基于标记控制区域生长法的单木树冠提取

根据2009年激光雷达数据、正射影像图及二类调查数据,选取凉水国家自然保护区针叶林和阔叶林样地进行单木树冠提取研究,包括利用动态窗口局域最大值法对单木位置进行探测,以及采用标记控制区域生长法进行树冠边界的勾绘,分别从样地和单木两个层次进行评价。结果表明:样地尺度上,针叶林和阔叶林的树冠面积相对误差的平均值分别为8.74%和-8.24%。单木尺度上,针叶林样地的生产者精度在62.2%~77.3%浮动,用户精度在71.5%~83.9%浮动;而阔叶林样地的生产者精度达到76.1%~91.2%,用户精度达到78.5%~92.5%。阔叶林样地勾绘精度浮动较大,但略优于针叶林样地的勾绘精度,是由于阔叶林样地中树冠分布较稀疏所致;而"位置匹配但过度生长"的情况过多是针叶林样地树冠提取精度不高的主要原因。     

应用高斯聚类的单木分割及树高和冠幅的提取

针对机载激光雷达点云中基于栅格化的冠层高度模型(CHM)所导致的原始点云数据丢失问题,提出了一种应用高斯模型聚类的单木信息提取方法。采用形态学开运算和高斯平滑方法形成高斯冠层最大模型(GCMM)能减少无关局部最大值对单木分割的影响,利用局部最大值法初步探测树冠顶点,通过最速下降法建立混合高斯模型得到树木位置和冠幅。利用聚类分析划分临近点云归属,进而实现单木参数准确提取,并提取单木最高点为树高。将点云分割方法应用于美国蓝岭地区6块圆形针叶林样地(r=30 m)。结果表明:单木分割F为0.89,正确分割单木树高提取精度95%,冠幅提取精度91%。结合实测数据对提取到的树高和冠幅进行相关性分析,树高R2=0.92,平均误差为-0.83 m;冠幅R2=0.84,平均误差为-0.42 m。相比于分水岭算法,高斯模型聚类方法F提高了11.2%,正确分割单木树高及冠幅提取精度提高了5.5%、5.8%,树高R2提高0.08,平均误差减少0.58 m;冠幅R2提高0.11,平均误差减少0.63 m。     

运用无人机激光雷达数据提取落叶松树冠特征因子及树冠轮廓模拟

为探究无人机激光雷达(UAVLS)获取单木树冠三维结构的能力,利用无人机载激光雷达数据,对人工长白落叶松进行单木树冠特征因子的提取以及树冠轮廓的模拟,并与机载激光雷达(ALS)单木树冠特征因子的提取进行比较。结果表明:利用UAVLS数据1∶1匹配的单木数量远高于利用ALS数据匹配的单木数量,且UAVLS单木位置探测的精度达到0.338 1 m,比ALS提高了0.185 1 m;UAVLS单木树高的提取精度达到0.578 5 m,比ALS提高了1.294 5 m;对于冠幅及冠基高的提取,UAVLS也有更高的精度。与ALS相比,UAVLS不仅具有更高的单木探测精度,也具有更高的单木树冠结构参数提取精度;3种树冠轮廓模型拟合的R~2均高于0.75,表明3种常用的轮廓模型都能够很好的描述从UAVLS数据中获取的树冠外部轮廓,其中二次抛物线模型具有最强的模拟效果(M_(AE)=0.256 4,M_(RAE)=4.59%)。因此,无人机激光雷达数据提取单木树冠结构,可以提高林业调查的效率。     

基于机载LiDAR落叶松树冠几何形状三维重建关键技术研究

森林冠层的三维重建研究能够更加直观反映森林空间结构,提高森林参数的测量精度。目前小光斑激光雷达已经广泛应用于林业研究中。为建立落叶松树冠三维形状模型,以长春净月潭实验区落叶松机载LiDAR(LiDAR,Light Detection And Ranging)数据为基础,采用K-means算法提取建模参数。该算法以单木树冠顶点作为初始聚类中心,经过4次迭代估测出单木树高和单木树冠直径,通过与试验区的单木实测数据对比,进行相关性分析,得到估测树高和估测树冠与实测数据相关系数分别为0.892 4和0.769 0,经过验证,估测树高和估测树冠的精度为94.06%和82.21%。利用激光雷达提取出的单木坐标、树高、树冠和冠基高采用旋转抛物线方法重建森林尺度三维模型呈现森林结构。     

