检索结果-内蒙古大学图书馆

西北林学院学报 2021年第5期36卷 125-132页

作者：郑似青熊伟方陆明孙林豪袁方星郑辛煜浙江农林大学信息工程学院浙江杭州311300 浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江省龙泉市林业局浙江丽水323700 国家林业与草原局林业感知技术与智能装备重点实验室浙江杭州311300

立木胸径测量精准度直接影响胸高断面积、蓄积量的估算以及林地质量分析。现有测量方法都是将树干截面当作标准圆曲线来估测胸径;一些研究表明椭圆曲线或超椭圆曲线更能精准地反映树干和年轮的外形和生长情况。本研究利用自制的电子卡... 详细信息

立木胸径测量精准度直接影响胸高断面积、蓄积量的估算以及林地质量分析。现有测量方法都是将树干截面当作标准圆曲线来估测胸径;一些研究表明椭圆曲线或超椭圆曲线更能精准地反映树干和年轮的外形和生长情况。本研究利用自制的电子卡尺、传统围尺2种测量工具,选取8个树种,分别测量各树木的东西向、南北向、近似最大、近似最小胸径及胸高断面处的周长,并分析之间的差异性;研究了计算模型,将胸高断面分别当作标准圆、椭圆、超椭圆时与围尺测量值的接近程度以及对胸高断面积估算的影响。结果表明:1)超椭圆模型相比于标准圆、椭圆模型估算胸高断面积更加准确;2)东西向胸径比南北向胸径生长快的概率更高;3)对于卡尺,单株单次测量时选择东西方向的胸径,估算的胸高断面积更准确。

关键词：胸径森林资源清查椭圆曲线超椭圆曲线胸高断面积模型

来源：评论

学校读者我要写书评

暂无评论

基于单目视觉的立木高度测量方法研究

引用

中南林业科技大学学报 2019年第11期39卷 29-35页

作者：陈相武徐爱俊浙江农林大学信息工程学院浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业与草原局重点实验室浙江杭州311300

针对传统立木高度测量方法中存在的测量效率低、设备不易携带等缺点,以摄影测量学、单目视觉测量、图像处理等技术为基础,提出一种基于单目视觉的立木高度测量方法。该方法利用Graph Cut算法对立木图像进行分割,实现图像中立木轮廓的自... 详细信息

针对传统立木高度测量方法中存在的测量效率低、设备不易携带等缺点,以摄影测量学、单目视觉测量、图像处理等技术为基础,提出一种基于单目视觉的立木高度测量方法。该方法利用Graph Cut算法对立木图像进行分割,实现图像中立木轮廓的自动获取;通过对相机模型内各个参数进行标定,再结合相机成像原理的几何相似模型,根据相机成像的逆推模型进行求解来获取相机与立木底端间的深度信息,再利用高精度陀螺仪获取相机俯视角,通过深度信息和角度信息实现非接触条件下的树高测量。且该方法无须知道相机的运动信息,仅通过拍摄单张立木图像便可测量立木到相机的距离,并实现立木高度测量。本研究使用型号为MI 2S的小米手机(内置高精度陀螺仪)作为实验设备,验证在任意范围内树高测量模型的精度。结果表明:该方法的树高测量精度可达95.78%,最高相对误差为4.22%,具有较高的精确性和有效性,能够满足国家森林资源连二类调查中树高测量精度的要求。

关键词：立木高度轮廓提取几何相似高度测量

来源：评论

学校读者我要写书评

暂无评论

木材径切面内部缺陷的应力波成像算法

引用

浙江农林大学学报 2019年第2期36卷 211-218页

作者：郑泽宇冯海林杜晓晨方益明浙江农林大学信息工程学院浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300

为了获得木材径切面上的缺陷形状、大小和位置,提出一种木材径切面内部缺陷成像的方法。首先,基于应力波在木材径切面上的传播规律,提出一种木材径切面上的应力波速度修正方法。将应力波速度转换为径切面上的若干个预估点的值,结合反距... 详细信息

为了获得木材径切面上的缺陷形状、大小和位置,提出一种木材径切面内部缺陷成像的方法。首先,基于应力波在木材径切面上的传播规律,提出一种木材径切面上的应力波速度修正方法。将应力波速度转换为径切面上的若干个预估点的值,结合反距离加权插值(IDW)法提出一种速度修正插值(VCI)方法。最后,使用VCI方法在不同树木样本上进行了木材径切面缺陷的二维成像实验。结果表明:①VCI方法可以重建木材内部缺陷大小以及缺陷位置,缺陷成像结果与真实的缺陷情况相吻合。②对比IDW方法的成像结果, VCI方法对缺陷的大小以及缺陷形状、位置的成像结果有较大提高。③利用混淆矩阵方法对VCI与IDW方法进行定量分析表明, VCI方法的平均准确率、平均精确度和平均查全率均高于IDW方法,说明VCI方法成像效果的可行性和有效性。

