基于UAV高分影像的杨树冠幅提取及相关性研究

[目的]以无人机高清影像为数据源,结合样地实地调查数据,研究杨树冠幅提取及其与胸径和林分蓄积量的相关性,为无人机森林调查技术提供一种思路和方法。[方法]基于无人机高分影像及实地调查数据,采用面向对象法,对杨树林木冠幅进行分割与提取,通过实地测量数据建立冠幅-胸径模型,利用一元材积表计算样地蓄积量,并进行相关性分析与精度检验。[结果]影像分割效果良好,但提取得到的冠幅比实际值偏小,研究区最适宜的杨树冠幅分割尺度为10,平滑度0.1,紧致度0.5。杨树冠幅与胸径建立相关模型,其中一元线性方程拟合效果最好,相关系数为0.75。通过模型计算的样地蓄积与实测样地蓄积进行双侧T检验,结果 sig=0.0580.05,两组数据差异不显著。[结论]采用面向对象法,通过无人机高分影像能自动分割并提取了杨树林木冠幅信息,提取效果良好;利用影像提取林木平均冠幅,通过冠幅-胸径相关关系模型得到林木胸径,进而推算林分蓄积的方法可以满足森林资源调查精度要求。     

基于哑变量非线性联立方程组模型的林木参数遥感反演

以湖南省攸县黄丰桥林场Worldview-2影像和地面样地调查数据为基础,采用Mean shift算法对影像进行多尺度分割,提取杉木人工林林木冠幅信息,共提取有效林木冠幅227个,并对提取的冠幅边界信息进行平滑处理。分析调查数据中实测冠幅与影像提取冠幅之间的相关性,结合实测胸径、树高与冠幅的关系,应用曲线估计、非线性联立方程组以及基于哑变量的非线性联立方程组分别建立树高和胸径的最优估算模型,并进行了精度评价。结果表明:将树高与胸径作为哑变量,并进行数量化分级建立的影像冠幅与胸径、树高的非线性误差变量联立方程组模型的拟合效果要优于其他2种方法,树高和胸径模型决定系数R2H和R2D分别为0.899和0.913。模型的适用性检验表明,模型的变动系数、平均百分标准误差均在10%以内,具有较强的稳健性。     

基于大比例尺航片的针叶树种冠幅的提取

基于凉水国家级自然保护区2009年拍摄的1：2000航空像片和同期森林资源二类调查的固定样地数据,采用子像元分类方法分别提取出红松、落叶松和云冷杉的专题影像图。在此基础上,将栅格专题影像图转换为矢量图形,采用目视解译的方法提取上层针叶林的树冠信息。通过将针叶树冠形似为圆形提取出各树种的冠幅,用固定样地实测数据进行对比分析和精度评价,并建立航片上提取冠幅与实测冠幅之间的一元线性回归模型。结果表明：红松、落叶松和云冷杉冠幅的提取精度分别达到83．50％、84．35％和82．26％,其预测精度分别达到83．60％、81．46％和83．57％。     

基于林分特征的林木个体信息估算可视化模拟技术

以湖南攸县黄丰桥国有林场为试验区,以6块典型的杉木人工同龄纯林为研究对象,研究林木径阶与其Voronoi多边形面积间的对应关系。以模拟样地为例,在林木株数、林分算术平均胸径与样地大小设定的前提下,研究林木空间分布格局特征,建立计算机模拟点阵生成算法;利用Weibull分布模型对样地内林木径阶分布进行估算,根据林木Voronoi多边形面积与其径阶间的对应规律,对林木胸径进行分配,参考林木测树因子估计模型对林木树高与冠幅因子进行估算;采用ArcgisEngine10开发技术,开发样地Voronoi多边形分析模块,结合GDI+与MOGRE技术,建立基于林分特征的林木个体信息估算可视化模型。结果表明:林木Voronoi多边形面积的算术平均值与所对应径阶间总体呈正相关关系;林木空间格局生成算法高效且适用;林木胸径因子分配考虑了空间环境的影响,贴近林木生长规律;可视化模拟技术可直观表现以上过程与结果,增强可操作性。此方法可用于解决由林分整体特征估算林木个体信息的难题,可为林业科学研究提供基础数据,可为森林可视化模拟提供技术参考。     

