王書涵，張曉麗，朱程浩，瞿 帥

（北京林業(yè)大學(xué) 林學(xué)院 省部共建森林培育與保護(hù)教育部重點(diǎn)實(shí)驗(yàn)室，北京100083）

基于光譜局部最大值濾波的林分密度估計(jì)

王書涵，張曉麗，朱程浩，瞿 帥

（北京林業(yè)大學(xué) 林學(xué)院 省部共建森林培育與保護(hù)教育部重點(diǎn)實(shí)驗(yàn)室，北京100083）

林分密度對林分生長有很重要的影響，既是生態(tài)學(xué)中重要的研究內(nèi)容，也是林分因子調(diào)查的重要參數(shù)之一。采用快鳥影像的全色波段利用局部最大值濾波方法提取了研究區(qū)的林分密度。采用了皮爾森相關(guān)系數(shù)衡量了實(shí)際林分密度同樹冠點(diǎn)數(shù)量之間的相關(guān)性，重點(diǎn)探討了3×3，5×5，7×7（以像素為單位）等3種不同窗口大小及不同的歸一化植被指數(shù)（INDVI）閾值對提取樹冠點(diǎn)數(shù)量的影響，選擇出最佳的窗口和INDVI濾值的組合，并建立線性回歸模型，將整個(gè)研究區(qū)劃分成樣地大小的格網(wǎng)，統(tǒng)計(jì)格網(wǎng)中光譜最大值點(diǎn)的數(shù)量并轉(zhuǎn)換成林分密度柵格圖層，運(yùn)用建立的模型得到研究區(qū)林分密度。經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)：采用光譜局部最大值濾波方法提取出的樹冠點(diǎn)數(shù)量確實(shí)同實(shí)際林分密度存在較強(qiáng)的相關(guān)性（R2＝0.545 5，ERMSE＝13.97，P＜0.001），特別是針葉林，經(jīng)F檢驗(yàn)采用3×3窗口大小，INDVI≥0.2作為閾值具有極顯著的相關(guān)性并得到最高的相關(guān)系數(shù)（R2＝0.741 5，ERMSE＝14.45，P＜0.01）；闊葉林較針葉林相關(guān)系數(shù)略低（R2＝0.442 2，ERMSE＝10.97，P＜0.01），并采用5×5窗口大小以及INDVI≥0.2作為閾值達(dá)到最佳的效果；最后利用建立的模型生成了研究區(qū)的林分密度分布圖。光譜最大值法能較好地提取林分密度。圖5表6參27

