应用无人机高密度点云对高郁闭度人工林单木分割

为探索机载激光雷达对高郁闭度人工林单木分割的应用潜力,选取黑龙江省森林植物园内红松(Pinus koraiensis)、云杉(Picea asperata)、樟子松(Pinus sylvestris)3块具有代表性的样地作为研究对象,应用多旋翼无人机搭载ZENMUSE L1激光雷达获取密度较高的点云数据,经过去噪、滤波、地面点分类预处理。分别采用标记控制分水岭算法和点云间距聚类算法,并调整相应的参数对试验区内的3块样地进行单木分割。结果表明:采用标记控制分水岭算法的单木分割,冠层高度栅格分辨率为0.1 m时分割效果最好(总体调和值为84.2%),红松、云杉和樟子松样地的调和值分别为87.8%、81.8%、82.4%,调和值随着分辨率的降低而降低;采用点云间距聚类算法的单木分割,距离阈值为平均冠幅半径时分割效果最好(总体调和值为85.9%),红松、云杉和樟子松样地的调和值分别为87.1%、83.5%、87.0%,距离阈值过大过小都导致调和值降低。因此,结合机载激光雷达高密度的点云数据,标记控制分水岭算法和点云间距聚类算法都适用于高郁闭度人工林较精准的单木分割,通过调整参数、高分辨率的冠层高度图像和合适的距离阈值提高了分割的精度,高密度点云数据对高郁闭度人工林单木分割具有较好的应用潜力。

绿美广东生态建设示范区数字孪生应用研究

为建设“绿美广东生态建设数字孪生示范区”,通过点云生成树木三维建模技术,对示范内的核心区位树木进行1∶1仿真。以倾斜摄影获取的高分辨率立体影像数据为底,结合三维树木、建筑和地形等模型构建高精度与标准地理位置的3D森林场景;接入4个智能综合监测点的物联网数据,并在虚拟3D森林场景里表达出来,实现虚拟3D森林场景与现实森林场景的深度融合;结合林木生长模型,模拟出森林的未来状态,构建集数据采集、模型建立、仿真分析和未来预测于一体的沉浸交互式数字孪生系统。通过研究,形成了一整套比较成熟的技术体系,可为建设广东省数字孪生林业一张图提供技术示范和解决方案。

林木虚拟生长建模方法及建模工具研究综述和展望

林木的形态结构受到树种或林木个体的遗传因素(激素信号、养分竞争等)和立地条件、经营措施以及林木的竞争状态(光照分布、温湿度、农艺措施等)的影响,因此,掌握各种因子影响林木生长过程的机制对于林业生产和精准林业研究与实践非常重要,但如果实时地对实际林木进行生长过程影响因子研究,则存在很大的时空局限性和很高的测试成本,因而采用虚拟技术开展林木生长过程研究引起国内外的高度关注。系统地综述了国内外开展林木虚拟生长研究的7种建模方法和10种建模工具,然后提出基于林木虚拟动态生长模拟的"林木云"研究展望和基于计算机视觉系统的林木三维建模方法及相关建模工具的研究建议,并分析了林木4D虚拟动态生长模型等,从而促进林木虚拟动态生长技术研究。

基于三维激光扫描的涉案林木伐根直径测量研究

利用三维激光扫描系统,获得林木伐根的点云数据,使用Trimble Realworks软件提供的丰富的点云数据处理功能测量伐根直径,计算出林木的材积。将计算结果与传统方法测得的伐根直径计算出的材积结果进行比较。结果表明,三维激光扫描仪测量林木伐根直径得到的材积,符合材积测定的精度要求,测量效率远远高于传统测量的方法,并可以固定现场和复原现场,完成室内测量,为快速、高效地测量涉案林木材积提供了技术支持。

基于激光扫描的林木材积自动测量技术

提出一种基于激光扫描的林木材积测定技术,该技术利用几何方法处理扫描获得的三维点云数据,并采用VC++和Matlab语言编程,可以快速、准确地计算林木材积。试验证明,林木材积平均误差小于3%。如对多株林木进行扫描,可最终实现森林蓄积量测定的自动化,从而节约大量人力物力。

高密度机载LiDAR数据中确定树冠覆盖方法

针对混交林植被参数提取相对纯林植被参数提取传统方法的局限性,提出一种从单棵树木的三维形状特征出发来确定树冠覆盖轮廓的方法.提出单棵树冠三维形状的模型假设,利用模型生成模拟点云数据进行试验,模拟结果直观展示出所提出方法的有效性;使用机载扫描的高密度混交林Li DAR点云数据进行实验.研究结果表明:该方法能对树冠覆盖范围有较准确的确定,为今后精细化的森林测绘和环境评估提供了技术上的参考.

