【摘要】：森林資源對(duì)生態(tài)系統(tǒng)和人類生活有著十分重要的作用,準(zhǔn)確獲取森林參數(shù)是森林資源調(diào)查的基本工作。近年來(lái),激光雷達(dá)技術(shù)的發(fā)展為高精度森林三維結(jié)構(gòu)參數(shù)的獲取提供了可能。機(jī)載Li DAR由于具有高精度、高效率、大面積獲取森林結(jié)構(gòu)信息的優(yōu)勢(shì),是森林清查中主要的Li DAR數(shù)據(jù)來(lái)源。目前單木分割研究大都是在特定的森林狀況下進(jìn)行的,且對(duì)于分割方法的精度評(píng)價(jià)沒有統(tǒng)一標(biāo)準(zhǔn),無(wú)法評(píng)價(jià)各分割方法的優(yōu)劣。本文采用基于冠層高度模型分割、基于點(diǎn)云分割、基于無(wú)凹坑冠層高度模型分割、基于層堆疊種子點(diǎn)分割等方法,對(duì)針葉林、闊葉林和針闊混交林三種森林類型不同森林密度的機(jī)載Li DAR數(shù)據(jù)進(jìn)行單木分割,使用F-Score、檢測(cè)率、正確率和總體精度進(jìn)行定量評(píng)價(jià),探討不同分割方法在不同森林狀況下的適用性。其次,對(duì)葉面積指數(shù)、冠層覆蓋度、樹密度、樹高變異系數(shù)、坡度等影響因子進(jìn)行分析,探索其對(duì)各分割方法的影響。為今后森林清查、森林資源管理提供分割方法的選擇,以及后續(xù)對(duì)分割算法進(jìn)行改進(jìn)提供參考意見。結(jié)果表明:(1)四種分割方法的結(jié)果在不同森林類型間,存在一定差異。在針葉林樣地,基于Pit-free CHM分割的精度最好,雖然算法的穩(wěn)定性不如基于層堆疊種子點(diǎn)分割,但基于層堆疊種子點(diǎn)分割算法對(duì)參數(shù)比較敏感,可以優(yōu)先選擇基于Pit-free CHM分割算法,分割精度可以達(dá)到0.9;在闊葉林樣地,我們發(fā)現(xiàn)四種分割方法的分割精度均明顯低于針葉林樣地的分割精度,基于層堆疊種子點(diǎn)分割算法的分割棵數(shù)占總棵樹的77%,并且從算法穩(wěn)定性的角度來(lái)看,基于層堆疊種子點(diǎn)分割方法的穩(wěn)定性也最好,基于Pit-free CHM分割方法容易因森林的復(fù)雜狀況而出現(xiàn)異常值;在針闊混交林樣地,基于層堆疊種子點(diǎn)分割的精度與穩(wěn)定性均較好,基于CHM分割算法的穩(wěn)定效果最差。(2)各影響因子在不同森林類型樣地中對(duì)四種分割方法的影響也存在差異。在針葉林樣地,基于點(diǎn)云分割,隨樹高變異系數(shù)的增大,分割精度呈現(xiàn)下降趨勢(shì)�；赑it-free CHM分割在冠層覆蓋度小于0.8時(shí),分割效果最好。在闊葉林樣地,四種分割方法的分割精度隨樹密度的增大均呈下降趨勢(shì),當(dāng)樹密度較小時(shí),建議選擇基于Pit-free CHM分割。反之,選擇基于層堆疊種子點(diǎn)分割方法分割效果較好。在針闊混交林樣地,樹密度、冠層覆蓋度和樹高變異性均對(duì)各分割方法的分割精度具有顯著性影響。隨樹高變異系數(shù)的增大,尤其是樹高變異系數(shù)大于0.25時(shí),基于層堆疊種子點(diǎn)分割具有明顯優(yōu)勢(shì)。坡度對(duì)四種分割方法在不同森林類型中的影響較小。
【圖文】：

定和科學(xué)合理的經(jīng)營(yíng)森林提供現(xiàn)實(shí)依據(jù)。林資源調(diào)查主要是通過實(shí)地測(cè)量獲取相關(guān)資料，耗時(shí)耗星遙感技術(shù)的出現(xiàn)，為大面積森林資源清查提供了可不能得到森林的三維結(jié)構(gòu)信息，而且部分影像分辨率很得其對(duì)林分垂直結(jié)構(gòu)信息的表達(dá)十分有限。light detection and ranging，LiDAR），一種新興的主動(dòng)脈沖從發(fā)射到被接收之間的時(shí)間差（ t），分析傳感器D），從而實(shí)現(xiàn)目標(biāo)物精確的三維結(jié)構(gòu)信息（公式 1-1）原理圖）。D =12 激光雷達(dá)傳感器到目標(biāo)地物的距離，C 為光速，， t 為間差。

獲取多次回波信息，因此它可以快速、高精度獲包括林分尺度和單木（即單株樹木）尺度參數(shù)提度等的調(diào)查，以及生物量和蓄積量的反演。從激獲取單木尺度的樹高、冠幅、胸徑等森林信息的所用平臺(tái)來(lái)看，有地基平臺(tái)、車載平臺(tái)[22]、背包平臺(tái)和星載平臺(tái)等[1]。機(jī)載 LiDAR 即將激光雷上，采用自上而下的方式對(duì)地面進(jìn)行掃描，因此光點(diǎn)云。機(jī)載 LiDAR 通常為小光斑激光雷達(dá)，，所獲取點(diǎn)云數(shù)據(jù)的密度常與飛行高度、飛行速激光雷達(dá)每束脈沖一般有 1 到 5 次回波。近年來(lái)?yè)?jù)適用于森林尺度、林分尺度和單木尺度的較為機(jī)載 LiDAR 可以高精度、高效率、大面積的，本文選擇機(jī)載 LiDAR 數(shù)據(jù)進(jìn)行單木分割方法
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：S758

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林怡;季昊巍;葉勤;;基于LiDAR點(diǎn)云的單棵樹木提取方法研究[J];計(jì)算機(jī)測(cè)量與控制;2017年06期

2 郭慶華;吳芳芳;胡天宇;陳琳海;劉瑾;趙曉倩;高上;龐樹鑫;;無(wú)人機(jī)在生物多樣性遙感監(jiān)測(cè)中的應(yīng)用現(xiàn)狀與展望[J];生物多樣性;2016年11期

3 郭昱杉;劉慶生;劉高煥;黃

本文編號(hào)：2694307