论文部分内容阅读
森林资源管理和调查的方法正在与越来越多新科技结合。本文使用无人机作为影像采集平台,通过软件处理得到高分辨率数字地表模型(Digital Surface Model,DSM)和数字正射影像(Digital Orthophoto Map,DOM),使用边缘惩罚层次区域合并法对图像进行分割,经过GIS空间分析得到冠幅数据、林木株数和树高数据,并就郁闭度和林分蓄积量进行估测,最后结合实地调查数据对提取数据进行精度评价,主要研究内容如下:1.高分辨率航空影像的采集和生成借助无人机遥感系统,在闽清白云山国有林场高港工区的小班进行影像采集,采集的影像结果经Pix4D Mapper软件处理,经过畸变校正、连接点提取与平差、空三加密、影像自动匹配、正射影像校正,获得0.06m分辨率的DOM和0.16m分辨率的DSM。2.采用边缘惩罚层次区域合并法对影像进行分割在树冠信息提取方面,采用边缘长度惩罚递增层次区域合并法对图像进行分割处理。首先利用方向边缘信息,构造边缘惩罚图像分割模型;利用多方向比例边缘检测算子(MDRED)和分水岭变换获得图像初始过分割结果;利用多边形近似区域的轮廓提取边缘的方向,结合MDRED提取图像的方向边缘信息。利用区域邻接图(Region Adjacency Graph,RAG)及其最近邻图(NearestNeighbor Graph,NNG)表示图像分割,提高区域合并的速度。利用该方法提取冠幅因子和林木株数因子,冠幅因子提取的精度为83%,株数因子提取精度为80%;通过样圆提取法验证实验区郁闭度结果与实地估测值基本吻合。3.采用块状统计生成DEM并获取树高数据中高郁闭度地区一直是树高提取的难点。根据林地间隙的特点,尝试在中高郁闭度地区,改进DEM获取方法。具体方法是通过人工选择裸露区域点DSM值和块状统计的DSM最小值结合,生成DEM数据;通过 DSM 减 DEM 生成 CHM(Canopy height model,CHM),并使用块状统计法提取CHM区域最大值点作为树冠潜在顶点,并对其做提取处理,得到树冠顶点。通过与实测数据的对比分析其精度,得到三块实验区的树高提取精度分别为78%、79%、81%。4.建立杉木冠幅-胸径模型,并估测实验区杉木蓄积量文中利用自动提取的杉木冠幅值和实测杉木胸径数据,建立一元回归模型,进而提取研究区每木胸径值,通过二元材积方程得到实验区总蓄积量,使用实测样圆每木树高胸径数据对实验区对应提取的样木蓄积量进行分析,其所有树种蓄积量总体精度为59%,其中杉木蓄积量精度为69%。综上所述,本文使用无人机航天遥感技术估测森林蓄积量,提取的冠幅、树高郁闭度及林木株数等因子的精度在70%～80%,提取杉木蓄积量精度为69%。本研究为森林调查的信息化和设备改良提供了帮助。