无人机遥感森林信息提取与经营应用——以思茅松林为例9787030828361欧光龙科学出版社
举报
正版全新
-
作者:
欧光龙等
-
出版社:
科学出版社
-
ISBN:
9787030828361
-
出版时间:
2000-01
-
装帧:
平装
-
纸张:
胶版纸
-
ISBN:
9787030828361
-
出版时间:
2000-01
售价
￥
139.73
7.1折
定价
￥198.00
品相
全新
上书时间2026-07-28
卖家超过10天未登录
-
-
商品描述：
-
【书 名】 无人机遥感森林信息提取与经营应用——以思茅松林为例9787030828361欧光龙科学出版社
【书 号】 9787030828361
【出 版 社】 科学出版社
【作 者】 欧光龙等
【出版日期】 0000-00-00
【定 价】 198.00元
【内容简介】
《无人机遥感森林信息提取与经营应用——以思茅松林为例》以云南省南亚热带的典型森林思茅松林为研究对象，基于无人机遥感数据源，构建从单木分割、林木分级、单木及林分参数提取的技术体系；瞄准森林经营的现实需求，在计算分析林分空间结构参数的基础上，构建思茅松林分密度调整及空间结构优化的技术方法；系统构建基于无人机遥感的单木分割、信息提取、林分结构优化调整的森林经营技术体系。《无人机遥感森林信息提取与经营应用——以思茅松林为例》在一定程度上构建了基于无人机遥感数据的森林经营具体应用技术体系，为利用无人机遥感技术助力森林可持续经营提供关键技术支撑。
【目录】
目录
第1章 绪论 1
1.1 引言 1
1.2 研究综述 3
1.2.1 无人机遥感技术在林业中的应用 3
1.2.2 基于无人机遥感技术的单木分割 10
1.2.3 无人机遥感技术在森林信息提取中的应用 14
1.2.4 基于无人机遥感技术的生物量估测 19
1.2.5 无人机遥感技术在林木分级中的应用 23
1.2.6 无人机遥感技术在林分密度优化及森林经营管理中的应用 24
1.2.7 思茅松概述 27
1.3 本书研究内容 29
1.3.1 基于LiDAR点云数据的思茅松林单木分割 29
1.3.2 基于LiDAR点云数据的思茅松林单木信息提取 31
1.3.3 基于无人机激光雷达点云数据的思茅松林林分空间结构信息提取 33
1.3.4 考虑空间结构的思茅松单木生物量无人机遥感估测模型构建 35
1.3.5 基于无人机遥感数据的思茅松林林木分级 36
1.3.6 基于无人机遥感数据的思茅松林林分密度确定及经营优化 36
第2章 研究区概况与数据获取 39
2.1 研究区概况 39
2.1.1 地理位置 39
2.1.2 气候条件 40
2.1.3 森林资源状况 40
2.2 数据调查与获取 41
2.2.1 标准木调查 41
2.2.2 样品测定及生物量计算 42
2.2.3 样地数据获取 43
2.2.4 无人机数据获取 44
第3章 基于LiDAR点云数据的思茅松林单木分割 46
3.1 引入网络重整思想的思茅松林单木分割方法 46
3.1.1 数据获取及处理 46
3.1.2 基于LiDAR点云网络重整的高效单木分割算法构建 49
3.1.3 评价体系 58
3.2 单木分割结果分析 62
3.2.1 网络枢纽的识别与坐标匹配 62
3.2.2 枢纽聚类与单木分割 64
3.2.3 不同森林条件下的单木分割结果比较 66
3.2.4 公开数据集分割结果 70
3.3 本章讨论 74
3.3.1 枢纽聚类方式的单木分割 74
3.3.2 局部与全局枢纽聚类差异性 75
3.3.3 参数设置与改进方向 75
3.3.4 单木分割算法性能对比 77
3.3.5 基于LiDAR点云网络重整的单木分割方法局限性 78
3.4 本章小结 79
第4章 基于LiDAR点云数据的思茅松林单木信息提取 81
4.1 基于点云融合策略优化的单木信息提取方法 81
