共查询到20条相似文献，搜索用时 15 毫秒
1.
[目的]以无人机高清影像为数据源,结合样地实地调查数据,研究杨树冠幅提取及其与胸径和林分蓄积量的相关性,为无人机森林调查技术提供一种思路和方法。[方法]基于无人机高分影像及实地调查数据,采用面向对象法,对杨树林木冠幅进行分割与提取,通过实地测量数据建立冠幅-胸径模型,利用一元材积表计算样地蓄积量,并进行相关性分析与精度检验。[结果]影像分割效果良好,但提取得到的冠幅比实际值偏小,研究区最适宜的杨树冠幅分割尺度为10,平滑度0.1,紧致度0.5。杨树冠幅与胸径建立相关模型,其中一元线性方程拟合效果最好,相关系数为0.75。通过模型计算的样地蓄积与实测样地蓄积进行双侧T检验,结果 sig=0.0580.05,两组数据差异不显著。[结论]采用面向对象法,通过无人机高分影像能自动分割并提取了杨树林木冠幅信息,提取效果良好;利用影像提取林木平均冠幅,通过冠幅-胸径相关关系模型得到林木胸径,进而推算林分蓄积的方法可以满足森林资源调查精度要求。 相似文献
2.
对无人机遥感影像中单木树冠进行检测与分割并获取树冠冠幅与树冠面积参数,可以为城市中不同场景下的林业资源调查提供高效快捷的途径。以银杏树为研究对象,创建基于无人机遥感影像的银杏单木树冠数据集,并使用卷积神经网络Mask R-CNN算法结合正射影像图对城市中不同场景下的树冠进行检测和树冠边界勾绘以获取相关树冠参数。结果表明,加入无人机银杏树冠影像数据集训练后的网络模型,可以较好地适用于城市不同场景下的银杏单木树冠检测与分割。在4个测试场景下的86棵银杏单木树冠目标总体查准率达到93.90%,召回率达到89.53%,F1-score为91.66%,平均精度均值为90.86%,且可以提取到较为准确的银杏单木树冠的冠幅值与树冠面积,预测冠幅的平均相对误差与均方根误差分别为7.50%和0.55,预测树冠面积的平均相对误差与均方根误差分别为11.15%和2.48。将无人机影像与深度学习算法结合应用到城市林业资源调查中,可以得到较为准确的树冠检测与轮廓分割结果,有效地提高城市林业资源调查效率。 相似文献
3.
基于背包式激光雷达的天山云杉林单木因子估测 总被引：1，自引：0，他引：1
《林业资源管理》2021,(2)
单木因子高精度无损快速估测对森林资源监测和评估至关重要,背包式激光雷达在获取森林三维结构参数方面具有良好的应用潜力。以天山云杉林为研究对象,利用背包式激光雷达扫描样地获取点云数据进行单木分割识别和单木胸径、树高及冠幅面积等因子估测,以地面实测结合目视解译数据作为参照,进行精度评价及相关性检验。结果表明:利用背包式激光雷达数据进行单木分割的单木分割精度F值均大于0.9,精确率和召回率均值分别为0.96和0.90,识别率平均值为86.61%;单木胸径和树高估测结果决定系数R~2均大于0.90,胸径均方根误差RMSE均值为1.11,树高的为1.05;单木冠幅面积估测结果决定系数R~2均大于0.80,均方根误差RMSE均值为3.21。可见,使用背包式激光雷达能够实现对单木胸径、树高参数的高精度提取。 相似文献
4.
