基于Mask R-CNN的平原造林地区单木树冠分割

利用无人机可见光影像,探索自动提取平原造林地区林木空间分布和数量的方法。以河北省张家口市怀来县造林斑块为研究对象,构建单木树冠数据集,选用不同卷积层的Mask R-CNN模型(R50-FPN-1x、R50-FPN-3x、R101-FPN-3x)进行训练和预测,比较各模型在独立测试集的精度。结果表明:各模型均可对造林地区的单木树冠进行分割,其中R101-FPN-3x模型精度最高,为75.33%,召回率为73.23%;基于Mask R-CNN的无人机影像单木分割方法能够快速、精准地自动检测造林地区单木目标,有效地分割单木树冠绘制树冠轮廓,提高中小范围平原造林区域单木调查监测的效率。

基于B/S架构的营造林可视化管理与分析系统

合理控制营造林规划面积和质量,把控预期成效,是推动国土空间绿化事业高质量发展的重要基础,也是林长制考核制度的主要参考指标。将传统造林绿化升级转型与现有可视化技术结合,建立三维立体的造林更新数据库,实现统一管理与应用智慧化造林过程,推动营造林全流程的精准化和高效化,是新时代造林绿化过程中亟待解决的问题。系统基于生长过程的单木模型构建、营造林智能规划、过程可视化、营造林工程管理流程设计为主要技术手段,形成多源图层展示、项目管理、营造林过程三维可视化、核查验收、统计报表五个模块,实现了以造林郁闭时间轴的全过程可视化管理与分析,可为未来大规模国土空间绿化提供技术支撑。

融合机载和背包激光雷达的桉树单木因子估测

以海南省五指山市4块人工桉树林共计157株桉树为例,融合背包激光雷达和机载激光雷达点云数据对桉树单木因子进行了估测,探究融合数据在森林资源调查中的适用性。估测结果与实际样地数据对比表明,融合点云数据在胸径的估测上,R2=0.982,RMSE=0.868cm;在树高的估测上,R2=0.895,RMSE=2.005m,优于只使用背包激光雷达数据获取树高精度(R2=0.835,RMSE=2.458m)。基于背包激光雷达点云数据获取的单木胸径精度较高,融合点云数据可改善单一背包点云数据对树高上的估测。

基于背包激光雷达的单木材积估测方法研究

背包式激光雷达(Backpack Laser Scanning,BLS)在森林资源调查中具有很大的应用潜力,但在复杂地表情景下,单木材积和林分蓄积量提取精度存在较大不确定性。以广西高峰林场为研究区,利用随机森林方法,基于BLS点云数据对单木材积和样地蓄积量进行估测。首先,对BLS点云进行单木分割,提取单木胸径(DBH)、树高(Htree)、冠幅直径(CD)、冠幅面积(CA)、冠幅体积(CV)、郁闭度(CC)、间隙率(GF)和叶面积指数(LAI)共8个特征参数,并计算56个分层高度指标(高度百分比、累积高度百分比、变异系数、冠层起伏率等)。然后,通过随机森林算法构建单木材积估测模型,并对比各种参数组合的预测精度。得到结果:(1)仅用8个单木结构特征参数进行建模,估测精度为:R^(2)=0.83、RMSE=0.097 m^(3);(2)加入分层高度指标的模型估测精度有所提升:R^(2)=0.87、RMSE=0.087 m^(3);(3)通过Boruta算法进行变量筛选,输入参数从64个减少至52个,估测精度差异不大:R^(2)=0.87、RMSE=0.087 m^(3);(4)样方蓄积量估测精度为:R^(2)=0.97,RMSE=0.703m^(3)·ha-1。结果表明,基于BLS点云建立随机森林单木材积估测模型可以较好地估测单木材积,样方蓄积量估测精度高。