检索结果-内蒙古大学图书馆

林业科学 2022年第9期58卷 48-59页

作者：朱泊东罗洪斌金京岳彩荣西南林业大学林学院昆明650224

【目的】针对高郁闭度林分条件下基于LiDAR点云数据单木分割林木提取困难、总体精度较低等问题,提出一种基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法,为开展无人机LiDAR技术森林资源调查提供技术参考,为... 详细信息

【目的】针对高郁闭度林分条件下基于LiDAR点云数据单木分割林木提取困难、总体精度较低等问题,提出一种基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法,为开展无人机LiDAR技术森林资源调查提供技术参考,为提高单木分割总体精度提供新策略。【方法】利用无人机激光雷达数据,采用分水岭算法、基于点云的局部最大值聚类算法和基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法对高郁闭度思茅松人工林进行单木分割,并分析分水岭算法中4种CHM空间分辨率和3种DSM插值方法对单木分割效果的影响,与无人机高分辨率影像单木树冠目视解译结果进行比较,以探测率r、准确率p和F得分为指标对单木分割精度进行验证和评价。【结果】在幼龄林中,冠层起伏率较大,分水岭算法对单层林的分割效果优于基于点云的局部最大值聚类算法;在中龄林和近熟林中,冠层起伏率较小,分水岭算法易将思茅松树枝识别为树冠,基于点云的局部最大值聚类算法的分割效果优于分水岭算法;基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法充分考虑不同龄组的林分结构差异,精度最高(F=0.75),优于分水岭算法(F=0.71)和基于点云的局部最大值聚类算法(F=0.68);在分水岭算法中,当分辨率为0.5 m×0.5 m时采用反距离权重法(IDW)插值得到的CHM单木分割精度最高(r=0.70,p=0.94,F=0.81)。【结论】林分结构存在差异,单一单木分割方法效果欠佳,通过提取样地冠层起伏率确定分水岭算法和基于点云的局部最大值聚类算法单木分割适用的林分条件,可拓宽单一单木分割方法在不同林分条件下的优势,提升单木分割精度。

关键词： LiDAR 单木分割分水岭算法基于点云的局部最大值聚类算法分层分割

来源：评论

学校读者我要写书评

暂无评论

高郁闭度人工林无人机激光雷达单木分割方法研究

高郁闭度人工林无人机激光雷达单木分割方法研究

引用

作者：朱泊东西南林业大学

学位级别：硕士

单木是构成森林的最小单元。单木在林分中的空间结构和生化参数是森林资源调查中的重要因子。森林参数获取精确与否取决于单木分割是否准确。传统调查主要以人工为主,而激光雷达(LiDAR)作为一种快速获取目标地物三维空间信息的主动遥感... 详细信息

单木是构成森林的最小单元。单木在林分中的空间结构和生化参数是森林资源调查中的重要因子。森林参数获取精确与否取决于单木分割是否准确。传统调查主要以人工为主,而激光雷达(LiDAR)作为一种快速获取目标地物三维空间信息的主动遥感技术,随着技术的进步,LiDAR(Light Detection and Ranging)数据的获取成本不断降低,在林业领域的应用和研究也日益增多,尤其是林分尺度和单木尺度的森林垂直结构探测具有显著优势。当前,单木分割方法按数据源可分为两类,一类是基于栅格化冠层高度模型的CHM(Canopy Height Model)单木法;另一类是直接基于归一化后的点云数据进行分割的NPC(Normalized Point Cloud)单木法。但现有基于CHM和NPC的单木分割方法在高郁闭度林分条件下存在单木提取困难、总体精度较低等问题。为此,本研究使用无人机激光雷达数据,以云南省普洱市思茅区北部的万掌山林场为研究区,林场内主要以思茅松人工纯林为主,利用无人机激光雷达数据分别采用分水岭算法、基于点云的局部最大值聚类算法、基于层堆叠种子点的点云分割法以及本文提出的基于分层策略的单木分割优化方法对高郁闭度思茅松人工林进行单木分割。同时,为探究分水岭分割中最优空间插值方法和栅格分辨率大小,对分水岭算法在4种CHM空间分辨率和3种空间插值方法下对单木分割结果的影响进行分析。以无人机高分辨率影像为基准结合地面调查数据对单木树冠进行目视解译并以此作为验证,以探测率r、准确率p和F得分作为评价指标。研究表明:(1)在高郁闭度条件下,龄组差异对单木分割精度有一定影响。分水岭算法、基于点云的局部最大值聚类算法以及基于层堆叠种子点的点云分割法在高郁闭度思茅松人工林的各个龄组中分割精度有较大差异,但基于相同数据源的NPC单木法中基于层堆叠种子点的点云分割方法与基于点云的局部最大值聚类算法分割精度差异不大,基于点云的局部最大值聚类算法的分割精度略高。在幼龄林这种单层林中,CHM单木法中的分水岭算法分割精度优于NPC单木法中的基于点云的局部最大值聚类算法和基于层堆叠种子点的点云分割法;在中龄林中,3种分割方法的分割精度无显著差异;而在近熟林中这种垂直结构复杂的林分中,NPC单木法中的基于点云的局部最大值聚类算法和基于层堆叠种子点的点云分割法的分割结果与CHM单木法中的分水岭算法有显著差异,且精度高于分水岭算法。(2)由于林分结构的差异,单一的单木分割方法结果欠佳,以龄组作为分层指标,将分水岭算法和基于点云的局部最大值聚类算法相结合的分层分割方法相较于其他3种单一分割方法精度最高(F=0.73),优于分水岭算法(F=0.71)、基于点云的局部最大值聚类算法(F=0.70)和基于层堆叠种子点的点云分割法(F=0.68);结果表明分层分割法能拓宽单一分割方法在不同林分条件下的适用范围,进而提升单木分割精度。(3)但在实际应用中龄组信息往往获取难度较大。而本文提出的基于冠层起伏率和高度变异系数的分层分割法的优点在于不依赖先验知识,通过对归一化点云数据提取高度变量中的冠层起伏率和高度变异系数作为分层参数来代替龄组信息来确定两种算法各自的适用范围,将分水岭算法和基于点云的局部最大值聚类算法相结合,基于冠层起伏率和高度变异系数结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法充分考虑了不同龄组的林分结构差异,避免通过森林资源二类调查等数据来获取大范围龄组数据所需要考虑时效性和边界范围准确性等问题,同时也避免以龄组作为分层参数时同一龄组内部常存在林分疏密差异性较大的情况,进而导致分层效果不佳从而影响总体分割精度的问题。分层分割方法的精度优于单一分割方法在复杂林分中的分割精度,相较于基于龄组的分层分割方法在精度上有了一定的提高,其中基于高度变异系数的分层分割方法(F=0.76)和基于冠层起伏率的分层分割法(F=0.75)。(4)不同插值方法生成的CHM及其不同分辨率对分割精度有一定的影响,当CHM分辨率为0.5 m×0.5 m时,分水岭算法的分割精度最高,且三种空间插值方法中反距离权重法(IDW)分割精度最高(F=0.81),优于克里金插值法(F=0.80)和不规则三角网插值法(F=0.77)。

关键词： LiDAR 单木分割分水岭算法基于点云的局部最大值聚类算法层堆叠分层分割

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：