【目的】研究树冠信息估测出林分密度、生长量等森林调查指标,判断林木生长优良状况提供参考,【方法】基于无人机遥感影像,以新疆农业大学实习林场主伐迹地下天山云杉林(Picea Schrenkiana var tianshanica)为研究对象,采用高斯-拉普拉...【目的】研究树冠信息估测出林分密度、生长量等森林调查指标,判断林木生长优良状况提供参考,【方法】基于无人机遥感影像,以新疆农业大学实习林场主伐迹地下天山云杉林(Picea Schrenkiana var tianshanica)为研究对象,采用高斯-拉普拉斯算子(Laplacian of Gaussian,LOG)结合最大类间方差寻找最优阈值(Otsu)对影像进行处理,并利用标记控制分水岭分割方法分别提取疏、中、密3种不同郁闭度的天山云杉单木树冠信息。【结果】利用优化后的标记控制分水岭分割方法较好的解决了过分割问题,对单木树冠信息提取的F测度在疏、中、密林区分别是98.26%、92.91%和87.57%。【结论】使用的方法提取单木树冠信息精度较高,可以评价对天山云杉林的生长状况,可对主伐迹地下天山云杉林的更新和恢复提供可靠的技术支撑。展开更多
以无人机影像为源数据,天山云杉(Picea Schrenkiana var tianshanica)为研究对象,根据样方实测数据,提取冠幅信息与胸径树高参数进行拟合并反演蓄积量,为天然林保护工程实施后天山云杉生态恢复与科学管理提供技术手段。基于新疆农业大...以无人机影像为源数据,天山云杉(Picea Schrenkiana var tianshanica)为研究对象,根据样方实测数据,提取冠幅信息与胸径树高参数进行拟合并反演蓄积量,为天然林保护工程实施后天山云杉生态恢复与科学管理提供技术手段。基于新疆农业大学实习林场的无人机影像数据和60个样方的每木检尺数据,通过多尺度分割技术对天山云杉林冠幅进行分割提取,根据实测数据建立冠幅-胸径模型和冠幅-胸径-树高模型,反演天山云杉林蓄积量。结果表明:无人机影像分割效果较好,根据多尺度分割技术得到的最合优尺度参数为60,形状因子为0.5,紧密度因子为0.5。通过构建天山云杉冠幅-胸径模型,得幂函数模型拟合度最高,R2为0.718,而冠幅-胸径-树高二元一次模型R2为0.817。将提取参数代入模型反演蓄积量与样方蓄积量对比后完成T检验,检验结果sig=0.051,说明模型拟合度较好。研究得出采用面向对象方法对天山云杉林冠幅信息的提取效果较好,基于模拟数据和实测数据构建模型得到胸径参数进而反演林分蓄积量的方法可降低人力调查成本并满足天山云杉林经营管理的需要。展开更多
文摘【目的】研究树冠信息估测出林分密度、生长量等森林调查指标,判断林木生长优良状况提供参考,【方法】基于无人机遥感影像,以新疆农业大学实习林场主伐迹地下天山云杉林(Picea Schrenkiana var tianshanica)为研究对象,采用高斯-拉普拉斯算子(Laplacian of Gaussian,LOG)结合最大类间方差寻找最优阈值(Otsu)对影像进行处理,并利用标记控制分水岭分割方法分别提取疏、中、密3种不同郁闭度的天山云杉单木树冠信息。【结果】利用优化后的标记控制分水岭分割方法较好的解决了过分割问题,对单木树冠信息提取的F测度在疏、中、密林区分别是98.26%、92.91%和87.57%。【结论】使用的方法提取单木树冠信息精度较高,可以评价对天山云杉林的生长状况,可对主伐迹地下天山云杉林的更新和恢复提供可靠的技术支撑。
文摘以无人机影像为源数据,天山云杉(Picea Schrenkiana var tianshanica)为研究对象,根据样方实测数据,提取冠幅信息与胸径树高参数进行拟合并反演蓄积量,为天然林保护工程实施后天山云杉生态恢复与科学管理提供技术手段。基于新疆农业大学实习林场的无人机影像数据和60个样方的每木检尺数据,通过多尺度分割技术对天山云杉林冠幅进行分割提取,根据实测数据建立冠幅-胸径模型和冠幅-胸径-树高模型,反演天山云杉林蓄积量。结果表明:无人机影像分割效果较好,根据多尺度分割技术得到的最合优尺度参数为60,形状因子为0.5,紧密度因子为0.5。通过构建天山云杉冠幅-胸径模型,得幂函数模型拟合度最高,R2为0.718,而冠幅-胸径-树高二元一次模型R2为0.817。将提取参数代入模型反演蓄积量与样方蓄积量对比后完成T检验,检验结果sig=0.051,说明模型拟合度较好。研究得出采用面向对象方法对天山云杉林冠幅信息的提取效果较好,基于模拟数据和实测数据构建模型得到胸径参数进而反演林分蓄积量的方法可降低人力调查成本并满足天山云杉林经营管理的需要。