基于高光谱和激光雷达数据的林分类型识别

【目的】探讨随机森林、支持向量机分类器下机载高光谱影像和激光雷达点云数据源对林分类型识别的影响,并检验叶绿素在林分类型识别中的作用,为提高林分类型分类精度提供科学依据,为森林资源管理和监测提供技术支持。【方法】以东北林业大学帽儿山实验林场老山施业区为研究区,以机载高光谱影像和激光雷达点云为数据源,在多尺度影像分割基础上,从高光谱影像中提取光谱、纹理和叶绿素指数等特征,从Li DAR点云中提取高度、强度等特征。通过随机森林的特征选择,选取重要性较高的特征变量,在随机森林和支持向量机分类器下,以影像分割数据为试验样本,设置6种分类方案(随机森林分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据,支持向量机分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据),对阔叶混交林、樟子松林、落叶松林、红松林和蒙古栎林5种林分类型进行识别,比较不同分类器下不同数据源的分类效果。【结果】高光谱影像数据共提取34个特征变量,激光雷达点云数据共提取72个特征变量,经特征选择后,高光谱影像数据和激光雷达点云数据各选取11个重要性较高的特征(共22个),其中高光谱影像数据提取的归一化植被指数(NDVI)重要性最大。6种分类方案中,随机森林分类器下高光谱影像与激光雷达点云数据结合的分类精度最高(88.02%),支持向量机分类器下激光雷达点云数据的分类精度最低(76.19%)。多源数据协同的平均分类精度(86.22%)高于单源数据(79.98%),随机森林分类器的平均分类精度(82.92%)高于支持向量机分类器(81.19%)。叶绿素指数参与分类后,分类精度提高约3.32%。5种林分类型中,阔叶混交林分类效果最好,平均分类精度为92.62%,红松林分类效果最差,平均分类精度为49.67%。【结论】多数据源较单源数据可更好地提高分类精度,即2种数据协同可以提高林分类型识别精度;单一数据源相比,高光谱影像数据源的分类效果更好,光谱特征是林分类型识别的重要影响因子;林分类型识别时,不同机器学习模型相比,随机森林分类器较支持向量机分类器分类效果更优;叶绿素作为生物化学参数对林分类型识别有积极影响。     

基于AlexNet优化的板材材种识别方法

【目的】基于处理后的木材端面细胞特征,寻找合适的机器学习方法提高木材识别准确率,以实现木材高效利用,为珍稀木材种类判别和保护提供依据。【方法】以5种木材(臭冷杉、长白落叶松、鱼鳞云杉、鹅掌楸和凹叶厚朴)端面细胞为研究对象,提取多种差异性图像作为数据集,通过图像处理提取特征信息,分别采用支持向量机(SVM)和AlexNet神经网络进行分类识别。根据木材端面细胞区分的差异性,在AlexNet神经网络架构中加入BN算法进行优化,设计一种更高效的板材识别方法提高木材识别准确率。【结果】将增强后的29 680张图像按7∶3划分,分别保存在训练集和测试集文件夹中,测试样本确定标签后均放入同一文件夹,分别对3种分类算法进行整体批量测试,支持向量机分类器测试集的整体识别准确率为84.67%, AlexNet神经网络测试集的整体识别准确率为88.76%,基于BN算法优化的AlexNet神经网络测试集的整体识别准确率为91.15%,识别效果更好。【结论】当样本量充足时,AlexNet神经网络对木材端面细胞图像的分类效果明显优于SVM分类器。基于BN算法优化的AlexNet神经网络对图像线性特征更敏感,保留...     

基于改进差分进化算法的鳞翅目昆虫图像识别方法

【目的】应用计算机图像处理技术提取昆虫图像特征,提出一种新的特征选择技术筛选昆虫识别相关的特征,以准确、快速地识别出鳞翅目昆虫种类。【方法】基于开源的利兹蝴蝶数据集和拍摄的以森林鳞翅目昆虫为主的数据集,采用改进的纹理特征提取算法(DRLBP)提取鳞翅目昆虫图像纹理特征,应用汉明距离计算的粒子间距离度量种群多样性,提出进化过程中自动调整多样性的方法,给出二进制自适应差分进化算法(BADE)。利用BADE算法筛选合适的较小维数的纹理特征子集,并用基于概率协同表示的分类器(PROCRC)进行图像分类。【结果】PROCRC分类器在所有数据集上均展现出良好分类效果,平均识别率分别为81.73%和88.18%。经特征选择后的昆虫的分类精度显著提升,最高提升率达13.49%。BADE的性能高于其他特征选择算法,且经BADE算法特征选择后纹理数据集的维数和分类所需时间均显著下降,其降维率接近50%,时间减少率最高达50%。【结论】BADE算法可有效进行特征选择,提高识别精度,节约模型的识别时间,利用群体智能优化算法对鳞翅目昆虫图像进行特征选择的方法具有可行性,DRLBP和BADE算法相结合的鳞翅目昆虫识别方法在农林昆虫的快速、准确识别中具有广阔应用前景。     