运用激光雷达数据的单木树冠提取算法对帽儿山林场单木参数估测的影响

选取黑龙江省尚志市帽儿山实验林场的10块高郁闭度的天然次生林样地为研究对象,利用激光雷达数据构建的冠层高度模型(CHM),分别使用分水岭分割算法、区域生长法和区域的分层横截面分析(RHCSA)3种方法提取单木位置、树高和冠幅信息。利用手动勾绘的单木树顶和树冠作为参考数据进行精度检验(包括单木树冠提取精度和单木参数估测精度检验),探索不同单木提取算法估测单木参数的可行性。结果表明:RHCSA算法对单木树冠提取的总体精度为83.64%,区域生长算法总体精度为75.19%,分水岭算法总体精度为68.65%;对于单木参数估测,区域生长法与分水岭算法的单木定位精度高(R_(MSE)为1.12 m),RHCSA算法得到最高的树高与冠幅提取精度高(R_(MSE)分别为0.62、1.11 m)。因此,RHCSA算法更适用于帽儿山林场单木树冠提取与单木参数的估测。     

基于无人机载激光雷达点云数据的人工侧柏林单木分割研究

可持续的森林经营管理模式有助于实现生态文明建设的高质量发展，人工林单木分割结果的获取是森林经营管理的关键。目前无人机载激光雷达技术为单木位置的精准定位和树冠的精确划分提供了应用空间。利用冠层高度模型(CHM)检测和提取单木数量和树冠、树高等信息，评估和分析空间分辨率和点云密度对单木分割和树冠提取结果的影响和精度，该方法可准确分割人工侧柏林和提取树冠信息，总体上单木分割精确率均>75%,树冠轮廓提取精确率均>65%,实测数据与提取数据的回归决定系数均>0.6。适当的空间分辨率有助于提高单木分割精度，当分辨率为0.3 m时单木分割和树冠提取结果均为最优。同时研究发现随着点云密度的降低，单木数量的识别精度值随之下降。当点云密度为100%时，F为89%,当点云密度为10%时，其F降低至73%。基于CHM模型可以较好实现人工林的单木精确分割，对林木出现的树冠重叠、覆盖、偏移等现象均有一定的辨别能力；同时分析了空间分辨率和点云密度对单木分割和树冠提取结果的影响并评估了精确性，识别了单木分割时关键参数的最优选择。     

坡度对应用机载激光雷达估测人工针叶林单木参数的影响

以黑龙江省佳木斯市桦南县孟家岗林场为研究对象,利用2017年的机载激光雷达(ALS)数据构建冠层高度模型(CHM),探索坡度对单木参数估测的影响。研究区域内坡度分为4级,Ⅰ级为平坡:坡度<5°;Ⅱ级为缓坡:坡度5°~14°;Ⅲ级为斜坡:坡度15°~24°;IV为陡-急-险坡:坡度≥25°。每一级选取8块高郁闭度的人工针叶林样地(50 m×50 m),应用基于区域的分层横截面分析法(RHCSA)进行单木树冠提取,估测单木位置、树高和冠幅信息,利用目视解译的单木树顶和树冠作为参考数据进行精度检验(包括单木树冠提取精度和单木参数估测精度检验)。结果表明:不同坡度下单木树冠提取和单木定位估测均有显著差异(p<0.05)。其中,平坡上的单木树冠提取总体精度最高(均值为84.61%),陡-急-险坡上的总体精度最低(均值为41.31%);缓坡上的单木定位精度最高,平均的均方根误差为1.16 m,陡-急-险坡上单木定位精度最低,平均均方根误差为1.58 m。但是,不同坡度下单木树高和冠幅的估测结果差异并不显著(p>0.05)。因此,应用CHM进行单木参数估测时,虽然进行了地形标准化,但还是需要考虑坡度对单木树冠提取和单木定位的影响,而其对树高和冠幅的影响不大。     

