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。     

利用机载激光雷达数据提取单株木树高和树冠

机载激光雷达是一种主动遥感技术。在林业应用方面,高采样密度激光雷达能够获取单株木三维结构特征,采用不同的数据处理方法,可以得到不同精度的单株木参数。该文利用高采样密度的机载激光雷达数据（离散回波,平均激光点间隔0.52 m、平均光斑直径0.3 m）,研究了单株木的树高提取技术和树冠边界识别算法,针对单株木的树冠特征,提出了一种双正切角树冠识别算法;最后,使用重庆铁山坪林场的9个外业样地数据,对单株木树高和冠幅,以及样地平均树高和平均冠幅进行了验证。结果表明,单株木树高和冠幅的R2分别为0.34和0.03,样地平均树高和平均冠幅的R2分别为0.97和0.71,样地尺度的相关性明显高于单株木尺度的相关性。      

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。     

基于局域最大值法单木位置探测的适宜模型研究

以凉水自然保护区为研究区域,基于机载激光雷达数据,采用动态窗口局部最大值法对郁闭度较高的针叶林进行单木位置自动提取。采用树冠高度模型(CHM)和树冠最大模型(CMM)配合两种动态窗口,即树高--树冠大小回归方程和该方程的95%预测下限来探测树冠顶点,用探测百分比、1∶1对应关系的单木个数、生产者精度和用户精度进行了精度评价。结果表明:利用CMM能够抑制树冠内部枝杈产生的错判现象;利用树高--树冠大小回归方程95%的预测下限做动态窗口,能够有效防止在局部最大值方法中产生的小树漏测现象。因此,利用CMM和95%的预测下限做动态窗口的局域最大值法有利于提高单木位置探测的精度,为密林中自动地探测单木位置提供依据。      

中亚热带台湾相思次生林林隙边缘木高径分布特征

对福州地区台湾相思次生林林隙进行实地调查,共调查10个林隙中的130株边缘木,用威布尔分布模型和正态分布模型分别拟合林隙边缘木的胸径级和高度级分布,并进行柯尔莫哥洛夫和卡方检验,结果表明：福州地区台湾相思次生林林隙边缘木胸径级的多度分布符合W eibull分布和正态分布;高度级的多度分布符合W eibull分布,但不符合正态分布。     

基于树影与快鸟图像的单木树高提取

利用黑龙江省塔河地区2008年的快鸟影像,研究了基于高空间分辨率的卫星影像的单木树高提取方法.在试验区内,实测孤立木的树高、胸径和冠幅,并在遥感图像对应位置上一一标记.在对快鸟影像进行裁剪、几何校正等处理的基础上,提取孤立木树冠顶点区域在遥感图像上的灰度值,然后建立灰度值与其树高之间的回归模型,其决定系数达到0.88,...     

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。     

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。     

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。     

结合无人机可见光和激光雷达数据的杉木树冠信息提取

以年珠实验林场为研究区,以无人机可见光正射影像和激光雷达数据为数据源,采用分水岭分割与面向对象结合的方法提取不同郁闭度下杉木单木树冠信息,并对提取精度进行验证首先采用面向对象法基于无人机可见光影像提取树冠区域,然后基于构建的CHM进行分水岭分割获取单木树冠初步分割结果,最后基于初步分割结果对树冠区域进行二次分割,提取单木树冠信息。结果表明：不同郁闭度林分条件下单木树冠信息提取效果较好,其中单木树冠提取F测度分别为88.07%～95.08%和78.57%～88.29%;提取的树冠面积与实测面积建立的线性回归模型,R²分别为0.8591和0.7367,RMSE分别为2.49 m²和3.29 m²;提取的冠幅与实测冠幅建立的线性回归模型,R²分别为0.8306和0.7246,RMSE分别为0.46 m和0.57 m。基于无人机可见光影像采用面向对象多尺度分割法提取树冠区域很好的消除了样地内裸地及林下灌木等因素的影响;同时,无人机LiDAR数据能够更加精确的区分单木信息,2种数据源结合发挥了二者的优势,提高了单木树冠的提取精度。本研究可为快速获取不同郁闭度林分下单木树冠信息提供参考。     