基于CNN的木材内部CT图像缺陷辨识

【目的】为获取木材内部构造形态,提高木材内部缺陷识别率,依据获得的计算机断层扫描图像,提出一种基于卷积神经网络(CNN)的木材内部缺陷辨识方法,以实现木材的高效化自动分类。【方法】首先,利用课题组自行开发的计算机断层扫描系统,采集样本木材内部CT图像800幅;然后,对样本图像进行处理,随机选取700幅原始样本图像,从中截取出单个缺陷区域和正常木材断层区域样本图像20 000幅,并利用图像增强等算法将数据集扩充到70 000幅,标准化图像大小为28×28像素,分为正常、裂纹、虫眼和节子图像共4类,取60 000幅图像作为训练集,10 000幅图像作为测试集,剩余的100幅原始样本图像用于试验验证。【结果】通过60 000幅图像来训练网络模型,对测试集10 000幅图像进行分类,分类正确率达99.3%;利用训练得到的网络模型对100幅原始样本图像进行验证,平均分类正确率为95.87%。【结论】基于卷积神经网络的木材内部CT图像缺陷辨识算法,克服了传统识别方法图像预处理繁琐、训练方法复杂、训练参数过多、耗时过多等问题,具有精度高、复杂度小、鲁棒性较好等优点,且辨识正确率和辨识时间都比现行常规算法精准并用时短,是一种无损、高效、准确的辨识分类方法。     

基于高景一号遥感影像的林地信息提取

【目的】及时、准确地掌握林地信息是森林经营管理的前提，高分辨率遥感影像为林地信息精细识别提供了可能。【方法】以当阳市玉泉乡为研究区，以国产卫星高景一号（SV-1）遥感影像为数据源，提取各波段光谱信息和植被指数作为分类特征，采用特征可分性、重要性及特征间冗余度分别构建了4种特征评价准则，基于支持向量机（SVM）分类器对研究区进行林地信息提取，结合森林资源二类调查结果进行精度验证。【结果】1）评价准则中，特征重要性优于可分性，特征可分性受高度相关的特征组合（如OSAVI和NDVI等）的影响会造成分类精度的下降。2）在特征重要性和可分性的基础上结合特征间冗余度能进一步提高分类精度并有效降低特征维数，特征维数由11维降至8维，特征可分性方法和特征重要性的分类精度分别提高了4.65%和4.58%;3）根据特征重要性结合冗余度选择RGVI、EVI、B1、B3、B2、DVI、RVI、Brightness 8个特征，建立SVM线性核分类模型可以达到最优分类效果，总体分类精度高达92.49%,Kappa系数为0.908 4。【结论】SV-1遥感影像由于其高空间分辨率在林地信息精细提取中具有可行性，本研究通过建立特征评价准则筛选分类特征能进一步挖掘分类器的泛化能力，为及时、准确地获取林地信息提供技术支撑，同时也为同等高分辨率遥感卫星数据处理提供了参考。     

