无人机遥感影像速生桉林分参数自动化提取研究

在实景三维建模软件支持下,使用无人机遥感技术快速获取广西扶绥县龙头乡将军屯速生桉林影像,通过Pix4d软件对航摄数据进行自动化内业处理,获取数字正射影像成果(DOM)和数字地表模型(DSM)以及树冠高度模型。基于此树冠高度模型,提取速生桉林的株数、树高、郁闭度等森林参数,并进行精度分析。结果表明:株数精度验证指标(株数探测率、株数准确率、F参数)较优;树高估测值与树高实测值存在较强相关性;郁闭度参数准确率高达92.85%。该林分参数自动化提取方法,能够达到相关实践要求,可以在一定程度上替代人工实测,在人工林中具有广阔应用前景。     

基于高清航片的小班测树因子估测技术研究

利用高清航片影像特征与小班测树因子的相关关系,通过判读优势树种(组)、冠幅、郁闭度、株数,结合3S和回归模型等技术方法,估测小班平均胸径、平均树高、郁闭度、株数和蓄积量。重点介绍林分优势树种(组)、树种组成、平均胸径、郁闭度的估测方法。利用基于高清航片的小班测树因子估测技术与传统调查方法相比,可以减轻调查工作量,提高工作效率,降低调查成本。     

航空象片区划林相的精度和推算蓄积的方法

在象片上可以判读和测定的林木因子有树种、树高、树冠郁闭度、树冠直径、立木株数和色调。而实际工作中用肉眼比较容易判读的因子有树种、树高和树冠郁闭度,用此三因子区划林相能够满足区划小班的要求,且树高和郁阴度与林分蓄积相关紧密。为此,这次试验调查采用这三因子进行林相区划。     

基于无人机数据的人工林森林参数估测

无人机凭借低成本、高精度的优势在森林资源调查中被广泛应用,基于无人机高分影像及点云数据的森林主要参数估测及评价方法研究,可以为无人机技术在人工林调查中的推广应用提供科学参考。选取南京林业大学树木园内东方杉(Taxodium mucronatum)人工实验林为研究对象,以2018年无人机高分影像、点云数据以及地面实测数据为主要信息源,通过局部最大值以及种子点分割的方法对株数、树高、冠幅、郁闭度等森林参数进行提取,并进行精度检验。研究结果表明:1)提取的株树探测率为0.92,株数准确率为0.97,F参数为0.95。2)单木树高估测的决定系数(R~2)为0.795 7,均方根误差(RMSE)为0.594 0;单木冠幅直径的决定系数(R~2)为0.800 8,均方根误差(RMSE)为0.897 8。3)提取的总冠幅的提取率达到0.95,准确率达到0.93,f参数达到0.94。4)提取的样地郁闭度相对误差只有0.32%。基于无人机高分数据及少量地面实测数据的人工林主要参数估测,可以在很大程度上替代全林实测,在人工林中具有较大的推广价值。     

基于无人机航测数据的森林郁闭度和蓄积量估测

蓄积量是评价森林资源质量或状况的重要指标,为了解决实测郁闭度和蓄积量费时费力以及无法充分利用航测原始数据生成各项数据的问题,以无人机航测数据的点云数据和正射影像为研究数据,利用冠层高度模型提取高程,通过一元线性回归分析估测平均树高和平均胸径模型;使用改进形态学分水岭方法提取树冠个数;通过主成分回归建立郁闭度模型;结合提取与估测的GIS因子,用偏最小二乘法建立蓄积量模型。结果表明:平均树高模型精度为97.34%、平均胸径模型精度为91.27%,改进分水岭提取树冠精度为80.03%,郁闭度模型精度为83.18%,蓄积量模型精度可达88.43%。蓄积量模型的所有特征因子均是通过遥感方法从无人机原始航测数据中提取而来,充分利用了无人机航测数据。实验建立的树高、胸径和郁闭度模型可以有效地估测森林平均树高、胸径及郁闭度,改进后的分水岭算法减少了过分割,蓄积量模型能够有效估测蓄积量,提高了蓄积量提取效率,节省了大量的人力物力。     

