森林资源综合监测可视化系统研究

森林资源监测系统正朝着综合化、集成化、三维可视化方向发展,以便更好的进行资源综合监测和管理,实现资源共享。笔者基于EV-Globe平台,研究和探讨了森林资源综合监测可视化系统的特点和功能,以及系统的设计实现。     

基于GDI＋技术的林分结构可视化技术研究

针对林分结构数据,筛选并规范化必要的林分结构因子,对林分内林木将实地坐标转换为屏幕坐标,通过对单株木逐一绘制二维示意图的方式,直观展示林分空间和属性结构。基于GDI＋技术,生成空间结构二维示意图反映林分密度、郁闭度、空间分布格局等,生成分布直方图反映林分属性结构分布,实现了湖南攸县黄丰桥林场某林分的结构可视化。结果显示,以可视化手段展示林分结构,比数据表展示更加生动、直观。     

依托生态优势 打造茶业强县——陕西宁强积极推进茶产业发展

一、产业现状1.茶园基地初具规模陕西省宁强县种茶历史悠久,茶叶内质优异,被省政府确定为全省六大优势茶区之一。自2000年以来,全县茶园发展迅猛,茶园面积从1999年的1.2万亩,发展到目前的12.1万亩,茶叶种植乡镇由原来的5个扩展到现在的12个,覆盖134个行政村,茶农达26000余户,计11.4万人。2009年至     

基于点云骨架的单木分枝参数提取研究

地面激光扫描技术在获取树木参数的应用中发挥了重要作用,而图形学算法为实现单木结构参数自动提取提供了可行的方法。本文提出一种基于地面激光扫描数据来获取单木分枝结构参数的方法,应用SkelTre算法对激光扫描仪获取的单木点云数据进行处理得到单木的骨架模型;根据骨架模型邻边的拓扑关系搜索与各个分枝相连接的节点提取分枝结构,计算枝长;在分枝着枝点处以骨架线为轴作横切面,应用凸包算法提取横切面点云外包多边形并计算分枝直径;对枝长和分枝直径的实测值和模型的估计值进行回归分析分别得到二者的对比分析结果,枝长的实测与估计值回归分析结果为Y=1.006X+1.335,显著性值为0.001,分枝直径的回归分析结果为Y=0.923X+0.105,显著性值为0.000。实验结果表明,基于地面激光扫描数据提取骨架模型以获取单木的分枝结构和提取分枝结构参数(如枝长、分枝直径)的方法具有很好的适用性和应用前景。      

杉木人工林抚育间伐可视化模拟技术研究

以湖南省攸县黄丰桥国有林场为试验区、以森林抚育间伐为例、以杉木人工林为主要研究树种,研究森林经营措施的可视化原理和方法,建立了一个面向森林经营管理的虚拟森林原型系统.系统以林业调查数据为数据源,实现虚拟森林漫游、小班属性查询、抚育间伐模拟等功能,为森林资源和森林经营可视化提供了新的平台.     

森林经营可视化模拟研究

森林经营可视化模拟依托可视化技术及森林经营技术, 以模拟实地的虚拟森林环境作为实验区, 对各项森林经营活动进行模拟研究, 以期解决现实中森林经营管理难以解决的问题, 是近年来林业科学研究的一个重点方向。简要介绍了森林经营可视化模拟提出的背景与内容; 阐述了国内外研究现状, 并在此基础上归纳了森林经营可视化模拟研究存在的问题以及发展趋势, 并提出值得今后探讨的问题。     

虚拟森林环境构建研究

在分析不同尺度的森林可视化建模内容和技术特点的基础上,从单棵树的建模、林分结构规律,森林场景的绘制技术等几个方面展开论述.在此基础上建立了一个虚拟森林环境系统原型,系统采用几何与图像混合绘制的方法实现森林环境建模,场景采用八叉树空间分割方法,实现了虚拟森林三维场景模拟、小班信息查询等功能,为森林资源和经营可视化提供了虚拟环境.     

基于深度学习网络实现番茄病虫害检测与识别

为利用计算机或人工智能技术协助番茄病虫害防治，以存在病虫害侵害问题的番茄植株图像为研究对象，针对番茄病虫害目标小而密的特点提出基于Swin Transformer的YOLOX目标检测网络，用于精确定位图像中的病虫害目标，并采用基于经典卷积神经网络构建的旋转不变Fisher判别CNN分类网络，以此提高病虫害分类的准确率。结果表明:1)将测试结果与传统的目标检测模型和分类模型作对比，基于Swin Transformer的YOLOX网络在番茄病虫害测试集上的精确度比Faster R-CNN和SSD分别高了7.9%和9.5%，旋转不变Fisher判别CNN对病虫害类别的识别准确率与AlexNet、VGGNet相比分别提升了8.7%和5.2%；2)与基于Transformer的目标检测模型DETR和近年来新兴的图像分类模型Vision Transformer(ViT)在番茄病虫害测试集上的结果相比较，本研究的检测和分类方法也存在优势，病虫害检测精度和分类准确率分别提高了3.9%和4.3%。此外消融试验也证明了本研究方法改进的有效性。总之，本研究所构建的网络在番茄病虫害的目标检测和分类识别方面的性能优于其他网络，有助于提升番茄病虫害的防治效果，对计算机视觉在农业领域的应用具有重要意义。