森林測計(jì)學(xué)；快鳥影像；局部最大值濾波；林分密度

森林結(jié)構(gòu)參數(shù)的準(zhǔn)確獲取是森林資源規(guī)劃調(diào)查的重要工作之一［1-4］。林分密度與林分的樹冠、胸徑、樹高的生長有顯著的相關(guān)性［5-6］，是森林資源二類調(diào)查中一項(xiàng)重要的參數(shù)和指標(biāo)［7-9］。同時(shí)，林分密度還與人工林的木材材性、生物量、蓄積量等有著密切的關(guān)系［10-11］，林分密度是表征森林生態(tài)結(jié)構(gòu)，影響生態(tài)系統(tǒng)特征，以及林業(yè)可持續(xù)發(fā)展的關(guān)鍵因子。森林測計(jì)學(xué)中林分密度可分為疏密度、株數(shù)密度和郁閉度。本研究所討論的林分密度僅指株數(shù)密度，為單位面積株數(shù)/單位樣地面積。通常林分密度的獲取方式主要包括樣地測量和遙感手段估測［12］。常規(guī)的測量林分密度的方式一般是采用樣地調(diào)查方法以布設(shè)樣地為主，需要耗費(fèi)較多的人力物力且不能實(shí)現(xiàn)大區(qū)域的估測，長期復(fù)查容易導(dǎo)致誤差和重復(fù)測量［13-14］。遙感技術(shù)的推廣應(yīng)用給地區(qū)尺度進(jìn)行林分密度的估測提供了有力的工具［15］。隨著高分辨率遙感應(yīng)用越來越廣，探討高分遙感提取森林植被參數(shù)就具有重要意義。基于高分遙感提取林分密度的方法有：二維各向同性高斯核函數(shù)平滑濾波［8］、分水嶺方法［16］、發(fā)射或輻射的反演模型方法［17］、局部變化模型方法［18］和光譜最大值濾波法［19-20］。光譜最大值濾波是一種可以用來檢測單木位置的技術(shù)，它是基于針葉樹冠的頂點(diǎn)會存在較大遙感影像像元亮度值（DN值）的假設(shè)［21］，優(yōu)勢是能快速有效地探測到林地單木的位置［22］。因此，光譜最大值法可以用來間接估算林分密度。光譜最大值法的普適性需要進(jìn)一步研究，特別是隨著地域不同，林分類型不同時(shí)究竟采用多大的窗口以及應(yīng)該采用何種方法精煉樹冠點(diǎn)都是值得深入研究的問題，而本研究從此出發(fā)探究了不同的窗口大小和歸一化植被指數(shù)（INDVI）閾值的光譜最大值法應(yīng)用于不同的林分類型提取林分密度的精度問題。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)域

鷲峰森林公園坐落于北京市海淀區(qū)西北部蘇家坨鎮(zhèn)境內(nèi)，是距離京城最近的國家森林公園之一。鷲峰經(jīng)緯度大約為40°3′1.618″N，116°2′25.722″E，橫跨海淀和門頭溝2個(gè)區(qū)，總面積約為832.04 hm2，主要的林分類型有側(cè)柏Platycladus orientalis林、油松Pinus tabuliformis林、落葉松Larix gmelinii林、刺槐Robinia pseudoacacia林、栓皮櫟Quercus variabilis林、栓皮櫟與槲櫟Quercus aliena混交林等，其中針葉林是主要的森林類型，面積為474.85 hm2，占整個(gè)林區(qū)的57.1%［23-24］。公園內(nèi)地形多變，最高海拔為1 153 m，屬于華北大陸季風(fēng)氣候，具有冬春季干燥多風(fēng)、夏季涼爽多雨的特征［25］。

1.2 數(shù)據(jù)獲取與處理

QuickBird影像是美國數(shù)字全球公司QuickBird衛(wèi)星獲取的圖像，全色圖像分辨率為0.61 m，多光譜圖像為2.44 m。本研究采用QB LV2A數(shù)據(jù)，獲取時(shí)間為2008年10月24日，位深度為16 Bit，太陽高度角為37.3°，太陽方位角為166.6°，衛(wèi)星方位角為74.6°，衛(wèi)星高度角為67.3°，圖像本身已經(jīng)經(jīng)過了幾何粗校正。由于實(shí)驗(yàn)區(qū)地形起伏明顯，采用北京市測繪局提供的1∶2 000大比例尺地形圖結(jié)合提取出的高精度數(shù)字高程模型（DEM）進(jìn)行了正射校正，覆蓋了主要的研究區(qū)域。以匹配地面實(shí)測樣地的位置，保證建模的精度。

1.3 外業(yè)調(diào)查數(shù)據(jù)

研究小組收集了具有代表性的72個(gè)標(biāo)準(zhǔn)樣地，樣地大小為20 m×20 m，樣地基本上均勻分布在研究區(qū)域中。調(diào)查時(shí)間分別是2006年和2011年，調(diào)查方法采用全站儀和手持差分全球定位系統(tǒng)（GPS）相互配合的方式精確定位樣地的4個(gè)角的位置具體流程可參見樣地定位方法［26］，并且記錄下每株樹的樹種、胸徑、樹高、冠幅等信息。根據(jù)實(shí)際調(diào)查樣地的樹種組成，針葉樹種大于0.65的劃分為針葉林，闊葉樹種比例大于0.65的劃分為闊葉林［27］，最終劃分為25個(gè)針葉林樣地，43個(gè)闊葉林樣地，樣地的冠幅描述性統(tǒng)計(jì)信息參見表1和表2。