高维数据下基于云平台的随机森林算法的研究与实现

随机森林算法在数据挖掘领域中得到了广泛的应用,该算法通过构建多个不同的决策树可以获得更高的分类结果。但是,随着数据规模的增大,人们开始接触到各大规模的数据以及更高维度的数据属性。传统的随机森林构建算法不能有效、快速地处理海量高维数据,严重影响了数据的分类效率,从而影响预测效率。本文针对高维、海量数据下随机森林构建算法,改进并提高了该算法的效率,提出了基于云计算平台的随机森林构建算法。该算法可以快速的完成数据分类预测,并通过实验结果进一步展示了该算法的效率以及可扩展性。

实时动态多功能双目立体摄影测树仪设计

为了实现林木精准实时定位,满足森林资源调查中多因子精准计测的需求,研发了一种集单木像对解算和林分点云测量于一体的多功能、高精度、实时定位的实时动态(real-time kinematic, RTK)双目立体摄影测树仪。该仪器以摄影测量和全球导航卫星系统(global navigation satellite system, GNSS)空间定位技术为基础,利用三角函数原理、双目摄影测量解算原理和基于运动结构(structure from motion, SfM)视觉算法,通过内嵌操作软件,实现了林木位置实时定位及林分样木还原、胸径测量、树高测量、株树密度测量、林分空间结构参数测量等功能。通过试验验证,在单木测量模式下,能快速实现林木定位,其胸径测量精度为97.11%,树高测量精度为94.72%;在林分测量模式下,依"仿航线法"观测,能快速建立林分点云模型,并实现了林分调查因子和林分空间结构参数的高效提取,其中林分胸径提取精度达到97.18%。该仪器测量精度符合林业调查的精度要求,可在森林资源调查及精准林业工作中推广使用。

基于多层K-means在森林点云中的单木识别算法

针对目前激光雷达(Light Detection And Ranging,LIDAR)采集的森林点云数据使用K-means算法进行单木识别时,算法的收敛时间长,以及对于株树密度大的森林场景容易产生过聚类的问题,提出了一种改进的多层K-means单木识别算法。以黑龙江省佳木斯市孟家岗林场落叶松人工林的点云数据为实验对象,通过RANSAC算法和半径离群值算法去除数据中的地面点与非树干且非地面点,最后通过多层K-means算法进行单木的识别。结果表明,改进后的多层K-means算法单木识别的识别率达到了91.01%,误判树木的数量为0,算法收敛时间相较于传统K-means算法缩短了48.13%。可以得出结论,多层K-means算法效率更高,对复杂密集的林分样地进行单木识别有更好的效果,降低了勘测森林结构的成本,这对于森林结构参数的测算、森林资源的保护与总体规划工作有重要意义。

基于随机森林算法构建云-云阴影-水体掩模

遥感图像数据中云和云阴影的存在是影响数据应用的主要原因，专家已经研发了多种去除云及其阴影的方法。在对不同目标像元光谱曲线分析的基础上，研究了基于随机森林（random forests，RF）分类器的云-云阴影-水体掩模建立方法。由于云阴影是阴影与地表物体的叠加，其光谱曲线与水体的光谱曲线之间存在细微的差别，这使得决策树（decision tree，DT）分类方法不能非常有效地应对这种细微差别。RF分类器是建立在多个DT分类结果集成的基础上，其算法原理保证了该算法的稳健性和有效性。研究结果表明：在样本容量较少时，RF算法比DT具有更好的分类效果；而在样本容量增大到250～400个像元时，2种方法的分类效果没有明显区别。这表明RF算法可以成功地用于建立云-云阴影-水体掩模，这将在遥感数据处理中得到更加广泛的应用。

车载激光点云中行道树及属性信息提取

由于地物遮挡、数据残缺、噪声等因素的影响,从车载激光扫描数据中提取行道树及其属性信息具有一定难度。针对此问题,提出了一种基于随机森林和车载激光点云数据的行道树及属性信息提取方法。首先,从多角度构建点云特征向量,利用随机森林对特征重要性进行度量和排序,选择对分类起积极作用的特征子集作为训练样本;其次,利用随机森林构建预测模型并对点云进行分类,提取行道树点云;最后,通过基于密度的聚类算法获取单株行道树,并以单株行道树为数据处理单元获取其树高、胸径、冠幅等属性信息。实验结果表明,使用该方法提取的行道树及其属性信息均呈现出较高精度,验证了本文方法的有效性。

