无人机高分辨率影像的森林株数密度制图

doi:10.13474/j.cnki.11-2246.2021.0204

测绘通报 ›› 2021, Vol. 0 ›› Issue (7): 29-33.doi: 10.13474/j.cnki.11-2246.2021.0204

无人机高分辨率影像的森林株数密度制图

郭伟¹, 杨春宇², 吴子若¹, 季翔林¹, 杨春洁¹, 赵传武¹, 张玉环³

1. 中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083;
2. 北京市地质工程设计研究院, 北京 101500;
3. 生态环境部卫星环境应用中心, 北京 100094

收稿日期:2021-05-12 修回日期:2021-05-17 出版日期:2021-07-25 发布日期:2021-08-04
通讯作者: 张玉环。E-mail:yuhuan_rs@163.com
作者简介:郭伟(1984-),男,博士,讲师,主要研究方向为城市遥感、矿山生态。E-mail:guowei_rs@163.com
基金资助:
国家自然科学基金重点项目（41930650）；中央高校基本科研业务费专项资金（2020XJDC03）；国家对地观测科学数据中心开放基金（NODAOP2020016）

Forest density mapping based on UAV high-resolution image

GUO Wei¹, YANG Chunyu², WU Ziruo¹, JI Xianglin¹, YANG Chunjie¹, ZHAO Chuanwu¹, ZHANG Yuhuan³

1. College of Geoscience and Surveying Engineering, China University of Mining and Technology-Beijing, Beijing 100083, China;
2. Beijing Institute of Geological Engineering, Beijing 101500, China;
3. Ministry of Ecology and Environment Center for Satellite Application on Ecology and Environment, Beijing 100094, China

Received:2021-05-12 Revised:2021-05-17 Online:2021-07-25 Published:2021-08-04

摘要/Abstract

摘要： 本文以大兴安岭无人机遥感数据为基础进行森林密度制图，并提出了一种局部阈值算法，通过与传统的Otsu方法去除背景噪声相比，得出了该方法在中等或较低森林株数密度地区能很好地去除噪声背景。结合局部最大值法取得很好的单木提取精度，其查全率达到了100%。传统的Otsu去除背景方法在较高森林株数密度地区具有较好的识别效果，但对非林分的空地信息存在错提取的现象。通过对以上两种方法的对比研究，得到大兴安岭森林株数密度制图结果，该研究可为稀疏森林区域的株数密度制图提供参考。

关键词: 无人机遥感, 森林株数密度, 高斯滤波, 阈值分割, 局部最大值

Abstract: Based on the UAV remote sensing data of Daxing'anling Mountains, this paper proposes a local threshold algorithm for forest density mapping. Compared with the traditional Otsu method to remove the background noise, it is concluded that this method can remove the noise background well in the areas with medium or low forest density. Combined with the local maximum method, it has good single tree extraction accuracy, and its recall rate reaches 100%. The traditional Otsu background removal method has a good recognition effect in high forest density area, but its disadvantage is the wrong information extraction of non-forest open space. Through the comparative study of the above two methods, the mapping results of forest plant density in Daxing'an Mountains are obtained, which can provide a reference for the mapping of forest plant density in sparse forest areas.

Key words: UAV remote sensing, forest density, Gaussian filtering, threshold segmentation, local maximum

中图分类号:

P237

郭伟, 杨春宇, 吴子若, 季翔林, 杨春洁, 赵传武, 张玉环. 无人机高分辨率影像的森林株数密度制图[J]. 测绘通报, 2021, 0(7): 29-33.

GUO Wei, YANG Chunyu, WU Ziruo, JI Xianglin, YANG Chunjie, ZHAO Chuanwu, ZHANG Yuhuan. Forest density mapping based on UAV high-resolution image[J]. Bulletin of Surveying and Mapping, 2021, 0(7): 29-33.

