基于无人机影像的单木识别与单木结构参数提取研究

发布时间：2023-02-18 12:11

　　森林分布极为广泛并且地形复杂多样,以传统方法对森林结构参数进行调查,需要耗费大量的人力、物力和财力。无人机和计算机视觉技术的快速发展,使得快捷、较低成本、较高精度地获取森林结构参数成为可能。本研究以针阔混交林和水杉纯林为研究对象,研究了基于无人机影像的单木识别与单木结构参数提取。主要研究内容和结果如下:(1)探讨树冠高度模型(Canopy Height Model,CHM)的分辨率、平滑滤波和局部最大值算法的窗口大小对单木识别的影响。此外,检验局部最大值算法在针阔混交林和水杉纯林中的单木识别效果。结果表明:1)识别单木数与平滑窗口大小和移动窗口大小均成反比,当窗口大小相同时,CHM的分辨率越高,识别的单木数就越多;2)单木尺度的评价比样地尺度更能够反映单木识别的精度;3)局部最大值算法在水杉纯林中的单木识别效果比在针阔混交林中好。(2)通过单木位置结合CHM获得树高(H),将其与实测树高对比,3个样地的R²分别为0.9668,0.7703和0.7304,RMSE分别为1.4058m,2.361m和2.5447m,r RMSE分别为10.64%,9.28%和11.4...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 单木识别
        1.2.2 单木结构参数提取
            1.2.2.1 单木树高提取
            1.2.2.2 单木冠幅提取
            1.2.2.3 单木胸径反演
    1.3 研究内容与技术路线
        1.3.1 研究内容
        1.3.2 技术路线
    1.4 论文组织架构和安排
2 研究区概况与数据
    2.1 研究区概况
    2.2 研究数据
        2.2.1 无人机影像数据获取
        2.2.2 无人机影像数据预处理
        2.2.3 实测样地数据
    2.3 本章小结
3 基于无人机影像的单木识别
    3.1 单木识别
    3.2 单木识别精度评价标准
    3.3 单木识别精度评价
        3.3.1 样地尺度精度评价
        3.3.2 单木尺度精度评价
    3.4 本章小结
4 基于无人机影像的单木结构参数提取
    4.1 单木树高提取
    4.2 树冠提取
        4.2.1 分水岭分割算法提取树冠
        4.2.2 “FORESTCAS”算法提取树冠
    4.3 树冠提取精度评价
    4.4 本章小结
5 单木胸径反演
    5.1 相关性分析及模型评价指标
        5.1.1 相关性分析
        5.1.2 模型评价
    5.2 单木胸径反演模型
        5.2.1 树高—胸径一元模型
        5.2.2 冠幅—胸径一元模型
        5.2.3 树高&冠幅—胸径二元模型
    5.3 单木胸径反演模型精度验证
    5.4 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
攻读硕士学位期间发表的学术论文
致谢



本文编号：3744942