表1 針葉林樣地樹冠大小描述性統(tǒng)計(jì)Table 1 Crown size statistiques in coniferous sample plot

表2 闊葉林樣地樹冠大小描述性統(tǒng)計(jì)Table 2 Crown size statistics in broadleaved sample plot

2 研究方法

2.1 圖像預(yù)處理

首先將QuickBird全色波段和多光譜波段分別進(jìn)行預(yù)處理操作，首先進(jìn)行基于控制點(diǎn)的正射校正，由于本研究獲取了鷲峰區(qū)域的1∶2 000大比例尺的地形圖，由北京市測繪部門提供，地形圖已經(jīng)柵格化且經(jīng)過了精校正，因此用地形圖直接校正快鳥影像。DEM的獲取采用如下方式：將等高線的線圖層在ArcGIS地形分析模塊中將其轉(zhuǎn)換成不規(guī)則三角網(wǎng)（TIN），再將TIN轉(zhuǎn)換成1 m精度的DEM。以二類調(diào)查數(shù)據(jù)為依據(jù)先確定林地區(qū)域，在QuickBird影像上裁剪出研究區(qū)。

2.2 窗口選擇與INDVI閾值的選擇

當(dāng)一個(gè)像素的直徑（DN）值比其他給定窗口大小的周圍像素的DN都要大的時(shí)候被定義為局部最大值［8］。光譜最大值提取采用了ERDAS中的聚集分析方法，能夠?qū)@些感興趣的像素執(zhí)行的操作包括標(biāo)準(zhǔn)差、和、平均值、中值、最小值、最大值等?？梢酝ㄟ^選擇窗口的大小評價(jià)圍繞在感興趣的中央像素周圍的區(qū)域。

本研究首先對經(jīng)過預(yù)處理的快鳥影像的全色波段分別用3×3，5×5，7×7等3種不同窗口大?。ǔ厥庵赋鐾?，以下所有窗口均以像素為單位）進(jìn)行光譜局部最大值濾波，接著用全色波段減去濾波后的圖像，值為0的點(diǎn)則為局部光譜最大值點(diǎn)。將過渡圖像中的值為0的點(diǎn)提出來并轉(zhuǎn)換成點(diǎn)圖層，利用INDVI對非樹冠點(diǎn)進(jìn)行剔除。本研究采用以下方式對樹冠點(diǎn)進(jìn)行篩選：以0.1為梯度將INDVI圖層按照0.1～0.5劃定為5個(gè)等級，當(dāng)設(shè)定INDVI閾值為大于等于0.1時(shí)，若此時(shí)的光譜最大值點(diǎn)的INDVI值小于0.1則剔除，剩下的點(diǎn)進(jìn)行下一步的統(tǒng)計(jì)。

將野外獲取的精確的樣地的位置疊加在不同窗口濾波得到的樹冠點(diǎn)圖層上，空間關(guān)聯(lián)出落在每個(gè)樣地中的樹冠點(diǎn)的數(shù)量，以光譜最大值點(diǎn)作為自變量，實(shí)際林分密度作為因變量進(jìn)行皮爾森相關(guān)性分析，這樣不同的窗口和INDVI閾值組合方案會得到不同的相關(guān)系數(shù)值，由此評價(jià)不同林分的最佳的窗口和INDVI組合方式以建立林分密度估測模型。

