联合U-Net和分水岭算法的高郁闭度杉木纯林树冠信息提取

作为我国重要的用材树种，杉木广泛分布于我国南方地区，其株数和树冠信息对于森林资源的精准监测有重要作用，为此准确掌握杉木林分株数及单木树冠信息尤为重要。对于高郁闭度林分，株数和单木树冠信息正确提取的关键是能够准确分割相互遮挡和粘连的树冠。本研究以福建将乐国有林场为研究区，将无人机影像作为数据源，提出一种基于深度学习方法和分水岭算法的树冠信息提取方法：首先采用深度学习神经网络模型U-Net对杉木树冠覆盖区域进行分割，然后利用传统图像分割算法标记控制分水岭算法进行单木分割得到单木树冠；在保持相同训练集、验证集和测试集的情况下，首先对比U-Net模型与传统机器学习方法[随机森林模型(RF)和支持向量机模型(SVM)]在分割树冠覆盖区域上的表现，接着对比了U-Net模型结合标记控制分水岭算法和只使用标记控制分水岭算法进行单木分割的精度。结果表明：U-Net模型在分割精度、精确率、交互比、精确率与召回率的调和均值4个指标上均高于RF和SVM,与RF相比，4项指标分别提升4.6%、14.9%、7.6%、0.05,与SVM相比，4项指标分别提升3.3%、8.5%、8.1%、0.05。在提取单木株数方面...     

森林冠层节肢动物研究技术进展

冠层节肢动物是森林生态系统的关键调节因子,在探讨气候变化对生态系统的影响、森林生态系统功能的稳定与平衡、生物多样性保护措施等全球性生物学热点问题中具有重要研究价值,是较为理想的研究对象。然而,由于研究手段和技术装备的制约,森林冠层节肢动物的研究进展缓慢。近几十年来,随着研究技术和取样设备的不断升级完善,该领域的研究才有了比较快速的发展。本文简要回顾了森林冠层节肢动物研究技术的发展史,列举并比较了各阶段的主要技术及其特点,概括了目前国内外森林冠层节肢动物研究技术应用的现状,并对未来该领域的研究技术的发展趋势进行了展望。     

北京市域乡村人居林树冠覆盖及其区域差异分析

乡村人居林建设是落实新农村建设、实施乡村振兴战略和振兴农村生态文明的重要举措。以北京市为对象，基于北京市域2017年0.5m分辨率航空影像与2017年1：10万土地利用（LUCC）图等基础资源，在全市范围内随机选择260个行政村，从研究区域内乡村人居林树冠覆盖率、功能类型、斑块等级和景观格局特征四个层面展开区域差异特征分析。研究结果显示，北京市整体乡村人居林树冠覆盖率为18.32%，其中平原区和山区分别为18.40%和17.83%。在平原区范围内，乡村人居林树冠覆盖率呈近郊区（21.70%） > 远郊区（13.87%） > 延庆盆地区域（16.34%）；在山区内部，乡村人居林树冠覆盖率呈现低山区（24.45%） > 浅山区（16.55%） > 深山区（12.41%），太行山区（20.98%） > 燕山区（14.11%）。在乡村人居林功能类型分布中，片林为各分区最主要类型，在平原区和山区中分别占比55.75%和57.15%。在斑块等级结构方面，乡村人居林斑块总体呈现小而分散的特点，其中小斑块数目在区域中占比达93.03%，而各等级斑块在规模大小方面呈现"平分秋色"的特点。就景观格局指数特点而言，平原区内近郊区，山区内的深山区和燕山区乡村人居林斑块复杂程度、受人为干扰强度和多样性更高。综上特征，究其动因，农村居民点聚落规模、集聚形式和建设类型以及森林资源本底是影响乡村人居林建设条件的重要原因。