单木分割在森林结构分析、林木参数提取以及森林生物量反演中具有重要作用。激光雷达（Light Detection and Ranging, LiDAR）作为一种低成本、高效率的数据源，为森林单木分割研究提供了坚实的数据基础。目前的单木分割研究主要集中在...
详细信息
单木分割在森林结构分析、林木参数提取以及森林生物量反演中具有重要作用。激光雷达（Light Detection and Ranging, LiDAR）作为一种低成本、高效率的数据源，为森林单木分割研究提供了坚实的数据基础。目前的单木分割研究主要集中在结构较为简单的森林区域，通常通过考虑点云之间的空间关系，制定合适的判别准则来实现单木的分割。然而，针对结构复杂的森林，现有的单木分割算法研究相对较少。提出了一种融合核密度估计、数字表面模型和K-means聚类等方法的单木分割算法。研究结果表明：以甘肃省甘南藏族自治区为研究区，对西北云杉林进行单木分割时，该方法能够显著提高人工云杉林与天然云杉林的分割精度。与传统的K-means聚类单木分割算法相比，该方法的整体棵数查全率分别提高了32%和15%，查准率分别提高了51%和27%，分别达到了83%和89%的查全率，以及92%和55%的查准率。这一方法为机载LiDAR在森林生态应用中的进一步应用提供了新的技术支持，特别为复杂林型结构中的单木分割问题提供了一种高效、简便的解决方案。
暂无评论