高空间分辨率遥感的单木树冠自动提取方法与应用

用高空间分辨率遥感影像对单木树冠进行自动提取和轮廓描绘,是获取森林信息的一种快速有效的方法。也是近年来林业遥感领域研究的热点。详细介绍了目前高分辨率遥感单木树冠信息自动提取的各种方法．包括局部最大值法、模板匹配法、谷地跟踪法、多尺度法、种子区域生长法、分水岭分割法、局部射线法．并对单木树冠提取在林业上的应用进行了探讨,最后结合国内外研究现状,对单木树冠自动提取的未来作了展望。参51     

应用地面三维激光扫描对白桦单木结构参数的提取

应用地面三维激光扫描仪,在大小兴安岭地区的4块白桦(Betula platyphylla)次生林样地进行单木扫描,对扫描后树干点云进行分层处理并设置阈值;运用Hough变换算法提取单木位置与胸径,利用树干生长方向得到树高与冠幅;运用回归分析对算法估计值和实测值进行拟合,判断算法的准确性;利用体元模拟法与传统体积计算方法分别估测树冠体积,分析两种算法的差异。结果表明:4块样地的单木识别率较高,平均为86.5%;4块样地的单木胸径、树高、冠幅估测的决定系数(R~2),分别为0.82、0.79、0.83,相应的均方根误差分别为2.03 cm、1.98m、0.45 m,显示了较好的估算精度;利用体元模拟法与传统树冠体积计算方法得到4块样地中树冠体积的平均差异为35.6%,两种算法间4块样地平均决定系数为0.96,拟合较好。     

基于机载LiDAR的高郁闭度华北落叶松林单木识别

  目的  高郁闭度华北落叶松林Larix principis-rupprechtii林木树冠交叉重叠,传统的基于高分辨影像的单木识别方法识别精度不高。利用机载LiDAR三维点云数据可提高高郁闭度华北落叶松林的单木识别精度。  方法  在点云数据预处理基础上,提出基于点云空间特征的高斯核函数改进的均值漂移单木位置识别方法(MSP),比较并分析MSP法与基于点云空间特征的区域生长点云分割方法(RGP)、基于冠层高度模型的局部最大值单木位置识别方法(LMC)和基于冠层模型的多尺度分割单木位置识别方法(MSC)的单木识别效果。  结果  4种方法单木位置识别精度从大到小依次为MSP (89.30%)、LMC (85.60%)、RGP (77.50%)和MSC (70.00%),MSP的漏分误差和错分误差最小,分别为8.7%和8.0%,平均单木冠幅提取精度为90.18%。  结论  提出的MSP法对高郁闭度华北落叶松林单木位置识别具有较好的适用性,利用机载LiDAR可为提取华北落叶松林森林结构参数提供新的途径。图3表3参28     

Real-Time Estimation of Citrus Canopy Volume Based on Laser Scanner and Irregular Triangular Prism Module Method

