilson, J.W. Point quadrat analysis of foliage distribution for plants growing singly or in rows. Aust. J. Bot.1965, 13, 405409. [CrossRef]3. Lin, Y.;West, G. Retrieval of effective leaf area index (laie) and leaf area density (lad) profile at individualtree level using high density multi-return airborne lidar. Int. J. Appl. Earth Obs. Geoinf. 2016, 50, 150158.[CrossRef]4. Woodgate, W.; Armston, J.D.; Disney, M.; Jones, S.D.; Suarez, L.; Hill, M.J.; Wilkes, P.; Soto-Berelov, M.Quantifying the impact of woody material on leaf area index estimation from hemispherical photography using 3D canopy simulations. Agric. For. Meteorol. 2016, 226227, 112. [CrossRef]5. Kong, F.; Yan,W.; Zheng, G.; Yin, H.; Cavan, G.; Zhan,W.; Zhang, N.; Cheng, L. Retrieval of three-dimensional tree canopy and shade using terrestrial laser scanning (tls) data to analyze the cooling effect of vegetation.Agric. For. Meteorol. 2016, 217, 2234. [CrossRef]6. Lati, R.N.; Filin, S.; Eizenberg, H. Plant growth parameter estimation from sparse 3D reconstruction basedon highly-textured feature points. Precis. Agric. 2013, 14, 586605. [CrossRef]7. Dandois, J.P.; Ellis, E.C. High spatial resolution three-dimensional mapping of vegetation spectral dynamicsusing computer vision. Remote Sens. Environ. 2013, 136, 259276. [CrossRef]8. Chaivivatrakul, S.; Tang, L.; Dailey, M.N.; Nakarmi, A.D. Automatic morphological trait characterization forcorn plants via 3D holographic reconstruction. Comput. Electron. Agric. 2014, 109, 109123. [CrossRef]9. Giuliani, R.; Magnanini, E.; Nerozzi, F.; Muzzi, E.; Sinoquet, H. Canopy probabilistic reconstruction inferredfrom monte carlo point-intercept leaf sampling. Agric. For. Meteorol. 2005, 128, 1732. [CrossRef]10. Gumbau, J.; Chover, M.; Remolar, I.; Rebollo, C. View-dependent pruning for real-time rendering of trees.Comput. Graph. 2011, 35, 364374. [CrossRef]11. Dornbusch, T.; Wernecke, P.; Diepenbrock, W. A method to extract morphological traits of plant organs from3D point clouds as a database for an architectural plant model. Ecol. Model. 2007, 200, 119129. [CrossRef]