基于地基激光雷达的道路生态景观评价:以黄海海滨国家森林公园为例

道路生态景观建设是创建生态园林城市的重要内容,也是城市园林景观规划中必不可少的环节。以江苏省黄海海滨国家森林公园的阔叶道路和针阔混交道路为研究对象,基于地基激光雷达(terrestrial laser scanning,TLS)获取三维点云数据。考虑到生态和景观效益,选取固碳量、滞尘量、增湿量、植物美学效益、植物观赏效益和路旁景观融合度6个主要指标,通过均方差法为每个指标赋予权重,对道路生态景观进行综合评价。结果表明:(1)针阔混交道路评价值为2.44,阔叶道路为0.56,这表明对于黄海海滨国家森林公园而言,针阔混交道路具有更好的生态景观效益;(2)相比传统人工样地采集数据的方法,使用TLS扫描采集数据可大大减少时间和人力成本,且数据质量高。该研究可对行道树的生态防护功能做出定量评价,并为城市景观规划提供科学依据。

机载激光雷达人工林单木分割方法比较和精度分析

【目的】研究分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法对人工林单木分割的适用性,分析3种方法对人工林单木分割的精度,探索进行单木分割时3种方法关键参数的最优选择。【方法】结合地面实测数据和目视解译方法,计算单木探测率、准确率和F得分,比较分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法的单木分割精度,并通过改变栅格化冠层高度模型(CHM)的分辨率及调整基于点云的距离判别聚类法的距离阈值,分别对3种方法进行单木提取效果的敏感性分析。【结果】1)分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法对人工林单木总体分割精度较高(F=0.76～0.83); 2)对于"复杂林型"样地,基于点云的距离判别聚类法的分割精度最高(F=0.78),优于分水岭算法(F=0.74)和四次多项式拟合法(F=0.53);对于"中等复杂林型"样地,基于点云的距离判别聚类法的分割精度最高(F=0.89),优于分水岭算法(F=0.84)和四次多项式拟合法(F=0.75);对于"简单林型"样地,基于点云的距离判别聚类法(F=0.89)、分水岭算法(F=0.89)和四次多项式拟合法(F=0.93)的分割精度都较高; 3)敏感性分析结果表明,当CHM分辨率为0.5 m×0.5 m时,分水岭算法和四次多项式拟合法的分割精度最高;当基于点云的距离判别聚类法的距离阈值近似样地平均冠幅半径时,其分割精度最高。【结论】对多种类型样地进行单木分割,体现了分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法对人工林单木分割的适用性;结合多种类型样地充分评估并比较了3种方法对人工林单木分割的精度;通过对3种方法进行敏感性分析,阐述了进行单木分割时关键参数的最优选择。

基于随机森林算法构建Hyperion影像云和云阴影掩模

遥感数据的判读应用不可避免地要受到云和云阴影的干扰,这导致影像中地物信息不完整,给后续影像解译和处理带来障碍。采用最佳波段指数方法筛选出经过预处理的Hyperion高光谱影像最佳波段组合,达到波段去相关、信息含量最大并减少运算量的目的。基于不同地物类型的光谱曲线,采用随机森林算法提取Hyperion影像中云和云阴影信息,建立相应的掩模。研究结果表明,基于经验阈值的决策树分类精度达96.36%,随机森林算法的分类精度达98.86%,Kappa系数为0.951 2,具有更好的分类效果。利用随机森林算法建立高光谱影像云和云阴影掩模,由于随机森林算法是建立在多个决策树分类器结果基础上,避免了单一决策树分类器带来的误分类现象,较好地去除了云和云阴影对遥感解译的影响。

