亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于機(jī)載LiDAR的高郁閉度華北落葉松林單木識別

        2022-08-18 10:49:30陳思宇劉憲釗王懿祥
        關(guān)鍵詞:單木郁閉度冠幅

        陳思宇,劉憲釗,王懿祥,梁 丹

        (1.浙江農(nóng)林大學(xué) 環(huán)境與資源學(xué)院,浙江 杭州 311300;2.浙江農(nóng)林大學(xué) 省部共建亞熱帶森林培育國家重點(diǎn)實(shí)驗(yàn)室,浙江 杭州 311300;3.浙江農(nóng)林大學(xué) 浙江省森林生態(tài)系統(tǒng)碳循環(huán)與固碳減排重點(diǎn)實(shí)驗(yàn)室,浙江 杭州 311300;4.中國林業(yè)科學(xué)研究院 資源信息研究所 國家林業(yè)和草原局森林經(jīng)營與生長模擬重點(diǎn)實(shí)驗(yàn)室,北京 100091)

        華北落葉松Larix principis-rupprechtii是中國華北地區(qū)第一大樹種,具有較高的經(jīng)濟(jì)和生態(tài)價(jià)值,探討華北落葉松單木參數(shù)的提取、林分蓄積量的估算具有重要意義[1]。高精度的單木識別是獲取單木和森林結(jié)構(gòu)參數(shù)的重要前提,單木識別包括單木位置識別和樹冠分割[2-4]。相比高分辨率衛(wèi)星影像和光學(xué)影像,機(jī)載LiDAR技術(shù)不受區(qū)域信號影響,分辨率較高,是一種主動遙感技術(shù),能獲取林木的水平和垂直結(jié)構(gòu)信息[5-6]。利用機(jī)載LiDAR研究單木識別的方法主要有2類:基于冠層高度模型(CHM)識別方法和基于歸一化后的點(diǎn)云識別方法[3]。其中基于CHM的單木位置識別方法即在灰度圖像中探測單木樹頂,主要實(shí)現(xiàn)算法包括局部最大值法和多尺度分割法。局部最大值法假設(shè)樹冠頂點(diǎn)高于樹冠邊緣,通過設(shè)置固定尺寸[7-10]或動態(tài)尺寸[11-12]的搜索窗口從CHM中識別樹冠頂點(diǎn)特征,單木位置探測率可達(dá)85%。多尺度分割法以像元為單位,根據(jù)相似特征逐漸外擴(kuò)分割,關(guān)鍵在于最優(yōu)分割尺度的選取[13-17]。基于歸一化后的點(diǎn)云單木位置識別方法以點(diǎn)云的結(jié)構(gòu)信息為基礎(chǔ),主流實(shí)現(xiàn)算法包括區(qū)域生長法和均值漂移法。區(qū)域生長法通過選擇合適的種子點(diǎn),定義距離生長準(zhǔn)則,判別不同屬類[18-20],選擇的種子點(diǎn)和制定的距離生長規(guī)則不同,取得的單木識別精度也不同。均值漂移法是一種基于密度梯度上升的非參數(shù)方法,通過迭代運(yùn)算求得同簇的數(shù)據(jù)點(diǎn)[21],關(guān)鍵在于漂移均值向量的計(jì)算。單木識別時(shí)可利用林分樹冠的距離和多維特征空間為向量來完成[22-23],其在中低郁閉度林分中的單木識別精度較高,但在高郁閉度林分條件下,由于樹冠重疊度增加,漂移均值向量計(jì)算會有偏差,識別結(jié)果不盡合理。為提高識別精度,結(jié)合樹冠冠型特點(diǎn),本研究提出基于機(jī)載LiDAR點(diǎn)云空間特征的高斯核函數(shù)改進(jìn)的均值漂移單木位置識別方法(MSP)。為驗(yàn)證方法的有效性,對比了基于點(diǎn)云空間特征的區(qū)域生長圖像分割方法(RGP)、基于CHM的局部最大值單木探測方法(LMC)和基于CHM的多尺度分割方法(MSC)等3種目前應(yīng)用較為廣泛的單木位置識別方法。最后,在單木位置識別結(jié)果上,進(jìn)行單木樹冠的提取。