【Objective】Accurate measurement of volume and structure of fruit tree canopy can provide important reference for variable application of pesticide and fertilizer, as well as yield estimation. In order to accurately measure the canopy volume, a scanning platform based on laser sensor (LMS111-10100, SICK) was built. Aiming at the problem of irregular canopy shape, the poor accuracy of the existing real-time measurement methods of canopy volume and difficult to measure and estimate the canopy volume, a new estimation method based on irregular triangular prism modules was proposed in this work. 【Method】Five spherical landscape trees with regular canopy and ten citrus trees with irregular canopy were scanned by the laser sensor at the speeds of 0.5, 1.0 and 1.5 m·s ^-1, respectively. The canopy volume was measured by two methods: cuboid module method (CMM) and irregular triangular prism module method (ITPMM), and the error analysis was conducted based on manual measurement. 【Result】 The results showed that the error ranges of CMM for measuring landscape trees at the different speeds of 0.5, 1.0 and 1.5 m·s ^-1were 4.17%-6.59%, 4.56%-7.42% and 4.17%-9.86%, respectively, while the error ranges of the ITPMM for measuring landscape trees were 2.37%-4.63%, 3.18%-5.00% and 4.10%-5.73%, respectively. The distance range of the relative error of the two methods for measuring citrus trees was -0.28%-4.22%%, and the average difference was 1.78%. The error ranges of CMM for measuring citrus trees at the different speeds of 0.5, 1.0 and 1.5 m·s ^-1 were 11.63%-31.02%, 11.88%-33.23% and 13.28%-33.30%, respectively. The error ranges by ITPMM for measuring citrus trees were 3.25%-6.69%, 4.50%-8.31% and 5.66%-11.55%, respectively. The distance range of the relative error of the two methods for measuring citrus trees was 6.43%-26.20%, and the average difference was 13.04%. 【Conclusion】 The research showed that the estimation error of the ITPMM was significantly smaller than the CMM. For the same target, when the speed was 0.5 m·s ^-1, both of the estimation accuracy for the two methods were the highest. As the sensor speed increased, laser scanning points on the canopy decreased. So, the relative error of volume estimation increased with increase of advance speed of the laser sensor. When scanning the regular target, the accuracy difference between the two methods was small; when scanning the irregular target, the error of the CMM was larger. The processing time of a frame laser data by the CMM was 2.86 ms, and the processing time by the ITPMM was 4.73 ms, which were less than the scanning period of 20 ms of the laser sensor. The data processing time could match the acquirement of real-time collection and processing of laser data.     

基于LiDAR数据的单木提取算法研究

有效了解森林生长变化信息对森林资源的保护以及生态环境的研究具有重要意义。近年来,激光雷达数据是森林清查中主要的LiDAR数据源。但是现有机载LiDAR数据单木分割算法在密集林区应用精度较低,尤其在中下层冠层单木提取精度不高,存在漏检的现象。针对以上问题,采用归一化割（normalized cut,Ncut）方法直接对激光点云数据进行初始分割,然后设定冠层的形状参数与点云数量阈值,利用全局最大值重复Ncut方法,对林区下层冠层进行探测,实现单木的精确提取。结果表明,与只利用归一化割方法提取单木结果相比,本研究方法使单木提取误判率由22.66%降至3.9%,识别率由原先的68.49%提升至86.63%,有效规避了上层冠木对下层遮盖导致的下层单木漏检情况,提高了在冠层中间层和下层树木的识别率,可为今后森林清查、森林资源管理提供分割方法的选择,也为森林分类、单木分割提供样例。     

基于DOM航空影像单木树冠提取

准确提取单木树冠边界是获取森林数量参数的重要基础，是高分辨率遥感图像林业应用的技术难题。基于DOM航空影像数据源，采用面向对象的方法对研究区内的2个树种的林分进行了单木树冠边界提取研究。首先利用桉树和杉木的空间分布矢量数据对DOM航空影像进行掩膜处理，在掩膜区域内进行多层次多尺度图像分割得到初步树冠分割结果，并剔除非树冠信息；再以树冠信息种子对象为基础，使用区域增长算法对树冠信息种子对象增长得到单木树冠范围；最后使用形态学滤波的方法优化单木树冠边界，完成林区内桉树和杉木两类树种的单木树冠边界提取。结果表明，由于不同树种的树冠存在尺度和形态差异，进行单木树冠分割时需要设置不同的参数才能到达较好的分割效果。本研究中桉树和杉木的单木树冠提取总体精度分别为86.75%与89.21%，可满足林业部门获取森林单木树冠的精度需求。     

