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。      

基于机载LIDAR数据及大比例尺航片反演林木参数

以凉水国家级自然保护区为研究区,对小光斑机载LIDAR数据结合同步获取的大比例尺航片进行了处理,提取出两组变量(即单株木树高变量组和单株木冠幅变量组)作为自变量,用凉水保护区内10块样地的实测树高和冠幅作为因变量,进行相关性分析,建立回归模型进而反演树高和冠幅,以检验其精度.结果表明:小光斑机载LIDAR数据结合大比例...     

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。     

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。     

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。     

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。     

基于分水岭算法的无人机不同飞行高度下林木冠幅提取研究

树冠是林木重要的组成部分之一,林木冠幅信息精确提取对森林资源调查和树木生长动态监测有着重要的意义。通过设置不同的无人机飞行高度,以哈尔滨市城市林业示范基地中的樟子松样地为对象,分别利用传统分水岭算法和改进分水岭算法对单木树冠和林隙进行提取,并对树冠冠幅和树冠投影面积进行估算,最后与实测数据进行对比分析。结果表明:1）基于传统分水岭算法平均单木冠幅识别率为51.11%,平均欠分割率为25.18%,平均过分割率为11.11%;树冠冠幅和树冠投影面积平均提取精度分别为69.72%和53.59%,说明传统分水岭算法对单木冠幅提取效果一般。2）改进分水岭算法平均单木冠幅识别率为80.74%,平均欠分割率为8.15%,平均过分割率为6.67%;树冠冠幅和树冠投影面积平均提取精度约分别为79.84%和76.04%,表明改进的分水岭算法对林木单木冠幅提取精度较高。3）50 m飞行高度下样地中林隙面积在0~5 m²和5~10 m²各占57.89%和31.58%;林隙形状指数分布在1.14~1.85,平均值为1.36;研究表明,利用改进分水岭算法在50 m无人机飞行高度获取的林木影像可以有效提取林木树冠和林隙面积信息,研究结果可为森林资源调查提供有效参考。     

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。      

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。     

不同栽植密度库尔勒香梨树冠结构及产量品质差异分析

【目的】研究库尔勒香梨最佳栽植密度和树冠结构。【方法】以6种不同栽植密度库尔勒香梨果园为研究对象,对其单株树体结构、果园群体结构及产量品质进行差异分析,探讨库尔勒香梨不同栽植密度单株树体结构、群体结构与产量品质的关系。【结果】(1)5.0 m×6.0 m香梨园的树高、冠幅及单株树冠体积最大,叶面积指数、果园覆盖率及果园树冠体积较大;3.0 m×5.0 m的树高、冠幅、单株树冠体积及叶面积指数最小。(2)果实产量随着栽植密度的增加而增加,产量之间存在极显著的差异。(3)5.0 m×6.0 m的单果重最大,与2.5 m×7.0 m、4.0 m×6.0 m及5.0 m×8.0 m栽植密度存在极显著差异;3.0 m×5.0 m与5.0 m×8.0m的可溶性固形物含量最高,6.0 m×7.0 m的最低,各密度之间差异极显著;不同栽植密度的总糖含量差异不显著。【结论】不同栽植密度库尔勒香梨单株树体结构、群体结构、产量及果实品质存在明显差异。其中,5.0 m×6.0 m栽植密度的树体结构良好、叶面积指数及果园覆盖率较为合理,有充足的光合面积,因而其单果重最大、产量中等、可溶性固形物及总糖含量较高、硬度小,为较理想的栽植密度。     

不同方法提取无人机影像树冠信息效果分析

以无人机航空拍摄的影像为数据源,采用目视解译和面向对象法提取胡杨、柽柳树冠信息,获得树木冠幅及林分郁闭度.结果表明,单木冠幅、林分冠幅、样地郁闭度的实测值、面向对象法估测值和目视解译法估测值无显著差异（P＞0．05）,表明面向对象与目视解译法都可有效获取单木冠幅、林分冠幅和样地郁闭度信息;面向对象法与目视解译法估测精度无显著差异（P＞0．05）,表明这两种方法获取森林单木冠幅、林分冠幅、样地郁闭度参数效果相当.但基于无人机航拍数据的面向对象树冠提取,能克服人机对话目视解译速度慢、误差大小因人而异的弊端,具有进行大面积林分调查因子定量提取的优势.     

川西南山地云南松林窗边界木偏冠现象与影响因素

树冠偏倚是树冠外部形态受生物学和非生物学因素综合影响的结果.该文研究了川西南山地阳性树种云南松的偏冠现象及其影响因素.云南松边界木偏冠现象普遍存在,树冠偏倚程度大于0.5的个体达到了95%(偏冠率1)和93%(偏冠率2).自然地理条件下,云南松边界木偏冠方向和方位可能有关,树冠偏向南方的边界木近80%,与地形和光照等非生物环境有关.云南松边界木偏冠程度受云南松自身特征的影响,偏冠率1和胸径、年龄、侧树间距、后树间距存在显著相关关系,和树高、枝下高间关系不显著.云南松偏冠受邻体树木分布影响,偏冠率2和侧树距离有关,和胸径、年龄、树高、枝下高、后树距离无显著相关关系.因此,云南松树冠偏倚程度受多种因素影响,受自身特征、邻体分布和非生物环境的相互作用.      