基于地基激光雷达和手持式移动激光雷达的单木结构参数提取精度对比

【目的】针对人工实测与地基激光雷达(TLS)在林业资源调查中数据获取效率低下的问题,以哈尔滨市城市林业示范基地黑皮油松林为研究对象,综合对比地基激光雷达和手持式移动激光雷达(HMLS)两种扫描方式,为高效的森林资源调查和经营管理提供有效的参考。【方法】利用TLS单站与多站扫描以及HMLS获取研究样地单木点云数据,然后基于点云数据处理软件提取单木结构参数并与实测数据进行匹配,综合对比两种扫描方式的数据获取效率、点云质量以及单木结构参数提取精度。【结果】1)HMLS在扫描高郁闭度黑皮油松林样地时扫描速度大约为27 m~2/min,TLS4站扫描该样地速度为10 m~2/min,扫描速度上HMLS扫描约为TLS多站扫描的3倍。2)TLS4站扫描的胸径处点云数量与单木点云数量远高于HMLS,且HMLS相比于TLS4存在冠层点云缺失的问题,但HMLS相较于TLS数据拥有更好的胸径处切片点云完整度。3)HMLS、TLS单站、TLS4站数据胸径估测结果的R~2分别为0.92、0.84、0.95,HMLS与TLS4站扫描均给出了较好的胸径估测结果,单站TLS扫描估测胸径结果较差。HMLS扫描与TLS单站扫描由于冠层点云扫描不完整导致估测树高和树冠面积的决定系数均小于0.5。TLS4站扫描相较于HMLS扫描在树高和树冠面积的估测精度上有了较大提升,R~2达到了0.7以上。【结论】TLS4站扫描拥有最高的点云数据质量与单木结构参数提取精度,但扫描效率最低,而单站扫描由于遮挡效应单木结构提取精度较低但扫描效率最高;HMLS具有较高的扫描效率与胸径估测精度,但由于冠层点云的缺失在树高和树冠面积等参数的估测精度较低。     

基于多特征优选的无人机可见光遥感林分类型分类

【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 m的数字正射影像图(DOM)和数字表面模型(DSM),从DSM和DOM中提取包括高度特征、光谱特征、常见的可见光植被指数、HSV颜色分量、HSV颜色分量基础上提取的纹理特征以及扩展的形态学多属性剖面(EMAPs) 6类特征;采用递归特征消除随机森林算法(RF_RFE)优选特征子集,根据不同类型特征和优选特征子集设置8组试验,使用随机森林分类器(RFC)进行林分类型分类,运用目视解译获得的地面真实影像建立混淆矩阵评价分类结果。【结果】1)单独利用光谱特征进行林分类型分类效果不理想,总体精度为65.68%,Kappa系数为0.53;以光谱特征为基础单独引入其他特征进行林分类型分类,除植被指数外,其他特征均可提高总体分类精度; 2)采用递归特征消除随机森林算法优选出11个特征,包括5个EMAPs特征、3个HSV纹理特征、1个高度特征、1个植被指数和1个HSV颜色分量,11个特征组合获得8组试验中最高分类精度,总体精度为81.05%,Kappa系数为0.73; 3)将多特征优选方法应用于不同分辨率的可见光无人机影像上均取得较好分类结果,其中分辨率为0.3 m时分类精度最高,总体精度为82.46%,Kappa系数为0.75。【结论】递归特征消除随机森林算法综合多类型特征中最有利于林分类型分类的特征,从而提高分类精度,研究结果可为无人机可见光遥感数据在森林资源调查中林分类型信息的提取提供参考。     

基于GAN-DCNN的树叶识别

【目的】利用深度学习进行树叶识别时需要大量训练样本,当样本量不足、图像风格单一会导致识别准确率不稳定。研究利用少量的样本进行树叶图像增殖和风格转换,可极大减轻数据采集的负担,为提升林业调查信息化、智能化提供有效的技术手段和理论支撑。【方法】采集6种树种的树叶图像建立数据集,引入light-weight GAN对图像进行增殖和风格转换,扩充人工拍摄的树叶数据集,通过在该数据集与原数据集上分别应用AlexNet、GoogLeNet、ResNet34和ShuffleNetV2四种深度卷积神经网络进行训练,分析生成对抗网络的图像增殖技术在树叶识别中的作用。综合模型准确率和训练时间等性能指标选择最优模型,同时对模型的学习率进行调整。使用测试样本对参数优化后的模型进行验证,分析该方法在实践中的可行性和意义。【结果】基于生成对抗网络生成的样本具有高清晰度,高保真性,能够有效地辅助神经网络模型的训练工作,同时也丰富了样本类别,使之获得包含更多不同季节、形状、健康状况的树叶图像。与原始数据集相比,AlexNet、 GoogLeNet、 ResNet34和ShuffleNetV2四种网络在新数据集的训练上...     

