基于无人机影像的高郁闭度杉木纯林树冠参数提取

  目的  冠幅是树冠结构的重要特征因子，直接影响树木的生产力和生命力，郁闭度是反映森林冠层结构与密度以及评价森林经营管理采伐强度的重要指标之一。利用无人机可以云下飞行，易于获取图像，精度高，低成本等优势，研究无人机影像上提取树冠参数的方法，使无人机影像提取林木树冠参数的操作系统化，实现精准高效的森林资源清查和监测。  方法  以福建将乐林场杉木人工纯林为研究对象，采用四旋翼无人机影像为数据源，基于面向对象分类的方法，将杉木纯林的树冠参数从无人机影像中提取出来。面向对象分类的方法需要先利用ESP工具选取最优分割尺度，然后根据影像的分割结果将树冠对象聚为一类，进而统计每个树冠对象栅格像素个数计算出树冠冠幅面积以及林分郁闭度。  结果  面向对象分类有效地对高郁闭度林分进行了树冠的提取。在分割尺度为70时，单木树冠分割效果最好，树冠被单独分割出来，但也存在一定的过分割以及未分割的问题，以至于部分单木的丢失。分割结束后，对分割对象进行特征空间的优化，选取适当的分类特征，最终将研究区分为树冠和林隙两类。通过统计每个对象栅格点数，计算得出的林分因子包括林分郁闭度，树冠面积。以地面实测数据作为参考，冠幅面积提取精度为0.829 1，林分郁闭度测量精度为0.973 1。  结论  研究结果表明，基于无人机高分辨率影像的树冠参数提取在高郁闭度林分同样适用，能有效提高森林资源调查的效率并且能够满足森林资源调查的精度。      

杉木人工林冠层高度无人机遥感估测

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机（UAV）的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型（DSM）,利用1:10 000地形图生成数字高程模型（DEM）;基于DSM和DEM叠加相减得到树冠高度模型（CHM）,实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数（R2）分别是0.97,0.84和0.78,标准误差分别是0.67,1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。     

树木枝干Delaunay三角网格构建技术

基于点云的树木建模技术是获取树木三维模型的一种重要方法。以三维激光扫描得到的树木枝干点云数据为数据源,将树木枝干点云数据分割成不同的部分,沿树高方向分层。利用凸包算法提取树木不同高度的点云等值线,在相邻等值线间使用三角网生长算法构建Delaunay三角网。合并树木不同部分的Delaunay三角网格,构建出树木枝干的Delaunay三角网模型。通过实例验证,运用此方法提取的树木枝干等值线模型符合一般等值线模型的特点,相邻2条等值线间不会产生边缘交叉问题;构建的树木枝干Delaunay三角网模型比使用普通软件建立的模型数据量大幅减小,而且模型效果更好。使用射线碰撞检测技术提取模型参数,与实际测量值对比误差在5%以内,满足林业测树要求。     

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。     

基于LiDAR数据和Quickbird影像的树高提取方法及应用

为了有效提取树冠边界、树冠顶点和树高信息,提出了一种考虑下层木高度的树高查找模型。该模型通过基于数学形态学的分水岭方法分割滤波处理后的LiDAR数据和Quickbird影像获取树冠边界;取树冠内最高点作为树冠顶点,提取树高;并利用W eibull函数预测下层木高度。试验结果表明,该方法能够自动有效地提取树冠边界,树高信息与野外实测的高度信息的R2=0.93,W eibull函数预测R2=0.93,能够满足实际应用的需求。     

基于灰度梯度图像分割的单木树冠提取研究

树冠是树木的重要组成部分,基于遥感影像的树冠提取对于森林资源调查监测具有重要意义,但准确获得树冠的形状和边界比较困难。高分辨率影像具有丰富的纹理和光谱信息,基于高分辨率影像单木树冠勾勒技术为森林资源调查提供了一种快速有效的测树途径。但是,由于高分影像信息冗杂,面向对象的分割方法数据计算量大,并且需要人工设置光谱或纹理阈值才可以实现单木分割,导致工作效率下降,鲁棒性差。图像增强通过改变原始图像的结构关系,有选择地突出或者抑制图像中的某些特征,有效的图像增强有益于提高单木树冠分割的准确程度。因此,本文提出一种基于影像的灰度梯度图像分割的树冠提取方法,通过对比传统的罗伯斯、拉普拉斯算子与改进的数学形态学算子,利用目视解译与灰度直方图结合的方法确定最优选择为改进的数学形态学算子。然后,利用改进的数学形态学算子结合面向对象多尺度分割方法,简化原始影像复杂的背景信息,快速提取大范围单木树冠信息。以甘肃省张掖市大野口林区机载激光雷达系统携带的CCD影像为数据源,提取实验区单木树冠,并从空间和形状上验证效果。实验结果表明:在高分影像的灰度梯度图像上进行面向对象分割提取单木冠幅, 单木株数精度为83.19%,形状精度达到88.62%,优于传统林业调查精度,且冠幅获取速度快,效率高,并可以较为精确地提取树冠边界。      

