共查询到18条相似文献，搜索用时 265 毫秒
1.
以南京市紫金山林区为研究区,利用e-Cognition面向对象分类方法,基于光谱和空间信息融合后的IKONOS影像提取单木树冠阳性冠幅(PoCA, Positive crown area)信息,并结合野外实测的样方生物量数据,分别建立了针叶林和阔叶林地上生物量 (AGB, Aboveground Biomass)的遥感估算模型,并利用实测森林生物量数据对模型进行了验证。结果表明,基于遥感影像提取的PoCA与实测AGB存在较好的非线性相关关系,所建针叶林AGB估算模型的可靠性优于阔叶林模型。对建模样本而言,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.62 (P<0.01,n=9) 和0.56(P<0.01,n=16)。验证表明,所建AGB估算模型的可靠性较好,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.55(P<0.01,n=6) 和0.52(P<0.01,n=10),但当AGB较低时,模型结果偏高,AGB较低时,模型结果偏低。研究说明通过高分辨率遥感数据的融合、提取树冠信息进行生物量估算是可行性的。 相似文献
2.
以广西壮族自治区南宁市树木园坛里管理区为研究区域、以桉树(Eucalyptus spp.)人工林为研究对象,在坛里管理区内设置6块20 m×20 m的典型样地,实地测量单木树高、胸径(1.3 m高)、冠幅直径,获得287株桉树样木数据;样地调查同时进行无人机航拍数据采集,获取分辨率为8 cm像素影像(110张),通过正射校正、倾斜校正、投影差校正对无人机影像进行处理,消除环境因子的影响,采用面向对象的影像分析方法对遥感影像上的桉树林提取林分单木冠幅;根据样地实测数据建立冠幅-胸径模型、冠幅-树高模型,将无人机影像提取的修正后的桉树单木冠幅数据代入构建的模型中,选择相关系数最高的模型推算胸径和树高,利用桉树二元材积公式估算样地的蓄积量,分析依据无人机遥感影像提取桉树单木冠幅数据估算林分蓄积量的可行性与精确度。结果表明：利用无人机影像提取冠幅与实测冠幅之间存在显著正相关,提取的平均精度为90.85%,建立的桉树冠幅-胸径曲线估计模型,其中对数函数方程拟合效果最好(决定系数为0.799);桉树冠幅-树高模型,拟合效果最好的是三次方函数方程(决定系数为0.755)。影像提取的单木冠幅,通过模型... 相似文献
3.
以Landsat 8(地球资源观测卫星8号)和GF-2(高分2号卫星)影像数据为基础,利用ENVI5.3软件对Landsat8和GF-2遥感影像进行相关预处理,提取反映杨树生物量信息的波段信息和植被指数,结合研究区实测样地胸高断面加权平均高,采用多元线性回归和多远逐步回归构建杨树生物量估算模型。结果表明:依据两种影像数据构建的杨树生物量估算模型决定系数(R~2)均大于0.7;GF-2影像数据构建的模型精度高于Landsat8影像数据构建的模型;引入样地胸高断面加权平均高后,模型精度都有所提高;GF-2影像数据结合样地胸高断面加权平均高,构建的杨树人工林生物量多元逐步回归估算模型最优,R~2达到0.891。 相似文献
4.