經(jīng)過過濾處理之后的樹冠點(diǎn)圖層按照20 m×20 m大小的方格柵格化，以每個(gè)方格為統(tǒng)計(jì)單位統(tǒng)計(jì)落入方格中的局部最大值點(diǎn)的數(shù)量，從而得到初始林分密度，將初始林分密度作為自變量輸入建立的回歸模型中，便能夠計(jì)算出研究區(qū)域?qū)嶋H林分密度。圖1顯示了整個(gè)研究操作的具體流程。所有的空間分析和統(tǒng)計(jì)分析步驟均在Erdas，ArcGIS和R語言中完成。

3 研究結(jié)果

隨著濾波窗口大小的變化，圖像逐漸變得模糊，結(jié)果如圖2所示。圖A′，圖2B′，圖2C′為利用全色圖像減去濾波后圖像的效果示意圖。由于截取的區(qū)域土壤和樹冠的差異較為明顯，可以從圖2中比較清晰地分辨出樹冠以及道路的邊緣，有些較大的單木樹冠清晰可辨。圖3以B11樣地為例顯示了將樣地準(zhǔn)確疊加在經(jīng)過處理過后的光譜最大值點(diǎn)的圖層上，可以清楚地統(tǒng)計(jì)出樣地范圍內(nèi)所包含的單木數(shù)量。

3.1 窗口大小和INDVI閾值的選擇

根據(jù)研究方法中的介紹，分別選取了不同的窗口大小及INDVI閾值提取林分密度，其中根據(jù)分析處理結(jié)果見表3～表5。

圖1 技術(shù)流程圖Figure 1 Flow Chart

圖2 不同窗口大小的局部最大值濾波的效果圖Figure 2 Sketch map of local maximum filtering using different window size

圖3 樣地位置同獲取的光譜最大值點(diǎn)疊加效果示意圖Figure 3 Schematic map ofB11sample plot and local maximum points

由表3可以看出：對于所有林分，決定系數(shù)的最高值出現(xiàn)在5×5窗口大小，這跟闊葉林的分析結(jié)果一致，而針葉林的決定系數(shù)的最高值出現(xiàn)在3×3的窗口大小中。隨著INDVI閾值的升高，其相關(guān)系數(shù)的數(shù)值主要呈現(xiàn)先上升后下降的趨勢。以針葉林為例，無論采用何種窗口，INDVI閾值為0.1時(shí)相關(guān)性較高，隨著INDVI增加到0.2，決定系數(shù)有所增加，當(dāng)INDVI閾值為0.3，決定系數(shù)開始下降，當(dāng)INDVI取值繼續(xù)增加到0.5，決定系數(shù)繼續(xù)下降。針葉林的決定系數(shù)最高值出現(xiàn)在3×3窗口，INDVI選擇為≥0.3。另外，從決定系數(shù)的數(shù)值來看，無論選擇哪種INDVI閾值，幾乎總存在一個(gè)固定的窗口是擬合的最佳窗口選擇。例如對于闊葉林，無論采用哪種INDVI閾值，5×5的窗口大小獲得的決定系數(shù)最高。由此可見，窗口大小是影響林分密度的估計(jì)最主要的因素。

表3 不同窗口和INDVI閾值的光譜最大值濾波的林分密度與實(shí)際林分密度相關(guān)性比較（所有林分）Table 3 Correlation analysis of all stand using the based on the local maximum of different INDVIand windows sizes（all stand）

表4 基于不同窗口大小和INDVI閾值的光譜最大值濾波的林分密度與實(shí)際林分密度相關(guān)性分析（針葉林）Table 4 Correlation analysis of all stand using the based on the local maximum of different INDVIand windows sizes（coniferous stand）

表5 基于不同窗口大小和INDVI閾值的光譜最大值濾波的林分密度與實(shí)際林分密度相關(guān)性分析（闊葉林）Table 5 Correlation analysis of all stand using the based on the local maximum of different INDVIand windows sizes（broadleaved stand）

3.2 林分密度估測模型及估測結(jié)果

根據(jù)上述分析，分別選取了較高的相關(guān)系數(shù)所對應(yīng)的INDVI閾值和窗口大小，建立所有林分、闊葉林、針葉林的統(tǒng)計(jì)模型。統(tǒng)計(jì)結(jié)果如表6所示。

