论文部分内容阅读
森林在陆地生态系统中起着关键作用,而单株树木的分割以及单木结构参数和森林特征参数的估算是许多森林研究工作的基础。具有高空间分辨率的UAV LiDAR(Unmanned aerial vehicles using light detection and ranging)探测技术能穿透森林冠层、绘制森林三维结构和林下地形信息,因此在森林应用中有着巨大的潜力。从LiDAR数据中分割单木点云,并估算森林特征参数已成为林业研究热点之一。本文基于UAV LiDAR数据提出了两种直接基于点云的单木分割方法并进行森林参数反演,以江苏省盐城市东台国营林场为研究区,并选取包含水杉、杨树树种的七个30m方形样地进行验证,具体内容如下:(1)基于下采样的mean shift–NCut单木分割法:对高度归一化后的非地面点云,采用mean shift算法进行粗分割,再用迭代的NCut算法精分割。结果表明,该方法的分割精度DET达到0.90,漏分比例OM为0.10,过分比例COM为0.11。(2)自适应核带宽的mean shift分割法:根据相应的树冠直径确定最佳核带宽的值,然后采用mean shift分割出单木点云,再对剩余点云迭代运算,直到所有点云分割完成。结果表明,该方法的分割精度DET达到0.87,漏分比例OM为0.13,过分比例COM为0.09。(3)本文将这两种方法与分水岭分割法和固定核带宽的mean shift法进行了对比,结果表明,两种方法均适用于高密度的UAV LiDAR数据,为基于UAV LiDAR数据的单木分割提供了有效的解决方案。基于下采样的mean shift–NCut单木分割精度最高,但是由于算法多次迭代,耗费时间最长,自适应核带宽的mean shift分割精度略低于mean shift–NCut分割,但大大提高了计算效率。(4)基于下采样的mean shift–NCut分割法得到的单木点云,本文分不同树种以及混合后的树种提取了单木点云高度分位数、密度分位数和冠幅变量,最后通过逐步回归分析法建立与森林特征参数的预测模型。研究表明,基于UAV LiDAR单木点云进行森林特征参数反演具有一定可行性。