定株管理是未來(lái)果園精準(zhǔn)生產(chǎn)管理的趨勢(shì),果樹(shù)單木樹(shù)冠信息的提取是定株管理的關(guān)鍵。該研究利用無(wú)人機(jī)采集的蘋(píng)果園激光探測(cè)與測(cè)量數(shù)據(jù)(Light Detection and Ranging,Li DAR)檢測(cè)和測(cè)量每棵果樹(shù)的樹(shù)冠面積和樹(shù)冠直徑,并評(píng)價(jià)空間分辨率對(duì)果樹(shù)單木樹(shù)冠檢測(cè)與提取結(jié)果的影響。該方法主要使用反距離權(quán)重插值法間接生成冠層高度模型(CanopyHeightModel,CHM);使用局部極大值濾波算法和標(biāo)記控制分水嶺分割算法(Marked-ControlledWatered Segmentation,MCWS)對(duì)果樹(shù)進(jìn)行單木樹(shù)冠檢測(cè)與提取。通過(guò)與參考數(shù)據(jù)的比較,評(píng)估了該方法的精度,并定量分析了空間分辨率對(duì)于單木樹(shù)冠檢測(cè)與信息提取結(jié)果的敏感性。結(jié)果表明,該方法可有效實(shí)現(xiàn)果樹(shù)單木樹(shù)冠檢測(cè)與信息提取,代表果樹(shù)檢測(cè)精度的F1得分為95.03%,樹(shù)冠輪廓提取準(zhǔn)確率為86.39%,樹(shù)冠面積的提取數(shù)據(jù)集和參考數(shù)據(jù)集的線性擬合結(jié)果決定系數(shù)和歸一化均方根誤差分別為0.81和20.56%,樹(shù)冠直徑的提取數(shù)據(jù)集和參考數(shù)據(jù)集的線性擬合結(jié)果決定系數(shù)和歸一化均方根誤差分別為0.85和14.79%,樹(shù)冠面積和直...

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖1研究區(qū)位置

研究區(qū)位于中國(guó)山東省棲霞市（37°10′8″N,120°41′23″E），研究區(qū)東西總長(zhǎng)度132m，南北總長(zhǎng)度108m（圖1）。多數(shù)果樹(shù)品種為富士，種植時(shí)間超過(guò)7a，樹(shù)行種植間隔固定為4.5m，株距為4m，研究區(qū)共有果樹(shù)573棵，研究區(qū)邊緣非果樹(shù)或與其他明顯物體（如電線....

圖2不同空間分辨率的數(shù)字地形模型、數(shù)字表面模型和數(shù)字高度模型

基于不同空間分辨率的CHM，使用本方法檢測(cè)的果樹(shù)數(shù)量及精度如圖3所示，代表果樹(shù)檢測(cè)精度的F1得分均超過(guò)90%，且當(dāng)冠層高度模型空間分辨率為0.3m時(shí)，F(xiàn)1得分最高，為95.03%，其中查全率為93.37%，查準(zhǔn)率為96.75%。圖3不同空間分辨率下的果樹(shù)檢測(cè)結(jié)果及精度

圖3不同空間分辨率下的果樹(shù)檢測(cè)結(jié)果及精度

圖2不同空間分辨率的數(shù)字地形模型、數(shù)字表面模型和數(shù)字高度模型2.3果樹(shù)樹(shù)冠提取

圖4不同空間分辨率下由冠層高度模型所提取樹(shù)冠與參考樹(shù)冠的輪廓疊加

為評(píng)估使用該方法提取果樹(shù)單木樹(shù)冠信息的精度，本研究對(duì)基于冠層高度模型提取的果樹(shù)樹(shù)冠面積及直徑進(jìn)行統(tǒng)計(jì)分析。其中，基于不同空間分辨率0.1、0.2、0.3、0.4和0.5m的優(yōu)-匹配的樹(shù)冠分別為456、472、461、439和394棵樹(shù)，提取的樹(shù)冠面積和直徑統(tǒng)計(jì)箱型圖如圖5所示，....

本文編號(hào)：3977126