基于无人机影像的无瓣海桑单木提取与地上生物量估算

无瓣海桑(Sonneratia apetala)是中国红树林恢复种植最早引进的优质红树树种,其生产力在红树林群落中处于较高水平,具有显著的高生物量和能量积累。然而,由于红树林群落冠层密集、结构复杂,精确描绘无瓣海桑的单木树冠存在极大挑战性。传统的卫星遥感侧重于区域或更大尺度监测需求,而新兴的低空无人机遥感在更精细尺度的红树林生态监测中具有显著优势。以广东省珠海市淇澳岛红树林自然保护区为研究区,利用消费级无人机影像生成的冠层高度模型(Canopy Height Model,CHM)和种子区域生长(Seed Region Growing,SRG)算法进行无瓣海桑单木树冠提取,并建立基于地面调查数据获取的树高和胸径两者之间的回归关系,以优化无瓣海桑地上生物量异速生长方程,进而实现研究区单木尺度的无瓣海桑地上生物量估算。结果表明:基于无人机影像可以有效提取无瓣海桑单木树冠,其提取精度达到67%;验证了树高和胸径之间较高的相关性,提出了基于树高的无瓣海桑地上生物量异速生长方程;研究区无瓣海桑平均地上生物量的范围为2.99~247.24 t/hm2,平均值为92.14 t/hm2,且单木地上质量分布具有空间聚集性。

多场景机载LiDAR点云单木提取

机载激光雷达(LiDAR)测量技术点云数据采集效率高、覆盖范围大,在树木三维空间采集方面具有显著的优势。本文在城市绿化林地、农村果树林地、山区经济林地这三种典型场景中各选取了一块实验区,采用多级分类的思路,通过粗差点检测、点云滤波、高度阈值分割、平面生长等处理步骤,对整个区域的点云数据进行语义标号,相关的语义类别包括:粗差、地面、植被和建筑物,再使用谱聚类算法对植被类点云进行单木提取。实验结果表明,城市绿化林地树木分布规整,树冠彼此相对独立,检测率最高(83.6%);而农村果树林地存在植被点与房屋点更难区分,低矮树木漏识别多于城市场景,检测率略低于城市场景(81.2%);山区经济林地树木密度最高,树冠相互粘连、遮盖,检测率最低(76.8%)。

基于无人机激光点云的单木特征提取技术在地形勘测中的应用

森林资源在维护生态平衡,保护生物多样性,促进经济发展和维持社会文化价值等方面具有重要作用。树木高度是反映森林生产力和健康的重要结构参数,同时也是影响郁闭度高的区域地形图精度的重要因素。随着无人机技术和激光雷达技术的发展,无人机机载激光雷达技术成为森林资源调查的重要手段。本文应用无人机机载激光雷达获取激光点云数据,并对激光点云数据进行处理得到冠层高度模型,进而使用分水岭算法进行单木分割和特征提取,最后基于先验知识对树高和冠幅面积进行了拟合,得到了较好的拟合模型。经验证,激光点云数据符合精度要求,拟合模型R^(2)=0.62,拟合效果较好。本研究为后续进行树高预测,进而提高植被郁闭度高区域地形图精度的相关研究奠定了基础。

基于激光点云数据的森林单木位置提取研究

以河北塞罕坝林场落叶松林地为研究对象,通过选取样地布设水泥桩和反射片,针对森林单木提取精度不高等问题,开展基于激光点云数据的森林单木位置提取方法研究,为森林资源调查的单木定位和数量统计提供参考。通过将采集的森林地面点云数据,采用反射片模式与各个测站点云数据进行配准,提出一种改进的体素空间邻域和RANSAC圆柱拟合方法,分3种不同大小的样地进行单木位置提取实验,结果表明,该方法的单木位置提取效果较好,提取精度均在93%以上。

基于机载LiDAR数据的单木参数提取研究

在林业资源清查中,传统的外业测量方法存在效率低、成本高、数据更新慢等问题。机载激光雷达凭借激光的穿透性与空间三维信息的优势,可以快捷、高效地得到单木的树高、冠幅等参数。但因上部冠层遮挡,机载激光雷达不能很好地取得单木的胸径参数,可以通过建立反演模型,由已知数据估测未知数据,从而得到单木的胸径。本文将分别探讨从基于冠层高度模型的单木分割方法(下简称FCHM)和基于归一化点云的单木分割算法(下简称FNPC)中提取单木树高、冠幅、胸径等参数的方法,并建立相应的反演模型。