高分辨率无人机遥感影像单木树冠参数信息提取方法是森林资源精准监测和生态功能评估的重要基础，而自然光照条件下粘连和遮挡单木树冠的准确分割是直接决定单木树冠信息提取精度的关键。针对自然光照条件下山地森林无人机遥感影像中单木树冠相互粘连、遮挡难以分割，以及传统算法泛化能力弱等问题。本研究结合深度学习和标记控制分水岭算法的优点，提出了一种基于U-Net和标记控制分水岭（marker-controlled watershed,MCW）算法（简称U-Net+MCW算法）的山地森林单木树冠提取方法。以新疆山地森林优势树种天山云杉(Picea schrenkiana var.tianschanica)为研究对象，在南山实习林场采集积雪背景下无人机遥感影像作为试验数据，构建了基于深度神经网络U-Net和标记控制分水岭算法的单木树冠提取模型。首先，从无人机遥感影像中选取1 000张训练样本，128张测试样本，并对样本进行标注，通过数据增强将1 000张训练样本扩增为16 000张，按照4∶1分为训练集和验证集，对U-Net模型进行训练，在训练过程中赋予2个或多个树冠间的相邻边界像素较大权重。然后，利用训练好的U-Net模型对测试集样本进行单木树冠提取。最后，在深度神经网络U-Net单木树冠提取的基础上，采用MCW算法对提取结果进行优化，并对单木树冠提取效果进行精度评估。结果表明，U-Net+MCW算法对于单木尺度的F测度为74.04%，比单一使用U-Net模型提高了28.52%，以该方法提取遥感影像中的天山云杉树冠信息为基础，计算其单木树冠面积和冠幅的精度分别为81.05%和89.94%。因此，U-Net+MCW算法能够有效解决自然光照条件下，由于原始图像背景复杂且树冠内部亮度变化不均匀和树冠间粘连、遮挡等因素，导致的单个树冠内、树冠聚集处或连接重叠区域出现的树冠错分割、过分割、合并等问题，是一种低成本、高效率的单木树冠提取方法，能够满足中小尺度山地森林资源调查和监测要求。 相似文献
5.
以云南省景谷县思茅松人工林为研究对象,以景谷县实测思茅松单木生物量数据建立其单木生物量模型,计算得出90个景谷县思茅松实测样地林分单位面积生物量,采用2005年景谷县TM遥感影像提取9个植被指数作为备选自变量,基于随机森林回归建立总体样本及各龄组样本思茅松单位面积生物量估测模型.以像元为单位,利用估测模型,并采用2005年森林资源二类调查小班数据估算景谷县思茅松人工林的生物量.结果表明:各模型的决定系数(R2)＞ 0.89,均方根误差(RMSE)＜7.00,预估精度(P)＞87.00％;研究区思茅松人工林单位面积生物量为59.0889 t/hm2,其中幼龄林为38.5170 t/hrn2,中龄林为53.6626 t/hm2,近熟林为94.8018t/hm2. 相似文献
6.
基于Landsat OLI和ETM+的杭州城市绿地地上生物量估算比较研究 总被引：1，自引：0，他引：1
城市绿地地上生物量的定量估算为城市碳循环研究提供重要依据。以杭州市辖区为研究区,选取Landsat 8OLI影像,提取影像的原始波段及植被指数信息,基于199个样地实测数据,建立研究区绿地地上生物量估算模型,反演研究区生物量,并与同时期Landsat 7ETM+遥感影像生物量估算结果进行对比分析。结果表明,基于OLI影像建立的逐步回归和随机森林模型R2分别为:0.643、0.514;城市绿地生物量主要集中在5~15、35~55t·hm~(-2),城区内绿地主要以带状、块状分布,其值偏低,中部公益林及城郊马尾松林生物量值较高;基于OLI影像估算的研究区生物量平均值为32.520t·hm~(-2),相应的ETM+估算结果为34.454t·hm~(-2),两者估算结果的差值基本上以0为中心,差值的平均值为-1.934t·hm~(-2),2种影像估算结果的Pearson系数为0.901,显著性0.001;总体上,2景影像的生物量估算结果差异较小,可通过线性关系相互补充利用。 相似文献
7.
资源三号遥感卫星影像的生物量反演研究 总被引：4，自引：0，他引：4
研究了北京市森林生物量遥感估测模型的构建和合理性判断。建立森林生物量模型所需的各种数据,包括2012年的资源三号卫星影像数据和实测样地调查数据。采用9格法提取的遥感影像信息,其中影像的纹理因子作为建模因子之一,与光谱因子、地形因子一起与实地样地数据建立生物量模型,进行生物量反演,通过精度分析,分别建立整个北京市针叶林和阔叶林的森林生物量反演模型,其相关系数分别为0.82、0.71,拟合估测精度分别为76.75%、80.02%,为提高林业调查的效率与精度提供一种方法。 相似文献
8.