关键词：木材学应力波径切面成像缺陷检测速度修正插值法

来源：评论

学校读者我要写书评

暂无评论

基于智能手机与机器视觉技术的立木胸径测量方法

引用

浙江农林大学学报 2018年第5期35卷 892-899页

作者：管昉立徐爱俊浙江农林大学信息工程学院浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业与草原局重点实验室浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300

针对现有森林资源调查中立木胸径测量工作劳动强度大、效率低,先进设备操作复杂、成本高等问题,结合相机标定、三维重建、机器视觉和近景摄影测量等技术,探索基于智能手机与机器视觉技术的立木胸径测量方法。通过智能手机获取待测立木... 详细信息

针对现有森林资源调查中立木胸径测量工作劳动强度大、效率低,先进设备操作复杂、成本高等问题,结合相机标定、三维重建、机器视觉和近景摄影测量等技术,探索基于智能手机与机器视觉技术的立木胸径测量方法。通过智能手机获取待测立木的图像信息,运用Lab颜色空间模型(Lab color model)和3×3算子对图像进行卷积运算,得到立木图像的视觉显著图;结合HSV颜色模型(色调H,饱和度S,明度V)中的H分量增强图像中立木树干部分的颜色对比度,通过图像分割算法识别并获取自然环境下的目标立木轮廓区域;通过一种改进的带有非线性畸变项的相机标定模型标定智能手机的相机内、外参数,并借助相机参数和二维图像信息进行三维世界坐标重建,从而实现树干1.3 m处胸径的测量。经验证,一定距离内胸径测量结果的相对误差小于2.50%。该方法测量精度较高,符合森林资源调查对胸径测量的精度要求,可应用于森林资源调查。

关键词：森林计测学智能手机胸径测量相机标定三维重建视觉显著性自适应直方图均衡化

来源：评论

学校读者我要写书评

暂无评论

基于逐步回归的XGboost方法的森林蓄积量估测

引用

中南林业科技大学学报 2020年第6期40卷 72-80页

作者：黄宇玲吴达胜方陆明浙江农林大学信息工程学院浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300

【目的】森林蓄积量是反映森林资源总规模和水平的基本林分调查因子之一,也是衡量森林资源丰富程度和森林生态环境优劣的重要依据。为探索更优的森林蓄积量建模和估测方法,以期为林业科学中森林蓄积量的估测研究提供新的方法与思路。【... 详细信息

【目的】森林蓄积量是反映森林资源总规模和水平的基本林分调查因子之一,也是衡量森林资源丰富程度和森林生态环境优劣的重要依据。为探索更优的森林蓄积量建模和估测方法,以期为林业科学中森林蓄积量的估测研究提供新的方法与思路。【方法】以浙江省龙泉市为研究区,以单位蓄积量(m3/mu)为研究对象,集成森林资源二类调查数据、高分二号遥感影像数据、数字高程模型(DEM)数据。通过逐步回归特征选择方法选取与蓄积量相关的自变量因子,在不区分树种的情况下,利用极端梯度提升(eXtreme gradient boosting,XGboost)方法、决策树梯度提升(Light generalized boosted regression models,LGBM)方法和梯度提升(Gradient boosting)方法分别建立蓄积量估测模型。然后,基于区分针叶林、阔叶林、针阔混交林的情况下,用XGboost方法再次建立蓄积量估测模型,并与未区分树种情况下的估测结果进行对比。采用十折交叉验证法对模型性能指标进行检验。【结果】在不区分树种的情况下,XGboost呈现了最佳的效果,优于LGBM方法和Gradient boosting方法,其建模精度为89.65%,估测精度为83.19%。在区分树种结构下,XGboost方法的建模精度(89.31%)与不区分树种情况下没有明显区别,但估测精度(84.5%)有一定提升,其中针叶林的效果最好。【结论】逐步回归特征选择方法结合XGboost方法能够取得最好的森林蓄积量估测效果,区分树种能够在一定程度上提高模型的泛化能力。XGboost方法在实践中使用方便,提供了在短时间内估测森林蓄积量的可能性,从而为森林蓄积量的估测提供了新的方法。

关键词：极端梯度提升算法决策树梯度提升算法梯度提升算法森林蓄积量高分二号

来源：评论

学校读者我要写书评

暂无评论

基于无人机影像的树顶点和树高提取及其影响因素分析

引用

林草资源研究 2019年第4期 107-116页

作者：刘江俊高海力方陆明郑辛煜姜广宇浙江农林大学信息工程学院浙江省林业智能监测与信息技术研究重点实验室浙江省公益林和国有林场管理总局国家林业与草原局林业感知技术与智能装备重点实验室