表6 不同林分類型的相關(guān)性分析Table 6 Correlation analysis in different forest types

圖4顯示了針葉林樣地和闊葉林樣地最佳INDVI閾值和最佳窗口選擇下的林分密度提取散點(diǎn)圖，縱坐標(biāo)代表了實(shí)際林分密度，橫坐標(biāo)代表了基于光譜局部最大值濾波提取出的林分密度，從而建立線性回歸模型。以針葉林和闊葉林范圍生成的格網(wǎng)為單位，將模型應(yīng)用于針葉林和闊葉林的光譜最大值點(diǎn)數(shù)量圖層的柵格圖，從而得到相應(yīng)的林分密度分布圖，其中針葉林和闊葉林的范圍可以根據(jù)二類調(diào)查小班數(shù)據(jù)來確定。分析結(jié)果見圖5，其中紅色區(qū)域代表相應(yīng)林分的林分密度為0。

4 結(jié)論

本研究利用QuickBird的全色波段采用光譜局部最大值的方法針對不同的林分類型提取了研究區(qū)的林分密度，結(jié)論如下：不區(qū)分林分類型（將針葉林闊葉林同時(shí)考慮），采用5×5的濾波窗口以及采用INDVI≥0.2作為閾值過濾樹冠點(diǎn)并擬合實(shí)際的林分密度，能達(dá)到最高的相關(guān)性（R2＝0.545 5,ERMSE＝13.97）。針葉林樣地采用3×3窗口大小以及采用INDVI≥0.2作為閾值建立的模型精度最高（R2＝0.741 5,ERMSE＝10.97）。研究結(jié)果進(jìn)一步表明了窗口大小的選擇對光譜最大值法提取林分密度有重要的影響，本研究分林分類型進(jìn)一步提高了林分密度的估測精度。

圖4 不同林分類型的局部最大值林分密度提取散點(diǎn)圖Figure 4 Scatter diagram between local maximum and real tree density in different forest type

圖5 林分密度估測結(jié)果Figure 5 Stand density estimation result

5 討論

本研究通過利用光譜最大值濾波方法應(yīng)用于高空間分辨率遙感影像QuickBird試圖實(shí)現(xiàn)數(shù)字化提取研究區(qū)內(nèi)的林分密度流程，取得了較好的結(jié)果，其中針葉林的林分密度提取效果最好，建立的針葉林林分密度提取模型可以用來估測研究區(qū)域的林分密度，為進(jìn)一步實(shí)現(xiàn)大尺度林分密度提供基礎(chǔ)，而闊葉林的估測精度稍低，但模型仍然有利用價(jià)值。光譜最大值濾波方法在提取樹冠中心點(diǎn)是假設(shè)每個(gè)樹冠只有一個(gè)光譜反射值最大點(diǎn)為前提來推測的，因此，可以推測由于針葉林樹冠具有規(guī)則的樹冠形狀，通常針葉樹種的樹冠往往只有一個(gè)光譜最大值點(diǎn)，而闊葉樹由于具有較大面積的樹冠和復(fù)雜的樹冠結(jié)構(gòu)往往不止一個(gè)樹冠反射率最大點(diǎn)，這是造成針葉林提取精度高而闊葉林提取精度偏低的主要原因，而我們的研究結(jié)果跟前人的研究結(jié)論是一致的［19,21］。注意到本研究得出結(jié)論闊葉林的林分密度選用5×5的窗口效果最優(yōu)，這剛好對應(yīng)于3 m×3 m的樹冠范圍，這與表2中闊葉林中樣地的平均樹冠大小較為接近，而在估測針葉林林分密度時(shí)選用3×3的窗口大小效果最優(yōu)，也跟表1中針葉林中樣地的平均樹冠大小一致，這說明窗口大小的選擇應(yīng)該要貼近于樹冠的真實(shí)大小才能獲得較高的精度。