福建重要生态功能区单木参数提取研究

以福建省上杭白砂国有林场、云霄园岭国有林场为研究对象,利用机载LiDAR和无人机多光谱数据,运用分水岭分割方法提取不同树种单木树冠信息,并验证提取精度。结果表明,不同分辨率CHM的单木分割结果不同,以0.4 m分辨率进行分割的效果较好,此时桉树、杉木、马尾松的F测度分别为87.6%、75.8%和74.6%;采用多光谱数据与机载LiDAR数据相结合的方式所提取的冠幅精度更高,且桉树与杉木的提取精度高于马尾松,估测精度在85%以上;融合无人机多光谱数据与机载雷达两种数据源可发挥二者的优势,提高单木树冠的提取精度。

基于标记控制区域生长法的单木树冠提取

根据2009年激光雷达数据、正射影像图及二类调查数据,选取凉水国家自然保护区针叶林和阔叶林样地进行单木树冠提取研究,包括利用动态窗口局域最大值法对单木位置进行探测,以及采用标记控制区域生长法进行树冠边界的勾绘,分别从样地和单木两个层次进行评价。结果表明：样地尺度上,针叶林和阔叶林的树冠面积相对误差的平均值分别为8.74%和-8.24%。单木尺度上,针叶林样地的生产者精度在62.2%~77.3%浮动,用户精度在71.5%~83.9%浮动;而阔叶林样地的生产者精度达到76.1%~91.2%,用户精度达到78.5%~92.5%。阔叶林样地勾绘精度浮动较大,但略优于针叶林样地的勾绘精度,是由于阔叶林样地中树冠分布较稀疏所致;而＂位置匹配但过度生长＂的情况过多是针叶林样地树冠提取精度不高的主要原因。

基于TLS和UAV LiDAR的林区单木胸径和树高的自动提取方法

提出了一种从地面站激光雷达(TLS)和无人机(UAV)激光雷达点云中自动提取胸径和树高参数的方法。首先,利用单木近似垂直于地面的特征,对TLS和UAV点云分别划分不同大小的水平格网,统计各网格内的点数、最低点、最高点、高差等特征值,并利用这些特征值组合,从TLS和UAV点云中提取单木;然后,从TLS单木点云的树干截取不同厚度的点云切片,使用RANSAC算法拟合胸径参数,并从UAV单木点云中量测树高。以贵港市覃塘林场的松树林为研究对象,利用TLS点云和UAV点云分别进行单木提取,并在此基础上进行胸径和树高的估计,为森林调查工作提供参考。试验结果表明,利用TLS点云在5个样地(半径为40 m)单木提取的平均查全率和正确率分别为0.87和0.96,UAV点云(200 m×200 m)单木提取的查全率和正确率分别为0.82和0.99,且在树干无遮挡或少部分遮挡的情况下可准确地从TLS点云中获取胸径参数。

结合Faster-RCNN和局部最大值法的森林单木信息提取

利用激光雷达技术准确提取森林单木信息,对森林管理以及研究具有重要意义。针对当前单木提取依赖人工设计规则识别树顶点或树冠轮廓,无法适应复杂森林环境,结合Faster-RCNN和局部最大值法的方法,提出一种基于冠层高度模型(CHM)。从CHM中提取单木信息。Faster-RCNN能够自动提取树冠范围内的高程起伏特征,获得较好的提取结果。对不属于任意Faster-RCNN提取的单木像元,采用局部最大值法提取单木信息,解决Faster-RCNN提取结果存在部分有点云区域未识别单木。单木提取结果为Faster-RCNN和局部最大值法提取单木的总和。采用NEWFOR数据库对方法有效性进行验证,实验结果表明,该方法能够有效提取森林单木,精度优于当前主要单木提取方法。

基于多尺度光谱角制图的遥感影像单木树冠提取方法

针对现有的单木树冠提取方法在尺度直径丰富的林区提取精度低、过分割和欠分割现象严重的问题,提出了一种改进的基于光谱角制图的多尺度层级化标记控制点的分水岭分割方法。首先通过形态学变换得到形态学梯度图像;接着通过HSV变换得到亮度图像,之后用高斯滤波去除噪声,使用区域最大值法在多个不同尺度上识别树冠标记,利用同心叠加整合不同尺度对象上的标记,并用光谱角制图控制叠加过程形成最终标记;最后实施标记控制的分水岭分割得到单木树冠分割线。以3种不同类型的高分辨率林区作为测试数据,同时采用3种传统单尺度标记控制的分水岭分割算法作为对比试验,结果表明,该方法对树冠的提取精度均在80%以上,且较单尺度的方法而言,能够有效地改善树冠提取中的过分割和欠分割问题。