点云切片结合聚类算法的TLS单木探测方法研究

【目的】针对直接使用地面激光雷达生成的冠层高度模型(canopy height model,CHM)和归一化点云(normalized point cloud,NPC)在复杂林分探测中存在单木探测能力不足的问题,研究引入点云切片结合聚类的方法以提高单木探测精度。【方法】以广西壮族自治区6个不同林分密度的人工林样地为研究对象,利用地面激光扫描获取样地的归一化点云数据,提取高度在1.3 m处的点云切片,分别采用基于密度噪声应用空间聚类(DBSCAN)和均值漂移聚类(MS)算法对切片中的树干点云进行聚类。利用野外实测调查数据进行精度验证,并与基于CHM的局部最大值算法和基于NPC的点云分割算法(point cloud segmentation,PCS)的探测结果对比,评价和分析不同探测方法的适用性与参数敏感性。【结果】所有方法均可获得良好的探测结果,各样地的最优总体探测精度得分F≥0.86;点云切片结合聚类算法的单木探测方法结果最优。DBSCAN算法的聚类阈值(Eps)和均值漂移算法的聚类半径可显著影响单木探测率,最大Eps取决于最大林木间距,聚类半径接近最大单木胸径时的探测结果最优。【结论】基于点云切片结合聚类算法的单木探测能提高下层林木探测率,可有效改善高密度林分的单木探测精度,为不同林分的单木探测方法选择提供参考。

基于XGBoost算法的遥感图像云检测

云检测是利用卫星遥感影像进行相关应用的基础。针对云检测过程容易受到复杂地表环境干扰的问题,提出了一种基于极限梯度提升(XGBoost)算法的云检测模型。该方法以TOA反射率、亮温和光谱指数等组建特征空间;然后,采用贝叶斯优化对XGBoost模型的超参数进行了调整。为检验XGBoost的云检测效果,选择不同云场景的Landsat 8遥感影像为测试数据,并把XGBoost、随机森林和决策树的云检测结果作对比。结果表明:本文提出的XGBoost云检测模型的云识别效果优于随机森林和决策树,展现了XGBoost在云检测中的潜力;且XGBoost的F1分数和Kappa系数分别可达73%和71%以上,实现了较准确的云检测,可为后续开展云检测研究提供一定的支持。

海南热带云雾林附生维管植物对宿主的选择性

附生维管植物是热带森林中重要的特征性组分,研究附生维管植物对宿主树的选择性对热带森林生物多样性及生态系统保护有重要意义。该研究以海南热带雨林国家公园霸王岭片区热带云雾林中的附生维管植物为研究对象,通过设置21个20 m×20 m的固定样地,调查样地内所有胸径>1 cm的乔、灌木的数量、种类、胸径、植株高、基质类型及其上生长的附生维管植物的数量、种类,用混合线性模型、单因素方差、附生选择性指数分析附生维管植物分布与宿主树种、胸径、高度、基质类型(裸树皮、苔藓、凋落物及土壤)的关系。结果表明:在热带云雾林8400 m^(2)样地内,附生维管植物共计51种2650株,附生兰科植物和附生蕨类植物为优势类群,附着在10.6%的个体木上;附生维管植物多度和丰富度与宿主树胸径显著正相关;多度较大的琼崖石韦(Pyrrosia eberhardtii)、流苏贝母兰(Coelogyne fimbriata)、阴石蕨(Davallia repens)、蔓九节(Psychotria serpens)对宿主树种表现出一定的选择性,显著偏好1-4个树种;附生维管植物对轻基质类型(苔藓植物)也存在显著偏好,70%以上的附生维管植物生存在苔藓基质上。

基于树木相对位置关系的多时相机载激光雷达人工林点云匹配

人工林资源的精准监测是提升人工林培养质量、可持续经营管理水平及准确估测人工林碳储量的前提。使用机载激光雷达可获取高精度的森林冠层结构信息,然而,只有在同一森林区域获取多期激光雷达点云并进行精准匹配的基础上,才能有效实现人工林资源的动态监测。针对人工林树种单一、排列规整,缺乏纹理特征等特点,基于树木的相对空间关系,创建了一种高鲁棒性的多期机载激光雷达人工林点云匹配算法。首先,利用地面点进行z轴配准,并对两期点云进行单木分割,获取树位置和高度信息,并根据树木水平及垂直方向的相对关系提取单木匹配特征;其次,建立合适的相似度函数,结合单木匹配特征构造加权二分图模型,并使用最大权匹配算法得到两期树木对应关系;最后,使用奇异值分解求解最优变换矩阵,完成配准。通过在江苏省沿海典型人工林研究区(主要树种为杨树和水杉)进行试验验证,结果表明:该匹配算法在水杉和杨树的典型样地中配准效果均较好,其中水杉样地(配准后RMSE=42.5 cm)配准结果优于杨树样地(配准后RMSE=58.8 cm)。该算法能够有效提升多期机载激光雷达人工林点云的匹配精度,并为人工林的动态监测(特别是单木尺度的砍伐和生长等信息获取)提供了技术前提。