基于FCM和分水岭算法的无人机影像中林分因子提取 总被引：2，自引：0，他引：2
【目的】研究高精度小型无人机获取林分调查因子方法,将林分调查因子在低空无人机影像上识别并提取出来,获取树高、冠径等测树因子,建立林分因子测量方法,实现经济、高效、快捷、精准的森林资源调查和监测,及时掌握森林资源及相关林分因子的时空变化特征。【方法】以东北林业大学城市林业示范基地樟子松人工林为研究对象,以多旋翼无人机影像为数据源,基于FCM聚类算法和分水岭分割算法以及形态学运算、阈值分割、图像平滑、灰度化、二值化等一系列数字图像处理技术,提取樟子松人工林林分因子。FCM聚类算法和阈值分割法用于提取树梢标记图像,分水岭分割算法对树梢标记图像进行迭代处理从而获得单木树冠分割图像,根据单木树冠分割结果提取单木特征进而计算各林分因子值。【结果】在林地提取中,根据影像的颜色特征绿度分割成功地将林地部分与非林地部分分离开来,确定单木树冠分割范围。在单木树冠分割中,阈值分割法和FCM聚类算法均可有效将树梢标记从林地图像中提取出来;将基于标记的分水岭分割算法用于单木树冠分割取得较好效果,大多数单木树冠被单独分割出来,但某些区域仍然存在一定的欠分割或过分割问题。在林分因子提取中,提取的林分因子包括林分郁闭度、林地面积、立木株数和平均冠幅,其中林分郁闭度的测量精度为96.67%,林地面积的测量精度为81.23%,立木株数和平均冠幅的测量精度与单木树冠分割中的树梢提取方法(阈值分割法和FCM聚类算法)及分水岭分割中的2个参数(形态学腐蚀的结构元素大小和中值滤波的窗口大小)有关。针对2种树梢提取方法,分别进行参数组合试验,结果显示2种树梢提取方法使用适当参数组合所得各林分因子测量精度均在80%以上,平均测量精度均在90%以上,其中阈值分割法的最高平均测量精度为94.49%,FCM聚类算法的最高平均测量精度为93.17%。【结论】利用无人机拍摄的人工林影像进行森林资源调查,将先进的计算机科学技术和无人机技术应用到林业领域中,可有效提高森林资源调查的效率和精度。本研究提出的林分因子提取方法适用于高郁闭度林分,测量精度满足实际需求。 相似文献
5.
《林业科学研究》2021,(4)
[目的 ]基于无人机激光雷达(LiDAR)点云数据提取杉木树冠上部结构参数(树冠顶点、树高、冠幅和上部冠长),并进行树冠上部外轮廓模拟与可视化,为树种识别提供树木冠形特征。[方法 ]利用LASTools开源工具从激光雷达点云数据生成无孔洞的冠层高度模型,使用LiDAR360软件,采用局部最大值法检测树冠顶点,基于CHM种子点对点云进行单木分割,并在ArcGIS下手动选取杉木单株点云样本,用Python编程对"欠分割"样本进行单木纯化(之后全部编程方式自动化处理);提取纯化后单株样本的树冠上部结构参数(树冠顶点、树高、冠幅和上部冠长),再对单木点云按照一定高度间隔进行分层切片,使用宽度百分位数法提取单木树冠上部的相对着枝深度、枝条长度作为模型变量,以相对着枝深度分层分别建模与验证样本按照3倍标准差法剔除异常外轮廓点,选取二次多项式、幂函数和指数函数3个基础模型进行模型拟合与验证,最后采用最优拟合模型进行样地尺度的三维可视化。[结果 ]无人机激光雷达综合单木检测率为79.63%,结合实测参数与提取结果进行相关分析,树高线性回归R2为0.890 5,冠幅线性回归R2为0.845 6;二次抛物线、幂函数和对数函数拟合R2分别为0.807 0、0.817 0、0.806 0,幂函数对杉木树冠上部外轮廓的拟合效果更优。[结论 ]在高林分密度条件下,单木点云的有效提取纯化对客观描绘树冠形状非常重要;基于无人机激光雷达拟合的杉木树冠上部外轮廓反映了杉木的树冠上部形态,可为杉木的树种识别提供参考。 相似文献
6.
使用无人机和智能手机分别从空中和地面拍摄的样地林分影像构建三维点云模型，并从三维点云模型中获取样地内单木树高和胸径参数。本研究以池杉人工林为研究对象，利用PhotoScan Agisoft软件对无人机倾斜摄影和智能手机近景摄影的样地影像进行三维重建，通过对齐照片、控制点刺点、对齐优化、建立密集点云等步骤，构建出与样地实景相符的三维点云模型；通过LiDAR 360软件从样地三维点云模型中获取单木的树高和胸径参数，将其与实地测量获取的单木树高和胸径参数进行对比分析。利用无人机和智能手机影像构建的三维模型可以满足《数字航空摄影测量测图规范》的精度要求。通过实测数据和点云数据获取的树高和胸径的平均差值分别为-0.9 m和-0.8 cm,平均相对误差分别为5.4%和7.1%。以实测数据作为自变量x,以点云数据作为因变量y,树高和胸径回归模型的R2分别为0.809 5和0.918 4。将倾斜摄影和近景摄影的点云模型统一在同一空间参考基准下可构建出与样地实景相匹配的三维点云模型，从样地三维点云模型中获取的单木树高和胸径与实地测量结果具有较好的线性相关性，本研究所使用的方法可以代... 相似文献
7.