对基于无人机影像生成的树冠高度模型（Canopy Height Model,CHM）,采用局部最大值算法进行树顶点和树高提取的可行性进行了探讨。此外,还探讨了分辨率、窗口大小对于树顶点提取的影响。以密集的针阔混交林为样地,利用SfM（Structure fr... 详细信息

对基于无人机影像生成的树冠高度模型（Canopy Height Model,CHM）,采用局部最大值算法进行树顶点和树高提取的可行性进行了探讨。此外,还探讨了分辨率、窗口大小对于树顶点提取的影响。以密集的针阔混交林为样地,利用SfM（Structure from Motion）算法结合无人机影像对研究区进行三维重建,得到点云、数字表面模型（Digital Surface Model,DSM）、数字高程模型（Digital Elevation Model,DEM）等一系列三维数据并生成CHM。然后,对不同分辨率的CHM使用不同的平滑窗口大小、移动窗口大小组合进行树顶点的提取并对结果进行精度评价。当CHM分辨率为0.4m,平滑窗口大小为3×3像元,移动窗口大小为3×3像元时,树顶点的提取精度最高,F测度为77.08%。将基于该组合提取正确的37个树顶点对应的提取树高与实地测量得到的树高对比,R2为0.966 9,RMSE为1.411 4m,rRMSE=10.69%。研究结果表明:利用无人机影像可以较好地提取复杂树林的树顶点和树高;基于局部最大值算法提取树顶点,需要根据实际情况确定CHM的分辨率、平滑窗口大小和移动窗口大小,以获得最佳提取结果。

关键词：无人机树顶点树高分辨率窗口大小

来源：评论

学校读者我要写书评

暂无评论

基于距离相关系数和Catboost方法的森林蓄积量估测

引用

中南林业科技大学学报 2023年第5期43卷 27-35页

作者：胡建锦熊伟方陆明吴达胜浙江农林大学数学与计算机科学学院浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300 龙泉市林业局浙江龙泉610100

【目的】探讨采用Landsat-8遥感影像数据,基于距离相关系数特征选择的Catboost模型在森林蓄积量估测中的潜力和适应性,为森林蓄积量的估测方法再增加一种可能性,也能为“双碳”目标的实现提供理论支撑。【方法】以浙江省龙泉市为研究区... 详细信息

【目的】探讨采用Landsat-8遥感影像数据,基于距离相关系数特征选择的Catboost模型在森林蓄积量估测中的潜力和适应性,为森林蓄积量的估测方法再增加一种可能性,也能为“双碳”目标的实现提供理论支撑。【方法】以浙江省龙泉市为研究区域,使用多源数据,包括Landsat-8卫星影像数据、森林资源二调数据和数字高程模型的数据,整个过程使用十字折交叉验证法对模型检验。首先使用基于距离相关系数的方法筛选特征因子,在不区分树种的情况下,分别利用K最近邻算法(KNN)、装袋算法(Bagging)、决策树梯度提升算法(LGBM)、梯度增强集成分类器算法(Catboost)4种方法建立蓄积量估测模型。之后再选取样本数据中数量比较大的杉木、针叶混交林、马尾松3种优势树种,分别使用Catboost方法进行蓄积量估测,再按权求和与未区分树种情况下的估测结果进行比较。【结果】Catboost方法表现优势明显,优于K最近邻算法(KNN)、装袋算法(Bagging)以及决策树梯度提升算法(LGBM),其模型的精确度达到了81.43%,建模估测的精确度达到了76.74%,并且与3种不同优势树种按权求和的结果对比,Catboost法的建模精确度差别不大,但是估测的精确度提高了1.01%。【结论】基于距离相关系数特征选择方法结合Catboost模型在森林蓄积量估测中效果表现更好,并且尽管区分树种和不区分树种的情况下模型的估测能力差距比较小,但是区分树种情况下还是略有提高,这为测量区域森林蓄积量提供了一种新的思路。

关键词：森林蓄积量 Catboost方法 Bagging方法距离相关系数

来源：评论

学校读者我要写书评

暂无评论

基于广义代数差分法和因子选择的杉木人工林立地质量评价

引用

浙江农林大学学报 2023年第6期40卷 1282-1291页

作者：龚宇浩孙益群董晨胡彦蓉高威芳浙江农林大学数学与计算机科学学院浙江杭州311300 浙江省淳安县林业局浙江淳安311700 浙江农林大学林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300

【目的】研究浙西南杉木Cunninghamia lanceolata人工林立地质量,探究影响人工林立地质量的主要因素,为杉木人工林经营提供理论依据。【方法】以浙江省庆元县杉木人工林为研究对象,采用解析木数据,利用广义代数差分法,构建了杉木人工林... 详细信息