本研究仍然有幾點(diǎn)值得探討：①利用0.61 m分辨率的全色波段提取的光譜最大值點(diǎn)能夠反映出亞米級的樹冠位置，其結(jié)果跟影像的太陽高度角、太陽天頂角、衛(wèi)星高度角、衛(wèi)星天頂角等參數(shù)關(guān)系密切，因此，相同類型的傳感器在不同時(shí)相得到的影像采用相同的方法結(jié)果是否有偏差還需進(jìn)一步驗(yàn)證，因此可以利用不同時(shí)相的影像進(jìn)行實(shí)驗(yàn)，分析驗(yàn)證本方案的可行性，進(jìn)一步修正本研究方法。這是未來的研究內(nèi)容之一。②由于近紅外波段與植被的關(guān)系密切，還應(yīng)該充分挖掘近紅外波段的潛力，例如采用近紅外波段提取光譜局部最大值是否會得到更好的結(jié)果還有待研究。③本研究所提出的窗口大小的選擇和INDVI過濾值的設(shè)定方案是否具有普適性還有待驗(yàn)證，研究相同的研究區(qū)不同的數(shù)據(jù)源是否需要設(shè)置不同的INDVI閾值和不同的窗口大小，及可變的窗口大小進(jìn)行光譜最大值濾波進(jìn)而探測樹冠的位置應(yīng)該是今后另一個(gè)提高精度的研究方向。

6 致謝

在論文完成之際，向北京林業(yè)大學(xué)林學(xué)院國家高技術(shù)研究發(fā)展計(jì)劃（“863”計(jì)劃）項(xiàng)目組所有人員在野外樣地調(diào)查中所付出的努力表示衷心感謝！感謝相關(guān)部門提供的數(shù)據(jù)支持！

［1］ KAYITAKIRE F,HAMEL C,DEFOURNY P.Retrieving forest structure variables based on image texture analysis and ikonos-2 imagery［J］.Remote Sens Environ,2006,102（3/4）：390-401.

［3］ PASHER J,KING D J.Multivariate forest structure modelling and mapping using high resolution airborne imagery and topographic information［J］.Remote Sens Environ,2010,114（8）：1718-1732.

［4］ van LEEUWEN M,NIEUWENHUIS M.Retrieval of forest structural parameters using lidar remote sensing［J］.Eur J For Res,2010,129（4）：749-770.

［5］ BURKES E C,WILL R E,BARRON-GAFFORD G A,et al.Biomass partitioning and growth efficiency of intensively managed Pinus taeda and Pinus elliottii stands of different planting densities［J］.For Sci,2003,49（2）：224-234.

［6］ 段劼，馬履一，賈黎明，等.北京地區(qū)側(cè)柏人工林密度效應(yīng)［J］.生態(tài)學(xué)報(bào)，2010，30（12）：3206-3214.

DUAN Jie,MA Lüyi,JIA Liming,et al.The density effect of Platycladus orientalis plantation in Beijing area［J］.Acta Ecol Sin,2010,30（12）：3206-3214.

［7］ COPENHAVER P E,TINKER D B.Stand density and age affect tree-level structural and functional characteristics of young,postfire lodgepole pine in Yellowstone National Park［J］.For Ecol Manage,2014,320（5）：138-148

［8］ DRALLE K,RUDEMO M.Stem number estimation by kernel smoothing of aerial photos［J］.Can J Fot Res,1996,26（7）：1228-1236

［9］ MCCOMBS J W,ROBERTS S D,EVANS D L.Influence of fusing lidar and multispectral imagery on remotely sensed estimates of stand density and mean tree height in a managed loblolly pine plantation［J］.For Sci,2003,49（3）：457 -466.

［10］ 賈全全，羅春旺，劉琪璟，等.不同林分密度油松人工林生物量分配模式［J］.南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，39（6）：87-92.

