【摘 要】
:
森林结构参数,如树高、冠幅、胸径和树冠体积等,不仅是评估森林生长状态、空间结构及生态功能的重要指标,也是分析全球森林生态系统碳平衡的基础。其中,树高是森林资源调查的重要参数,常常被用于立地质量与树木生长状态评价、树木材积与生物量估计。机载激光雷达(Airborne Light Detection and Ranging,ALiDAR)能够主动发射激光能量脉冲,在一定程度上穿透密集植被冠层,快速获取
【基金项目】
:
国家自然科学基金项目(42071405); 广西自然科学基金—创新研究团队项目(2019GXNSFGA245001);
论文部分内容阅读
森林结构参数,如树高、冠幅、胸径和树冠体积等,不仅是评估森林生长状态、空间结构及生态功能的重要指标,也是分析全球森林生态系统碳平衡的基础。其中,树高是森林资源调查的重要参数,常常被用于立地质量与树木生长状态评价、树木材积与生物量估计。机载激光雷达(Airborne Light Detection and Ranging,ALiDAR)能够主动发射激光能量脉冲,在一定程度上穿透密集植被冠层,快速获取冠层和林下地形的高精度三维空间信息,从而为单木树高等森林结构参数的精准估测提供支持。基于冠层高度模型(Canopy Height Model,CHM)估测单木树高是最常见的方法之一。然而,针对坡度较大林区,LiDAR点云生成的冠层高度模型往往存在畸变,会降低单木树高估测精度。针对这一问题,本研究以广西省兴安县富江村附近地形起伏较大区域的针叶林为研究对象,利用研究区无人机激光雷达(Unmanned Aerial Vehicle LiDAR,UAV LiDAR)点云数据,提出一种CHM与数字表面模型(Digital Surface Model,DSM)相结合的树高估算新方法改善单木树高估测精度,主要研究内容与结论如下:(1)林区激光点云预处理。首先,使用八叉树建立点云数据空间索引,并基于距离统计的去噪方法实现点云数据的噪声去除;其次,林区地面点滤波,对坡度滤波、多级移动曲面拟合滤波和渐进加密三角网滤波三种滤波方法进行试验和对比,选择最优的方法对研究区进行滤波处理;最后,使用反距离加权插值法生成DEM(Digital Elevation Model,DEM)和DSM,将两者相减得到CHM,并使用基于统计的凹坑填充法消除了冠层高度模型上的凹坑。(2)基于标记控制分水岭的森林单木分割。首先,基于凹坑去除优化后的CHM,利用局部最大值算法探测树顶点;然后,结合树顶点采用标记控制分水岭分割方法(Mark-Controlled Watershed Segmentation,MCWS)分割单木;最后,将分割结果与基于归一化分割(Normalized Cut,Ncut)的单木点云分割结果进行比较分析。结果表明,相比基于归一化割方法,标记控制分水岭分割方法的树冠漏分割与欠分割数量都较少,树冠分割精度整体较高,更适合于地形坡度较大的地区。(3)结合DSM的森林单木树高估测。为了解决坡度较大区域由CHM畸变导致单木树高误估的难题,本文提出CHM与DSM结合单木树高方法:首先将标记控制分水岭算法分割得到的树冠轮廓多边形提取至DSM中,记作标记区域;然后比较此标记区域内每一个像素点与其邻域,选取此区域内最大像素点为树顶点,并将树顶点高程与使用狄洛尼三角网和高程内插得到的地面点相减获取树高;最后为了验证本文树高估测方法,分别对坡度为32°、25°和15°的试验区进行试验。结果显示,CHM中估测的树高与实测数据拟合的R2分别为0.84、0.85和0.87,RMSE为1.48、1.41和1.58 m,结合DSM后R2为0.92、0.91和0.93,RMSE为0.93、1.02和1.16 m。结果表明,本文方法可以有效提高地形坡度较大区域单木树高的估算精度,对提升森林资源调查的准确性有着重要意义。
其他文献
随着互联网的飞速发展,P2P系统以其快速、可靠的性能越来越成为共享经济时代不可忽略的重要组成部分。而针对P2P信誉系统的女巫攻击通过注册大量节点与目标节点交互,利用不公平评价操控目标节点的信誉变化,对系统造成严重破坏。因此,如何有效抵御女巫攻击成为保障P2P系统稳定运转的重要问题。然而,现有关于女巫攻击防范的研究多侧重于对女巫攻击者操控的节点(女巫节点)进行探测,利用深度学习或者贝叶斯网络等技术将