基于U-Net和分水岭算法的无人机单木树冠提取方法

高分辨率无人机遥感影像单木树冠参数信息提取方法是森林资源精准监测和生态功能评估的重要基础，而自然光照条件下粘连和遮挡单木树冠的准确分割是直接决定单木树冠信息提取精度的关键。针对自然光照条件下山地森林无人机遥感影像中单木树冠相互粘连、遮挡难以分割，以及传统算法泛化能力弱等问题。本研究结合深度学习和标记控制分水岭算法的优点，提出了一种基于U-Net和标记控制分水岭（marker-controlled watershed,MCW）算法（简称U-Net+MCW算法）的山地森林单木树冠提取方法。以新疆山地森林优势树种天山云杉(Picea schrenkiana var.tianschanica)为研究对象，在南山实习林场采集积雪背景下无人机遥感影像作为试验数据，构建了基于深度神经网络U-Net和标记控制分水岭算法的单木树冠提取模型。首先，从无人机遥感影像中选取1 000张训练样本，128张测试样本，并对样本进行标注，通过数据增强将1 000张训练样本扩增为16 000张，按照4∶1分为训练集和验证集，对U-Net模型进行训练，在训练过程中赋予2个或多个树冠间的相邻边界像素较大权重。然后，利用训练好的U-Net模型对测试集样本进行单木树冠提取。最后，在深度神经网络U-Net单木树冠提取的基础上，采用MCW算法对提取结果进行优化，并对单木树冠提取效果进行精度评估。结果表明，U-Net+MCW算法对于单木尺度的F测度为74.04%，比单一使用U-Net模型提高了28.52%，以该方法提取遥感影像中的天山云杉树冠信息为基础，计算其单木树冠面积和冠幅的精度分别为81.05%和89.94%。因此，U-Net+MCW算法能够有效解决自然光照条件下，由于原始图像背景复杂且树冠内部亮度变化不均匀和树冠间粘连、遮挡等因素，导致的单个树冠内、树冠聚集处或连接重叠区域出现的树冠错分割、过分割、合并等问题，是一种低成本、高效率的单木树冠提取方法，能够满足中小尺度山地森林资源调查和监测要求。     

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     

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。     

基于结构方程模型的林木竞争指标研究

为了研究竞争指标之间的关系,本文基于长白山林区云冷杉针阔混交林的典型样地数据,选取12个可测指标并分为3类,即林木距离指标(简单竞争指标、竞争指标ME、竞争指标A、竞争木株数控制指标)、林木树冠指标(生长空间指数、生长空间竞争指数、伸展度、圆满度、投影比)和林木相对大小指标(相对胸径、相对树高、相对冠幅)进行信度检验和效度分析,并通过构建结构方程模型从总体层面对这3类林木竞争指标进行评价。结果显示:林木距离竞争指标的变幅较大、离散程度适中且一致,在结构方程中具有较为一致的显著正相关影响效用,林木距离指标的信度和效度最高,表明内在一致性最强且能够最真实地反映林木竞争状况;林木树冠各竞争指标离散程度和影响度差异较大,信度和效度相对较低,表明冠幅竞争指标的一致性、反映林木竞争状况的真实性较低,而且受到林木距离指标的影响;林木相对大小各竞争指标的变幅、离散程度、影响效用、信度和效度的变化介于林木距离指标和林木树冠指标之间,而且受到林木距离指标和林木树冠指标的影响。由此可知,与林木距离有关的竞争指标较为稳定和可靠,与林木相对大小有关的竞争指标次之,与林木树冠有关的竞争指标波动性较大。      

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。      

北京松山自然保护区主要树种冠幅预测模型研究

冠幅作为林业研究的关键因子，开展冠幅的研究对于精准林业发展具有重要意义。为了更好地利用冠幅对树木其他因子进行预测，选取了北京市松山自然保护区油松、白蜡、蒙古栎等14个常见树种作为研究对象，基于6种回归方程，借助样地实测数据分别建立每个树种的胸径 冠幅和树高 冠幅模型，并针对每个树种筛选出的最优方程进行了精度检验。结果表明，研建的14个树种的模型具有较好的拟合精度，决定系数R2绝大多数都大于0.5，其中，核桃的胸径 冠幅模型最高，R2=0.951，树高-冠幅模型R2=0.887，蒙古栎树高-冠幅模型最低，R2=0.506，也超过了0.5。所建模型的精度评价指标具有一定的统计学意义，对北京市松山地区大面积林分参数的预测预估有重要的参考价值。