梁野山国家级自然保护区森林资源动态变化分析

2012年从福建梁野山国家级自然保护区范围内77个公里网交点样地中选取50个有林地固定样地,调查了每个样地内的优势树种、郁闭度、平均胸径、平均树高、活立木株数,估算了样地林木蓄积,并与2006年调查统计数据进行了对比,分析了保护区6年间森林资源动态变化情况。结果表明：150个调查样地中,优势树种有3个样地从针叶林演变为阔叶林,郁闭度有36个样地上升、11个保持、3个下降,平均胸径有42个样地上升、8个下降,平均树高有32个样地上升、13个保持、5个下降,活立木株数有39个样地增加、4个保持、7个下降,蓄积量有44个样地增加、6个减少;250个样地的平均郁闭度、胸径、树高、活立木株数和蓄积量等与前期相比均有不同程度的增长,但t检验表明,仅郁闭度,蓄积量前、后期间有显著差异,而胸径、树高、活立木株数前、后期间无显著差异。针对调查结果,分析了保护区森林资源变化的原因,提出了进一步加强森林资源保护的措施。     

库页冷杉人工林间伐指针图

<正> 过去的方法过去,一般先是通过航空象片判读和现地踏查,将调查林分按林相和密度级进行分层,并分别设置0.1公顷左右的标准地,调查每公顷株数、平均直径和平均树高。然后根据平均树高和林龄确定地位级,以收获预测表相应地     

利用航空象片判读郁闭度估计林分材积初探

航空象片是地面的真实反映,从航空象片上可以获得很多定性到定量的因子。如在航空象片上判读测定林分的树高、冠幅、坡度、株数、郁闭度等来对林分材积进行估计。现今较普遍推广的根据数量化理论编制的各种航空象片数量化表,但这需要从航空象片上取得很多的定性因子,且受很多条件的影响。从而航空象片上获得的各项因子中,以郁闭度的判读较易掌握,同时郁闭度判读的准确性较其它因子高。为了迅速准确地从航空象片上获得所需的林分材积,本文拟就利用航空象片判读郁闭度估计林分材积进行探讨,以便更好的发挥航空象片的潜力。     

西藏自治区云杉林生物量密度模型研建

生物量密度模型是估算生物量和碳储量的依据。以西藏主要针叶树种云杉为研究对象,利用森林资源连续清查实测样地和样木数据,建立了云杉林生物量密度模型。结果表明:生物量密度随树高、郁闭度、胸径及林龄的增加而增加,随海拔的升高和经度的增加而减少。以海拔、郁闭度、平均胸径、经度作为解释变量构建的生物量密度非线性模型,其决定系数为0.716,总相对误差和平均系统误差控制在±1%以内,预估精度达到91.9%,可应用于实测或目测样地/小班生物量估算;以海拔、郁闭度、林龄、经度作为解释变量构建的生物量密度非线性模型,其决定系数为0.626,总相对误差和平均系统误差控制在±2%以内,预估精度达到90.6%,可应用于遥感样地/小班生物量估算;以海拔、郁闭度、胸径、林龄作为解释变量的生物量密度模型,其决定系数为0.717,总相对误差和平均系统误差控制在±2%以内,预估精度达到91.9%,可用于估算某个时间段内云杉林生物量变化或碳汇量。结合西藏森林资源连续清查或森林资源规划设计调查数据,可用于全区尺度上云杉林生物量的估算;利用林龄等因子建立的生物量模型,可掌握生物量、碳汇在空间上的分布规律及某一时期内的碳汇估算。     

基于三维激光点云数据获取树木几何参数的研究

无人机(Unmanned Aerial Vehicle,UAV)遥感可快捷获取高分辨率正射影像。本文探讨利用无人机采集高分辨率影像,生成三维点云数据获取树高和冠幅,并与实测数据对比。实验地点选择北京市京西林场,采用无人机搭载激光雷达扫描系统获取点云数据,使用LiDAR360软件进行数据处理分析,获取树木位置、株数、树高、树冠直径等信息,并与实测数据对比,结果表明:最大类间方差法可分割树木点云数据;利用三维点云技术可获取树木高度及冠幅;树高提取平均精度为94%,冠幅提取平均精度为89%。     