基于大比例尺航片的树种结构空间分布分析

以凉水自然保护区2008年拍摄的198张航空像片和2009年森林资源"二类清查"为数据源,根据光束法区域网平差原理,采用全数字摄影测量工作站VirtuoZo NT系统对航空像片提取生成比例尺为1∶10 000的数字高程模型(DEM)。同时,在GIS软件的支持下获取坡度、坡向等地形因子信息并根据小班的树种结构,分析树种结构与海拔、坡度和坡向之间的空间分布格局。     

采用1：3000大比例尺航片编制云南油杉一元材积表试验

用1：300大比例尺航片,在金殿云南油杉（Keteleeria evelyniana)林内随机抽取50株林木,在航片上和现地对主要测树因子进行测量试验,试验结果检验其冠幅量测精度97％,胸径与冠幅呈线性相关,相关系数0．91,航片量测冠幅和材积呈线性相关,相关系数0．92,用冠幅跟材积这种相关关系编制出的航片一元材积表精度达91．5％。     

用大比例尺航片进行测树因子量测的试验

昆明市金殿油杉风景林区,用1∶3000大比例尺黑白航片,对主要测树因子进行量测试验,在进行样地每木检尺的同时,对林木生长级进行划分;以航片量测株数为准,取等量实测林木对比,从而保证了株数相等;此外,对林木株数漏测的原因,冠幅的量测误差进行了分析.试验结果经检验其测高精度为94%;均方误为0.958;蓄积量估计精度为90.2%,均方误为1∶2557.     

基于Worldview-2影像的林木冠幅提取与树高反演

以湖南省攸县黄丰桥国有林场杉木人工林为例,探讨林木冠幅提取与树高反演方法研究。基于Worldview-2影像,采用均值漂移分割算法开展样地内杉木冠幅信息提取。通过设置不同分割尺度确定最佳的冠幅分割参数为hs=10,hr=6,M=20。对提取的冠幅边界进行平滑处理,利用平滑后的影像冠幅与实测树高,分别建立了冠幅树高曲线估计模型和非线性联立方程组反演模型。其中以树高作为哑变量,建立的影像冠幅树高非线性联立方程组模型的拟合效果最佳,模型决定系数R2为0.899,模型的变动系数(CV),平均百分标准误差(EMPSE)均在10%以内,是树高反演的一种有效手段。     

基于改进的Faster R-CNN模型的树冠提取研究

树冠信息是森林资源调查中的重要内容。传统的树冠冠幅测量方法为实地调查,该方法测量结果在特定的地形和森林环境中误差较大,且人力消耗大、操作繁琐、耗时长。无人机影像技术和深度学习的发展为树冠测量提供了新的方法和实现思路。利用无人机获取了临安东部青山湖绿道两块纯水杉林样地的正射影像图,通过改进目前先进的目标检测方法Faster R-CNN进行树冠的识别和冠幅的提取。基于改进的Faster R-CNN模型准确率和决定系数达到了92.92%和0.84,分别比改进前的模型提高了5.31%和0.12。这说明了无人机和目标检测技术识别树冠的可行性,这一方法和传统的调查方法相比,具有高效、便捷和低成本的优势。     

基于多角度卫星遥感的胡杨林结构参数获取

【目的】基于多角度卫星遥感(MISR)和无人机(UAV)摄影测量技术,采用简单几何光学模型(SGM)和广义简约梯度(GRG)优化方法,反演获取塔里木河下游胡杨林主要结构参数(树高、冠幅、林分密度和覆盖度)。【方法】以塔里木河下游典型河岸林为研究对象,基于野外调查、UAV倾斜摄影测量和MISR数据,构建训练集,采用SGM对场景反射进行分解模拟,获取Walthall背景反射模型参数,评价参数敏感性,建立参数回归方程,运用GRG优化算法反演得到测试集结构参数,利用无人机测量数据进行精度验证和评价。【结果】从UAV倾斜摄影测量数据中提取的树高、冠幅、林分密度数据与实测数据相比,UAV获取的树高、冠幅、林分密度与实测数据的R²分别为0.90、0.84、0.94,均方根误差(RMSE)分别为0.45 m、0.68 m、4.25株·hm^-2。SGM对训练集样地红光模拟反射值与卫星观测反射值的R²最大值为0.99、最小值为0.72、平均值为0.92;反演获取的训练样地树高和覆盖度与参考值相比,覆盖度R²达0.99,...     