9.
用典型相关分析方法分析了不同林龄邓恩桉地上各主要器官的生物量和胸径树高(DBH)与不同土壤层根系生物量和根长的关系。结果表明,地上各指标与地下根系生物量和根长在土壤各层的分布相关。DBH、树干、树枝和树叶的生物量与根系生物量典型相关系数为4个,第4层根系生物量的权重最大,是整个根系生物量变化的主要因子。DBH、树干、树枝和树叶的生物量与根长的典型相关个数为3个,第3层根长是根系总长度变化的主要因子。 相似文献
10.
运用无人机激光雷达数据提取落叶松树冠特征因子及树冠轮廓模拟 总被引：1，自引：0，他引：1
为探究无人机激光雷达(UAVLS)获取单木树冠三维结构的能力,利用无人机载激光雷达数据,对人工长白落叶松进行单木树冠特征因子的提取以及树冠轮廓的模拟,并与机载激光雷达(ALS)单木树冠特征因子的提取进行比较。结果表明:利用UAVLS数据1∶1匹配的单木数量远高于利用ALS数据匹配的单木数量,且UAVLS单木位置探测的精度达到0.338 1 m,比ALS提高了0.185 1 m;UAVLS单木树高的提取精度达到0.578 5 m,比ALS提高了1.294 5 m;对于冠幅及冠基高的提取,UAVLS也有更高的精度。与ALS相比,UAVLS不仅具有更高的单木探测精度,也具有更高的单木树冠结构参数提取精度;3种树冠轮廓模型拟合的R~2均高于0.75,表明3种常用的轮廓模型都能够很好的描述从UAVLS数据中获取的树冠外部轮廓,其中二次抛物线模型具有最强的模拟效果(M_(AE)=0.256 4,M_(RAE)=4.59%)。因此,无人机激光雷达数据提取单木树冠结构,可以提高林业调查的效率。 相似文献
11.
基于树影与快鸟图像的单木树高提取 总被引：5，自引：0，他引：5
利用黑龙江省塔河地区2008年的快鸟影像,研究了基于高空间分辨率的卫星影像的单木树高提取方法.在试验区内,实测孤立木的树高、胸径和冠幅,并在遥感图像对应位置上一一标记.在对快鸟影像进行裁剪、几何校正等处理的基础上,提取孤立木树冠顶点区域在遥感图像上的灰度值,然后建立灰度值与其树高之间的回归模型,其决定系数达到0.88,... 相似文献
12.
13.
森林生物量与遥感信息的相关性 总被引：1，自引：0，他引：1
利用遥感数据研究森林的生物量,建立遥感信息模型,首先要分析各波段与生物量的相关性.通过建立甘肃省小陇山党川林场中幼林典型样地,并伐树称量,建立模型计算出样地的生物量.对试验区的TM影像进行校正,对应每块样地中心点的GPS测量坐标,获取了样地像元各波段的灰度值,并计算各种植被指数.利用MATLAB软件计算了样地生物量与遥感影像各波段的灰度值、各种植被指数的相关系数.在P<0.05水平上,生物量与TM1、TM2、TM3、TM6成显著的负相关.与归一化植被指数、比值植被指数和绿度成显著的正相关.建立遥感生物量模型应用这些呈显著正、负相关的波段和派生数据.采用逐步回归的方法建立了生物量与植被指数的统计方程,以及生物量与遥感TM影像的各波段灰度值、植被指数的统计方程.但在P<0.05水平上,只有NDVI、RVI两个因子复相关系数不高. 相似文献
14.
15.