柚木冠幅与树高、胸径的回归分析

为考察柚木生长因子与冠幅的关系,准确反映各生长因子与冠幅之间的关系,建立冠幅预测模型,为柚木人工林目标树经营提供理论依据。以广西凭祥、云南德宏、云南景洪、海南乐东4个地区不同林龄阶段的柚木人工林中优势木为研究对象,以胸径、树高、冠长、林龄4个因子作为变量与冠幅进行回归分析,筛选关键因子建立柚木冠幅生长的预测模型。结果表明,胸径(R=0.5342,P=0.0001)、树高(R=0.1798,P=0.0026)是影响柚木冠幅的关键因子;胸径、树高与冠幅的一元回归方程:冠幅与胸径y=15.7893x+1.84766(F=516.4180,P=0.0001),冠幅与树高y=0.3717x-0.60189(F=174.2954,P=0.0001)。并应用胸径、树高2个关键因子与冠幅建立回归模型:y=13.5658x1+0.1064x2+0.35866(F=279.5048,P=0.0001),计算结果与实际测量结果差异性较小(F=0.0140,P=0.9072)。可以根据目标树的培育目标胸径、树高因子,利用该模型来预测该目标树的冠幅,从而确定单位面积内保留目标树的数量。     

格氏栲天然林林窗边界木特征研究

对格氏栲天然林林窗边界木的树种组成、胸径结构、高度结构和偏冠率进行了研究。结果表明:格氏栲天然林林窗边界木主要组成树种为格氏栲,所占比例为74.75%;林窗边界木胸径结构为尖峰呈左偏,符合正态分布、Weibull分布和β分布;边界木高度级结构呈正态分布,主要集中在15-30 m;林窗边界木存在明显的偏冠现象,仅有5.05%未出现偏冠现象,边界木的偏冠率主要在0.5-0.8之间(70.71%),不同树种间的偏冠率没有显著差异。林窗边界木大部分由发育良好的中、高径级树木组成,与林下相比林窗边界木大部分已过熟,仅存较少小径级的边界木,表明依靠林窗边界木完成林窗更新存在困难,需加强对林窗幼苗和幼树的保护,实现林窗更新。     

椴树红松林林隙边缘木特征研究

以黑龙江小兴安岭椴树红松林为对象,对椴树红松林林隙边缘木的数量、胸径级、高度级和偏冠率等数据进行分析,运用威布尔及正态模型拟合胸径级和高度级的多度分布,同时采用柯尔莫哥洛夫（K−S）检验法和卡方（χ²）检验法检验其拟合结果。结果表明：单个林隙的边缘木分布介于9～15株,以9株边缘木形成的林隙居多;1.04%的边缘木未出现偏冠现象,67.71%的边缘木偏冠率分布于0.5～0.7;树高在25 m以上的边缘木分布较广泛,在不同面积的林隙中均零星分布。林隙边缘木胸径级和高度级多度的分布均符合2种分布模型,而边缘木径级、高度级和偏冠率分布均因林隙面积和边缘木树种的不同而有所差异。     

中亚热带常绿阔叶林林隙边缘木高径分布特征

通过对中亚热带常绿阔叶林64个林隙的559株边缘木的调查,研究其径级和高度级的结构特征,用韦布尔分布(Weibull)模型和正态分布分别拟合径级和高度级分布.结果表明:中亚热带常绿阔叶林林隙边缘木径级分布符合Weibull分布,不符合正态分布;而高度的分布既符合Weibull又符合正态分布.     

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。      

海口市10种行道树最优生长模型研究

行道树是城市园林植物的重要组成部分,研究其科学合理的种植密度对于城市园林植物的规划设计和管理养护具有重要意义。以海口市建成区椰子等10种行道树为研究对象,分别进行“树高?胸径”和“冠幅?胸径”相关性分析,并通过SPSS软件对调查数据进行回归分析,比较决定系数R2,P值等相关数据后,通过拟合精度检验值（总误差、平均误差、平均相对误差）检验拟合效果,最终从8个预选模型中选出各树种的“树高?胸径”和“冠幅?胸径”最优生长模型。结果表明,10种行道树的“树高?胸径”和“冠幅?胸径”相关性显著,各自的“树高?胸径”和“冠幅?胸径”最优生长模型准确度较高,20个最优模型中,幂函数模型和S模型居多。     