4.1.1 数据获取及处理 81
4.1.2 考虑地形的点云分段配准策略 90
4.1.3 点云单木分割及参数提取 95
4.1.4 区域单木地上生物量方程构建与模型验证 97
4.2 单木信息提取结果分析 98
4.2.1 区域单木生物量模型构建 98
4.2.2 考虑地形的点云配准融合结果 100
4.2.3 考虑地形和点云分段的配准融合结果 106
4.2.4 基于融合点云的单木参数提取与AGB估测结果 112
4.3 本章讨论 116
4.3.1 区域生物量模型构建的必要性 116
4.3.2 地形对点云配准的影响 117
4.3.3 点云分段配准融合对结果的影响 117
4.3.4 地形对单木分割精度及生物量估算的影响 118
4.3.5 局限性 120
4.4 本章小结 120
第5章 基于无人机激光雷达点云数据的思茅松林林分空间结构信息提取 122
5.1 林分空间结构信息提取方法 122
5.1.1 地面调查数据处理 122
5.1.2 机载LiDAR数据预处理 124
5.1.3 林分空间结构参数提取与计算 126
5.1.4 林分空间结构参数精度评价 129
5.1.5 林分空间结构评价 130
5.2 林分空间结构信息提取结果分析 131
5.2.1 机载LiDAR数据检验 131
5.2.2 不同坡向的林分空间结构 139
5.2.3 不同坡度的林分空间结构 146
5.2.4 不同密度的林分空间结构 153
5.3 本章讨论 161
5.3.1 基于机载LiDAR的林分空间结构提取 161
5.3.2 基于机载LiDAR的不同坡向的林分空间结构提取 162
5.3.3 基于机载LiDAR的不同坡度的林分空间结构 163
5.3.4 基于机载LiDAR的不同密度的林分空间结构 164
5.4 本章小结 165
5.4.1 基于机载LiDAR数据提取林分空间结构参数的精度与差异 165
5.4.2 基于机载LiDAR数据提取不同林分属性的林分空间结构 165
第6章 考虑空间结构的思茅松单木生物量无人机遥感估测模型构建 167
6.1 单木生物量无人机遥感估测模型构建方法 167
6.1.1 样地数据获取与处理 167
6.1.2 机载激光雷达数据预处理 168
6.1.3 基于机载激光雷达的单木参数提取 171
6.1.4 基于激光雷达的空间结构参数提取 172
6.1.5 模型构建 172
6.1.6 模型评价 174
6.2 单木生物量无人机遥感估测模型构建结果分析 175
6.2.1 单木参数及空间结构参数提取精度 175
6.2.2 生物量与激光雷达提取参数相关性 177
6.2.3 单木生物量基础模型构建 178
6.2.4 空间结构对生物量的影响 184
6.2.5 考虑空间结构指数的单木生物量模型 185
6.2.6 考虑不同空间结构指数模型精度比较 193
6.3 本章讨论 196
6.3.1 基于激光雷达的单木参数提取精度 196
6.3.2 基于树冠特征的基础生物量模型 197
6.3.3 考虑空间结构参数的单木生物量模型 197
6.4 本章小结 198
第7章 基于无人机遥感数据的思茅松林林木分级 200
7.1 基于无人机遥感数据的思茅松林林木分级方法 200
7.1.1 样地地面调查数据处理 200
7.1.2 基于无人机激光雷达的思茅松林林木参数提取 202
7.1.3 思茅松林林木分级指标确定 203
7.2 思茅松林林木分级结果分析 206
7.2.1 地面调查数据和机载激光雷达数据检验 206
7.2.2 林木分级综合指数构建 211
7.2.3 林木分级综合指数特征 213
7.2.4 林木分级综合指数的应用 218
7.2.5 不同林分属性林木分级结果 223
7.3 本章讨论 228
7.3.1 基于无人机遥感数据的思茅松林林木分级结果可靠性 228
7.3.2 基于无人机遥感数据的思茅松林林木分级的局限性与展望 229