应用遥感技术估算生物多样性是森林生态学的研究热点和难点。为探索高分辨率卫星数据在估算森林植被多样性上的应用潜力,以吉林蛟河市阔叶红松林大样地数据为支撑,提取了红松树冠的空间分布格局,并估算了乔木物种多样性。首先,基于冬季GeoEye-1影像提取红松树冠分布图,与样地每木调查数据吻合较好。然后,使用景观生态学和地统计学指数,分析红松种群空间分布规律,发现了最大自相关尺度30~40 m。最后,选择拥有红边波段的秋季RapidEye卫星图像,建立遥感影像5 m光谱值和30 m窗口大小纹理参数与生物多样性指数的多元线性回归模型。结果表明,红边信息并未显著改善多光谱数据估算植被生物多样性的能力,但所获大区域制图结果与林分龄级吻合较好。 相似文献
16.
基于遥感的高山松连清固定样地地上生物量估测模型构建 总被引：2，自引：0，他引：2
17.
【目的】 利用无人机遥感技术,快速、无损和高通量地获取田间株高表型信息,预测棉花品种(系)的长势监测及产量。【方法】 以无人机(UAV)搭载高清数码相机构成低空遥感平台,获取110份处于花铃期棉花品种(系)影像,测定地面实际株高;利用拼接软件与高清数码影像,生成研究区数字表面模型(DSM)和高清正射影像(DOM);基于高清的DOM和DSM,利用克里金插值法生成研究区离散地面高程值(DEM),经作差提取棉花株高(CHM),利用不同棉花品种(系)实测株高(H)与提取的棉花株高(CHM)作回归分析。【结果】 通过DOM可快速无损地监测花铃期各棉花品种(系)长势、叶色性状差异及分布状况,经DSM和克里金插值法提取的DEM和棉花株高分布图得出,研究区整体地势较平坦,高低落差仅0.5 m。所建株高模型R2达到0.846 9,验证模型R2也达到0.758 1。【结论】 利用无人机影像生成的DOM、DSM和克里金插值法生成的DEM,提取的棉花花铃期株高(CHM)精度较高,无人机搭载数码相机进行棉花株高测定具有较好的适用性。为大范围的棉花田间株高观测提供一种新的研究方法是可行的。 相似文献
18.
沙地樟子松天然林林木大小分布特征 总被引：2，自引：1，他引：1
分析内蒙古红花尔基沙地樟子松天然林直径和树高的一元和二元分布特征,以期为该区樟子松天然林进行抚育经营等提供科学依据。在内蒙古呼伦贝尔沙地南段的樟子松天然林中设置2块100 m×100 m的不同密度(940和1 149株/hm2)方形固定样地,按整体和分层的方法,对样地的林分直径和树高的变化规律及两者之间的关系进行研究。结果表明:1)2块样地林木的最大、最小直径及平均直径相等;低密度林分直径分布较分散,高密度林分则分布较集中。2块样地上、下层林木的平均直径均基本相同;低密度林分上层木直径分布为正态,下层木则左偏;高密度林分上层木直径分布左偏,下层木则为正态。高密度林分的平均树高大于低密度林分,但高大林木比例较低密度林分低;高密度林分上层木平均树高也大于低密度林分,且高大林木比例也较低密度林分高;而高密度林分下层木平均树高和高大林木比例均较低密度林分高。2)低密度林分中小径级林木株数比率小于大径级林木株数比率,高密度林分中则相反;低密度林分中小径级林木的林木树高与胸径的比值大于大径级林木的林木树高与胸径的比值,高密度林分中无明显差异。2块样地上层木小径级林木株数比率均小于大径级林木株数比率,其林木的树高与胸径在大、小径级中的比值也无明显差异;低密度林分下层木中小径级株数比率大于大径级林木株数比率,高密度林分则相反;2块样地下层林木在小径级林木中的树高与胸径比值均明显大于在大径级林木中的树高与胸径比值。可见,高密度林分的平均树高均大于低密度林分;高密度林分直径分布相对集中,低密度林分直径分布分散,从而造成不同密度的天然樟子松林林分平均直径无明显差异。低密度林分中大径级林木株数的比率要比高密度林分高;密度的不同也导致了林木径向和纵向生长的差异。因此,针对密度大的樟子松天然林分应适当疏伐,降低密度,减少种内竞争;而对密度小的林分应适当进行土壤植被管理,促进林下天然更新。 相似文献