【目的】研究浙西南杉木Cunninghamia lanceolata人工林立地质量,探究影响人工林立地质量的主要因素,为杉木人工林经营提供理论依据。【方法】以浙江省庆元县杉木人工林为研究对象,采用解析木数据,利用广义代数差分法,构建了杉木人工林地位指数模型,以此为因变量,使用随机森林算法从二类杉木小班数据中筛选出影响杉木林地位指数的主导因子,在此基础上,通过地位指数得分值确定立地质量等级,对庆元县杉木小班进行立地分类与立地质量评价。【结果】以Richards为基础构建的广义代数差分方程最符合庆元县杉木人工林的生长过程,其决定系数(R 2)为0.969,均方根误差(ERMS)为1.778,平均绝对误差(EMA)为0.400,且模型的多形曲线符合杉木林生长的生理学意义。通过随机森林的因子选择得出:影响杉木人工林地位指数的主要立地因子有地貌、腐殖质厚度、土层厚度,与传统的偏相关系数法相比,基于随机森林的因子选择具有更大的贡献度和更合理的因子非线性关系解释性。结合小班数据,以地貌、腐殖质厚度、土层厚度等3个立地因子将小班划分为17个立地类型,通过计算得分可知研究区立地质量处于中等及以上。【结论】基于广义代数差分法的地位指数模型适用于浙西南杉木人工林,与基于置换的因子选择方法筛选出的主导因子相结合能够对立地质量进行有效评价。

关键词：杉木人工林广义代数差分法立地因子选择随机森林立地类型划分

来源：评论

学校读者我要写书评

暂无评论

基于运动恢复结构的多株立木因子测量方法

引用

浙江农林大学学报 2022年第4期39卷 792-799页

作者：顾雯钧徐爱俊尹建新浙江农林大学数学与计算机科学学院浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业与草原局重点实验室浙江杭州311300

【目的】提出基于运动恢复结构的多株立木因子测量方法,以解决目前基于三维点云的立木因子测量方法获取立木树高和胸径存在效率低或成本高的问题。【方法】(1)使用智能手机环绕包含多株立木的场景拍摄一段视频,并采用固定帧采样法和差... 详细信息

【目的】提出基于运动恢复结构的多株立木因子测量方法,以解决目前基于三维点云的立木因子测量方法获取立木树高和胸径存在效率低或成本高的问题。【方法】(1)使用智能手机环绕包含多株立木的场景拍摄一段视频,并采用固定帧采样法和差异值哈希算法自动提取立木视频中的关键帧图像,然后,基于运动恢复结构(structure from motion,SfM)算法处理立木关键帧图像,从而获取立木场景的原始三维点云;(2)在对原始三维点云进行预处理及初步分割后,运用条件欧几里得聚类算法对多株立木三维点云进行分割,以提取单株立木三维点云;(3)对立木三维点云使用最值遍历法和椭圆拟合法实现立木树高和胸径的自动测量。【结果】与真实值相比,本研究方法测得的树高、胸径的平均相对误差分别为1.96%、3.19%,均方根误差分别为0.133 3 m、0.533 7 cm,相关系数分别为0.987 9、0.962 1。【结论】该方法具有较高的树高和胸径测量精度,提供了一种便捷、低成本的多株立木因子三维测量方法。图6表1参27。

关键词：立木因子测量视频关键帧运动恢复结构三维点云分割

来源：评论

学校读者我要写书评

暂无评论

基于改进的Faster R-CNN模型的树冠提取研究

引用

林草资源研究 2021年第1期 173-179页

作者：黄彦晓方陆明黄思琪高海力杨来邦楼雄伟浙江农林大学信息工程学院林业感知技术与智能装备国家林业和草原局重点实验浙江省林业智能监测与信息技术研究重点实验室浙江农林大学暨阳学院浙江农林大学林业与生物技术学院

树冠信息是森林资源调查中的重要内容。传统的树冠冠幅测量方法为实地调查,该方法测量结果在特定的地形和森林环境中误差较大,且人力消耗大、操作繁琐、耗时长。无人机影像技术和深度学习的发展为树冠测量提供了新的方法和实现思路。利... 详细信息

树冠信息是森林资源调查中的重要内容。传统的树冠冠幅测量方法为实地调查,该方法测量结果在特定的地形和森林环境中误差较大,且人力消耗大、操作繁琐、耗时长。无人机影像技术和深度学习的发展为树冠测量提供了新的方法和实现思路。利用无人机获取了临安东部青山湖绿道两块纯水杉林样地的正射影像图,通过改进目前先进的目标检测方法 Faster R-CNN进行树冠的识别和冠幅的提取。基于改进的Faster R-CNN模型准确率和决定系数达到了92.92%和0.84,分别比改进前的模型提高了5.31%和0.12。这说明了无人机和目标检测技术识别树冠的可行性,这一方法和传统的调查方法相比,具有高效、便捷和低成本的优势。

关键词：无人机影像树冠识别冠幅测量目标检测 Faster R-CNN

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：