了解关门山国家森林公园的森林景观格局动态变化规律,为调控森林资源演替方向和速度,优化森林景观格局提供重要依据。运用空间景观模型LANDIS Pro 7.0和景观格局分析软件Fragstats 4.2模拟关门山国家森林公园未来300年(2018~2318年)的...了解关门山国家森林公园的森林景观格局动态变化规律,为调控森林资源演替方向和速度,优化森林景观格局提供重要依据。运用空间景观模型LANDIS Pro 7.0和景观格局分析软件Fragstats 4.2模拟关门山国家森林公园未来300年(2018~2318年)的树种斑块面积比、景观聚集度指数、景观多样性指数、景观分维度指数和均匀度等景观指数动态变化。结果表明:落叶松是针叶林的优势树种,栎类是阔叶林的优势树种。从整体来看,落叶松的斑块面积比总体呈现增长趋势。在自然演替下,森林植被将朝着针叶林的方向演替发展;在景观聚集度指数方面,针叶林树种的聚集程度先降低后缓慢升高,阔叶树种中椴树的聚集程度变化相对稳定,呈小幅度变化;榆树是模拟过程中变化幅度最大的树种,白蜡树的聚集程度在整个模拟阶段中不断下降直至演替结束;在模拟的300年中,各个优势树种的景观分维度指数均在1.0~1.1间变化,表明其景观斑块边缘的变化程度均较小且规则;均匀度指数和多样性指数均呈先下降后上升最后缓慢下降的趋势。关门山国家森林公园森林植被在自然演替下最终朝着针叶林方向发展,应及时调控森林植被结构和组成,可以适当对落叶松进行抚育渐伐,优化森林景观格局,使关门山国家森林公园的景观格局变化更加符合公园管理需求,切实保护和开发利用好森林景观资源,促进植物群落健康稳定发展。展开更多
特征匹配作为计算机视觉的一项关键技术而备受关注。近年来,基于描述子的特征点匹配技术取得了一系列突破性进展,但曲线长度不一、端点定位不准确以及周围包含的重复性纹理较多等因素,导致了曲线匹配研究依旧是一个极具挑战性的热点研...特征匹配作为计算机视觉的一项关键技术而备受关注。近年来,基于描述子的特征点匹配技术取得了一系列突破性进展,但曲线长度不一、端点定位不准确以及周围包含的重复性纹理较多等因素,导致了曲线匹配研究依旧是一个极具挑战性的热点研究课题,且现有曲线匹配方法大多出现匹配总数少、匹配正确率低的问题。为增加特征匹配的总数和正确率,利用特征点和特征曲线的位置关系提出一种点线特征融合的误匹配剔除算法(Point Line feature Fusion,PLF)。首先定义点到曲线的距离,利用点、曲线描述子提取图像的点、线特征;其次确定落入匹配曲线对应支撑区域内的匹配点对,并根据匹配点组和曲线间的距离约束剔除错误曲线匹配;最后利用点线距离约束剔除匹配曲线支撑区域内的错误点匹配。实验选取了3种不同的点线组合,即SIFT技术提取的点特征分别与IOCD曲线描述子、IOMSD曲线描述子、GOCD曲线描述子提取的曲线特征相融合,验证算法对多种点、线描述子具有适用性,且该算法不仅适用于特征点与特征曲线的融合,亦适用于特征点与特征直线的融合,从而验证了其对多种图像特征具有适用性。实验结果表明,在旋转、视角变化、光照变化、压缩、噪音、模糊等变换条件下,该算法均能有效提高曲线特征匹配的匹配总数和匹配正确率,同时提高点匹配的正确率。展开更多
文摘了解关门山国家森林公园的森林景观格局动态变化规律,为调控森林资源演替方向和速度,优化森林景观格局提供重要依据。运用空间景观模型LANDIS Pro 7.0和景观格局分析软件Fragstats 4.2模拟关门山国家森林公园未来300年(2018~2318年)的树种斑块面积比、景观聚集度指数、景观多样性指数、景观分维度指数和均匀度等景观指数动态变化。结果表明:落叶松是针叶林的优势树种,栎类是阔叶林的优势树种。从整体来看,落叶松的斑块面积比总体呈现增长趋势。在自然演替下,森林植被将朝着针叶林的方向演替发展;在景观聚集度指数方面,针叶林树种的聚集程度先降低后缓慢升高,阔叶树种中椴树的聚集程度变化相对稳定,呈小幅度变化;榆树是模拟过程中变化幅度最大的树种,白蜡树的聚集程度在整个模拟阶段中不断下降直至演替结束;在模拟的300年中,各个优势树种的景观分维度指数均在1.0~1.1间变化,表明其景观斑块边缘的变化程度均较小且规则;均匀度指数和多样性指数均呈先下降后上升最后缓慢下降的趋势。关门山国家森林公园森林植被在自然演替下最终朝着针叶林方向发展,应及时调控森林植被结构和组成,可以适当对落叶松进行抚育渐伐,优化森林景观格局,使关门山国家森林公园的景观格局变化更加符合公园管理需求,切实保护和开发利用好森林景观资源,促进植物群落健康稳定发展。
文摘特征匹配作为计算机视觉的一项关键技术而备受关注。近年来,基于描述子的特征点匹配技术取得了一系列突破性进展,但曲线长度不一、端点定位不准确以及周围包含的重复性纹理较多等因素,导致了曲线匹配研究依旧是一个极具挑战性的热点研究课题,且现有曲线匹配方法大多出现匹配总数少、匹配正确率低的问题。为增加特征匹配的总数和正确率,利用特征点和特征曲线的位置关系提出一种点线特征融合的误匹配剔除算法(Point Line feature Fusion,PLF)。首先定义点到曲线的距离,利用点、曲线描述子提取图像的点、线特征;其次确定落入匹配曲线对应支撑区域内的匹配点对,并根据匹配点组和曲线间的距离约束剔除错误曲线匹配;最后利用点线距离约束剔除匹配曲线支撑区域内的错误点匹配。实验选取了3种不同的点线组合,即SIFT技术提取的点特征分别与IOCD曲线描述子、IOMSD曲线描述子、GOCD曲线描述子提取的曲线特征相融合,验证算法对多种点、线描述子具有适用性,且该算法不仅适用于特征点与特征曲线的融合,亦适用于特征点与特征直线的融合,从而验证了其对多种图像特征具有适用性。实验结果表明,在旋转、视角变化、光照变化、压缩、噪音、模糊等变换条件下,该算法均能有效提高曲线特征匹配的匹配总数和匹配正确率,同时提高点匹配的正确率。