JIA Quanquan,LUO Chunwang,LIU Qijing,et al.Biomass allocation in relation to stand density in Pinus tabuliformis plantation［J］.J Nanjing For Univ Nat Sci Ed,2015,39（6）：87-92.

［11］ 張華林，李天會，吳志華，等.不同林分密度對桉樹幼林木材材性的影響［J］.中南林業(yè)科技大學(xué)學(xué)報(bào)，2010，30（6）：85-91.

ZHANG Hualin,LI Tianhui,WU Zhihua,et al.Effects on wood properties of young Eucalypt plantation in different stands density［J］.J Cent South Univ For Technol,2010,30（6）：85-91.

［12］ OZDEMIR I,KARNIELI A.Predicting forest structural parameters using the image texture derived from worldview-2 multispectral imagery in a dryland forest,Israel［J］.Int J Appl Earth Obs,2011,13（5）：701-710.

［13］ OMULE S A Y.Personal bias in forest measurements［J］.Forest Chron,1980,56（5）：222-224.

［14］ MCROBERTS R E,HAHN J T,HEFTY G J,et al.Variation in forest inventory field measurements［J］.Can J ForRes,1994,24（9）：1766-1770.

［15］ 杜文峰，王鳳臻，李慶.提高郁閉度調(diào)查精度的幾點(diǎn)建議［J］.林業(yè)資源管理，1999（3）：63-65.

DU Wenfeng,WANG Fengzhen,LI Qing.Some advices on how to improve the stand density［J］.For Resour Manage, 1999（3）：63-65.

［16］ PERRIN G,DESCOMBES X,ZERUBIA J.2D and 3D vegetation resource parameters assessment using marked point processes［C］//TANG Y Y,WANG S P,LORETTE G,et al.ICPR’06 Proceedings of the 18th International Conference on Pattern Recognition.Washington D C：IEEE Computer Society,2006：1-4.

［17］ SCARTH P,PHINN S.Determining forest structural attributes using an inverted geometric-optical model in mixed eucalypt forests,southeast Queensland,Australia［J］.Remote Sens Environ,2000,71（2）：141-157.

［18］ BA S,CAVAYAS F.Automated forest structure mapping from high resolution imagery based on directional semivariogram estimates［J］.Remote Sens Environ,1997,61（1）：82-95.

［19］ WULDER M,NIEMANN K O,GOODENOUGH D G.Error reduction methods for local maximum filtering of high spatial resolution imagery for locating trees［J］.Can J Remote Sens,2002,28（5）：621-628.

［20］ NELSON T,BOOTS B,WULDER M A.Techniques for accuracy assessment of tree locations extracted from remotesly sensed imagery［J］.J Environ Manage,2005,74（3）：265-271.

［21］ WULDER M A,WHITE J C,NIEMANN K O,et al.Comparison of airborne and satellite high spatial resolution data for the identification of individual trees with local maxima filtering［J］.Int J Remote Sens,2004,25（11）：2225-2232.

［22］ 韓學(xué)峰.基于高分辨率遙感林分調(diào)查因子的提取研究［D］.福州：福建師范大學(xué)，2008.

HAN Xuefeng.A study on the Extraction of the Stand Description Factors from High Resolution Remote Sensing Images［D］.Fuzhou：Fujian Normal University,2008.

［23］ 趙永泉，彭道黎.北京鷲峰公園主要人工林群落多樣性研究［J］.西南林學(xué)院學(xué)報(bào)，2008，28（1）：17-22.

ZHAO Yongquan,PENG Daoli.Diversity of the main plantation communities in Jiufeng Forest Park,Beijing［J］.J Southwest For Coll,2008,28（1）：17-22.

［24］ SUN Fengbin,YIN Zhe,LUN Xiaoxiu,et al.Deposition velocity of PM2.5 in the winter and spring above deciduous and coniferous forests in Beijing,China［J］.PLoS One,2014,9（5）：e97723.doi：10.1371/journal.pone.0097723.

