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
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。
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。
文摘【目的】解决复杂果园环境下的果实精准分割问题。【方法】本文提出一种新颖的柑橘果树三维重建与果实语义分割方法。首先,利用神经辐射场(Neural radiance field,NeRF)技术从多视角图像中学习果树的隐式三维表示,生成高质量的果树点云模型;然后,采用改进后的随机局部点云特征聚合网络(Random local point cloud feature aggregation network,RandLA-Net)对果树点云进行端到端的语义分割,准确提取出果实点云。对RandLA-Net进行针对性改进,在编码器层后增加双边增强模块,采用更适合果实点云分割任务的损失函数,并通过柑橘果树数据集对改进后的分割网络进行验证试验。【结果】所提出的方法能够有效地重建果树三维结构,改进后网络的平均交并比提高了2.64个百分点,果实的交并比提高了7.33个百分点,验证了该方法在智慧果园场景下的实用性。【结论】研究为实现果园智能化管理和自动化采摘提供了新的技术支撑。
