基于无人机影像的天山云杉林冠幅提取及蓄积量反演

发布时间：2021-08-20 04:59

　　以无人机影像为源数据,天山云杉（Picea Schrenkiana var tianshanica）为研究对象,根据样方实测数据,提取冠幅信息与胸径树高参数进行拟合并反演蓄积量,为天然林保护工程实施后天山云杉生态恢复与科学管理提供技术手段。基于新疆农业大学实习林场的无人机影像数据和60个样方的每木检尺数据,通过多尺度分割技术对天山云杉林冠幅进行分割提取,根据实测数据建立冠幅-胸径模型和冠幅-胸径-树高模型,反演天山云杉林蓄积量。结果表明:无人机影像分割效果较好,根据多尺度分割技术得到的最合优尺度参数为60,形状因子为0.5,紧密度因子为0.5。通过构建天山云杉冠幅-胸径模型,得幂函数模型拟合度最高,R²为0.718,而冠幅-胸径-树高二元一次模型R²为0.817。将提取参数代入模型反演蓄积量与样方蓄积量对比后完成T检验,检验结果sig=0.051,说明模型拟合度较好。研究得出采用面向对象方法对天山云杉林冠幅信息的提取效果较好,基于模拟数据和实测数据构建模型得到胸径参数进而反演林分蓄积量的方法可降低人力调查成本并满足天山云杉林经营管理的需要。 

【文章来源】：干旱区资源与环境. 2020,34(10)北大核心CSSCICSCD

【文章页数】：6 页

【部分图文】：

研究区位置示意图

2.1 最优分割尺度的确定由图2可知,当尺度参数设为10时,影像中分割对象过于细碎,不成整体;尺度参数设为30时,仍有部分对象分割破裂,但冠幅边缘大致分割完整,说明还未达到最优结果;尺度参数设为60时,冠幅边缘清晰直观,分割对象无明显破碎现象,达到满意效果;而尺度参数大于60后,发现影像上的多个冠幅信息逐渐合并,分割准确度下降。确定尺度参数为60后对形状因子以及紧致度因子不断的调整,最终确定形状因子为0.5,紧致度因子为0.5。根据最优分割尺度对影像进行分类并提取影像冠幅,再将影像提取的冠幅(ICW)数据与样方实测冠幅(CW)数据进行比较,由图3可知,影像提取冠幅与实际测量冠幅之间存在较强的相关关系,R2为0.812,线性方程拟合结果如表3所示,拟合结果较好,根据拟合结果得到的表达式为:

由图2可知,当尺度参数设为10时,影像中分割对象过于细碎,不成整体;尺度参数设为30时,仍有部分对象分割破裂,但冠幅边缘大致分割完整,说明还未达到最优结果;尺度参数设为60时,冠幅边缘清晰直观,分割对象无明显破碎现象,达到满意效果;而尺度参数大于60后,发现影像上的多个冠幅信息逐渐合并,分割准确度下降。确定尺度参数为60后对形状因子以及紧致度因子不断的调整,最终确定形状因子为0.5,紧致度因子为0.5。根据最优分割尺度对影像进行分类并提取影像冠幅,再将影像提取的冠幅(ICW)数据与样方实测冠幅(CW)数据进行比较,由图3可知,影像提取冠幅与实际测量冠幅之间存在较强的相关关系,R2为0.812,线性方程拟合结果如表3所示,拟合结果较好,根据拟合结果得到的表达式为:CW=0.82ICW+0.234 (2)

【参考文献】：
期刊论文
[1]基于多源遥感信息的过去40年间吉林省长吉示范区森林面积损失与景观破碎化研究[J]. 李慧颖,李晓燕,于皓,王宗明,任春颖,毛德华.  干旱区资源与环境. 2018(02)
[2]基于无人机高分影像的冠幅提取与树高反演[J]. 刘晓农,旦增,邢元军.  中南林业调查规划. 2017(01)
[3]基于偏最小二乘的森林生物量遥感估测[J]. 刘琼阁,彭道黎,涂云燕,李艳丽,高东启.  东北林业大学学报. 2014(07)
[4]不同方法提取无人机影像树冠信息效果分析[J]. 周艳飞,张绘芳,李霞,杨帆,丁程锋.  新疆农业大学学报. 2014(03)
[5]北京市13个常见树种胸径估测研究[J]. 韦雪花,王佳,冯仲科.  北京林业大学学报. 2013(05)
[6]天山云杉种群数量动态研究[J]. 宋于洋,赵自玉,杨振安,张文辉.  南京林业大学学报(自然科学版). 2009(01)
[7]角规三维点抽样估测林分蓄积的形点法冠下削度方程[J]. 冯仲科,徐祯祥.  北京林业大学学报. 2005(S2)

硕士论文
[1]无人机遥感技术估算桉树蓄积量的研究[D]. 付凯婷.广西大学 2015



本文编号：3352862