山南市行道树资源调查与结构特征分析

2016年6-9月,采用抽样调查法对西藏自治区山南市行道树资源、结构特征及配置模式进行调查。结果表明,山南市行道树共计10科17属24种,其平均胸径、平均树高、平均冠幅分别为13.29 cm,7.31 m,3.72 m。应用最多的依次为杨柳科Salicaceae、蔷薇科Rosaceae、松科Pinaceae.,分别为6,5,3种,分别占调查行道树种类的25.00%,20.83%,12.50%。重要值排前3的依次为白柳Salixalba,北京杨Populus×beijingensis,雪松Cedrus deodara,其重要值依次为70.525,35.690,33.171,多样性指数较低。季相景观上,以春-秋季、秋季为主,夏季、春季、冬季景观薄弱。彩叶树种色系上,以白色、黄色系季相景观为主。垂直分层结构上,以2层模式为主(39.06%)。

成都市行道树资源调查与结构特征分析研究

通过实地踏查及抽样调查,对成都市六城区行道树资源、结构特征及配置模式进行调查分析.结果表明成都市现有行道树树种102种,隶属于40科72属,出现频度较高的行道树有女贞、银杏、栾树、雪松、水杉;行道树配置模式包括单层模式、两层模式以及多层次的生态配置模式.研究成果对成都市城市行道树科学规划和建设提供科学依据.

基于Mask R⁃CNN的行道树实例分割方法

针对行道树资源调查中的行道树图像分割问题,基于Mask R-CNN提出一种行道树实例分割算法。首先对图像数据进行采集和标注,建立行道树图像数据集,并对图像进行尺寸变换、数据扩充等预处理以缓解网络训练的过拟合问题;随后,运用迁移学习等思想将大型图片数据集COCO上的预训练网络参数迁移到行道树实例分割模型中作为初始化,并对模型进行训练直至收敛。实验中采集了香樟、悬铃木、广玉兰、柳、银杏、棕榈等多种行道树信息,经预处理后形成的行道树图像数据达到1482张,将图像顺序随机打乱并划分训练集、验证集和测试集;接着采用深度学习框架Tensorflow进行训练迭代40000次,最后用测试集的294张图像对模型进行测试,将检测结果与标注的真值进行比对,得出平均交并比约为80%,平均查准率和平均查全率均达到95%以上;在检测速度方面,检测一张图片平均耗时0.476 s,可满足行道树资源调查的需要。实验结果表明,该模型能够实现对不同行道树树种实例的有效精细分割。