单木分割在森林结构分析、林木参数提取以及森林生物量反演中具有重要作用。激光雷达(Light Detection and Ranging,LiDAR)作为一种低成本、高效率的数据源,为森林单木分割研究提供了坚实的数据基础。目前的单木分割研究主要集中在结构...单木分割在森林结构分析、林木参数提取以及森林生物量反演中具有重要作用。激光雷达(Light Detection and Ranging,LiDAR)作为一种低成本、高效率的数据源,为森林单木分割研究提供了坚实的数据基础。目前的单木分割研究主要集中在结构较为简单的森林区域,通常通过考虑点云之间的空间关系,制定合适的判别准则来实现单木的分割。然而,针对结构复杂的森林,现有的单木分割算法研究相对较少。提出了一种融合核密度估计、数字表面模型和K-means聚类等方法的单木分割算法。研究结果表明:以甘肃省甘南藏族自治区为研究区,对西北云杉林进行单木分割时,该方法能够显著提高人工云杉林与天然云杉林的分割精度。与传统的K-means聚类单木分割算法相比,该方法的整体棵数查全率分别提高了32%和15%,查准率分别提高了51%和27%,分别达到了83%和89%的查全率,以及92%和55%的查准率。这一方法为机载LiDAR在森林生态应用中的进一步应用提供了新的技术支持,特别为复杂林型结构中的单木分割问题提供了一种高效、简便的解决方案。展开更多
文摘单木分割在森林结构分析、林木参数提取以及森林生物量反演中具有重要作用。激光雷达(Light Detection and Ranging,LiDAR)作为一种低成本、高效率的数据源,为森林单木分割研究提供了坚实的数据基础。目前的单木分割研究主要集中在结构较为简单的森林区域,通常通过考虑点云之间的空间关系,制定合适的判别准则来实现单木的分割。然而,针对结构复杂的森林,现有的单木分割算法研究相对较少。提出了一种融合核密度估计、数字表面模型和K-means聚类等方法的单木分割算法。研究结果表明:以甘肃省甘南藏族自治区为研究区,对西北云杉林进行单木分割时,该方法能够显著提高人工云杉林与天然云杉林的分割精度。与传统的K-means聚类单木分割算法相比,该方法的整体棵数查全率分别提高了32%和15%,查准率分别提高了51%和27%,分别达到了83%和89%的查全率,以及92%和55%的查准率。这一方法为机载LiDAR在森林生态应用中的进一步应用提供了新的技术支持,特别为复杂林型结构中的单木分割问题提供了一种高效、简便的解决方案。