《中南林业科技大学学报(自然科学版)》2020,(8)
【目的】树冠是林木长势监测、树种识别、蓄积量估测等森林调查中的重要森林参数,对森林资源调查和生态研究等具有重要意义,相比于传统的人工实地调查的方法,通过无人机影像提取树冠信息,具有高效、准确和低成本等优势。【方法】以湖南衡山森林生态系统定位观测研究站实验样地为研究对象,以无人机影像为数据源,采用阈值法和K邻近法,分别对正射影像和冠层高度模型进行图像二值化,取其交集得到树冠区域图;利用数学形态学开闭重建滤波对树冠区域图进行去噪处理,有效平滑影像,避免影像对象边缘轮廓偏移;采用局部最大值法和最大类间方差法进行前景背景标记,根据影像标记修正梯度图像;利用分水岭分割算法提取树冠信息。【结果】在树冠区域提取中,基于阈值法和K邻近算法成功分割出树冠区域与背景区域,确定树冠分割范围。通过数学形态学滤波,有效地去除了由噪声及树冠内部的纹理信息所造成的伪局部极值,减少了分水岭分割算法的过分割现象,同时保护了树冠边缘轮廓及其位置信息。【结论】单木尺度上,树冠信息提取的F测度为75.98%;样地尺度上,提取的树冠面积相对误差为13.3%。基于无人机影像提取树冠信息的方法是可行的,能够快速准确地提取较高郁闭度林分的树冠信息。 相似文献
8.
基于无人机数据的人工林森林参数估测 总被引：2，自引：0，他引：2
《林业资源管理》2019,(5):61-67
无人机凭借低成本、高精度的优势在森林资源调查中被广泛应用,基于无人机高分影像及点云数据的森林主要参数估测及评价方法研究,可以为无人机技术在人工林调查中的推广应用提供科学参考。选取南京林业大学树木园内东方杉(Taxodium mucronatum)人工实验林为研究对象,以2018年无人机高分影像、点云数据以及地面实测数据为主要信息源,通过局部最大值以及种子点分割的方法对株数、树高、冠幅、郁闭度等森林参数进行提取,并进行精度检验。研究结果表明:1)提取的株树探测率为0.92,株数准确率为0.97,F参数为0.95。2)单木树高估测的决定系数(R~2)为0.795 7,均方根误差(RMSE)为0.594 0;单木冠幅直径的决定系数(R~2)为0.800 8,均方根误差(RMSE)为0.897 8。3)提取的总冠幅的提取率达到0.95,准确率达到0.93,f参数达到0.94。4)提取的样地郁闭度相对误差只有0.32%。基于无人机高分数据及少量地面实测数据的人工林主要参数估测,可以在很大程度上替代全林实测,在人工林中具有较大的推广价值。 相似文献
9.
《中南林业科技大学学报(自然科学版)》2015,(5)
以湖南省攸县黄丰桥林场Worldview-2影像和地面样地调查数据为基础,采用Mean shift算法对影像进行多尺度分割,提取杉木人工林林木冠幅信息,共提取有效林木冠幅227个,并对提取的冠幅边界信息进行平滑处理。分析调查数据中实测冠幅与影像提取冠幅之间的相关性,结合实测胸径、树高与冠幅的关系,应用曲线估计、非线性联立方程组以及基于哑变量的非线性联立方程组分别建立树高和胸径的最优估算模型,并进行了精度评价。结果表明:将树高与胸径作为哑变量,并进行数量化分级建立的影像冠幅与胸径、树高的非线性误差变量联立方程组模型的拟合效果要优于其他2种方法,树高和胸径模型决定系数R2H和R2D分别为0.899和0.913。模型的适用性检验表明,模型的变动系数、平均百分标准误差均在10%以内,具有较强的稳健性。 相似文献
10.
