论文部分内容阅读
林分蓄积量,指林分内所有活立木的总材积,是森林资源调查的重要指标之一。森林蓄积量的获取方法主要有实地调查和遥感估测,实地调查获得蓄积量费时费力、工作量大,卫星遥感影像估测蓄积量,时效性较差、精度低。无人机操作简单、成本低、机动响应快速,弥补了卫星遥感容易受云、雾等天气情况影响的缺点,解决了传统卫星遥感重访周期过长,应急不及时等问题,不受时间和地点的约束,影像数据分辨率高,受气候条件影响小,能实现低成本、高效、准确的估测林分蓄积量。本文以湖南衡山森林生态系统定位观测研究站为研究区,以研究区实验样地为研究对象,通过野外实测获得树木的胸径、树高等调查数据,利用无人机获取实验样地的影像数据。结合实验样无人机影像数据和野外实地调查数据,通过数据预处理得到高精度的三维模型;根据预处理结果,利用面向对象多尺度分割技术与GIS空间分析技术进行树冠信息提取,进而提取了林分平均冠幅、林分郁闭度、林分平均高和株数密度四个林分因子;以提取的林分因子为自变量,实测蓄积量为因变量构建了三种林分蓄积量估测模型,并对其进行模型检验以及比较分析选出拟合效果最好的模型。主要研究结果如下:(1)无人机数据获取与预处理。基于大疆无人机采集的影像数据和实验样地高程点数据,选用无人机数字摄影测量处理平台Agisoft PhotoScan进行预处理,利用多视图三维重建、影像外方位元素等技术,生产出高分辨率的数字正射模型、高精度的数字表面模型以及数字高程模型。(2)提取树冠信息。基于高精度的数字正射影像,利用面向对象的图像分析方法与多尺度分割技术,针对影像设置合适的分割尺度、紧致度和形状因子进行多尺度分割;以光谱、纹理和形状特征作为分类指标进行分类,有效提取树冠信息,F测度达到0.73。(3)提取林分因子。基于无人机影像数据预处理结果和单木树冠分割结果,提取实验样地的林分平均冠幅、林分郁闭度、林分平均树高和株数密度参数。以实地调查数据为验证数据,样地总体精度分别是:林分平均冠幅为85.24%,林分郁闭度为89.91%,林分平均高为85.78%;株数密度为79.86%。(4)构建蓄积量估测模型。以实测蓄积量为因变量,提取的林分因子为自变量,构建了三种蓄积量估测模型:多元线性回归模型、偏最小二乘回归模型和BP神经网络,其中多元线性回归模型的决定系数为0.641,相对误差为21.16%;偏最小二乘回归模型的决定系数为0.778,相对误差为18.93%;BP神经网络的决定系数为0.712,相对误差为39.68%。根据决定系数及误差分析等检验指标选出拟合效果最好模型的是偏最小二乘回归模型。综合上述,基于无人机高分辨率影像数据,通过遥感方法提取建模因子,并以此构建蓄积量估测模型,能够快速准确的获得林分蓄积量,研究结果为基于无人机的林分蓄积量估测研究提供了多种参考方法,对于林业监测、调查数据获取都有着一定的参考作用。