基于无人机影像匹配点云的苗圃单木冠层三维分割

近年来较多的树冠提取算法以激光雷达数据为基础,然而激光点云数据量大、冗余多而且采集成本高。本文基于无人机影像匹配点云提取单木树冠轮廓,研究一种成本可控、能够补充甚至部分替代激光雷达的小范围森林制图方案。以福建省三明市某林场内苗圃地作为研究对象,在稠密的无人机影像匹配点云中截取2个25 m×25 m的样地作为测试样本。预处理后,首先构建植被冠层高度模型,以局部最大值法探测树冠位置并标记为种子点;从这些种子点形成的初始区域开始生长,迭代计算直到全部的影像匹配点云归并完毕;最后,将算法提取的树冠轮廓导入Arc GIS中获取树冠轮廓矢量边界,并与手绘参考树冠叠加,利用F测度实现精度的评定。依此方案,在2个林分范围内的树冠提取F测度均达到了89%以上,单木冠幅提取的误差在0.14 m以内。结果表明,该方案简单有效、精度可靠,适用于小范围、高精度的植被制图。

无人机摄影获取单木三维信息方法研究

随着无人机航空摄影测量技术的成熟和发展,改变了传统森林调查的手段,加快了森林调查的数字化、智能化发展。为提高单木因子的采集效率和精度,降低外业的工作强度,基于倾斜摄影测量技术,以多旋翼无人机为数据采集平台,实现了孤立单木的三维点云模型重建。在此基础上,建立了单木三维信息量测算法,提出切割法和投影法两种提取树冠投影面积的方法,并提取树高、树干任意处直径、树冠投影面积、冠幅、树冠表面积、树冠体积6项测树因子参数。结果表明:1)树木的总高度和第一枝下高的提取精度分别为96.28%和95.61%,胸径和上部直径的提取精度分别为96.24%和93.78%;2)利用切割法和投影法提取树冠投影面积的精度分别为96.28%和98.24%,提取冠幅的精度分别为89.65%和91.50%,提取树冠表面积的精度分别为96.78%和97.58%,提取树冠体积的精度分别为94.29%和96.14%;3)实践证明,该技术可很好地应用到古树名木的保护工作中,并可对森林调查的方式提供新的技术参考,具有较高的现实意义和实际应用价值。

毛竹向杉木林扩张不同程度林分空间结构遥感量化分析

林分空间结构是影响林木生长过程、森林生态系统结构和功能的重要因素,研究毛竹扩张杉木林的空间结构变化规律,对毛竹扩张防控及精准经营具有重要意义。以天宝岩自然保护区的毛竹-杉木混交界面为研究对象,设置不同扩张程度,基于无人机遥感影像,实现林分单木位置提取及毛竹和杉木识别;结合Voronoi图,获取林分空间结构相关参数,构建林分空间结构评价指数,揭示毛竹向杉木林扩张不同程度林分空间结构变化特征。结果表明,林分平均角尺度、混交度、大小比数和林分空间结构评价指数分别为0.50~0.55、0.48~0.51、0.25~0.55、0.20~0.50,且随扩张程度的加深,均表现为先增后减的趋势,在毛竹和杉木数量占比接近1∶1时,空间结构评价指数达到最大值,林分空间结构整体最优。研究所构建的林分空间结构评价指数,可以有效地反映林分空间结构的整体状况,为揭示毛竹扩张杉木林演化机制提供基础数据。

基于地空雷达数据的人工池杉林单木信息提取

随着绿色经济和生态文明发展的不断推进,森林林分结构信息的数字化、精细化管理也越来越重要,通过激光雷达来快速获取单木信息数据,也成为一种高效便捷的手段。但由于单独使用激光雷达在探测森林时会出现盲区无法形成完整的森林树木三维点云,为此本研究用使用无人机机载雷达与地基雷达融合进行调查,所探测的数据经处理后,即可获得高精度的点云模型与单木信息表。结果表明,池杉样地的单木定位识别精度为94%,每木平均树高相差0.16 m,平均胸径相差0.23 cm,树高、胸径R^(2)分别为0.9881、0.9746,均方根误差分别为0.2663 cm、0.6136 m。机载激光雷达与地基激光雷达合并点云对于人工池杉林资源调查与监测具有重要的实际意义,同时为林分信息快速提取的研究与应用提供了有力的技术支撑。