结合自适应阈值与峰值的LiDAR林分平均高反演方法研究

随着激光雷达获取的点云密度不断增加,提取样地尺度的林分平均高成为可能。但样地尺度林分平均高的提取精度与树种之间的关系尚不明确,急需一种能适应各种树种的林分平均高提取方法。以广西国有高峰林场为例,采用机载LiDAR点云数据生成的冠层高度模型(Canopy height model,CHM),结合地面实测的201个样地数据,提出了一种结合自适应阈值与峰值的林分平均高提取算法,并分析了树种对提取精度的影响。结果表明:1)不同树种的林分平均高提取精度存在差异,杉木精度最高,而桉树和其他阔叶树种精度次之;2)自适应阈值结合峰值的算法能够较好提取林分平均高(R²=0.75,RMSE=3.11m,rRMSE=22.07%),并且对于不同的树种都有较强的稳健性;3)阔叶树种和针叶树种对不同的提取方法存在敏感性差异。研究提取的林分平均高可为森林蓄积量与生物量反演研究提供依据和参考。     

基于FCM和分水岭算法的无人机影像中林分因子提取

【目的】研究高精度小型无人机获取林分调查因子方法,将林分调查因子在低空无人机影像上识别并提取出来,获取树高、冠径等测树因子,建立林分因子测量方法,实现经济、高效、快捷、精准的森林资源调查和监测,及时掌握森林资源及相关林分因子的时空变化特征。【方法】以东北林业大学城市林业示范基地樟子松人工林为研究对象,以多旋翼无人机影像为数据源,基于FCM聚类算法和分水岭分割算法以及形态学运算、阈值分割、图像平滑、灰度化、二值化等一系列数字图像处理技术,提取樟子松人工林林分因子。FCM聚类算法和阈值分割法用于提取树梢标记图像,分水岭分割算法对树梢标记图像进行迭代处理从而获得单木树冠分割图像,根据单木树冠分割结果提取单木特征进而计算各林分因子值。【结果】在林地提取中,根据影像的颜色特征绿度分割成功地将林地部分与非林地部分分离开来,确定单木树冠分割范围。在单木树冠分割中,阈值分割法和FCM聚类算法均可有效将树梢标记从林地图像中提取出来;将基于标记的分水岭分割算法用于单木树冠分割取得较好效果,大多数单木树冠被单独分割出来,但某些区域仍然存在一定的欠分割或过分割问题。在林分因子提取中,提取的林分因子包括林分郁闭度、林地面积、立木株数和平均冠幅,其中林分郁闭度的测量精度为96.67%,林地面积的测量精度为81.23%,立木株数和平均冠幅的测量精度与单木树冠分割中的树梢提取方法(阈值分割法和FCM聚类算法)及分水岭分割中的2个参数(形态学腐蚀的结构元素大小和中值滤波的窗口大小)有关。针对2种树梢提取方法,分别进行参数组合试验,结果显示2种树梢提取方法使用适当参数组合所得各林分因子测量精度均在80%以上,平均测量精度均在90%以上,其中阈值分割法的最高平均测量精度为94.49%,FCM聚类算法的最高平均测量精度为93.17%。【结论】利用无人机拍摄的人工林影像进行森林资源调查,将先进的计算机科学技术和无人机技术应用到林业领域中,可有效提高森林资源调查的效率和精度。本研究提出的林分因子提取方法适用于高郁闭度林分,测量精度满足实际需求。     

Algorithm for improving the co-registration of LiDAR-derived digital canopy height models and field data

Improving trees location under LiDAR-derived digital canopy height models (DCMs) is of great interest as discrepancies between both dataset influence the accuracy of the estimations of forest attributes. A method is proposed for the co-registration of LiDAR-derived DCMs with local field positional measurements under a dense tree canopy. This approach consists of two main stages: (1) the assessment of the match between the LiDAR-derived digital terrain model and topographic surveying measurements when shifting the coordinates around a measured position; and (2) a comparison between the field height of selected trees and the LiDAR-derived DCM. Satisfactory results were obtained from geo-referencing field data and LiDAR models for characterizing the forest structure in heterogeneous Pinus sylvestris stands. Closure error of topographic surveying was 17.7 cm, and GPS accuracy to 95 % probability was below 10 cm, thus considerably lower than the resolution of the LiDAR models (1 m-pixel). The best co-location for field trees and LiDAR models provided a coefficient of determination of 0.56 between field-measured tree heights and LiDAR-derived DCM values.     