        1 研究區(qū)概況

        忻州市五寨縣羊圈溝林場 (38°44′~39°01′N,111°48′~112°03′E)位于山西省中北部,屬亞寒帶大陸性氣候,季節(jié)變化明顯,海拔為1 350~2 700 m,年均氣溫為5 ℃,年降水量為453.9 mm;華北落葉松-云杉Picea asperata天然次生林與華北落葉松人工林帶狀混交。本研究在華北落葉松人工林帶內(nèi)設(shè)置8個(gè)20 m×20 m 的正方形樣地,植株密度為 1 875~2 925 株·hm-2,郁閉度為 0.8~1.0,是典型高郁閉度森林。

        2 數(shù)據(jù)采集與研究方法

        2.1 數(shù)據(jù)采集

        標(biāo)記并編號8個(gè)樣地內(nèi)胸徑大于5 cm 的華北落葉松,調(diào)查記錄每木冠幅、樹高和胸徑;利用實(shí)時(shí)動態(tài)定位和全站型電子測距儀獲取每木的位置坐標(biāo)。樣地林分基本情況如表1。

        表1 樣地林分基本特征Table 1 Investigation results of basic characteristics of forest stand in sample plot

        2018年6月2日,使用GV 1500六旋翼無人機(jī)搭載RIGEL VUX-1激光掃描儀獲取機(jī)載LiDAR點(diǎn)云數(shù)據(jù);設(shè)置飛行高度為200 m,飛行速度為6 m·s-1,離散點(diǎn)云平均密度為70個(gè)·m-2,坐標(biāo)系為WGS_1984_UTM_Zone_49N。

        在同一天,使用GV 120六旋翼無人機(jī)搭載傳感器SONY Alpha7 RⅡ采集可見光遙感影像。通過Limapper V 2.0軟件生成數(shù)字正射影像作為輔助數(shù)據(jù),用于目視解譯與可視化數(shù)據(jù)展示。

        2.2 數(shù)據(jù)預(yù)處理

        首先,對原始點(diǎn)云數(shù)據(jù)進(jìn)行2 m緩沖帶裁剪,獲取8個(gè)樣地。然后,對樣地點(diǎn)云數(shù)據(jù)進(jìn)行以下處理:①采用距離閾值法移除噪聲點(diǎn)。②采用漸進(jìn)加密三角網(wǎng)濾波算法提取地面點(diǎn)云。為提高后期生成數(shù)字高程模型(DEM)的精度,設(shè)置迭代距離與迭代角度為1.4 m和8°,以便分離地面點(diǎn)云和非地面點(diǎn)云。③對去噪和分類后的點(diǎn)云數(shù)據(jù)進(jìn)行克里金插值[23]。通過定義該點(diǎn)鄰域中采樣點(diǎn)的距離加權(quán)平均計(jì)算像元值。對地面點(diǎn)云和非地面點(diǎn)云分別插值,得到DEM和數(shù)字地表模型(DSM),兩者相減獲得冠層高度模型(CHM) (圖1)。圖1C中,高程值較低的條帶為華北落葉松人工林帶,較高的為華北落葉松-云杉天然次生林。④基于LiDAR360 V 3.2軟件,借助DEM對去噪后的點(diǎn)云進(jìn)行高度信息歸一化,避免地形起伏對點(diǎn)云高程的影響。