城市森林主要树种树冠尺度及生长空间需求

目的树冠的大小直接影响树木的生态价值,探明树种合理的生长空间需求对城市森林的规划建设与经营维护有重要意义。方法本文以合肥环城公园内优势度靠前的10个城市森林主要树种为研究对象,运用样方调查法,选取公园6个景区57块固定样地,在对冠幅、胸径及树高等数据调查的基础上,运用线性回归法、异速生长法,利用箱型图检验离群值,比较构建冠幅、树高与胸径的最优模型,并对树木最适宜生长空间大小进行预测。结果不同树种冠幅与胸径、树高与胸径均存在正相关关系,但对两种模型结果进行比较可以发现,除侧柏和栾树外,异速生长模型的决定系数(R2)均大于0.3,R2整体高于一元回归模型;均方根误差(RMSE)分布范围在0.2~0.3之间,整体上小于一元回归;F值除雪松外,均高于一元回归F值。综合比较结果表明,异速生长模型拟合度优于一元回归模型;不是所有树种的冠幅、树高都与胸径高度正相关,在10个树种的研究中,银杏、女贞和椤木石楠的冠幅-胸径模型的拟合度较高,R2分别为0.793、0.757和0.665;银杏、栾树和雪松的树高-胸径模型拟合度较好,R2分别为0.772、0.579和0.547;栾树、侧柏的冠幅-胸径模型相关性较低,R2分别为0.096和0.188;构树、刺槐和桂花的树高-胸径拟合度较差,R2分别为0.065、0.010和0.112;选择分位数回归对异速生长规律进行研究,构建10种树木的异速生长模型并在95%分位数回归下进行讨论,以树木平均胸径15cm为例,预测估算出当胸径为15cm时10种树木在适宜的生长空间中的冠幅和树高大小。结论本文构建的最优模型的参数估计值均显著,说明冠幅、树高变量对合肥环城公园内树木胸径的变化有明显影响,其中冠幅-胸径模型拟合精度略高于树高-胸径模型的拟合精度。      

基于无人机三维信息的杉木新造林林分参数遥感估测研究

以福建顺昌埔上国有林场的杉木新造林为研究对象,采用大疆Phantom 4 Multispectral无人机分2次获取研究区的无人机影像,并以无人机影像为数据源,从研究区的数字表面模型（DSM）中提取冠层高度模型（CHM）。根据局部最大值算法和分水岭算法,从CHM中获取研究区杉木的树高和冠幅数据;同时在研究区设立15个标准地,采用测量杆测定各标准地内所有杉木的树高和南北冠幅;以随机选取、且在影像中具有精确位置的265棵杉木为单木水平的实测数据,以及各标准地内杉木的平均树高和平均南北冠幅为林分水平的实测数据,分别从单木和林分角度对杉木树高和冠幅的遥感估测精度进行评价。结果表明：2次飞行作业之间树高的估测精度分别为90.86%和91.34%,南北冠幅的估测精度分别为83.55%和83.95%;在单木水平上,遥感估测的树高精度为R²=0.89、RMSE=22.37 cm、EA=91.00%;南北冠幅精度为R²=0.70、RMSE=27.33 cm、EA=82.22%;在林分水平上,树高的估测精度为R²=0.95、RMSE=12.27 cm、EA=94.61%;南北冠幅的估测精度为R²=0.82、RMSE=11.24 cm、EA=92.20%。遥感估测的树高均值比野外测量的树高均值小0.07 m,南北冠幅均值比野外测量的均值小0.04 m。基于无人机三维信息实现了研究区杉木树高和冠幅的精确估测,且在飞行参数一致的情况下,不同飞行区域和飞行批次之间的估测精度相近。研究可以为杉木新造林快速、稳定的监测和经营管理策略的科学制定提供基础数据。     

利用无人机高分辨率影像进行树木高度提取

无人机遥感技术在树木参数获取中具有重要作用。为探讨利用无人机高分辨率影像提取树高的可行性,本文选择邱集煤矿矿区森林公园为研究区,采用Pix4D软件对无人机采集的高分辨率影像进行处理,生成研究区正射影像和三维点云;利用最大类间方差法将三维点云分割为树木点云及树下地面点云两部分,由此提取树木顶端高度和地面平均高度,并将地面平均高度视为树木根部的高度,得到树木高度。研究表明:最大类间方差法能够准确分割树木点云和地面点云;利用无人机高分辨率影像进行树高提取是可行的,树木高度测量绝对误差小于80cm、相对误差绝对值最大为16.2%、标准误差为36.3cm;同时,树冠的形状会对树高测量造成影响,阔卵形树冠的法国梧桐和圆锥形树冠的圆柏高度标准误差分别为29.2和50.9cm,两者树高测量值与真实值决定系数分别为0.9920和0.8894,阔卵形树冠的法国梧桐测高精度明显高于圆锥形树冠的圆柏测高精度。