无人机机载激光雷达提取果树单木树冠信息

发布时间：2024-05-18 17:34

　　定株管理是未来果园精准生产管理的趋势,果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据(Light Detection and Ranging,Li DAR)检测和测量每棵果树的树冠面积和树冠直径,并评价空间分辨率对果树单木树冠检测与提取结果的影响。该方法主要使用反距离权重插值法间接生成冠层高度模型(CanopyHeightModel,CHM);使用局部极大值滤波算法和标记控制分水岭分割算法(Marked-ControlledWatered Segmentation,MCWS)对果树进行单木树冠检测与提取。通过与参考数据的比较,评估了该方法的精度,并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明,该方法可有效实现果树单木树冠检测与信息提取,代表果树检测精度的F1得分为95.03%,树冠轮廓提取准确率为86.39%,树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%,树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%,树冠面积和直...

【文章页数】：10 页

【部分图文】：

图1研究区位置

研究区位于中国山东省栖霞市（37°10′8″N,120°41′23″E），研究区东西总长度132m，南北总长度108m（图1）。多数果树品种为富士，种植时间超过7a，树行种植间隔固定为4.5m，株距为4m，研究区共有果树573棵，研究区边缘非果树或与其他明显物体（如电线....

图2不同空间分辨率的数字地形模型、数字表面模型和数字高度模型

基于不同空间分辨率的CHM，使用本方法检测的果树数量及精度如图3所示，代表果树检测精度的F1得分均超过90%，且当冠层高度模型空间分辨率为0.3m时，F1得分最高，为95.03%，其中查全率为93.37%，查准率为96.75%。图3不同空间分辨率下的果树检测结果及精度

图3不同空间分辨率下的果树检测结果及精度

图2不同空间分辨率的数字地形模型、数字表面模型和数字高度模型2.3果树树冠提取

图4不同空间分辨率下由冠层高度模型所提取树冠与参考树冠的轮廓叠加

为评估使用该方法提取果树单木树冠信息的精度，本研究对基于冠层高度模型提取的果树树冠面积及直径进行统计分析。其中，基于不同空间分辨率0.1、0.2、0.3、0.4和0.5m的优-匹配的树冠分别为456、472、461、439和394棵树，提取的树冠面积和直径统计箱型图如图5所示，....

本文编号：3977126