基于三维激光点云的树木胸径自动提取方法

胸径是评价林木生长状况的重要参数之一。针对接触式人工测量自动化程度低和基于点云的现有算法提取树木胸径精度不高的问题,提出一种基于点云数据的自动准确获取树木胸径的新方法。该方法以树木点云数据为基础,运用蚁群算法和B样条曲线拟合技术,实现树木胸径的自动准确提取。对实验区树木测量计算,结果表明,利用该方法提取树木胸径的均方根误差为±0.19 cm,平均绝对误差为0.15 cm,相对于基于点云的传统算法提取精度分别提高了50%和60.7%。该方法基于高精度点云数据,实现了树木胸径的无损自动提取,在精准林业领域具有推广价值。     

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。     

倾斜摄影测量技术提取油松单木信息

  目的  获取森林单木参数的信息是经营、管理森林过程中的一项重要内容。倾斜摄影测量技术以其多角度拍摄方法,成为目前高效获得单木信息的研究方法之一。  方法  本研究以内蒙古旺业甸油松林为研究对象,利用无人机倾斜摄影测量技术获取油松单木的树高、冠幅和材积,探究了4种不同的相片分辨率（1、0.5、0.25、0.1 m）对单木信息提取能力的影响。采用基于点云数据的均值漂移算法和基于冠层高度模型（CHM）的分水岭算法分割单木树冠,以样地实测单木参数和激光雷达提取的单木数据作为验证数据,探索了相片分辨率与单木提取能力的关系,比较了两种分割方法的准确度及最优分辨率。建立了基于CHM提取树高与单木材积的异速生长模型（y = 0.000 1x2.717,R2 = 0.571 7）, 并绘制了测区油松单木材积分布图。  结果  （1）摄影测量提取单木油松冠幅,分水岭算法和均值漂移分割算法均在0.5 m相片分辨率的分割准确度最好,且分水岭算法提取的冠幅较均值漂移算法有较少的漏分、过度分割,其F得分分别为0.87和0.82;而在0.5 m分辨率下均值漂移算法提取的冠幅数值准确度较好,分水岭算法和均值漂移算法得到的参考树冠与分割树冠的相关系数分别为0.850和0.892,且在P < 0.01水平上极显著。（2）分水岭分割算法和均值漂移算法提取油松树高的能力相近,0.5 m相片分辨率得到的单木树高平均误差最小且相差不大,分别为0.42和0.66 m。  结论  研究明确了倾斜摄影测量技术提取油松单木的关键方法和最佳相片分辨率参数,提高了调查效率,为设置合理无人机数据获取的参数提供了科学依据。      

园林中几种优良观茎树种的栽培技术及应用

1 白皮松（pinus bungeana） 为松科、松属常绿乔木。树冠阔圆锥形或卵形,树皮淡灰绿色或粉白色、光滑、呈不规则片状剥落。叶三针1束,长5～10cm,鲜绿色,花期4～5月,球果圆锥状卵形。     

