研究目的
研究结合利用机载激光雷达（ALS）数据、数字航空摄影测量数据以及密集的野外测量数据，以提取和预测同龄混交林的树木及林分参数。
研究成果
该研究表明，结合ALS和无人机数据进行混交林森林资源调查具有潜力。云杉的检测精度高于山毛榉。对于云杉而言，胸径和蓄积量预测结果令人满意，但对山毛榉的预测准确性较低。未来研究应着重改进山毛榉的检测方法。
研究不足
由于山毛榉树冠呈圆形且树冠层相互重叠，该研究在准确识别山毛榉树方面存在局限。面向对象图像分析分类法在区分山毛榉与悬铃木时准确率较低。需要进一步研究以改进山毛榉树的单木检测方法。
1：实验设计与方法选择
本研究结合使用ALS数据、无人机影像和实地测量来提取树木及林分参数。通过面向对象图像分析(OBIA)分类技术识别并分离主要树种，并采用局部滤波算法测定树位、树高及冠幅。
2：样本选择与数据来源
数据采集自罗马尼亚西南部混交林中的四个1公顷样地。实地测量内容包括树位坐标、冠幅投影、活力状况、竞争强度、树高及胸径。
3：实验设备与材料清单
ALS数据采用Riegl LMS-Q780激光扫描仪获??；无人机影像通过搭载佳能S110 RGB相机的SenseFly eBee RTK无人机采集；实地测量使用Field Map设备及Vertex IV倾斜仪完成。
4：实验流程与操作步骤
对ALS数据进行处理提取数字地形模型(DTM)、数字表面模型(DSM)和冠层高度模型(CHM)；基于无人机影像开展OBIA分类实现树种识别；采用冠层极大值算法检测单木；通过蒙特卡洛模拟与线性回归模型预测胸径。
5：数据分析方法
数据分析包含OBIA分类精度评估、单木检测率统计，以及采用均方根误差(RMSE)和相对RMSE对胸径与材积预测值进行统计分析。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Riegl LMS-Q780
LMS-Q780
Riegl
Airborne Lidar Scanner for full waveform analysis
-
Canon S110 RGB
S110
Canon
RGB frame camera for imagery acquisition
-
SenseFly eBee RTK
eBee RTK
SenseFly
Fixed-wing mapping drone for aerial imagery capture
-
Field Map
Equipment for field measurements including tree positions and crown projections
-
Vertex IV
IV
Inclinometer for measuring tree heights
-
Trimble Geo XH
Geo XH
Trimble
Receiver for determining plot corner coordinates
-
Zephir II
II
External antenna for GPS receiver
-
登录查看剩余5件设备及参数对照表
查看全部