我国矿产资源丰富,各式的矿物品种种类多、储量大。开采矿产资源不可避免的会破坏矿区的生态环境,导致滑坡等地质灾害。为预防灾害的发生,需要对矿区进行长期连续的监测。合成孔径雷达干涉测量(InSAR)技术被越来越多的应用到矿区的形变监测中。露天矿是一种特殊的土地利用单元,在矿区中往往形变梯度大、采区裸地多、人工地物少、矿区周边植被茂密,常规的时序InSAR技术能够获取矿区监测点的密度较低。引入分布式目标
近年来,红外与可见光图像融合在各种基于视觉的应用中具有重要意义,因此受到越来越多的关注。然而,现有的融合方法中,一般都要求输入的多张源图像和输出的融合图像的空间分辨率一致,这在很大程度上阻碍了这些方法在实际场景中的应用。并且,当源图像分辨率都较低时,得到的融合图像分辨率也会比较低,即所包含的信息不够充分。针对这些问题,本文提出了一种基于元学习的任意分辨率的红外和可见光图像融合网络,有效提高不同分辨
平行句对抽取是缓解低资源机器翻译中数据稀缺问题的关键任务,同时也是提升机器翻译性能的重要手段。但是目前平行句对抽取的方法都是基于句子语义相似性度量,并没有考虑不同词语在句子中语义表征的难易程度,同时主要集中在句子级别,忽略了文档级上下文信息以及图像所包含的信息,提取到的句子语义信息不充分,抽取到的平行句对质量不高,导致了汉-越神经机器翻译(Neural Machine Translation,NM
服装作为电子商务涉及最早的品类,已经成为规模最大、发展成熟的行业。网上服装销售具有很多传统模式不具备的优势,可使用户充分享受网络购物的乐趣和互动体验。服装迁移技术作为虚拟试衣系统的核心技术,越来越受到人们的关注。然而,如何帮助用户快速准确地找到个性化的服装以及人工智能辅助服装设计逐渐成为难点。为了辅助设计师设计时尚服装,而且可为用户提供个性化的数字服装定制,本文提出了面向服装创意设计的风格迁移方法
老挝语是老挝人民民主共和国的文字,作为“一带一路”重要盟国的老挝,其研究意义重大,由于老挝语使用人口少,且数字化落后,故从网络直接获取老挝语文本语料较为困难,但存在大量老挝语文本图像,因此,如何从现有文本图像中准确识别老挝语字符序列用以扩充老挝语文本语料,成为目前老挝语自然语言处理研究重点之一。光学字符识别可有效提取文本图像所含字符,但目前老挝语文字识别研究寥寥无几,故本文参考相关文字识别研究,提
案例推理是一种发展较为成熟、利用过往知识解决具有高度相似特征问题,并学习解决方案的方法。在检索案例时,对于庞大的案例库,传统KNN检索算法在处理线性问题时,需要对所有案例进行匹配。因此,存在时间成本高、效率低的问题。为此,现在大多研究都是对整个案例库聚类,形成具有不同特征的类簇。谱聚类算法作为一种基于图论的聚类算法,不同于一般的聚类算法,它不仅对样本集的空间分布特征没有要求,同时聚类的结果还是全局
材料基因组倡导发挥材料大数据的作用,采用机器学习变革材料研发文化。铝硅合金(Al-Si)具有强度高、耐磨性好且热膨胀系数小等性能特点,广泛应用于汽车、航天和电子工业中。Al-Si合金性能主要由合金微观组织中初晶Si相的形状及大小决定。目前,由于试验费用太高,时间成本巨大,微观组织图像的获取较为复杂,但它存在于公开发表的文献中。因此,本文采用深度学习方法从Al-Si合金文献中提取插图及标题,并筛选出
虚拟试衣能有效增强用户的网络购物体验,准确理解着装人体图像中以人为中心的语义区域,对辅助虚拟试衣起着重要作用。但由于着装人体图像服饰繁多,姿态各异,具有丰富的纹理和复杂的背景,使得准确理解图像变得困难。本文针对着装场景中人体姿态、边缘轮廓、服装配饰的复杂性以及人体部位关节点的遮挡等因素,导致人体解析结果不够精确的问题,结合边缘轮廓、姿态特征和粗解析特征,通过定义的结构损失和人体解析损失的组合函数进
身处互联网浪潮之中,各式各样的信息在日常生活中以爆炸似的速度飞速增长。从大量信息中快速准确获取用户需要的信息日渐成为人们的迫切需求和研究者们关注的热点,因此信息抽取技术应运而生。关系抽取隶属于信息抽取,是其中的一个子任务,人物关系抽取又是其中一个具体的研究方向。新闻文本作为当下人们获取信息的主要来源之一,大多以非结构化或半结构化形式分散于繁杂的互联网资源中,这些文本中可能包含了大量的人物实体及人物