        圖1 研究數(shù)據(jù)Figure 1 Study data

        2.3 單木位置識別

        2.3.1 基于點(diǎn)云空間特征的單木位置識別 均值漂移算法是一種基于非參數(shù)概率密度梯度估計(jì)的迭代聚類過程[24-25]。單木點(diǎn)云分布具有與高斯核函數(shù)相似的幾何形狀特征,可用高斯核函數(shù)改進(jìn)的均值偏移算法對點(diǎn)云數(shù)據(jù)進(jìn)行聚類,進(jìn)而獲取單木位置。設(shè)置迭代運(yùn)算的收斂閾值(ε),基于點(diǎn)云空間特征的改進(jìn)均值漂移單木位置識別方法,算法如下:(1) 在點(diǎn)云數(shù)據(jù)點(diǎn)中隨機(jī)選擇1個(gè)點(diǎn)作為初始中心點(diǎn),找出離中心點(diǎn)距離在帶寬h之內(nèi)的所有點(diǎn),記做集合M,認(rèn)為這些點(diǎn)屬于同一類簇;(2)選用點(diǎn)云三維空間特征,計(jì)算中心點(diǎn)到集合M中每個(gè)數(shù)據(jù)點(diǎn)的向量之和,得到偏移向量Mh(x);(3)令中心點(diǎn)沿偏移向量方向移動,移動距離是偏移向量Mh(x)的模;(4)重復(fù)步驟(2)~(3),直到偏移向量小于ε,記住此時(shí)的中心點(diǎn);(5)重復(fù)步驟(1)~(4),直到所有數(shù)據(jù)點(diǎn)都被歸類;(6)提取單木位置,每一個(gè)類簇的中心點(diǎn)即為單木位置。

        2.3.2 基于CHM的單木位置識別 局部最大值法基于單木樹冠頂部高程大于樹冠邊緣高程的假設(shè),設(shè)置搜索窗口進(jìn)行局部最大值探測。本研究將搜索窗口的起始尺寸設(shè)置為林分的平均冠幅大小,對窗口尺寸按增加或減少1個(gè)像素進(jìn)行動態(tài)調(diào)整,搜索出樹冠的局部最大值。基于CHM的圖像分割法通過圖像分割實(shí)現(xiàn)單木分割,根據(jù)區(qū)域中心確定單木位置。標(biāo)記控制分水嶺分割法是最常用的分割方法,但在本研究中分割精度不理想,因此選用面向?qū)ο蟮亩喑叨确指睢@胑Cognition Developer V 8.9軟件的Estimation of Scale Parameter 2 (ESP2)工具包得到合適的分割尺度。本研究中,分割尺度為 66,形狀參數(shù)為0.8,緊致度參數(shù)為0.9,樣地分割效果最好。

        2.4 單木樹冠提取

        在單木位置識別的基礎(chǔ)上,劃分出同一類點(diǎn)云的投影范圍即為該株華北落葉松的樹冠范圍??紤]到冠層提取過程中,林分樹冠間隙部分容易產(chǎn)生過分割現(xiàn)象,需要對其結(jié)果進(jìn)行區(qū)域合并[26],本研究將形狀異質(zhì)性作為類別之間的合并準(zhǔn)則。選擇eCognition軟件對點(diǎn)云初始分類結(jié)果進(jìn)行區(qū)域合并,分割尺度為58,形狀參數(shù)和緊致度參數(shù)分別為0.8和0.8。

        2.5 精度評價(jià)

        2.5.1 單木位置識別精度評價(jià) 根據(jù)衛(wèi)星定位測量獲取坐標(biāo)的定位精度,考慮樹頂與樹根的位置偏差,將華北落葉松位置誤差預(yù)計(jì)為1 m;以真值坐標(biāo)點(diǎn)為圓心,創(chuàng)建半徑為1 m的緩沖區(qū)。單木位置識別結(jié)果落入此緩沖區(qū)內(nèi),則認(rèn)為正確。測算正確識別的單木總數(shù)(NC)、實(shí)地調(diào)查單木實(shí)際總數(shù)(NF)、識別出的單木總數(shù)(ND)、重復(fù)識別的單木總數(shù)(NR)等數(shù)據(jù)。計(jì)算精度評價(jià)指標(biāo),并使用單因素方差分析檢驗(yàn)不同單木位置識別方法在各個(gè)指標(biāo)方面的效果。①總體精度(AO)即正確識別的單木總數(shù)占實(shí)地調(diào)查單木實(shí)際總數(shù)的比值,公式為:AO=NC/NF×100%。②識別精度(AD)即正確識別的單木總數(shù)占識別出的單木總數(shù)的比值,公式為:AD=NC/ND×100%。③漏分誤差(EO)即未識別到的單木總數(shù)占實(shí)地調(diào)查單木實(shí)際總數(shù)的比值,公式為:EO=(NF-NC)/NF×100%。④錯(cuò)分誤差(EC)即被錯(cuò)誤識別為單木的總數(shù)占識別出的單木總數(shù)的比值,公式為:EC=(ND-NC)/ND×100%。⑤重復(fù)性誤差(ER)即對同一株單木重復(fù)識別的總數(shù)占識別出的單木總數(shù)的比值,公式為:ER=NR/ND×100%。