基于迭代H-minima改进分水岭算法的高分辨率遥感影像单木树冠提取

从高分辨率遥感影像中提取单木树冠信息能够有效提高森林资源的调查与管理水平;针对现有单木树冠提取方法对郁闭度较高的阔叶林提取精度低的问题,提出一种基于迭代H-minima改进分水岭算法的高分辨率遥感影像单木树冠提取方法;首先利用形态学开操作对图像进行平滑处理,采用Sobel算子提取梯度图像,并利用均值滤波进行去噪处理;然后利用一组h值在梯度图像上迭代识别树冠标记,利用虚假标记检测方法过滤无效标记;最后引入对称原则来限制分水岭算法的淹没过程,避免树冠标记过生长与无标记树冠合并;以高分辨率遥感影像作为数据源,同时采用传统的标记控制分水岭算法和所算法提取单木树冠,从单木位置和树冠轮廓两个方面,以及样地和单木两个尺度上对单木树冠提取的精度进行评价。结果表明:所提算法提取树冠的F测度为92.71%,比标记控制分水岭算法提高了31.99%;所提算法能够有效抑制过分割、减少欠分割,从而提高单木树冠的提取精度。

基于无人机倾斜航空影像的树冠体积测算方法

树冠是结构复杂的不规则体,对树冠体积的精确测定一直是树木测量研究中的难点问题。该文以消费级多旋翼无人机对目标树木进行倾斜摄影获取的多角度航空影像为基础,通过空三加密处理生成目标树木的三维点云模型;用等高线法分割树冠点云,并确定树冠最优分割层数;用投影法对点云数据进行转化,并选取测算点计算树高和树冠任意横截面积;对分割后各规则体的体积进行累加获得树冠体积。结果表明:8棵目标树木的树高测算值相对误差为1.46%～4.10%,平均相对误差为2.88%;树冠体积测算值的相对误差为6.95%～12.39%,平均相对误差为9.42%;精度均可满足林业调查中对于树高和树冠体积测量结果的要求。利用无人机倾斜航空影像建立单木的三维点云模型并进行树冠体积测算的方法是可行且有效的,该方法可为研究单木树冠几何参数的提取提供参考。

无人机遥感影像林地单株立木信息提取

针对无人机遥感技术在提取单株立木信息的限制性问题,提出一种新的自动单株立木信息提取方法。对原始无人机影像进行光谱信息增强处理以突出局部细节特征;通过引入DBI指数自动化确定K-means聚类方法的最优聚类数目,进而对影像像素进行标记;通过利用高斯马尔可夫随机场模型进一步对影像进行分割;使用数学形态学算子等方法对分割结果进行后处理得到单株立木树冠信息,通过图像几何矩原理计算得到单株立木位置以作为其识别的依据。结果表明,应用该提取方法,油松林区和樟子松林区单株立木识别总体精度分别为89.52%和95.65%、单木树冠提取精度分别为81.90%和95.65%,均具有较好地适用性。该方法不需要大量的人工干预和先验知识的输入,大大提高提取方法的自动化程度。

结合Gabor小波和形态学的高分辨率图像树冠提取方法

树冠信息的遥感提取能有效辅助森林参数反演、林分长势监测、树种识别等森林调查活动。随着遥感信息自动化提取的需求不断加强,本文基于高空间分辨率遥感数据,以滁州市皇甫山林场为研究区域,设计了一种结合Gabor小波和形态学的树冠提取方法。该方法首先采用Gabor小波提取出纹理特征,其次结合K-means聚类分析方法,对PCA降维后的纹理特征向量提取出阔叶林区,最后基于形态学理论降低影像噪声,并利用前景后景标记的分水岭方法进行单木树冠提取。经过与人工解译的树冠信息结果对比发现,在郁闭度较高的阔叶林区,该自动化方法提取树冠精度较高,分割准确率Ad为79.59%,F测度达到了79.00%能有效提供精确的单木树冠信息,为林业经济调查技术的发展具有一定的实践意义。

基于高分辨率卫星影像的CV模型单木定位法

【目的】基于遥感影像自动获取单木位置信息,进而建立单木数据库,实施单木集约化管理,以实现精准林业特别是对城市树木的集约管理。【方法】针对传统方法在树冠重叠区域易出现误判和漏判问题,提出基于CV模型的单木定位技术。首先结合树冠形态学特征自动提取初始轮廓;其次基于CV模型对初始轮廓线进行迭代,进而获取单木树冠轮廓;最终提取单木位置信息。为了检验该单木定位方法的效果,选择了7张不同类型(针叶林、阔叶林、经济林等林分和非林分)的高分辨率卫星影像,进行基于CV模型的单木定位方法与传统单木定位方法的对比分析。【结果】基于高分辨率卫星影像的CV模型单木定位法可基于图像全局信息,利用曲线内外的灰度均值而不是梯度信息进行分割,能够在边界模糊或梯度无意义的图像中取得较好的分割效果,快速准确地收敛到目标位置。与梯度分水岭法、标记分水岭法及局部最大值法等传统方法相比,CV模型单木定位法具有更高的匹配率,平均匹配率提高近23%。【结论】该单木定位法可以更好地处理树冠的连接、重叠状况,具有更好的定位效果,表现出良好的应用潜力。