2006—2016年间北京五环内居住区绿地树种组成变化

目的对居住区绿地的树种组成结构和10年变化特征进行分析，提出了居住区绿化建议，为今后城市居住区绿地的规划以及改造等工作提供参考。方法以北京城区五环内23处居住区为研究对象，对研究区域内高于1.5 m以上的乔灌木进行每木测量，调查内容包括树种、树高、胸径、冠幅、株数以及修剪情况等信息，并对居住绿地主要树种的使用频度、密度、覆盖度、相对频度、相对密度、相对覆盖度、株均覆盖面积、重要值等特征参数进行分析，并与10年前的数据进行对比研究。结果(1) 本文所调研的北京五环内居住区绿地现有乔灌木34科61属85种，共有乔灌木9 799株，乔木与灌木数量之比达6.2:1，树木平均密度为39株/hm2，与10年前相比，树种数量增加27%，树木平均密度增长30%，种类提升39%，灌木所占比例提升到1.55倍。(2)居住区绿地内数量最多的20个主要树种的种类和数量在10年之间变化显著，观赏类和可食类树种数量呈增加趋势明显，碧桃、玉兰、西府海棠、香椿、二球悬铃木、银杏的数量分别为2006年的7.07、6.36、5.53、4.90、3.38和3.28倍，成为居住区绿地新的主要树种，而曾经的主要树种毛白杨、侧柏、无刺枣、毛泡桐、白皮松的数量则分别锐减至10年前的43.95%、11.74%、24.09%、9.34%、41.24%。同时，圆柏数量增至10年前的5.84倍，呈现出与侧柏截然相反的变化趋势，成为居住区替代侧柏的主要针叶树种。(3)与2006年相比，居住区绿地20种主要树种的使用频度均呈上升趋势，其中圆柏、碧桃、玉兰、二球悬铃木增长明显，分别为10年前的22.75、5.27、4.25和3.15倍，无刺枣、石榴与柿虽然数量较少，但其使用频度却也分别从0.44、0.28、0.48提高到0.61、0.67、0.67。(4)居住区绿地内20种主要树种的整体覆盖度与株均覆盖面积均有所下降，整体覆盖度降低了0.007，降幅为7.53%，其中毛白杨、臭椿、刺槐等树种覆盖度下降趋势尤其显著，分别降至2006年的30.51%、15.38%和50.00%。由于截干严重，毛白杨、臭椿的株均覆盖面积分别降至10年前的51.57%、16.85%。(5)国槐(Ⅳ=0.529)、绒毛白蜡(Ⅳ=0.321)、圆柏(Ⅳ=0.212)、毛白杨(Ⅳ =0.195)、二球悬铃木(Ⅳ=0.182)、香椿(Ⅳ=0.163)是目前居住区绿地最主要的优势树种；侧柏、泡桐的优势度在10年前后下降明显，其重要值分别从2006年的0.155、0.107下降到2016年的0.017、0.002；圆柏、悬铃木的优势地位显著上升，其重要值分别提升了11.16和4.67倍。结论居住区整体绿化状况有所改善，林木密度、树种种类均有显著增加，树种结构更加合理亲民，毛白杨、臭椿、侧柏等植源性致敏树种或生长适应性不好的树种数量逐渐减少，而香椿、银杏、悬铃木、西府海棠等群众喜爱的树种日益增加。但是居住区绿地整体绿量并未得到有效提升，整体覆盖度下降了4.73%，在空间绿量上还有较大的提升空间和潜力。      

基于SFM算法的单木结构参数提取研究

针对传统森林资源调查方法获取单木结构参数效率低和成本高的问题，提出一种基于SFM算法的单木结构参数快速提取方法。以哈尔滨市城市林业示范基地树木为研究对象，利用SFM算法获得单木照片的三维点云，并利用点云数据处理软件对获得的点云数据进行单木结构参数提取，最后与实测参数进行对比分析。结果表明:1）分别利用SIFT算法、SURF算法以及ORB算法对相机校检后的树木照片进行特征点提取匹配，特征点正确匹配个数分别为23、145以及25，相应的耗时分别为18.56、16.04、1.58 s；2）利用SFM算法能获得树木照片的稀疏点云和稠密点云，平均每棵树木点云量为80万个；3）基于点云数据提取单木结构参数的胸径、树高及冠幅的平均绝对误差分别为1.79 cm、0.77 m及0.79 m；胸径、树高、冠幅的提取值与实测值相关系数均>0.94。     

用于树干内部缺陷筛查的应力波临界波速确定研究

古树和部分城市大树的树干内部，经常有空洞、腐朽等影响树木健康和安全性的缺陷存在。以筛查古树和城市大树树干内部缺陷为目标，测定了北京地区几种常见树种的古树和城市大树健康树干的多个径向应力波波速，对每个树种的应力波波速测量值进行了正态统计分析，基于95%置信水平原则确定了用于判别树干内部是否存在缺陷的应力波临界波速值，进而形成了用于树干内部缺陷筛查的应力波临界波速的确定方法。结果表明，北京地区8种常见古树及城市大树油松、白皮松、侧柏、桧柏、刺槐、英桐、美桐和银杏的树干径向应力波临界波速值分别为1 225、1 394、1 620、1 864、2 055、1 639、1 485、1 728 m·s^-1。树干内部缺陷筛查验证性试验表明，形成的应力波临界波速确定方法是可行的。     

