无人机遥感在林木冠幅提取中的应用

无人机遥感技术可为林木冠幅获取提供一种快速测量的方法。以东台市林场为研究区,人工实测杨树人工林样地的单木冠幅值,利用无人机遥感技术航测获取对应杨树样地的高清影像图,采用Agisoft PhotoScan软件对样地影像图进行拼接建模,并结合ENVI软件快速提取样地单木冠幅值,对比两种方法所获得的冠幅值并进行拟合得到线性回归模型,二者相关系数R=0.89,均方根误差RMSE=0.60,相对误差RE%=7.93%,模型拟合效果较好。结果表明,通过无人机遥感技术进行林分单木冠幅测量具有可行性,且估测精度较高,与人工实地测量相比,成本较低、耗时较短、灵活性较高,具备一定的工作优势,值得被广泛推广。

基于激光雷达的枣树轮廓测量平台的设计与试验

针对枣树的三维轮廓信息重建,搭建了一种基于激光雷达的果树轮廓测量平台。通过在平台上的滑轨移动激光雷达获取果树的三维点云信息,采用MatLab软件对点云数据进行提取与处理。为了降低外部环境对点云数据处理的影响,采用高度统计直方图进行地面滤波实现地面点云的滤除,通过icp算法实现双侧点云的配准,应用欧氏聚类算法分割获取枣树点云数据。为验证研究方法的准确性,从点云轮廓数据中获取果树的冠幅数据与手工测量数据进行线性模型拟合对比,二者的相关系数R=0.91,均方根误差RMSE=0.06,相对误差RE=4.08%,拟合效果较好,说明此方法具有一定的可行性。

基于改进的Faster R-CNN模型的树冠提取研究

树冠信息是森林资源调查中的重要内容。传统的树冠冠幅测量方法为实地调查,该方法测量结果在特定的地形和森林环境中误差较大,且人力消耗大、操作繁琐、耗时长。无人机影像技术和深度学习的发展为树冠测量提供了新的方法和实现思路。利用无人机获取了临安东部青山湖绿道两块纯水杉林样地的正射影像图,通过改进目前先进的目标检测方法Faster R-CNN进行树冠的识别和冠幅的提取。基于改进的Faster R-CNN模型准确率和决定系数达到了92.92%和0.84,分别比改进前的模型提高了5.31%和0.12。这说明了无人机和目标检测技术识别树冠的可行性,这一方法和传统的调查方法相比,具有高效、便捷和低成本的优势。