基于树高和树冠因子的立木材积与地上生物量相容模型研究

【目的】无人机机载激光雷达能够准确地测定单木、林分乃至大尺度森林结构参数(树高和树冠因子)。为应用无人机激光雷达技术准确估测森林蓄积量、生物量和碳储量提供计量依据和技术支撑。【方法】以150株实测马尾松生物量样本数据为研究对象,采用非线性回归估计方法和度量误差联立方程组方法,分析立木材积和地上生物量与树高、树冠因子的相关性,并在此基础上研究建立基于树高和树冠因子的立木材积与地上生物量相容模型。【结果】单株材积和地上生物量与树高因子的相关性最为紧密,其次才是树冠因子;基于树高和冠幅因子的二元材积和地上生物量模型预估精度较高,达到92%以上,再考虑冠长因子的三元模型预估精度改进不大;基于树高和冠幅因子的二元立木材积与地上生物量相容模型估计效果更好,相对于一元相容模型系统而言,二元相容模型拟合效果有较大幅度提高,预估精度达到92%以上。【结论】采用度量误差联立方程组方法可以有效解决基于树高和树冠因子的立木材积与地上生物量相容问题,并且预估精度达到92%以上,所建二元立木材积与地上生物量相容模型可为应用激光雷达技术反演森林蓄积量和生物量提供计量依据。     

Structure of pollarded oak forest in relation to aspect in Northern Zagros,Iran

We analyzed the structure of pollarded oak forest and biometric indices of pollarded oak species in relation to aspect in northern Zagros forests, western Iran. A number of 319 circular plots (0.1 ha) were established using a systematic random method over the study area. In each plot, for all trees (diameter at breast height ≥5 cm) diameter was measured and tree species was recorded. Total height, trunk height, and major and minor diameter axis of the crown of two trees in each plot (nearest tree to the center of the plot and the largest tree in term of diameter) were measured. As the dispersion of slope and altitude classes in the study area were identical, the effect of these factors was assumed to be constant. To evaluate the effect of aspect on biometric indices of oak trees a comparison was used for each oak species separately. The results indicated that the forest species composition differed statistically significant in main aspects except for easterly and westerly aspects (P < 0.01). The diameter of similar oak trees was significantly different except for Lebanon oak in northerly and southerly and Gall oak in easterly and westerly aspects (P < 0.01), but there was no significant difference between the total height and crown area of similar oak species in different aspects. Differences in diameter, height, and crown area distributions showed a significant difference in main aspects. The basal area and tree density in northerly and southerly aspects were significantly different (P < 0.05).     

基于数码相片图像三维信息提取技术的研究

以林分数码相片为原始数据,对其进行阈值分割,选取适当的结构元素进行数学形态学的运算,从而达到对数码相片边缘提取的目的,结合已知数据,通过一系列数理统计分析输出树高、胸径和蓄积。将其与使用传统方法实测的这些立木的数据作比较分析,得出用近景摄影技术测树所能达到的精度,验证该方法的可行性和有效性,为林业调查带来更方便、更精确的方法。     

树冠提取技术研究进展

树冠是预估树木生长量的基本参数之一, 树冠的提取在森林资源管理中越来越受到重视, 但准确获得树冠的形状和边缘信息比较困难。目前, 国内外树冠提取研究主要是利用高分辨率影像、航空像片、数码相机影像以及雷达等介质, 以面向对象多尺度分割技术为主, 兼有专家分类、三维扫描、BP神经网络等方法。文中介绍了树冠提取技术的主要方法, 总结了树冠提取技术中存在的问题及发展前景。     

基于无人机影像与Mask R-CNN的单木树冠检测与分割

对无人机遥感影像中单木树冠进行检测与分割并获取树冠冠幅与树冠面积参数,可以为城市中不同场景下的林业资源调查提供高效快捷的途径.以银杏树为研究对象,创建基于无人机遥感影像的银杏单木树冠数据集,并使用卷积神经网络Mask R-CNN算法结合正射影像图对城市中不同场景下的树冠进行检测和树冠边界勾绘以获取相关树冠参数.结果表明...     

A comparative study of the use of laser scanner data and field measurements in the prediction of crown height in boreal forests

Abstract

This study compares the results of the prediction of crown height characteristics using airborne laser scanner (ALS) data and intensive field measurements in boreal forests. The data consisted of 31 sample plots located in Kalkkinen, southern Finland. Crown height models were constructed at both the tree and plot level. Scots pine, Norway spruce and birches were used. The models included independent variables of tree levels, such as tree height, crown area and independent plot-level variables, i.e. canopy height and density quantiles and proportion of vegetation hits. Field measurement-based models used tree height and diameter at breast height as the independent tree-level variables, whereas basal area, mean diameter and height were used as the plot-level variables. The results indicated that the ALS-based crown height models were more accurate than the field measurement-based models when plot-level information was used as independent variables. However, the field measurement-based tree-level models for Scots pine and Norway spruce were more accurate than the ALS-based models. Even so, the accuracy of the different models was very similar and the study data set was quite small. The results of this study can be used for different tree growth studies and for the assessment of tree stock quality in boreal forests.     