基于机载激光雷达的寒温带典型森林高度制图研究

以内蒙古根河市潮查林场境内的寒温带兴安落叶松原始林及其次生林为研究对象,利用机载激光雷达点云数据与地面调查的66个样地数据,采用不同算法计算样地实测树高(Lorey's高、冠幅面积加权树高和算术平均高)分别与基于双正切角树冠识别算法获取的LiDAR估测高(冠幅面积加权树高、算术平均高)和基于点云提取的百分位高构建树高回归模型(冠幅面积加权树高模型、算术平均树高模型和LiDAR百分位树高模型)。对比不同树高模型的训练精度与估测精度的差异,探讨双正切角树冠识别算法对本研究区的适用性;同时了解冠幅面积加权的样地实测树高与Lorey's高对林分平均高代表性的差异,确定最优解释变量,筛选最优树高模型,计算研究区森林高度空间分布图,为后续生物量和碳储量研究提供参考数据。结果表明:样地冠幅面积加权树高的模型训练精度和估测精度与Lorey's高的结果一致性较好,略低于Lorey's高的估测结果。LiDAR百分位树高模型中的50%分位高与样地实测树高相关性显著且回归模型拟合效果较好,其中,以Lorey's高为样地实测树高时模型的R2=0.869、RMSE=1.366m;以冠幅面积加权树高为样地实测树高时模型的R2=0.839、RMSE=1.392m;Lorey's高的50%分位高模型的估测精度最高,各独立验证样本点估测精度均高于85%,平均估测精度为94.73%,最高估测精度可达99.78%,其中混交林平均估测精度(96.72%)高于针叶林的平均估测精度(93.58%)。因此,选择Lorey's高的50%分位高模型计算研究区的森林高度空间分布。      

校园行道树生长调查及配置分析

本文以北京农学院几条主要道路的行道树--毛白杨、国槐、二球悬铃木、银杏和雪松以及一些附属小乔木和花灌木作为调查对象,对其树龄、胸径、树高、冠幅、株距和病虫害等问题进行了调查和分析.结果表明校园行道树整体长势良好,但国槐尺蠖食叶问题和银杏、雪松的配置问题比较严重.在调查、分析的基础上,对校园行道树的树种选择、配置和管理等问题作了探讨,并提出可选用栾树、糠椴等树种作为行道树栽植的建议.     

基于无人机影像的天山云杉林树高提取及蓄积量的反演

【目的】提取影像高程数据建立模型反演天山云杉林分蓄积量,为天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰西森林公园的天山云杉(Picea Schrenkiana var. tianshanica)为研究对象,无人机航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法提取无人机影像高程数据得到天山云杉树高,根据样地实测数据建立胸径树高模型,最终根据胸径树高模型反演天山云杉林林分蓄积量。【结果】利用无人机影像提取树高与实测树高存在显著正相关关系,提取平均精度为88.42%,建立天山云杉胸径-冠幅模型的相关系数为0.696,而胸径-树高模型的相关系数为0.730;验证胸径-树高模型,计算RMSE值为12.386,拟合效果显著。基于胸径-树高模型反演林分蓄积量精度为87.66%,与实测值比对,残差值大部分落在(-2,+2)残差区间。【结论】采用局部最大值算法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了无人机不能对胸径直接测量的缺陷,进而反演天山云杉林林分蓄积量。     

不同叶片质地行道树枝叶功能性状对冠下硬化地表覆盖的响应

  目的  通过比较枝叶功能性状变化规律及其协同与权衡关系，研究不同叶片质地树种对硬化地表环境的响应，并分析各类树种的资源利用与分配策略。  方法  以济南市常见绿化树种国槐、悬铃木、大叶女贞分别代表纸质叶、蜡质叶、革质叶树种，以20%等值设置5个硬化地面覆盖度梯度环境，采取典型抽样方式获取枝叶功能性状样品。  结果  （1）不同叶片质地树种的枝叶性状对冠下硬化地表覆盖响应的敏感性不同，小枝功能性状对冠下硬化地表覆盖响应的敏感度随着叶片表面的蜡质层厚度增加而显著降低，悬铃木的叶功能性状对冠下硬化地表覆盖面积的变化更加敏感，而表征枝叶关系的性状（出叶强度和枝叶质量比）均对冠下硬化地表覆盖环境的响应较敏感。（2）光合产物的分配随着硬化地表覆盖程度的提高而减少，树木的枝叶生长量、叶片着生空间、叶片面积随硬化地表覆盖度增加显著降低。随着硬化地表覆盖程度升高，3个树种均采取减小叶片面积、维持叶片数量的方式适应环境。（3）异速生长关系表明:在硬化地表覆盖的胁迫条件下，树木对叶片的资源投入要高于小枝。在小枝内部中，小枝加粗生长的资源投入要多于伸长生长。叶片内部资源的利用方式随叶片质地变化而变化:纸质叶片树种倾向于将资源更多地分配到叶片资源获取的组织建成上，革质叶片树种则倾向于将资源更多地分配到叶片防御机制的建成上。  结论  硬化地表覆盖环境会显著影响树木的枝叶生长情况。不同叶片质地树种的叶片应对硬化地表环境所采取的适应策略有所区别，纸质叶片树种倾向于采取“低消耗?快收益”的适应策略，而革质叶片树种倾向于采取“高消耗?慢收益”的适应策略，蜡质叶片树种的适应策略介于二者之间。