论文部分内容阅读
森林是陆地生态系统最大的碳库,在全球碳循环中发挥着重要的作用,对缓解全球气候变暖具有十分独特的意义。森林资源调查和监测是人类保护和经营森林的重要基础工作,长期以来,人工地面调查和卫星遥感监测已成为获取森林状态和结构等关键参数的重要技术手段,分别适用于样地等小尺度和区域等大尺度。近年来,随着高精度轻小型无人机遥感技术的飞速发展,基于无人机系统的林班和林场等中尺度森林资源精准无损测量技术的应用日益广泛,通过无人机近地面遥感影像高精度提取森林参数的方法逐渐成为研究热点。
本研究以新疆山地森林优势树种天山云杉为研究对象,利用无人机遥感系统采集新疆农业大学南山实习林场积雪背景下可见光遥感影像,影像中的单木树冠信息是进行单木参数和小班因子估测的重要基础,因此,重点研究了遥感影像中单木树冠提取的最优方法,从而探索单木地上生物量、小班郁闭度和株数密度等重要森林资源调查参数的估测方法,并以此为支撑设计开发了天山云杉单木参数和小班因子估测系统。主要进行了以下研究:
(1)分别利用面向对象法、随机森林法、标记控制分水岭算法进行高分辨率无人机遥感影像中天山云杉树冠信息提取。针对上述主流树冠信息提取方法在自然光照条件下山地无人机遥感影像中单木树冠相互粘连、遮挡难以分割等问题,构建了深度卷积神经网络U-Net模型,从无人机遥感影像中选取1000张训练样本,128张测试样本,并对样本进行标注,完成对U-Net模型的训练,将训练好的模型应用于单木树冠的分割。同时,提出一种U-Net+标记控制分水岭算法的天山云杉单木树冠分割策略。在深度神经网络U-Net单木树冠提取的基础上,采用标记控制分水岭算法对提取结果进行优化,从而提取出大部分单木树冠。
(2)从样地和单木两个尺度对5种方法提取单木树冠的结果进行精度评价,U-Net+标记控制分水岭算法分割结果最优,样地尺度树冠提取相对误差为5.28%,单木尺度的F测度为74.04%,是一种有效的单木树冠提取方法。以该方法提取遥感影像中的天山云杉树冠信息为基础,在单木尺度上计算其单木树冠面积和冠幅的精度分别为81.05%和89.94%,利用模型估测了单木地上生物量,在小班尺度上估测小班郁闭度,精度为91.03%,同时还估测了小班株数密度。
(3)基于上述最优单木树冠分割方法和相关参数估测模型,设计开发了天山云杉单木参数和小班因子估测系统,系统界面友好、操作方便,为天山云杉无人机可见光影像中森林参数的提取提供了工具,便于林业和生态等领域的直接应用。
本研究以新疆山地森林优势树种天山云杉为研究对象,利用无人机遥感系统采集新疆农业大学南山实习林场积雪背景下可见光遥感影像,影像中的单木树冠信息是进行单木参数和小班因子估测的重要基础,因此,重点研究了遥感影像中单木树冠提取的最优方法,从而探索单木地上生物量、小班郁闭度和株数密度等重要森林资源调查参数的估测方法,并以此为支撑设计开发了天山云杉单木参数和小班因子估测系统。主要进行了以下研究:
(1)分别利用面向对象法、随机森林法、标记控制分水岭算法进行高分辨率无人机遥感影像中天山云杉树冠信息提取。针对上述主流树冠信息提取方法在自然光照条件下山地无人机遥感影像中单木树冠相互粘连、遮挡难以分割等问题,构建了深度卷积神经网络U-Net模型,从无人机遥感影像中选取1000张训练样本,128张测试样本,并对样本进行标注,完成对U-Net模型的训练,将训练好的模型应用于单木树冠的分割。同时,提出一种U-Net+标记控制分水岭算法的天山云杉单木树冠分割策略。在深度神经网络U-Net单木树冠提取的基础上,采用标记控制分水岭算法对提取结果进行优化,从而提取出大部分单木树冠。
(2)从样地和单木两个尺度对5种方法提取单木树冠的结果进行精度评价,U-Net+标记控制分水岭算法分割结果最优,样地尺度树冠提取相对误差为5.28%,单木尺度的F测度为74.04%,是一种有效的单木树冠提取方法。以该方法提取遥感影像中的天山云杉树冠信息为基础,在单木尺度上计算其单木树冠面积和冠幅的精度分别为81.05%和89.94%,利用模型估测了单木地上生物量,在小班尺度上估测小班郁闭度,精度为91.03%,同时还估测了小班株数密度。
(3)基于上述最优单木树冠分割方法和相关参数估测模型,设计开发了天山云杉单木参数和小班因子估测系统,系统界面友好、操作方便,为天山云杉无人机可见光影像中森林参数的提取提供了工具,便于林业和生态等领域的直接应用。