参考文献 20

[1]	李增元,覃先林,高志海,等.高分遥感林业应用研究[J].卫星应用,2018(11):61-65.
[2]	吴楠,李增元,廖声熙,等.国内外林业遥感应用研究概况与展望[J].世界林业研究,2017,30(6):34-40.
[3]	CROWTHER T, GLICK H, COVEY K, et al. Mapping tree density at a global scale[J]. Nature, 2015, 525(7568):201-205.
[4]	王书涵,张晓丽,朱程浩,等.基于光谱局部最大值滤波的林分密度估计[J].浙江农林大学学报,2017,34(3):413-420.
[5]	庞勇,蒙诗栎,李增元.机载高分辨率遥感影像的傅氏纹理因子估测温带森林地上生物量[J].林业科学,2017,53(3):94-104.
[6]	薛传平. GF-2影像浑善达克沙地榆树疏林信息提取技术研究[D].北京:中国林业科学研究院,2017.
[7]	WANG S, ZHANG X, HASSAN M A, et al. QuickBird image-based estimation of tree stand density using local maxima filtering method:a case study in a Beijing forest[J]. PLoS ONE, 2018, 13(12):e0208256.
[8]	LU D, BATISTELLA M, MORAN E. Satellite estimation of aboveground biomass and impacts of forest stand structure[J]. Photogrammetric Engineering and Remote Sensing, 2005, 71(8):967-974.
[9]	LU D. Aboveground biomass estimation using Landsat TM data in the Brazilian Amazon[J]. International Journal of Remote Sensing, 2005, 26(12):2509-2525.
[10]	LU D, BATISTELLA M. Exploring TM image texture and its relationships with biomass estimation in Rondônia, Brazilian Amazon[J]. Acta Amazônica, 2005, 35(2):249-257.
[11]	李增元, 刘清旺, 庞勇.激光雷达森林参数反演研究进展[J]. 遥感学报,2016, 20(5):1138-1150
[12]	张继贤,刘飞,王坚.轻小型无人机测绘遥感系统研究进展[J].遥感学报,2021,25(3):708-724.
[13]	廖小罕,肖青,张颢.无人机遥感:大众化与拓展应用发展趋势[J].遥感学报,2019,23(6):1046-1052.
[14]	满卫东. 基于遥感和实测数据的大兴安岭沼泽湿地碳储量估算研究[D].北京:中国科学院大学(中国科学院东北地理与农业生态研究所), 2018.
[15]	魏亚伟,周旺明,周莉,等.兴安落叶松天然林碳储量及其碳库分配特征[J].生态学报,2015,35(1):189-195.
[16]	邢艳秋, 尤号田, 霍达, 等. 小光斑激光雷达数据估测森林树高研究进展[J]. 世界林业研究, 2014, 27(2):29-34.
[17]	刘峰, 谭畅, 张贵,等. 长白落叶松单木参数与生物量机载LiDAR估测[J]. 农业机械学报, 2013, 44(9):219-224.
[18]	POPESCU S C, WYNNE R H, NELSON R F. Estimating plot-level tree heights with lidar:local filtering with a canopy-height based variable window size[J]. Computers and Electronics in Agriculture, 2002, 37(1-3):71-95.
[19]	OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics. 1979, 9(1):62-66.
[20]	LIU J Z, LI W Q. The automatic thresholding of gray-level picture via 2D Otsu method[J]. Acta Automatica Sinica, 1993,19(1):101-105.

无人机高分辨率影像的森林株数密度制图

Forest density mapping based on UAV high-resolution image

可视化

摘要/Abstract

引用本文

使用本文

参考文献 20

相关文章 13

编辑推荐

Metrics

本文评价

[1]	付翔翔, 邓运员, 郑文武, 周邵宁, 周佳露. 基于无人机影像密集匹配点云的传统村落地面点提取及DEM生成——以湘西德夯村为例[J]. 测绘通报, 2021, 0(12): 1-5.
[2]	何志伟, 唐伯惠, 王涛, 王晓红, 于伯华, 李闯, 邓仕雄. 剔除无人机影像BRISK特征误匹配点对算法[J]. 测绘通报, 2021, 0(10): 78-82.
[3]	吏军平, 丁亚洲, 冯发杰, 蔡平, 刘欣怡. 机载激光雷达点云辅助的镶嵌线自动选择[J]. 测绘通报, 2020, 0(8): 92-95,116.
[4]	王跃跃, 陈蓉, 于丽君, 朱建峰, 吴愈锋, 陈炫炽. 结合二维EMD与自适应高斯滤波的遥感卫星影像去噪[J]. 测绘通报, 2019, 0(2): 22-27.
[5]	王晓红, 何志伟, 邓仕雄, 曹留霞, 李闯. 利用特征组合检测算法的无人机遥感影像匹配研究[J]. 测绘通报, 2019, 0(1): 29-33.
[6]	于丙辰, 陈刚, 段淼然, 曹飞飞, 张笑. 无人机遥感在大型不可移动文物三维重建中的应用[J]. 测绘通报, 2017, 0(5): 43-46,61.
[7]	徐亚明, 孙雪妍, 王震, 喻爽. 基于方向膨胀的核安全壳锈蚀识别算法[J]. 测绘通报, 2017, 0(3): 13-16.
[8]	冯金涛, 尤宝平, 边刚, 杨庆宇. 一种新的沿海区域(似)大地水准面测定方法[J]. 测绘通报, 2016, 0(9): 130-132.
[9]	张达, 李霖, 李游. 基于车载激光扫描的城市道路提取方法[J]. 测绘通报, 2016, 0(7): 30-34,47.
[10]	张嵘. 基于Matlab平台的遥感图像变化检测算法改进策略[J]. 测绘通报, 2016, 0(7): 84-89.
[11]	金洪芳. 省级治水管理信息系统的研究及实现——以浙江省“清三河”信息管理系统为例[J]. 测绘通报, 2016, 0(4): 117-120.
[12]	田雷. 矿区多角度无人机遥感三维影像图制作[J]. 测绘通报, 2016, 0(10): 73-75,88.
[13]	姜永涛张永志王帅姚晓伟. GRACE时变重力场滤波方法研究[J]. 测绘通报, 2014, 0(11): 1-5.