无人机RGB影像中人工林单木位置的提取

从无人机RGB影像中提取单木位置时,由于树冠与非树冠植被的颜色相似,以及树冠之间存在粘连的问题,导致单木位置提取精度不高。针对这些问题,提出一种结合冠层高度模型(CHM)和形态学细化算法的人工林单木位置提取方法。首先根据无人机RGB影像生成数字正射影像(DOM)、数字高程模型(DEM)、数字表面模型(DSM),利用可见光波段差异植被指数(VDVI)对DOM进行植被与非植被的分离;其次利用DSM和DEM构建人工林区的CHM,从高程差异上将树冠与非树冠植被进行分离;最后,为提高单木位置提取精度,利用形态学图像细化算法去除树冠之间的粘连,提取单木位置并进行精度验证。以昆明理工大学呈贡校区内的一片人工林为试验区域,分别采用本研究方法和直接基于VDVI的方法对人工林区单木位置进行提取。本研究方法提取的单木位置准确率为91.67%,漏提率为8.33%,错提率为0.24%;而直接基于VDVI提取的单木位置准确率为88.05%,漏提率为11.95%,错提率为21.58%。试验结果表明,本研究方法提取的人工林单木位置精度更高。     

Developing an airborne laser scanning dominant height model from a countrywide scanning survey and national forest inventory data

Abstract

An airborne laser scanning (ALS) dominant height model was developed based on data from a national scanning survey with the aim of developing a digital terrain model (DTM) for Denmark. Data obtained in the ongoing Danish national forest inventory (NFI) were used as reference data. The data comprised a total of 2072 measurements of dominant height on NFI sample plots inventoried in 2006–2007 and their corresponding ALS data. The dominant height model included four variables derived from the ALS point cloud distribution. The variables were related to canopy height, canopy density and species composition on individual plots. The RMSE of the final model was 2.25 m and the model explained 93.9% of the variation (R ²). The model was successful in predicting dominant height across a wide range of forest tree species, stand heights, stand densities, canopy cover and growing conditions. The study demonstrated how low-density ALS data obtained in a survey not specifically aimed at forest applications may be used for obtaining biophysical forest properties such as dominant height, thereby reducing the overall forest inventory costs.     

基于无人机影像的森林生物量估测与制图

【目的】森林生物量的精确测定,对于全球气候变化和碳循环研究具有重要的意义。【方法】以东北林业大学城市林业示范基地为研究区域,首先利用无人机平台获取整个研究区域的高分辨率无人机影像;然后在研究区域四种人工林样地中分别选取20 m×20 m的4块建模样方和4块测试样方,通过每木检尺法实测建模样方内林木的树高和胸径数据,建立H-DBH(树高-胸径)估算模型,并结合已有的DBH-SB(胸径-树干生物量)模型得到测试样方的森林生物量数据;在处理后的数字冠层高度模型(DCHM)基础上利用局部最大值法提取树高与树冠中心点位置,建立一种结合无人机影像提取树高与H-SB(树高-树干生物量)经验模型的森林生物量制图方法。【结果】不同样方的H-DBH模型R2均大于0.70,测试样方的总地上生物量平均值为6915.85 kg,总的估测精度为87%。通过ArcGIS软件结合本研究提出的方法快速得到了整个研究区域的地上生物量分布图,估测总地上生物量为4396.18 t。【结论】研究结果可为快速准确的进行森林生物量的估测提供基础数据和技术参考。     

基于遥感图像的林况因子提取研究进展

随着遥感技术的不断发展,部分林况因子调查逐渐从传统的人工地面调查转向遥感调查,虽然提高了工作效率和精度,但也存在一些尚未解决的问题。文中系统总结了基于遥感图像的树种、树高、树冠、胸径、位置、郁闭度、年龄、株数、蓄积量、生物量等林况因子目视判读和计算机提取研究的现状及存在的问题,并对今后发展提出了建议。     