        2.5.2 單木樹冠提取精度評價(jià) 采用單株冠幅提取精度 (ω)來進(jìn)行評價(jià),公式為:ω=100%-∣(C1-C0)/C0∣×100%。其中:C0為實(shí)測冠幅,C1為單木對應(yīng)的提取冠幅。

        3 結(jié)果與分析

        3.1 不同單木位置識別方法的識別效果

        利用4種方法進(jìn)行單木位置識別,空間分布圖(圖2)顯示:4種方法均存在漏分、錯(cuò)分和重復(fù)性識別的現(xiàn)象,結(jié)合表2可知:4種方法的識別精度(AD)由高到低依次為 MSP (89.30%)、LMC (85.60%)、RGP (77.50%)、MSC (70.00%);MSP 法的單木位置識別效果要好于其他3種方法。4種方法的識別精度均小于總體精度(AO),說明存在單木錯(cuò)誤識別現(xiàn)象;相比之下,MSP法錯(cuò)分誤差最低(EC為8.0%),,MSC法錯(cuò)分誤差值最高(EC為30.1%),說明依靠鄰近相似特征識別單木的方法更容易產(chǎn)生將單木識別錯(cuò)誤。相比RGP和MSC法,MSP法的漏分誤差(EO)、錯(cuò)分誤差(EC)和重復(fù)性誤差(ER)均較低,說明高郁閉度針葉林中,按照鄰域分屬識別單木位置會受到樹冠重疊度的影響,并不適用華北落葉松的單木位置識別。盡管LMC法和MSP法的總體精度都高于90%,但后者錯(cuò)分誤差(Ec)較低,說明MSP法更能避免將非樹對象錯(cuò)誤識別為單木而增加識別總數(shù)的現(xiàn)象。

        表2 4 種單木位置識別方法的精度統(tǒng)計(jì)Table 2 Accuracy statistics of four methods on individual tree detection

        圖2 4 種單木位置識別的空間分布Figure 2 Spatial distribution of the result of individual tree position detection based on four methods

        3.2 改進(jìn)均值漂移法的樹冠提取效果

        采用均值漂移方法提取華北落葉松單株樹冠(圖3)。以單株華北落葉松實(shí)測冠幅為真值,對利用MSP法提取的單株冠幅進(jìn)行精度分析,結(jié)合表3可知:MSP法總體平均提取精度為90.18%。單株提取精度小于80%的占總體結(jié)果的10.20%,單株提取精度大于80%的占總體結(jié)果的89.80%。單株樹冠分割偏小的結(jié)果占總體的62.07%,要遠(yuǎn)遠(yuǎn)高于提取冠幅偏大的結(jié)果。

        表3 MSP 法提取單株冠幅精度Table 3 Precision distribution of extracting individual canopy diameter by MSP

        圖3 改進(jìn)均值漂移法樹冠提取結(jié)果 (局部)Figure 3 Crown extraction results of improved mean shift method (local)

        4 討論與結(jié)論

        4.1 討論

        本研究提出的改進(jìn)均值漂移法對高郁閉度華北落葉松林的單木提取總體精度達(dá)91.3%,這與張怡卓等[25]對中低密度人工林的研究結(jié)果(總體精度達(dá)89.0%)相似,遠(yuǎn)高于JING等[27]對加拿大高郁閉林分的總體精度(69.0%)。相比于其他3種提取方法,MSP法有2個(gè)優(yōu)勢。一是在林木樹冠重疊的情況下,MSP法直接利用了點(diǎn)云空間特征,避免了生成CHM過程中產(chǎn)生的柵格誤差;二是該方法利用統(tǒng)計(jì)迭代的方式確定聚類點(diǎn)位,根據(jù)訪問頻率分類,比直接比較鄰域特征而進(jìn)行分類穩(wěn)健性更好。

