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。

基于雷达植被指数的水土流失区植被覆盖度估测

植被覆盖度是描述水土流失程度的重要指标。像元二分模型假设一个像元代表的信息来自土壤和植被2部分,植被信息占整个像元面积的百分比为植被覆盖度。对Radarsat-2数据进行极化分解,得到反映植被疏密程度的雷达植被指数,结合像元二分模型估测植被覆盖度。将基于雷达植被指数的像元二分模型应用于水土流失重点治理区域——福建省长汀县河田镇,并以高分辨率光学影像World View-2计算的植被覆盖度作为参考,结合无人机高分影像和实地考察资料对结果进行精度验证。结果表明,估测结果与验证数据具有较好的相关性(R2>0.8),表明该模型可以用于植被覆盖度的估测;完全基于雷达数据估测植被覆盖度的算法,克服了南方多云雨地区数据不易获取的困难,有助于对水土流失的连续监测。

冲突的区间信念结构下基于证据推理规则的群决策方法

针对区间信念结构组合问题,考虑群决策环境下专家意见冲突的情形,提出一种冲突的区间信念结构下基于证据推理规则的群决策方法。首先,依据决策者(或专家)对备选方案的评价信息形成群体决策问题,将专家的评价信息(观点)作为证据,检查评价信息的有效性并做归一化处理;其次,依据证据支持度确定专家权重向量,并运用证据推理规则融合所有评价信息;最后,运用最小最大后悔值法选出最优方案。实例分析表明,文中所提出的方法在证据组合过程中的证据融合结果始终保持一致,组合结果合理、收敛,而且能保持证据的特异性。