基于机载LiDAR的单木结构参数及林分有效冠的提取 总被引：4，自引：0，他引：4
【目的】基于机载激光雷达(LiDAR)数据提取单木树冠三维结构参数(树冠顶点位置、树高、冠幅和冠长),并在此基础上对林分有效冠进行提取,为进一步研究林分尺度上的有效冠结构及其动态提供依据,以更好掌握并改进林业经营措施。【方法】采用一定规则下的局部最大值窗口搜索树冠顶点,进行单木树冠顶点探测和单木树高提取;以树冠顶点为标记,利用标记控制分水岭分割算法提取单木冠幅;采用垂直方向点云高程检测方法获取枝下高位置,提取冠长;在标记控制分水岭分割出的树冠边界,提取树冠接触高,取平均值作为该样地的林分有效冠高。【结果】树冠分割正确率为88.5%;结合样地实测参数对提取值进行相关性分析,树高R~2=0.886 2,冠幅R~2=0.786 4,冠长R~2=0.800 0,树高、冠幅和冠长精度分别为90.34%、86.80%和89.90%;同一林分内单木接触高相对比较稳定,对提取的林分有效冠高进行单因素方差分析,无显著差异。【结论】基于机载LiDAR数据,采用可变大小的动态窗口搜索局部最大值点,能提高单木结构参数的提取精度;利用树冠顶点标记控制分水岭算法,将高空间分辨率航片作为辅助数据,可完成较高精度的单木冠幅提取;垂直方向点云高程检测方法可提取单木冠长;LiDAR点云数据可对林分有效冠进行提取,在同一林分中,不同样本数量对接触高提取的变异性影响不大,有效冠高大致相同。机载LiDAR数据具有良好的单木树冠三维结构参数提取能力,能够满足现代林业调查对单木结构参数提取的需要,实现对林分有效冠的提取。 相似文献
11.
《林业资源管理》2021,(2)
针对无人机在森林资源监测中的便携性特点,利用无人机RGB三波段影像进行森林计测参数(株数、树高及蓄积量)的提取及精度验证。以华山松人工林为研究对象,以无人机RGB影像为主要信息源,在前期进行5块0.08hm~2华山松人工林标准地单木定位的基础上,采用冠层高度模型(CHM)最大值法和点云分割方法,提取华山松人工林计测参数,建立无人机RGB影像的华山松人工林单木二元材积模型。研究结果表明:1)采用CHM最大值分割法较点云分割方法精度高,单木株数分割精度分别为87.17%和80.79%;提取得到的树高与其地面实测所得树高的R~2相比较,使用CHM方法,R~2为0.71;而使用点云算法,R~2为0.69。2)基于CHM最大值法提取的单株冠幅和树高所建立的二元材积模型,其决定系数(R~2)为0.94,均方根误差(RMSE)为0.033 8m~3;与基于云南省华山松人工林二元材积表的标准地实测蓄积量调查结果相比,基于无人机RGB数据的5块标准地蓄积量监测精度分别为79.72%,81.64%,83.57%,82.49%,80.28%,平均精度达81.54%。基于无人机RGB影像的华山松人工林在森林计测参数提取中,CHM最大值分割法优于点云分割,所建立的树高和冠幅二元材积模型,可为华山松单层人工林无人机遥感监测提供参考。 相似文献
12.
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。 相似文献
13.
无人机摄影获取单木三维信息方法研究 总被引：1，自引：0，他引：1
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。 相似文献
14.
本文通过单木分割获取单木坐标及冠幅，并在此基础上对实验区内单木点云进行多特征提取，根据提取到的单木点云特征进行模型构建，从而完成对测区单木胸径的反演。实验结果表明该方法具有较优的拟合精度和较小的相对均方误差，且对不同密度下的点云数据均具有较高的稳定性。 相似文献
15.
16.
[目的 ]为将单木位置匹配至更精确的树干中心处,本研究发展了一种基于地基激光雷达提取胸径中心位置的空间校正方法。[方法 ]对高密度地基激光雷达点云数据,使用霍夫变换的方法提取单木胸径及圆心点,以外业调查的胸径数据作为精度控制基础,再用空间点校正方法将外业测量的样地单木相对空间位置匹配至提取的单木胸径中心点处,最后通过数字冠层高度模型特征分析实现单木位置的地理位置匹配。[结果 ]以黑龙江佳木斯孟家岗林场为研究区,对比分析3种不同株数密度的落叶松样地,提取胸径误差在1 cm之内,高、中、低株数密度样地单木位置在空间点校正时胸径误差2 cm误差范围内位置正确匹配率分别为91%、92.5%、98.6%。全部匹配的外业调查单木相对空间位置误差控制在1 m之内,且与机载激光雷达数字冠层模型影像地理位置匹配误差在0.5 m内。[结论 ]基于地基激光雷达提取胸径匹配单木空间位置的方法,极大地提高了单木空间位置测量精度。此方法的发展,不仅为局部样地单木分割等提供精确位置信息,也为大范围遥感数据提供可靠地面基础位置验证数据,是可靠的单木位置测量和多源数据匹配方法。 相似文献
17.
