【目的】为解决现有单木通透度评估受观察者视角和主观性影响较大、难以建立统一判别标准的问题,基于树木数字图像进行单木结构特征识别与整合,研究树冠所形成的内部和外部区域,定量评估单木通透度,为单木健康状况监测和生长状态分析提供技术支持。【方法】以雪松为研究对象,采用Surface Pro 4获取单木图像,利用压感触控笔手工圈存图像中冠层区域,并将圈存区域进行图像灰度化和二值化,得树木二值化图像,运用形态学运算获得树冠平滑轮廓,确定树冠在竖直方向的对称轴,建立树冠基于对称轴的镜像,使用DelaunayTri函数得到冠层三角网,Convex hull函数得到树冠凸包,从平滑轮廓中任意点开始沿顺时针方向行走,计算平滑轮廓上各点到凸包的最短距离,利用K-均值聚类算法确定深度和轻度凹陷,计算深度凹陷密度,将树冠平滑轮廓内区域进行连通区域标记,利用K-均值聚类算法将标记的连通区域分为大孔和小孔,分别计算大孔和小孔密度,对深度凹陷密度、大孔和小孔密度3个系数赋予不同权重,定量评估单木通透度。参考林业专家经验和树木生长规律,采用深度凹陷密度、大孔和小孔密度3个系数定量评估单木通透度,考虑深度凹陷对冠形和通透度的影响高于大孔,对深度凹陷赋予更大加权,并加入小孔对通透度的贡献,从0°、30°、60°、90°、120°和150°共6个角度获取6个树冠图像,以平均值Tca作为单木通透度系数,减小因视角变化引起的通透度波动,尽可能精确反映单木真实状况。采用AutoCAD 2010结合Photoshop CC 2017设计单木验证模型,对本研究所提出方法进行试验验证和精度分析。【结果】理想情况下的小孔密度、大孔密度、深度凹陷密度和通透度分别为0.1250、0.1250、0.1629和0.2646,采用本研究所提出方法计算的小孔密度、大孔密度、深度凹陷密度和通透度分别为0.1178、0.1241、0.1640和0.2586,本研究所提出方法的精度高达97.73%。【结论】本研究所提出方法测量速度快、人工工作量小,可为单木健康状况监测和生长状态分析提供技术支持,同时该研究思路和方法也可以推广应用到其他树木和作物的监测分析,具有一定的实用价值。
暂无评论