融合全域与局域特征的深度卷积网络鸟类种群识别

【目的】基于鸟类影像数据,探讨全域与局域特征融合手段,结合深度卷积神经网络理论,建构鸟类种群识别模型,以期为森林与湿地的监控与治理提供新的手段。【方法】首先,依据人类识别物体从整体到局部的生理过程,采用跳跃结构实现物体整体信息与局部信息的交互,该模型主要采用2个模型框架提取鸟类的全域和局域部件特征,并采用跳跃结构,提出融合模块(Fusion block)结构进行特征融合,将全局特征信息传递至局部特征抽取模块。该模型训练阶段需提供鸟类局部的部位标注信息,而测试阶段采用Faster R-CNN模型自动提取其鸟类局部标注信息。其次,探讨不同鸟类局部影像信息对模型的影响,最后,通过对比不同网络分类模型和鸟类数据集,验证模型的有效性和适用性。【结果】该鸟类种群分类模型具有较高的分类精度,总体分类精度达90%以上;对于不同的鸟类局部影像信息,其分类精度表现出一定的差异性,其中基于鸟类头部局部影像的网络分类模型总体分类精度最高; Faster R-CNN模型对鸟类局部影像定位精度较高,测试阶段采用人工标注的局部影像标签和Faster R-CNN模型预测的局部影像标签对模型的总体分类精度差异小;对比Inception-V1、Res Net-101、Dense Net-121以及Bilinear CNN等网络分类模型总体分类精度,该模型总体分类精相对较高,具有一定的有效性;对比使用NABirds鸟类数据集的分类效果,该模型总体分类表现较好,具有一定的适用性。【结论】该鸟类种群分类模型具有较好的识别效果以及有效性,可为森林与湿地的监控和治理提供合理有效的依据。     

基于人工神经网络模型的木材干燥应变模拟预测

【目的】研究常规干燥过程中干燥基准、预处理条件、含水率对木材干燥应力的影响,探讨干燥应力沿髓心至树皮方向的分布情况,以实现干燥应变的模拟预测。【方法】整合分析采用图像解析法测算得到的弹性应变和机械吸附蠕变相关数据,基于人工神经网络模型,以干燥温度、含水率、相对湿度、距髓心距离为输入变量对弹性应变进行模拟预测,以预处理温度、干燥温度、含水率、相对湿度、距髓心距离为输入变量对机械吸附蠕变进行模拟预测。通过网络训练和验证,得到合理的人工神经网络预测模型,并对模型进行测试,探讨分析所建立模型的预测能力。【结果】弹性应变预测模型中,各数据集均呈现出较好的相关性,训练集、验证集和测试集的相关系数(R)分别为0.988、0.983和0.978,所有数据集的决定系数(R~2)均高于0.95,验证集达到最优时的均方差(MSE)为1.21×10~(-6)。机械吸附蠕变预测模型中,利用含水率为28%和12%的数据集进行模型训练和验证,训练集和验证集的相关系数(R)分别为0.981、0.977,验证集达到最优时的均方差(MSE)为1.26×10~(-6);利用含水率20%的数据集进行模型测试,测试集的相关系数(R)为0.969,所有数据集的决定系数(R~2)均高于0.94,网络模型能够解释94%以上的试验数据,表现出较好的预测能力。【结论】所建立模型的预测值和试验值吻合较好,预测成功率较高,能够为人工神经网络在干燥应力、应变方面的应用提供可行性依据。     

Identification of selected internal wood characteristics in computed tomography images of black spruce: a comparison study

The feasibility of identifying internal wood characteristics in computed tomography (CT) images of black spruce was investigated using two promising classifiers: the maximum likelihood classifier (MLC) and the back propagation (BP) artificial neural network (ANN) classifier. Nine image features including one spectral feature (gray level values), a distance feature, and seven textural features were employed to develop the classifiers. The selected internal wood characteristics to be identified included heartwood, sapwood, bark, and knots. Twenty cross-sectional CT images of a black spruce log were randomly selected to develop the two classifiers. The results suggest that both classifiers produced high classification accuracy. Compared with the MLC classifier (80.9% overall accuracy), the BP ANN classifier had better classification performance (97.6% overall accuracy). Moreover, statistical analysis reveals that the heartwood of the black spruce log used in this study is the easiest to identify by either classifier compared with the other three log features. The results also suggest that the separability of one wood characteristic from the other wood characteristics in black spruce CT images is mainly related to moisture content.     