［25］ 王昆，張曉麗，王珊，等.鷲峰地區(qū)QuickBird影像紋理特征與生物量估測關(guān)系初探［J］.地理與地理信息科學(xué)，2013，29（3）：52-55.

WANG Kun,ZHANG Xiaoli,WANG Shan,et al.Study on the relationship between texture of QuickBird image and biomass estimation in area of Jiufeng［J］.Geogr Geo-Inf Sci,2013,29（3）：52-55.

［26］ 張曉麗，王書涵，陳江凌，等.應(yīng)用于快鳥影像的山區(qū)單木快速絕對定位及坐標(biāo)修正方法：CN201310564134.1［P］.2014-02-05.

ZHANG Xiaoli,WANG Shuhan,CHEN Jiangling,et al.Single wooden absolute positioning and coordinate rapid correctio CN201310564134.1［P］.2014-02-05.

［27］ 孟憲宇.測樹學(xué)［M］.北京：中國林業(yè)出版社，2006.

Stand density estimates based on a local maximum spectral filter

WANG Shuhan,ZHANG Xiaoli,ZHU Chenghao,QU Shuai
（Key Laboratory for Silviculture and Conservation of Ministry of Education,Forestry College,Beijing Forestry University,Beijing 100083,China）

This study aims to estimate stand density for different forest types via local maximum （LM）filtering method from high-resolution remote sensing imagery.Stand density was extracted by the LM method to count the number of spectral maximum points extracted from a QuickBird （QB）panchromatic.Research was implemented in the Jiufeng National Forest Park.A high-accuracy digital elevation model（DEM）was used to perform precise ortho-rectification and topographic corrections to correct the images’geometric and spectral distortions.Precise positioning coordinates for the four corner points of a plot were obtained through a combination of differential GPS（DGPS）and Total Station.Spurious tree density calculated within each sample plot was extracted by counting the spectral maximum points with QB imagery.A linear regression model between the true tree density and spurious tree density was established.Spurious stand density was used as the independent variable and stand density was used as the dependent variable.Results showed that the final total correction of the multispectral images was controlled within one pixel at 0.99 Root Mean Square Error（ERMSE）,and the ERMSEof the full-color image correction was 5.86.For a broadleaf forest in Jiufeng National Forest Park,a 5×5 window size and Normalized Difference Vegetation Index（INDVI）≥0.2 achieved the best estimation results（R2= 0.442 2,ERMSE=10.97,P＜0.01）.For the coniferous,broadleaf,and whole area forest models,the coniferousforest had the best results using a 3×3 window size and INDVI≥0.2 （R2=0.741 5,ERMSE=14.45,P＜0.01）.The stand density planning map was also completed using the regression model and the inventory data.The accuracy of stand density estimations of coniferous forest was better than that of broadleaf forest via LM method.［Ch,5 fig.6 tab.27 ref.］

forest measuration;QuickBird image;local maximum filtering;stand density

S758.5；TP701

A

2095-0756（2017）03-0413-08

浙 江 農(nóng) 林 大 學(xué) 學(xué) 報(bào)，2017，34（3）：413-420

Journal of Zhejiang A＆F University

10.11833/j.issn.2095-0756.2017.03.005

2016-05-30；

2016-07-07

國家高技術(shù)研究發(fā)展計(jì)劃（“863”計(jì)劃）項(xiàng)目（2012AA102001）；教育部北京市森林培育與保護(hù)省部共建重點(diǎn)實(shí)驗(yàn)室資助項(xiàng)目（2009GJSYS02）

王書涵，博士研究生，從事林業(yè)遙感與3S技術(shù)研究。E-mail：370926730@qq.com。通信作者：張曉麗，教授，博士后，從事林業(yè)遙感與3S技術(shù)等研究。E-mail：Zhang-xl@263.net