红树林

世上植物，一般是籽生，然而红树林却是“胎生”。红树林是生长在热带和亚热带潮问带的海洋木本植物群落，素有“海上森林”之美称，其“胎生”繁殖方式，为植物界所罕见，具有很高的观赏和科考价值。红树林树冠茂密，木古茎苍。根系发达，盘根交错，嶙峋如蛟。     

半椭球形树冠对冠层间隙率与聚集度指数的影响研究

作为森林冠层结构的重要组成部分,树冠形状对冠层间隙率与聚集度指数的计算有重要影响。之前的研究通常将树冠假设为圆锥形、圆柱形、圆锥+圆柱形等形状计算了冠层间隙率与聚集度指数。然而,树冠生长受外部环境以及内部顶端优势等因素的影响,相较于上述理想化的树冠形状,半椭球形更符合树冠自然生长规律。事实上,半椭球形是一种十分常见的树冠形状。本文以树冠在空间呈泊松分布为前提,推导出半椭球形树冠的冠层间隙率与聚集度指数计算公式,并进一步扩展到双半椭球形树冠。同时,以半椭球形树冠为计算基准,对比分析了半椭球形树冠与其他树冠形状冠层间隙率与聚集度指数的相对差异。模拟计算中主要输入参数包括树冠密度、树冠高度、树冠半径以及叶面积指数等。最后通过虚拟场景对结果进行验证。结果表明：（1）半椭球形树冠与其他树冠形状的冠层间隙率有较大差异。随着观测天顶角增加,不同树冠形状与半椭球形树冠的冠层间隙率的相对差异也逐渐增大。当观测天顶角为70°时,圆锥形树冠与半椭球形树冠的冠层间隙率相对差异已接近100%。（2）树冠形状对聚集度指数同样有较明显影响。极端情况下,圆锥形树冠与半椭球形树冠的聚集度指数相对差异达到30%。（3）半椭球形树冠与其他树冠形状的半球空间聚集度指数期望值的差异不容忽视。     

一种基于序列影像匹配的独立树冠可视化方法

介绍采用非量测相机与序列影像匹配实现独立树冠3维重建的方法。主要包括从影像提取特征点：使用多基线影像与金字塔分层相关技术进行特征点匹配;解算影像的相对方位参数;由前方交会求出各特征点的模型坐标;由模型坐标构造树冠表面三角网;由纹理映射得到树冠3维模型景观图,实现树木可视化的真3维表达。     

树冠尺寸对冠层间隙率和聚集度指数的影响

冠层间隙率和叶片聚集度指数对植被拦截光和冠层辐射传输过程有重要影响。叶片往往以树冠的形式聚集在森林中,而树冠在诸多森林冠层几何光学模型中有重要作用。之前的研究主要集中于树冠的形状(例如圆柱、圆锥、椭球、圆锥+圆柱等)特征对冠层间隙率和叶片聚集度的影响。然而,树冠的结构特征除了包括形状特征外,还包括尺寸特征。事实上,树冠的尺寸特征是植被在长期进化过程中与自然环境相互作用的结果,且比树冠形状特征具有更明显的地理空间特征。本文首先修改了前人常用的用于描述树冠分布的泊松分布模型,其次,利用超几何模型更为真实地、定量地描述树冠之间的排斥效应和树冠的分布情况;最后,以椭球树冠为例,设定了从"瘦高"型到"矮胖"型等7种尺寸的树冠,分别通过固定树冠半径和树冠体积两种途径探讨了树冠尺寸特征对冠层间隙率和叶片聚集度的影响。结果表明:(1)无论固定树冠半径,还是固定树冠体积,树冠尺寸特征对冠层间隙率和叶片聚集度指数的影响,均比树冠形状特征对间隙率和叶片聚集度指数的影响明显;(2)树冠的尺寸对冠层间隙率和叶片聚集度的影响非常显著,且具有明显的规律性。树冠在观测方向的投影面积越大,冠层间隙率越小,叶片聚集指数度越大,冠层内叶片越趋于泊松分布。     