《中南林业调查规划》2017,(4)
随着遥感技术的不断发展,利用高空间分辨率遥感影像提取单木树冠,成为获取树冠信息的一种重要手段。结合数学形态学和最大类间方差法提取自适应的分割阈值,分别对前景和背景进行标记,以此构建了改进的分水岭分割方法。选取林区高分辨率的无人机影像为数据源,分别根据传统的分水岭方法和改进的分水岭方法进行实验分析,并从冠层面积、单木树冠分割的数量和质量方面进行精度评价。结果证明:基于形态学阈值标记的分水岭算法具有显著改善过分割的作用,树冠分割结果精度可达64.62%,表明该方法切实可行,且效果较好。 相似文献
18.
《林业工程学报》2021,(5)
树冠是树木的重要组成部分,利用无人机分辨率高、成本低、操作简单等优势,研究无人机影像上分割单木树冠的方法,实现操作流程一体化。以四川省成都市蒲江县柑橘种植基地为研究区域,飞行无人机获取多光谱影像,提出一种利用卷积神经网络对柑橘树冠分割的有效方法,该方法基于VGG16和U-Net,前者检测图片中是否包含柑橘树,选取柑橘最佳的光谱特征,后者实现对柑橘树冠的分割。首先,对原始数据进行灰度化、畸变差校正、正射拼接等一系列预处理,将正射影像裁剪至适中的尺寸后输入到VGG16卷积神经网络中对图片进行分类,过滤出主体为房屋、道路、湖泊的图片;在VGG16模型分类的基础上,选定分类准确率最高的波段,用该波段影像对柑橘树冠进行分割,使用U-Net卷积神经网络模型对分类为柑橘地的图片进行树冠分割与株树统计,提取样地内树冠区域和单木位置。在波段选择中,近红外波段对柑橘地和非柑橘地的分类准确率最高,为95.34%,优于RGB彩色图片和其他波段的数据,而其他波段的准确率分别为:RGB彩色图片88.37%,红色波段62.79%,绿色波段69.76%,蓝色波段65.11%,红边波段74.42%;在树冠区域提取中,使用U-Net卷积神经网络对近红外波段影像进行树冠分割,在测试集上的总体精度可以达到93.63%,错判误差为7.99%,漏判误差为4.52%,准确率为91.99%,Kappa系数为0.88。研究结果表明,结合深度学习可以快速准确地获取单木树冠范围,在保证调查精度的基础上提高调查效率。 相似文献
19.
基于无人机高分影像的冠幅提取与树高反演 总被引：3，自引：0，他引：3
《中南林业调查规划》2017,(1)
以湖南省攸县黄丰桥林场无人机(UAV)高分影像和地面样地调查数据为基础,利用Definiense Cognition 8.0软件,对影像进行多尺度分割,确定最佳的冠幅分割参数,同时进行平滑处理,利用平滑后的影像冠幅与实测树高,建立冠幅树高曲线估计模型和非线性联立方程组反演模型。建立的非线性联立方程组模型拟合效果最佳,决定系数R~2为0.854 2,最佳拟合曲线模型分别为CW=0.127+1.068*PCW和H=-1.910+4.861*CW-0.819*CW~2+0.049*CW~3;模型的CV和MPSE均在10%以内,是树高反演的一种有效手段。 相似文献
20.
基于大比例尺航片的针叶树种冠幅的提取 总被引：2，自引：0，他引：2
基于凉水国家级自然保护区2009年拍摄的1：2000航空像片和同期森林资源二类调查的固定样地数据,采用子像元分类方法分别提取出红松、落叶松和云冷杉的专题影像图。在此基础上,将栅格专题影像图转换为矢量图形,采用目视解译的方法提取上层针叶林的树冠信息。通过将针叶树冠形似为圆形提取出各树种的冠幅,用固定样地实测数据进行对比分析和精度评价,并建立航片上提取冠幅与实测冠幅之间的一元线性回归模型。结果表明：红松、落叶松和云冷杉冠幅的提取精度分别达到83．50％、84．35％和82．26％,其预测精度分别达到83．60％、81．46％和83．57％。 相似文献