论文部分内容阅读
森林被人们誉为“地球之肺”,它具有丰富的物种,复杂的结构以及多种多样的功能,森林资源对于保护全球生态系统具有重要意义。无人机航拍具有获取影像灵活机动、快速、图像分辨率高、适用范围广、成本较低等优点,增强了林业调查工作的能力。激光雷达(Light Detection and Ranging,LiDAR)是一项新兴的遥感技术,本文利用航拍图像研究树种的单木提取,利用激光雷达获取激光点云数据,研究树种分类。主要研究内容如下:利用森林航拍图像,对图像进行简单线性迭代聚类(SLIC)超像素分割,将每个超像素做为节点,用相邻超像素RGB颜色平均值的欧式距离作为边的权重,构造了带权无向图,根据边的权值再构建最小生成树,最后使用图的算法合并超像素得到航拍图像的单木提取结果。本文选取水杉、柳树、女贞树、竹子这4类植株进行冠幅和数量的试验统计,与现场实测数据进行比对,计算实验单木提取冠幅精度和数量精度。由结果可知,冠幅提取精度均在90%以上,数量提取精度均在80%以上。以杭州钱江新城森林公园和新疆阿克苏地区红旗坡农场的水杉、柳树、女贞树、竹子和苹果树5类优势树种为研究对象,利用无人机获取机载LiDAR数据,以树的点云特征:结构特征(structure features,SF)、树的纹理特征(texture features,TF)和树的冠形特征(crown features,CF),使用支持向量机分类器进行了树种分类研究,计算树种分类精度。结合SF、TF、CF、SF+TF、SF+CF、TF+CF和SF+TF+CF这7种组合参数,5种类的植株被分类的整体精度分别为58%、64%、60%、73%、70%、77%和85%。实验证明采用多类特征参数可以明显改善分类精度,结合3类特征参数,5类植株最终被正确分类的整体精度为85%,Kappa系数为0.81。实验结果表明,本文提出的单木提取和树种分类算法是行之有效的,为林业科学研究提供了很好的技术支撑。