银杏生物量分配格局及异速生长模型

以苏北地区银杏人工林为研究对象,选取13株进行整株挖掘,分析不同器官生物量的分配格局,以及地上和地下生物量之间的关系;再分别以胸径(D)、树高(H)、D2H、DaHb为自变量建立银杏各器官生物量模型,选择调整决定系数(R_adj2)、残差平方和(SSE)、平均偏差(ME)、平均绝对偏差(MAE)和平均相对误差(MPE)作为选择最优模型的检验指标,根据检验结果筛选出各器官的最优模型。结果表明:13株银杏的整株生物量变化范围为28.50~320.27 kg,树干生物量占总生物量的49.4%~56.6%,树枝生物量占总生物量的12.1%~18.9%,树叶生物量占总生物量的3.8%~5.5%,根生物量占总生物量的26%;地上部分生物量与地下生物量线性方程的斜率为0.35,具有显著的线性相关性(P＜0.01);枝和叶生物量都集中于树冠中部,树冠上层和下层的枝、叶生物量明显低于树冠中层生物量(P＜0.05),上层和下层生物量之间差异不显著(P>0.05),70%根生物量集中0~1.0 m的土层;枝水平上,基于基径和枝长的枝生物量模型解释量超过95%;在各器官生物量最优模型选择上,以D为自变量的W=aDb的叶、枝、地上部分生物量模型要优于其他模型;树干、根和全株生物量则是以W=aDbHc模型最优。银杏各器官生物量表现为干>根>枝>叶,枝和叶生物量垂直分配上,中冠层占最大比例;基于树高和胸径的相对生长模型可以实现对银杏各器官生物量的准确拟合,银杏生物量及碳储量的有效估算。      

SVR的树木生长过程建模及其参数优化研究

计算机树木模型可以广泛地应用于理解、预测和调控树木的生长和产量,在树木生长及生态系统等领域的研究中已经成为一种很重要的研究方法。采用支持向量回归对树木高度进行建模与预测,减小了样本数据量小造成的误差,克服了树木生长方程选择的困难。对支持向量机的参数采用遗传算法进行筛选,提高数据拟合精度。最后将预测结果与采用各类生长方程模型的预测结果进行比较,结果表明用支持向量机预测方法有较高的精度。     

激光传感器在喷雾靶标检测中的研究应用

树木尺寸、形状等特征信息的获取,是现代化农业中重要的环节,为农林管理中的变量精密喷雾提供依据。为了实现对树木靶标信息的精确测量,搭建了基于UTM-30LX型激光传感器的室内滑台靶标检测系统,实现对规则物体、仿真树的扫描检测,通过编写的C++程序,实时读取数据信息并存储于控制计算机中。利用MATLAB软件对存储的数据信息进行后期的离线分析,重构物体三维图像,通过最大相对误差、轮廓相似度两个参数,分析激光传感器检测得到靶标目标尺寸、重构目标三维图像的精确度。以长方体柜子、圆柱体泡沫、2棵仿真树为试验对象,按照选取的3个检测距离和4个检测速度分别对4个试验对象进行检测与数据分析。试验结果显示,多次试验下,与人工测量尺寸比较而言,激光传感器测得的长方体柜子长度、宽度和高度尺寸最大相对误差分别为6.76%、6.86%和3.92%,圆柱体泡沫的高度、直径尺寸最大相对误差分别为4.25%和7.33%,仿真树1高度、宽度尺寸最大相对误差分别为4.06%和5.91%,仿真树2高度、宽度尺寸最大相对误差分别为3.24%和4.00%;仿真树1、2的激光扫描重构图像与对应实物轮廓相似度最小值分别为0.928 8和0.932 6。研究表明,UTM-30LX型激光传感器在各种试验条件下对多种试验靶标特征检测均具有较好的精确性和准确性,可以担负变量喷雾检测的任务,具有应用到农业生产中的前景。     

浙江天童灌木层树种个体生物量分配及模拟

根据不同生活型树种标准木实测数据,比较个体生物量器官分配状况以探索其生长策略;同时建立了该地区灌木层主要树种的生物量回归模型,并与全收割法测量数据比较,检验模型估算精度。结果表明,相对常绿树种,天童灌木层落叶树种分配较多的生物量于地上部分来获取更多光照资源以满足自身生长需要;灌木树种分配较多生物量于树叶,相比之下,乔木树种则更多地累积树干和根系生物量;各生活型树种器官生物量模型以幂函数为主,树干和地上部分模型拟合度最好;应用于样地生物量估算,树干模型精度最高,树叶模型精度最低;地上部分生物量回归模型能较为准确地估算灌木层生物量,与实测值误差仅为0.47 %,表明该模型适用于地区灌木层生物量的测算。