银杏雄株良种选育研究

本研究广泛选集山东省各地银杏雄株良种壮苗,建立了银杏雄株资源圃。采用完全随机区组试验设计,根据树高、主干高、胸径、树冠形状、冠幅、花穗长度、花粉量、花期等指标,参照银杏授粉用良种标准,筛选出了003号和016号两个授粉雄株品种,为将来银杏良种选育奠定了坚实基础。     

基于FCM和分水岭算法的无人机影像中林分因子提取

【目的】研究高精度小型无人机获取林分调查因子方法,将林分调查因子在低空无人机影像上识别并提取出来,获取树高、冠径等测树因子,建立林分因子测量方法,实现经济、高效、快捷、精准的森林资源调查和监测,及时掌握森林资源及相关林分因子的时空变化特征。【方法】以东北林业大学城市林业示范基地樟子松人工林为研究对象,以多旋翼无人机影像为数据源,基于FCM聚类算法和分水岭分割算法以及形态学运算、阈值分割、图像平滑、灰度化、二值化等一系列数字图像处理技术,提取樟子松人工林林分因子。FCM聚类算法和阈值分割法用于提取树梢标记图像,分水岭分割算法对树梢标记图像进行迭代处理从而获得单木树冠分割图像,根据单木树冠分割结果提取单木特征进而计算各林分因子值。【结果】在林地提取中,根据影像的颜色特征绿度分割成功地将林地部分与非林地部分分离开来,确定单木树冠分割范围。在单木树冠分割中,阈值分割法和FCM聚类算法均可有效将树梢标记从林地图像中提取出来;将基于标记的分水岭分割算法用于单木树冠分割取得较好效果,大多数单木树冠被单独分割出来,但某些区域仍然存在一定的欠分割或过分割问题。在林分因子提取中,提取的林分因子包括林分郁闭度、林地面积、立木株数和平均冠幅,其中林分郁闭度的测量精度为96.67%,林地面积的测量精度为81.23%,立木株数和平均冠幅的测量精度与单木树冠分割中的树梢提取方法(阈值分割法和FCM聚类算法)及分水岭分割中的2个参数(形态学腐蚀的结构元素大小和中值滤波的窗口大小)有关。针对2种树梢提取方法,分别进行参数组合试验,结果显示2种树梢提取方法使用适当参数组合所得各林分因子测量精度均在80%以上,平均测量精度均在90%以上,其中阈值分割法的最高平均测量精度为94.49%,FCM聚类算法的最高平均测量精度为93.17%。【结论】利用无人机拍摄的人工林影像进行森林资源调查,将先进的计算机科学技术和无人机技术应用到林业领域中,可有效提高森林资源调查的效率和精度。本研究提出的林分因子提取方法适用于高郁闭度林分,测量精度满足实际需求。     

大比例尺航空照片测高估测森林蓄积量的研究

本文用我国自行拍摄的1:2 200比例尺的黑白航片,与地面样地配合,研究了室内仪器测高与实测高的相关关系。结果表明相关系数可达0.8以上,可用其在某些调查中代替实测。用室内仪器测高估测全局畜积量,其精度为81.84％,如用航片和野外两期样地对全局蓄积量进行联合估计,估测精度为85.81％。这些为在森林调查中减少地面工作量和利用已往资料,进行了有益的探索。为进行森林经理调查(二类调查)乃至伐区调查又辟出了一条可循之径。     

基于面向对象技术的退耕还林树冠遥感信息提取研究

利用张家口退耕区0.6 m分辨率的快鸟(QuickBird)遥感影像,进行退耕区新造林地的长势监测.对快鸟影像进行正射校正,运用高斯滤波进行图像增强,减少噪音,增强退耕地的树冠信息.采用面向对象的图像信息提取技术,提取退耕还林地树冠信息,统计树冠面积,计算退耕还林造林成活率.根据实际测量的数据进行误差检验,由遥感数据自动提取的树冠面积平均误差为0.763m2,计算出的成活率精度为89.837%,为退耕还林的规划管理提供科学准确的依据.