Forest edge quantification by line intersect sampling in aerial photographs

There is a need for accurate and efficient methods for quantification and characterisation of forest edges at the landscape level in order to understand and mitigate the effects of forest fragmentation on biodiversity. We present and evaluate a method for collecting detailed data on forest edges in aerial photographs by using line intersect sampling (LIS). A digital photogrammetric system was used to collect data from scanned colour infrared photographs in a managed boreal forest landscape. We focused on high-contrast edges between forest (height ≥ 10 m) and adjoining open habitat or young, regenerating forest (height ≤ 5 m). We evaluated the air photo interpretation with respect to accuracy in estimated edge length, edge detection, edge type classification and structural variables recorded in 20 m radius plots, using detailed field data as reference. The estimated length of forest edge in the air photo interpretation (52 ± 8.8 m ha⁻¹; mean ± standard error) was close to that in the field survey (58 ± 9.3 m ha⁻¹). The accuracy in edge type classification (type of open habitat) was high (88% correctly classified). Both tree height and canopy cover showed strong relationships with the field data in the forest, but tree height was underestimated by 2.3 m. Data collection was eight times faster and five times more cost-effective in aerial photographs than in field sampling. The study shows that line intersect sampling in aerial photographs has large potential application as a general tool for collecting detailed information on the quantity and characteristics of high-contrast edges in managed forest ecosystems.     

Multiple attribute decision making for individual tree detection using high-resolution laser scanning

A canopy height model (CHM) is a standard LiDAR-derived product for deriving relevant forest inventory information, including individual tree positions, crown boundaries and plant density. Several image-processing techniques for individual tree detection from LiDAR data have been extensively described in literature. Such methods show significant performance variability depending on the vegetation characteristics of the monitored forest. Moreover, over regions of high vegetation density, existing algorithms for individual tree detection do not perform well for overlapping crowns and multi-layered forests. This study presents a new time and cost-efficient procedure to automatically detect the best combination of the morphological analysis for reproducing the monitored forest by estimating tree positions, crown boundaries and plant density from LiDAR data. The method needs an initial calibration phase based on multi attribute decision making-simple additive weighting (MADM-SAW). The model is tested over three different vegetation patterns: two riparian ecosystems and a small watershed with sparse vegetation. The proposed approach allows exploring the dependences between CHM filtering and segmentation procedures and vegetation patterns. The MADM architecture is able to self calibrate, automatically finding the most accurate de-noising and segmentation processes over any forest type. The results show that the model performances are strongly related to the vegetation characteristics. Good results are achieved over areas with a ratio between the average plant spacing and the average crown diameter (TCI) greater than 0.59, and plant spacing larger than the remote sensing data spatial resolution. The proposed algorithm is thus shown a cost effective tool for forest monitoring using LiDAR data that is able to detect canopy parameters in complex broadleaves forests with high vegetation density and overlapping crowns and with consequent significant reduction of the field surveys, limiting them over only the calibration site.     

基于无人机影像的天山云杉林伐后更新地林分密度估测研究

【目的】林分密度是影响森林生态系统结构和功能的主要因素,是森林资源调查的一项重要指标,对林木生长发育有着十分重要的影响。基于无人机影像,以实现提取不同郁闭度的林分密度,旨在为天然林保护工程实施后山区森林资源更新恢复评价提供技术支撑。【方法】以新疆农业大学实习林场伐后更新的天然林为研究对象,以天山云杉Picea schrenkiana var.tianshanica纯林为主,基于无人机影像,利用面向对象多尺度分割方法提取了低、中、高3种不同郁闭度林分的天山云杉冠幅信息,进而估算林分密度,提出了采用平均冠幅法估测高郁闭度林分冠层遮挡区域林木株数的方法。【结果】采用面向对象方法对新疆农业大学实习林场伐后更新的天山云杉树冠边缘信息提取精度较高,提取的林分密度与实测结果相近。其中低、中郁闭度林分中林分密度提取精度分别为0.9868和0.9333,高郁闭度林分中林分密度提取精度相对较低,为0.7657。【结论】总体来看,该方法用于研究区天山云杉林伐后更新地林分密度估测是可行的,采用树冠平均冠幅法能够快速准确地提取伐后更新造林地的林分密度。