森林分布極為廣泛并且地形復(fù)雜多樣,以傳統(tǒng)方法對森林結(jié)構(gòu)參數(shù)進(jìn)行調(diào)查,需要耗費(fèi)大量的人力、物力和財力。無人機(jī)和計算機(jī)視覺技術(shù)的快速發(fā)展,使得快捷、較低成本、較高精度地獲取森林結(jié)構(gòu)參數(shù)成為可能。本研究以針闊混交林和水杉純林為研究對象,研究了基于無人機(jī)影像的單木識別與單木結(jié)構(gòu)參數(shù)提取。主要研究內(nèi)容和結(jié)果如下:(1)探討樹冠高度模型(Canopy Height Model,CHM)的分辨率、平滑濾波和局部最大值算法的窗口大小對單木識別的影響。此外,檢驗(yàn)局部最大值算法在針闊混交林和水杉純林中的單木識別效果。結(jié)果表明:1)識別單木數(shù)與平滑窗口大小和移動窗口大小均成反比,當(dāng)窗口大小相同時,CHM的分辨率越高,識別的單木數(shù)就越多;2)單木尺度的評價比樣地尺度更能夠反映單木識別的精度;3)局部最大值算法在水杉純林中的單木識別效果比在針闊混交林中好。(2)通過單木位置結(jié)合CHM獲得樹高(H),將其與實(shí)測樹高對比,3個樣地的R²分別為0.9668,0.7703和0.7304,RMSE分別為1.4058m,2.361m和2.5447m,r RMSE分別為10.64%,9.28%和11.4...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 單木識別
        1.2.2 單木結(jié)構(gòu)參數(shù)提取
            1.2.2.1 單木樹高提取
            1.2.2.2 單木冠幅提取
            1.2.2.3 單木胸徑反演
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
    1.4 論文組織架構(gòu)和安排
2 研究區(qū)概況與數(shù)據(jù)
    2.1 研究區(qū)概況
    2.2 研究數(shù)據(jù)
        2.2.1 無人機(jī)影像數(shù)據(jù)獲取
        2.2.2 無人機(jī)影像數(shù)據(jù)預(yù)處理
        2.2.3 實(shí)測樣地數(shù)據(jù)
    2.3 本章小結(jié)
3 基于無人機(jī)影像的單木識別
    3.1 單木識別
    3.2 單木識別精度評價標(biāo)準(zhǔn)
    3.3 單木識別精度評價
        3.3.1 樣地尺度精度評價
        3.3.2 單木尺度精度評價
    3.4 本章小結(jié)
4 基于無人機(jī)影像的單木結(jié)構(gòu)參數(shù)提取
    4.1 單木樹高提取
    4.2 樹冠提取
        4.2.1 分水嶺分割算法提取樹冠
        4.2.2 “FORESTCAS”算法提取樹冠
    4.3 樹冠提取精度評價
    4.4 本章小結(jié)
5 單木胸徑反演
    5.1 相關(guān)性分析及模型評價指標(biāo)
        5.1.1 相關(guān)性分析
        5.1.2 模型評價
    5.2 單木胸徑反演模型
        5.2.1 樹高—胸徑一元模型
        5.2.2 冠幅—胸徑一元模型
        5.2.3 樹高&冠幅—胸徑二元模型
    5.3 單木胸徑反演模型精度驗(yàn)證
    5.4 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號：3744942