飞行高度与郁闭度对水杉冠幅提取影响的研究

树冠是树种识别、估测树木胸径、估算森林蓄积量、监测树木生长情况的重要指标。无人机遥感具有低成本高精度等优势,非常适合高分辨率影像的获取。以杭州市临安区青山湖风景区的水杉林为研究对象,采用无人机获取不同飞行高度以及不同郁闭度的遥感影像为数据源,基于面向对象法提取平均冠幅。以地面实测的平均冠幅作为参考,在相对低郁闭度的情况下飞行高度在65,70,75m时冠幅提取精度分别为:95.39%,94.80%,94.29%。在相对高郁闭度的情况下冠幅提取精度分别为:89.10%,88.10%,88.03%。研究结果表明,在研究范围内,随着无人机高度的增加,冠幅提取的精度逐渐降低,且在两种不同郁闭度的情况下同样适用,其精度都在88%以上。该方法高效可靠,在森林资源调查中有重要的现实意义。

基于无人机多光谱影像的亚热带阔叶林分类

使用无人机平台获取亚热带阔叶林样地的多光谱影像和可见光影像,并将多光谱影像与可见光影像进行波段合成获得添加多光谱信息的可见光组合影像,从可见光影像、多光谱影像和组合影像中分别提取光谱信息与空间信息,采用支持向量机、最大似然法、神经网络和马氏距离等4种分类算法对其优势树种进行分类。比较不同影像在不同分类算法下的分类结果。仅使用可见光影像使用不同算法分类的精度都比较低,最高精度为采用支持向量机的分类,分类精度为62.97%,Kappa系数为0.225 6。使用多光谱影像和添加多光谱影像的可见光组合影像分类精度均有提升。组合影像与支持向量机的分类组合达到90.64%,Kappa系数为0.786。使用低成本的无人机可见光影像分类精度较低,而添加多光谱影像能较大提升分类精度。