共查询到19条相似文献,搜索用时 62 毫秒
1.
基于山西省太行山国有林管理局东山实验林场的无人机影像数据和油松样方的每木检尺数据,利用ENVI 5.3软件对无人机影像进行多尺度分割,确定最佳的冠幅分割参数。采用面向对象的分类方法提取油松影像冠幅,通过影像冠幅与实测胸径构建冠幅-胸径模型,并进行蓄积量反演。结果表明,当分割尺度设为35,合并尺度设为80时,冠幅边缘较为清晰,对影像的分割较为合理。胸径-冠幅估计模型以一元线性模型拟合度最高,决定系数R2为0.779 7,将提取参数代入模型反演蓄积量,可得到航空立木材积表。 相似文献
2.
基于UAV遥感的单木冠幅提取及胸径估算模型研究 总被引:1,自引:0,他引:1
《林业资源管理》2021,(3)
在森林资源调查中冠幅和胸径是重要的测树因子,自动获取冠幅和胸径值可以提高森林资源调查效率。以云南松为研究对象,基于无人机影像自动提取单木冠幅参数,拟合不同密度等级样地的单木冠幅和树冠面积与胸径的关系以估测单株胸径。首先利用标记控制分水岭分割算法对样地冠层高度模型(CHM)中的单株树冠进行分割,获取最大、最小冠幅和树冠面积,并与实测数据进行精度评价,然后将提取冠幅与树冠面积与实测胸径进行拟合,建立不同密度等级样地的一元回归模型和二元回归模型。结果表明:单木树冠分割准确率为86.26%,冠幅相对误差平均值为6.04%,冠幅面积的相对误差平均值为11.23%;在拟合的模型中,冠幅树冠面积-胸径模型的拟合效果最好,决定系数均在0.7以上,该模型验证数据相对误差均不超过5%,符合A类森林资源调查胸径误差值低于5%的要求。提出的基于无人机影像提取冠幅及预测树木胸径的方法较为准确,可推动森林资源调查自动化发展。 相似文献
3.
107杨树阳性冠幅与胸径关系的研究 总被引:8,自引:1,他引:8
利用300株107杨树新品种人工林调查资料,研究了107杨树阳性冠幅与胸径之间的相关关系。结果表明:两者之间存在着相当紧密的线性相关关系,其相关系数为0.9399,相关线性模型为Y=-0.819+0.238X。 相似文献
4.
平原地区杨树人工林阳性冠幅与胸径关系的研究 总被引:2,自引:0,他引:2
通过对100株中林46杨树人工林的调查,研究了平原地区杨树人工林阳性冠幅与胸径之间的关系。结果表明:两者之间存在着相当紧密的线性相关关系,其相关线性模型为y=-2.254+0.432x,相关系数为0.9043。 相似文献
5.
6.
《林业资源管理》2021,(3)
以内蒙古旺业甸林场为研究区,结合地面调查,对高分二号遥感数据进行预处理,并提取光谱信息、植被指数及纹理信息等48个遥感因子,采用Pearson相关系数法筛选出8个因子进行建模。采用多元线性回归、多层感知机、K-近邻、支持向量机、随机森林模型估测森林蓄积量,得到研究区内森林蓄积量反演图。结果表明:1)高分二号影像提取的遥感因子中,基于二阶矩阵的纹理特征均值(Mean)与森林蓄积量的相关性较高;2)随机森林相对于多元线性、多层感知机、K-近邻、支持向量机等方法具有更好的森林蓄积量估测精度,其相对均方根误差(rRMSE)为25.40%;3)研究区内森林蓄积量高的地区主要分布在西部和东南部;森林蓄积量低的地区主要分布在西北部、中部及北部,与实际调查情况一致。国产高分二号影像利用随机森林算法在森林蓄积量反演方面具有一定的潜力。 相似文献
7.
8.
针对经济林中树木的生长状况进行调查,有助于农户制定针对性的经营策略,提高经营效率。然而,由于山核桃树通常生长在山地环境下,使用传统的林业调查方法获取树木参数需要的人力资源和时间成本较高,而且在陡峭的山地环境中容易受到地形、植被和气象等因素的干扰。为了解决这一问题,提出了一种新的自动化方法——检测框投影法。该方法基于深度学习的目标检测算法对遥感图像中的树冠进行检测并生成检测框,再依据所得到的检测框获取树木位置和数量,并进一步提取单木的冠幅与树高等参数。在不同环境的山核桃种植林场进行的树冠检测实验结果表明,该方法使用的目标检测算法对山核桃树冠检测的总体平均精度和F1-score分别达到了85.5%与0.84;参数提取方面,在两处不同的山核桃种植林场选取了3处研究样地,并在每处样地选取并实地测量了50棵样本树木的冠幅和树高以验证参数提取精度,结果表明,使用检测框投影法预测冠幅与实测值的均方根误差、平均绝对误差和平均相对误差分别为0.469 m、0.313 m和5.7%,预测树高与实测值的均方根误差、平均绝对误差和平均相对误差分别为0.427 m、0.331 m和6.0%。提出的检测框投影法在... 相似文献
9.
【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。 相似文献
10.