结合多光谱影像降维与深度学习的城市单木树冠检测

多光谱数据的降维处理对基于深度学习的单木树冠检测研究有重要意义,如何使用合适的降维方法以提高单木检测的精度却少有研究讨论。本文使用无人机搭载多光谱相机进行航拍作业,采集研究区内银杏树种多光谱影像。将原始多光谱影像通过特征波段选择、特征提取、波段组合的方法生成5种不同的数据集用于训练3种经典的深度学习网络FPN-Faster-R-CNN,YOLOv3,Faster R-CNN。其中由波段组合方法得到的近红外、红色、绿色波段组合在不同类型的目标检测网络中都有最好的检测结果,其中FPN-Faster-R-CNN网络对银杏树冠的检测精度最高为88.4%,由OIF指标得到的蓝色、红色、近红外波段组合信息量最高,但在所有网络中的平均检测精度最低,仅为79.3%。实验结果表明：在不同波段降维方法中,若降维后的影像中目标物体的色彩与背景差异较明显,且轮廓清晰,则深度学习网络对树冠的检测可获得较好的结果。而影像自身的信息量则对深度学习网络的树冠检测能力的提升作用有限。本研究中针对多光谱影像的降维方法分析,为基于深度学习的单木树冠检测研究提供了重要的实验参考。     

ICESat-2激光测高卫星应用研究进展

ICESat-2作为当今最先进的测高卫星之一,相比ICESat卫星,在荷载设备、算法模型和测距精度等诸多方面有了很大的提升。整体性能的完善使得ICESat-2在极地冰盖和海冰的监测、内陆水文变化和森林树冠高以及生物量预估等领域的科学研究和实际生产应用中具有广阔前景。重点从ICESat-2荷载仪器、改进技术、数据产品进行了详细介绍。分析和总结了ICESat-2在冰盖、海冰、地形与树冠高、内陆水等诸多领域的最新应用研究进展以及初步验证的观测精度和可靠性,并对ICESat-2未来应用进行了展望。     

结合Gabor小波和形态学的高分辨率图像树冠提取方法

树冠信息的遥感提取能有效辅助森林参数反演、林分长势监测、树种识别等森林调查活动。随着遥感信息自动化提取的需求不断加强,本文基于高空间分辨率遥感数据,以滁州市皇甫山林场为研究区域,设计了一种结合Gabor小波和形态学的树冠提取方法。该方法首先采用Gabor小波提取出纹理特征,其次结合K-means聚类分析方法,对PCA降维后的纹理特征向量提取出阔叶林区,最后基于形态学理论降低影像噪声,并利用前景后景标记的分水岭方法进行单木树冠提取。经过与人工解译的树冠信息结果对比发现,在郁闭度较高的阔叶林区,该自动化方法提取树冠精度较高,分割准确率A_d为79.59%,F测度达到了79.00%能有效提供精确的单木树冠信息,为林业经济调查技术的发展具有一定的实践意义。     

无人机遥感影像林地单株立木信息提取

针对无人机遥感技术在提取单株立木信息的限制性问题,提出一种新的自动单株立木信息提取方法。对原始无人机影像进行光谱信息增强处理以突出局部细节特征;通过引入DBI指数自动化确定K-means聚类方法的最优聚类数目,进而对影像像素进行标记;通过利用高斯马尔可夫随机场模型进一步对影像进行分割;使用数学形态学算子等方法对分割结果进行后处理得到单株立木树冠信息,通过图像几何矩原理计算得到单株立木位置以作为其识别的依据。结果表明,应用该提取方法,油松林区和樟子松林区单株立木识别总体精度分别为89.52%和95.65%、单木树冠提取精度分别为81.90%和95.65%,均具有较好地适用性。该方法不需要大量的人工干预和先验知识的输入,大大提高提取方法的自动化程度。     

基于数字树冠高度模型(DCHM)的森林生物量制图

森林生物量的精确测定,对于全球气候变化和碳循环研究具有重要的意义。为满足区域乃至全球范围的森林生物量制图所需,本文利用航空遥感摄影数据,通过摄影测量技术,建立了一种基于数字树冠高度模型(DCHM)的森林生物量制图方法,并以日本岛根县匹见实验林为研究区,对林区1967-2007年间的森林生物量变动进行了实测。     

基于标记控制分水岭分割方法的高分辨率遥感影像单木树冠提取

树冠是树木的重要组成,可以直接反映树木健康状况。高空间分辨率遥感影像和遥感技术为快速获取详细的树冠信息和实时监测林冠变化提供了有效的途径。因此,基于高空间分辨率遥感影像的单木树冠提取方法研究对现代森林管理具有重要意义。本文以黄河三角洲地区孤岛林场人工刺槐林和旱柳为研究对象,以QuickBird影像为数据源,首先利用面向对象方法实现研究区林地和非林地分类;然后以林地为掩膜,提取出树冠分布范围;在此基础上,分别选取疏林区和密林区为试验区域,通过形态学开闭重建滤波,平滑图像,去除噪声;最后,利用标记控制分水岭分割方法分别对疏林区和密林区进行树冠提取。本文以人工勾绘结果为参考进行精度验证,结果显示疏林区F测度达到87.8%,密林区F测度达到65.5%,表明该提取方法简单易行,精度可靠。