基于无人机高光谱影像和深度学习算法的长白山针阔混交林优势树种分类

快速、准确识别树种及其分布格局是森林资源经营管理和生物多样性保护的基础和前提。与传统实地调查的方法相比,近年来飞速发展的近地面遥感技术可以灵活、高效和便捷地获取高分辨率高光谱遥感影像,而如何从包含丰富信息的诸多特征中选择信息量大且冗余度低的特征进行树种自动识别,是当前研究亟待解决的问题。本研究以长白山25 hm~2温带针阔混交样地为主要研究平台,于2019年8月使用无人机搭载的光谱传感器获取面积为6 hm~2的高光谱影像,选择红松、春榆、蒙古栎、水曲柳、大青杨和紫椴6种林冠层树种作为实地标记树种,使用实时载波相位差分技术对所选目标树种进行精确定位,结合2019年样地复查结果对研究区的影像进行目视解译,分别使用卷积神经网络法、最大似然法和马氏距离3种分类方法进行冠层树种的自动分类研究。结果表明：(1)卷积神经网络的树种分类总体精度和Kappa系数(99.85%、0.998)优于最大似然法(89.11%、0.86)和马氏距离法(79.65%、0.75)。(2)在3种分类方法中,单个优势树种分类精度均在卷积神经网络中为最高精度,红松、春榆、蒙古栎、水曲柳、大青杨和紫椴的最高分类精度分别为10...     

近地面激光雷达点云密度对森林冠层结构参数提取准确性的影响

基于激光雷达技术获取冠层结构为森林生态学研究增加了新的维度。搭载于多旋翼无人机的近地面激光雷达相比于固定翼有人机的机载激光雷达，能够更加灵活高效地获取森林群落样地高密度点云。但在实际操作中，往往出现局部低密度点云数据，影响了冠层结构参数提取的准确性。使用4块森林动态样地的近地面激光雷达点云数据；利用航带分解方法分析各样地低密度样方成因；采用点云抽稀模拟算法计算并拟合偏差曲线，对比不同样地、参数和取样尺度间的点云密度对冠层结构参数提取准确性的影响；根据偏差曲线计算各条件下保证参数提取准确性的最低点云密度。结果发现：1)低密度区域主要受地形或(和)近地面遥感设计规划的影响。地形复杂的测区(西双版纳和古田山样地),遥感规划难度大，整体难以获取高密度点云(在30点/m²左右),容易在沟谷和高海拔处出现低密度样方。平坦测区(长白山两块样地)虽可获取高密度点云(均超过150点/m²),但欠佳的遥感规划设计导致长白山1测区北部出现1hm²低密度区域。2)冠层参数提取准确性随点云密度减少而迅速降低，呈负指数幂函数关系。这一变化趋势在不同...