Classification study for using acoustic-ultrasonics to detect internal decay in glulam beams

Bayes, k-nearest neighbor (KNN), and neural network classifiers were used to study the decay detection efficiency of acousto-ultrasonics (AU). Brown-rotted Douglas-fir glulam beams removed from service were measured by using through-transmission AU. Single and multiple sets of AU signal features included velocity, attenuation, shape, and frequency content. Although all of the AU signal features were sensitive to decay, they were also affected by natural characteristics of wood. However, it was possible to improve the detection efficiency by using multiple signal feature sets in classification analysis. A 79% efficiency was achieved with the neural network classifier for detecting small levels of decay (10% of the cross section) and a 68% overall correct classification for different degrees of decay when using three or four signal features as inputs. The results of the Bayes and KNN classifiers were quite similar, with 79% KNN and 75% Bayes detection efficiency for small levels of decay, and 67% overall. Received 22 January 1999     

油松人工林不同大小林隙环境因子差异性比较

【目的】油松Pinus tabulaeformis是我国北方地区主要造林树种。旨在阐明油松人工林抚育间伐24 a后形成的不同等级林隙间环境因子的差异,探讨林隙的形成对环境因子的影响以及环境因子间的相关关系。【方法】在油松人工纯林选择4种等级的林隙,即林隙直径和冠层平均树高(即林分平均高)之比分别为L-Ⅰ(0.75 H)、L-Ⅱ(1.00 H)和L-Ⅲ(1.25 H)(H为冠层均高)和对照(CK,林冠下),测量了生长旺季的环境因子(光合有效辐射、空气温度、空气湿度、土壤温度和土壤湿度),在此基础上,分析了不同林隙等级间和林隙内不同区域的环境因子的差异性以及环境因子间的相关关系。【结果】1)不同等级林隙间光合有效辐射和土壤温度均达到了显著差异(P <0.05),最大差值分别达到了167.94μmol/m^2s和0.7℃,且随着林隙面积的增大而增大。2)3个面积等级的不同区域间光合有效辐射均表现出了显著的差异,土壤温度仅在L-Ⅱ面积等级林隙中达到了显著差异(P <0.05),在林隙中心区域光合有效辐射和土壤温度具有最大值。3)除了L-Ⅲ面积林隙等级外,其余的林隙等级和对照内光合有效辐射与土壤温度之间均有显著的正相关性(P <0.05)。【结论】在油松人工林内,抚育间伐24 a后,间伐产生的不同等级林隙和林隙区域会对光合有效辐射与土壤温度产生显著影响,对其他环境因子的影响不大。     

西南桦幼林冠层光合特征及其对造林密度的响应

【目的】为探究不同造林密度条件下西南桦Betula alnoides幼林冠层光合生理特征,进而为西南桦造林密度和修枝强度的合理配置提供理论依据。【方法】以6年生西南桦无性系密度试验林为对象,每个密度处理选取3株优势木,将每个单株6 m以下树冠按每段1 m划分为2~4个冠层(2~3m、3~4m、4~5m、5~6m),每个冠层选择一位于阳面中间位置的平均枝,测定位于枝近顶端的4片发育完满叶光响应曲线。【结果】1)西南桦幼林冠层间最大光合速率、光饱和点和光补偿点均差异显著(P<0.05),这些指标均随冠层的升高而显著增大,表明上部冠层光合能力较强,且对强光的利用能力高。2)西南桦幼林冠层暗呼吸速率随冠层上升虽有降低趋势,但不同冠层间未达显著差异水平(P≥0.05)。3)相同冠层条件下,造林密度显著影响西南桦幼林冠层的表观量子效率、最大光合速率及光饱和点,三者均随造林密度增加呈显著下降趋势,特别是冠层3~4 m和5~6 m规律更明显。但是造林密度对于西南桦幼光补偿点和树暗呼吸速率无显著的影响。【结论】总体而言,西南桦幼林上部树冠表现出更大的光合潜力,冠层对于西南桦幼林光合能力的影响要高于造林密度,且两者存在明显的交互作用。研究将为珍贵树种通过合理修枝调控林木生长提供理论支撑。     