        本研究發(fā)現(xiàn):MSP法提取單木冠幅的平均提取精度為90.18%,比同等郁閉度林分的樹冠提取精度要高出很多[28],可滿足森林調(diào)查需求。約10%的單株冠幅提取精度低于80%,這些點(diǎn)主要位于林分下層。由于上層遮擋,下層點(diǎn)云密度遠(yuǎn)低于上層,而點(diǎn)云聚類算法和點(diǎn)云密度息息相關(guān),這也是本研究發(fā)現(xiàn)冠幅提取值偏小的原因。具體來說,由于上層冠層存在重疊,人工目視解譯可以考慮到冠層重疊的影響并準(zhǔn)確提取冠幅,而在三維點(diǎn)云圖上,樹冠界限分類時(shí)存在距離閾值類似的情況,影響提取結(jié)果;實(shí)測中,研究者往往通過東—西、南—北方向來測量冠幅,但是這只是一種理想狀態(tài)下的測量,在現(xiàn)實(shí)中,華北落葉松林木樹冠是不規(guī)則的,測量因此會存在誤差;同時(shí)研究區(qū)域的坡度、地形等的限制,也會對人工測量造成影響。

        4.2 結(jié)論

        本研究基于點(diǎn)云單一空間特征,引入高斯核函數(shù)簡化并改進(jìn)了均值漂移量的計(jì)算過程,同時(shí)所提方法不需要先驗(yàn)知識,算法的穩(wěn)健性高,解決了高郁閉度的華北落葉松林受復(fù)雜冠層影響的問題,提高了在該林分內(nèi)機(jī)載LiDAR單木識別的精度,為高郁閉度華北落葉松林單木識別提供了新的方法。

        猜你喜歡
        單木郁閉度冠幅
        無人機(jī)遙感影像提取的單木冠幅數(shù)據(jù)在桉樹林分蓄積量估測中的應(yīng)用1)
        地基與無人機(jī)激光雷達(dá)結(jié)合提取單木參數(shù)
        城市綠地微環(huán)境對土壤動物群落多樣性的影響
        融合LiDAR點(diǎn)云與高分影像的單木檢測方法研究
        施肥對三江平原丘陵區(qū)長白落葉松人工林中齡林單木樹冠圓滿度影響
        不同郁閉度馬尾松林下種植射干的生長效果分析
        無人機(jī)影像匹配點(diǎn)云單木識別算法
        遙感信息(2019年1期)2019-03-22 01:38:16
        郁閉度與七指毛桃生長的相關(guān)性分析
        寬葉藍(lán)靛果葉片不同海拔和郁閉度的遺傳變異研究
        森林工程(2018年3期)2018-06-26 03:40:46
        基于雙尺度體元覆蓋密度的TLS點(diǎn)云數(shù)據(jù)單木識別算法
        森林工程(2018年5期)2018-05-14 13:54:30
        国产剧情一区二区三区在线 | 国产av一区二区三区国产福利| 亚洲精品中文字幕一二三四| 中文字幕无线码一区二区| 亚洲av永久无码国产精品久久| 在线精品无码一区二区三区| 国产91九色视频在线播放| 女同视频一区二区在线观看| 日韩毛片无码永久免费看| 99视频这里有精品| 男女男在线精品免费观看| 国产91传媒一区二区三区| 性色av无码中文av有码vr| 国产亚洲精久久久久久无码苍井空 | 久久水蜜桃亚洲av无码精品麻豆 | 亚洲精品aⅴ无码精品丝袜足| 国产成人亚洲综合二区| 激情内射人妻1区2区3区| 亚洲欧美日韩人成在线播放| 日本a在线播放| 色男色女午夜福利影院| 十八禁视频网站在线观看| 国产免费午夜a无码v视频| 人妻系列影片无码专区| 一道之本加勒比热东京| 伊人久久大香线蕉av不卡| 久久国产A√无码专区亚洲| 日产精品一区二区在线| 末成年人av一区二区| 国产精品18久久久久久麻辣| 久久这里都是精品一区| 国产成人无码区免费网站| 久九九久视频精品网站| 日本视频在线观看二区| 免费看黄a级毛片| 日韩AV有码无码一区二区三区| 国产一区二区三区特区| 久久久久九九精品影院| 成人性生交大片免费看r| 国产粉嫩美女一区二区三| 中国一级黄色片久久久|