基于无人机高分影像的冠幅提取与树高反演 总被引:3,自引:0,他引:3
《中南林业调查规划》2017,(1)
以湖南省攸县黄丰桥林场无人机(UAV)高分影像和地面样地调查数据为基础,利用Definiense Cognition 8.0软件,对影像进行多尺度分割,确定最佳的冠幅分割参数,同时进行平滑处理,利用平滑后的影像冠幅与实测树高,建立冠幅树高曲线估计模型和非线性联立方程组反演模型。建立的非线性联立方程组模型拟合效果最佳,决定系数R~2为0.854 2,最佳拟合曲线模型分别为CW=0.127+1.068*PCW和H=-1.910+4.861*CW-0.819*CW~2+0.049*CW~3;模型的CV和MPSE均在10%以内,是树高反演的一种有效手段。 相似文献
11.
基于无人机影像的森林信息获取研究进展 总被引:2,自引:0,他引:2
随着无人机技术的不断发展,其在林业中的应用越来越广泛。无人机航空摄影作为高分影像的重要获取方式,具有成本低、效率高、时效性强等特点,己逐渐成为森林资源调查与监测的新途径。研究者已不再满足于无人机影像在森林资源分类和空间分析等方面的应用研究,而是开始关注单木树高、胸径、冠幅等具体树木信息的获取以及森林信息量化等方面的研究。文中综述近几年无人机在森林结构参数、生物量、蓄积量、立木材积表、林区规划、树木空间分布以及三维建模等方面的研究进展,并对无人机在森林信息获取中的研究和应用提出建议。 相似文献
12.
13.
14.
15.
利用10cm高空间分辨率航空遥感影像,在森林资源二类调查的基础上,获取研究区的可燃物类型及其特征信息;利用1∶10 000地形图获取地形因子信息。在此基础之上,通过加权叠置法计算火险指数,并将研究区划分为Ⅰ级(没有危险)、Ⅱ级(低度危险)、Ⅲ级(中度危险)、Ⅳ级(高度危险)、Ⅴ级(极度危险)等5个火险区划。结果表明:Ⅰ级火险区面积最小,占研究区总面积3.98%;Ⅱ级火险区面积最大,占32.25%;Ⅲ级火险区面积占21.05%;Ⅳ级和Ⅴ级火险区面积分别占22.14%和20.58%,两者之和较大,占研究区总面积的42.72%,研究区防火任务艰巨。研究区内可燃物类型对火险等级划分起重要作用,其中麻栎和茶树在森林防火工作中发挥重要作用;松树、竹林和荒草地是防火的重点。 相似文献
16.
森林蓄积量能够评估林地生产力的高低及经营措施的效果,为森林经营与采伐提供重要依据。目前,大多基于无人机影像的蓄积量估算,均建立在测绘标准所生成的DOM、DSM、DEM等测绘成果基础上,而未充分利用原始影像数据上的林业特征,无法从点云层面上加入林业业务逻辑产生成果数据。获取无人机影像后,利用特征点提取与匹配方法自动相对定向,结合控制点和光束法平差的迭代求解,解算出精确的相机姿态数据,并沿核线方向一维搜索特征点进行影像密集匹配生成密集点云。对原始三维点云过滤后进行树冠分割,在聚类后的林冠点云中提取了树顶点和树高因子估测了森林蓄积量。研究结果表明,冠幅的提取精度85.15%,树高的提取精度83.69%,林分蓄积量估算的精度达到了82.46%。 相似文献
17.
18.
目的 利用遥感影像获取高郁闭度林分树冠信息。 方法 试验了一种基于实例分割模型的无人机遥感影像单木树冠提取方法,选用7种残差网络用于模型的特征提取,逐一对不同郁闭度杉木纯林进行单木树冠提取。 结果 表明,7个实例分割模型对低郁闭度林分树冠分割的边界框AP值和掩膜AP平均值分别为55.89%、57.29%,林分东西冠幅、南北冠幅和树冠面积参数提取均方根误差平均值分别为0.161、0.179和0.341,平均预测决定系数R2分别为0.912、0.918和0.957;对高郁闭度林分树冠分割的边界框AP值和掩膜AP平均值分别为46.00%、44.45%,单木东西冠幅、南北冠幅和树冠面积参数提取均方根误差平均值分别为0.479、0.497和1.256,平均预测R2分别为0.806、0.762和0.936。 结论 各参数提取精度均优于传统调查精度,该方法能自动化、快速化、精准化获取树冠信息。 相似文献
19.
基于VirtuoZo系统对林木冠幅信息的提取 总被引:1,自引:0,他引:1
针对目前林木冠幅信息人工测量高误差低效率的现状,本文基于1:10000的数字航空相片影像,采用专业的数字摄影测量平台VirtuoZo提取了林木冠幅信息。选取凉水国家级自然保护区17林班18小班内第32号固定样地为测图区,通过立体模型的内定向、相对定向和绝对定向构建测区的立体像对,并在立体像对上量测了样地内各林木的东西和南北冠幅。结果表明:林木冠幅的数字摄影测量的相关系数均大于0.85,具有较好的正相关性。因此应用全数字测量系统VirtuoZo提取冠幅因子具有可行性,能够减少外业工作量,但测量精度受到航摄参数、环境因素和判读员经验等因素影响。 相似文献