随着森林资源管理逐步迈向精准化与数字化,无人机技术为智能化与自动化的森林资源样地调查提供了一种解决方案。然而,当前树冠分割边界刻画不够精细、单木材积估测精度较低的问题仍然突出,同时高精度激光雷达数据的获取成本较高,限制了...随着森林资源管理逐步迈向精准化与数字化,无人机技术为智能化与自动化的森林资源样地调查提供了一种解决方案。然而,当前树冠分割边界刻画不够精细、单木材积估测精度较低的问题仍然突出,同时高精度激光雷达数据的获取成本较高,限制了其在实际应用中的广泛推广。为提高单木材积估测的精度与效率,克服现有方法中树冠分割不精细和高精度激光雷达数据成本高的问题,该研究提出了一种基于树冠精准分割和多源特征融合的无人机单木估测方法。在此方法中,基于YOLOv11算法,结合引入ScaleEdgeExtractor(SEE)、DilatedFusion(DF)、C2BRA和GatedFPN等模块,增强了树冠边界的感知能力和多尺度特征表达能力,并构建了高精度树冠分割网络CrownSeg。在此基础上,基于树冠形态、光谱及纹理特征的多维特征融合策略,结合递进特征组合方法和加权集成学习模型构建了单木材积估测模型。结果表明,CrownSeg树冠分割算法提升了树冠边界的刻画精度,交并比(intersection over union,IoU)阈值为0.5时的平均精度(AP50)达到94.9%,较基准模型提升1.5个百分点;IoU阈值从0.5到0.95区间的平均精度(AP50-95)达到66.2%,较基准模型提升3.8个百分点。此外,多源特征融合有效强化了单木材积的预测能力,最终加权集成模型表现优异,其决定系数(R^(2))达到0.921 5,平均绝对误差(MAE)为0.0228 m^(3),平均绝对百分比误差(MAPE)为17.00%,均优于单一模型,展现出良好的模型稳定性和泛化能力,可为无人机遥感技术在精准林业中的应用提供技术参考。展开更多
红树林是重要的碳汇生态系统。激光雷达LiDAR (Light Detection And Ranging)是获取林木三维结构参数进行生物量估算的重要技术手段。针对仅利用机载LiDAR难以完整描述红树林三维结构的问题,本文以广东省湛江市英罗港和广西壮族自治区...红树林是重要的碳汇生态系统。激光雷达LiDAR (Light Detection And Ranging)是获取林木三维结构参数进行生物量估算的重要技术手段。针对仅利用机载LiDAR难以完整描述红树林三维结构的问题,本文以广东省湛江市英罗港和广西壮族自治区茅尾海红树林保护区为研究区,利用无人机载和手持式LiDAR获取的点云数据,提出了一种红树冠层下部约束聚类分割方法,对木榄、红海榄、桐花树等不同类型红树的单木分割以及树高、冠幅的进行提取,并与传统单木分割算法进行了对比和分析。结果表明:本文提出的结合空地LiDAR数据的单木分割算法,在不同类型红树单木分割中均取得了较高的单木检出率,与传统的冠层高度模型分割法相比较,单木检出率提升了13.4%—26.7%。其次,有效提高了红树树高的提取精度。3种红树树高参数提取值与实测值之间的R2提高了1.8%—42.2%,RMSE降低了3.4%—55.3%。此外,由于红树冠幅分割结果存在提取值偏小的规律,本研究将能够表征红树冠层交叠密集程度的点云密度变量作为修正因子,经修正后的RMSE降低了45.25%—53.33%。因此,本文提出的联合空地LiDAR的红树林单木生长参数提取方法,可以实现精确的红树单木点云分割并有效提升红树生长参数提取精度,为红树林生物量估算及碳汇能力评估提供了技术和数据支撑。展开更多
文摘随着森林资源管理逐步迈向精准化与数字化,无人机技术为智能化与自动化的森林资源样地调查提供了一种解决方案。然而,当前树冠分割边界刻画不够精细、单木材积估测精度较低的问题仍然突出,同时高精度激光雷达数据的获取成本较高,限制了其在实际应用中的广泛推广。为提高单木材积估测的精度与效率,克服现有方法中树冠分割不精细和高精度激光雷达数据成本高的问题,该研究提出了一种基于树冠精准分割和多源特征融合的无人机单木估测方法。在此方法中,基于YOLOv11算法,结合引入ScaleEdgeExtractor(SEE)、DilatedFusion(DF)、C2BRA和GatedFPN等模块,增强了树冠边界的感知能力和多尺度特征表达能力,并构建了高精度树冠分割网络CrownSeg。在此基础上,基于树冠形态、光谱及纹理特征的多维特征融合策略,结合递进特征组合方法和加权集成学习模型构建了单木材积估测模型。结果表明,CrownSeg树冠分割算法提升了树冠边界的刻画精度,交并比(intersection over union,IoU)阈值为0.5时的平均精度(AP50)达到94.9%,较基准模型提升1.5个百分点;IoU阈值从0.5到0.95区间的平均精度(AP50-95)达到66.2%,较基准模型提升3.8个百分点。此外,多源特征融合有效强化了单木材积的预测能力,最终加权集成模型表现优异,其决定系数(R^(2))达到0.921 5,平均绝对误差(MAE)为0.0228 m^(3),平均绝对百分比误差(MAPE)为17.00%,均优于单一模型,展现出良好的模型稳定性和泛化能力,可为无人机遥感技术在精准林业中的应用提供技术参考。
文摘红树林是重要的碳汇生态系统。激光雷达LiDAR (Light Detection And Ranging)是获取林木三维结构参数进行生物量估算的重要技术手段。针对仅利用机载LiDAR难以完整描述红树林三维结构的问题,本文以广东省湛江市英罗港和广西壮族自治区茅尾海红树林保护区为研究区,利用无人机载和手持式LiDAR获取的点云数据,提出了一种红树冠层下部约束聚类分割方法,对木榄、红海榄、桐花树等不同类型红树的单木分割以及树高、冠幅的进行提取,并与传统单木分割算法进行了对比和分析。结果表明:本文提出的结合空地LiDAR数据的单木分割算法,在不同类型红树单木分割中均取得了较高的单木检出率,与传统的冠层高度模型分割法相比较,单木检出率提升了13.4%—26.7%。其次,有效提高了红树树高的提取精度。3种红树树高参数提取值与实测值之间的R2提高了1.8%—42.2%,RMSE降低了3.4%—55.3%。此外,由于红树冠幅分割结果存在提取值偏小的规律,本研究将能够表征红树冠层交叠密集程度的点云密度变量作为修正因子,经修正后的RMSE降低了45.25%—53.33%。因此,本文提出的联合空地LiDAR的红树林单木生长参数提取方法,可以实现精确的红树单木点云分割并有效提升红树生长参数提取精度,为红树林生物量估算及碳汇能力评估提供了技术和数据支撑。