高精度DEM支持下的多时期航片杉木人工林树高生长监测

【目的】集成多时期航片数据和由机载激光雷达数据获取的密集林区数字高程模型,估测多时期杉木人工林冠层高度,并对其生长情况进行定量监测,为多时期航片监测森林生长趋势和评价林地生产力提供可能。【方法】首先基于分类后的激光雷达点云数据获得林下高精度数字高程模型和森林数字表面模型,利用航片数据构建立体像对,通过自动立体匹配算法生成森林冠层的摄影测量数字表面模型,然后借助数字高程模型将2种数字表面模型进行高度归一化,提取研究区多时期森林冠层高度。利用1996、2004年历史航片和2014年数字航片以及激光雷达数据,构建18年内皖南杉木人工林3期森林冠层高度,并对其精度进行分析。【结果】1)由2014年数字航片和激光雷达数据获取的森林冠层高度的R^2为0. 52,RMSE为1. 79 m; 2)由2014年数字航片处理得到的森林冠层高度与对应样地实测上层木的平均高验证精度较高,平均绝对误差1. 59 m,平均相对误差15%,最大绝对误差3. 45 m,最大相对误差30. 80%,测量精度85. 00%; 3)由1996、2004、2014年航片得到3期杉木人工林冠层高度,其增长趋势与树高生长曲线预测趋势一致。【结论】在多山复杂地形条件下,利用航片可准确定量反映山脊向阳面的森林冠层高度变化,但对于山谷阴影处,则会出现冠层高度被低估情况,利用多期航片结合高精度DEM数据可定量反映上层木的冠层高度变化。     

基于双目立体视觉SLAM的林下实时定位

[目的]在林下环境中受到树木冠层的遮挡,易造成全球导航卫星系统卫星信号失锁,不能满足林下实时定位的需求.本研究引入双目立体视觉SLAM技术,在移动过程中根据周围环境中路标点的位置变化实时确定传感器的空间位置和姿态,以期在林下环境中达到实时定位的目的.[方法]实验过程中使用双目相机按照10 Hz的采集频率对3块边长为40...     

杂交桉家系在桂北生长及优良性评价

[目的]对广西黄冕林场杂交桉的生长及优良性进行评价,找到更多适合在该区域今后推广种植的优良杂种材料.[方法]对3.5、5.8和8.5 a共3个年度的42个人工杂种家系、9个母本自由授粉家系和1个无性系试验林进行生长调查,开展不同林龄的干形、幼林枝瘿姬小蜂的受害率等的调查,利用方差分析和多性状综合坐标得分法进行分析,获得...     

基于ICESat-GLAS数据和回波仿真原理识别森林类型

[目的]利用星载激光雷达波形数据对森林类型识别时,受地形、噪声和林层结构等因素影响,针叶林、阔叶林和混交林森林类型识别精度较低,为提高森林类型识别精度,需提取与森林类型相关的波形特征参数.[方法]结合回波仿真原理与林分冠层特征对GLAS回波波形进行理论分析,提出了与森林类型相关的波形特征参数147R-cafit-、K1...     

基于主成分分析的森林景观格局研究

【目的】为更好地了解洪田村森林景观结构,以2011年和2016年小班调查数据为基础,分析研究洪田村的森林景观格局。【方法】以永安市洪田村2011年实地调查小班数据及2016年二类调查数据为基础,将选取的19个景观指数从内部细化为三类,并采用主成分分析法选取了12个最能表征洪田村森林景观格局的景观指数;借助地理信息系统(Arc GIS),分析了洪田村的森林景观结构及功能。【结果】1)主成分分析筛选的12种景观指数在其所属类别上的因子载荷值均在90%以上,具有很好的代表性,可作为洪田村森林景观格局分析的指标。2)洪田村森林景观要素组成类型单一且分布不均,杉木和硬阔叶树种为主的景观格局占主导优势。3)斑块形状简单抗干扰能力差,景观整体异质性较高。4)灌木林和软阔类树种较低的边缘密度(ED)表明这两种森林景观与其他类型景观之间的能流、物流交换低。【结论】未来对洪田村进行森林景观规划与设计时应着重调整不同森林景观类型的空间布局,合理配置乡土树种(杉木、马尾松)、引进树种(桉树)、灌木林及其他树种的比例。     

基于主分量分析木材纹理的特征提取

本文用主分量分析法分析了木材纹理的14个灰度共生矩阵特征参数，从中提取了4个综合参数，并分别统计了采用这两套特征参数，最近邻分类器，K近邻分类器和神经网络分类器对木材样本分类正确率，结果表明采用主分量分析提取的综合参数不仅能减少数据量，而且获得了较高的分类精度。