7.4 本章小结 230
第8章 基于无人机遥感数据的思茅松林林分密度确定及经营优化 231
8.1 思茅松林林分密度确定及经营优化方法 231
8.1.1 样地调查数据 231
8.1.2 机载激光雷达数据处理 232
8.1.3 单木分割方法 234
8.1.4 单木胸径估算方法 237
8.1.5 思茅松林多目标经营优化方法 239
8.2 思茅松林林分密度确定及经营优化结果分析 244
8.2.1 单木分割参数提取 244
8.2.2 单木胸径估算结果 251
8.2.3 思茅松林多目标经营优化 253
8.3 本章讨论 260
8.4 本章小结 261
第9章 结论与展望 262
9.1 研究结论 262
9.2 研究展望 263
参考文献 265
【文摘】
get_product_contenthtml
body{font-size:1.28em}
img {max-width:100%;}
第1章绪论 1.1引言 森林作为全球*重要的陆地生态系统之一，在维持生态平衡、调节全球碳循环、提供生物多样性栖息地及保障生态系统服务方面发挥着不可替代的作用。特别是在当前全球气候变化日益加剧的背景下，森林通过固定大气中的二氧化碳(CO2)，有效缓解了温室气体的上升趋势，成为实现碳中和目标的关键自然手段。我国在应对气候变化的行动中高度重视森林碳汇功能，提出通过科学经营与精准管理提高森林质量和碳固定能力，从而助力实现“碳达峰”和“碳中和”目标。然而，森林生态系统的稳定性、碳汇能力及生物多样性的维护都依赖林分的健康发展和空间结构的优化。因此，开展高精度、快速、大范围的森林信息提取与监测，探索林木分级、生物量估测及林分空间结构优化的方法，对推动森林资源的可持续经营和提高生态系统服务功能具有重要的现实意义。 森林资源调查是实现精准森林经营和科学管理的关键环节。传统的森林调查方法主要依赖人工地面测量，这种方式虽然精度较高，但耗时耗力，难以满足大尺度区域快速获取森林数据的需求。遥感(remote sensing，RS)技术的飞速发展，特别是无人机(unmanned aerial vehicle，UAV)遥感技术的广泛应用，为森林信息的精准提取提供了革命性的技术手段。无人机遥感技术通过搭载多种传感器[如多光谱、超光谱、热红外和激光雷达(light detection and ranging，LiDAR)等]，可以在短时间内获取大范围、高精度的森林数据，尤其是无人机激光雷达技术，以其*特的三维点云数据采集能力，在森林资源调查、单木识别与分割、林木分级、生物量估测及林分空间结构分析等方面展现出巨大优势，已成为现代林业精准经营和资源监测的重要工具。 近年来，基于无人机激光雷达数据的单木识别、分割与参数提取技术逐渐成为林业遥感研究的热点。与传统航空影像相比，无人机激光雷达技术不仅能够穿透植被冠层，获取树冠、树干及地面信息，还能提供高空间分辨率的三维点云数据，为高精度单木分割和参数提取提供强大的数据基础。然而，在面对森林结构复杂、林木密度高、树种多样的环境时，传统的聚类方法，如k均值聚类(k-means clustering)算法、基于密度的带噪声应用空间聚类(density-based spatial clustering of applications with noise，DBSCAN)算法和均值漂移聚类(mean shift clustering)等往往难以满足高精度分割的需求。为提高单木识别精度，引入小世界网络与无尺度网络理论，通过网络重整优化点云数据，提出一种新的点云单木分割框架，从而实现更精细、更准确的单木分割，为森林资源调查和生物量估测提供技术保障。 森林生物量作为森林生态系统的重要参数，不仅反映森林的生产力、碳储量，还直接关系森林生态系统的健康与稳定。目前，单木生物量的估测通常依赖于基于树高、胸径(diameter at breast height，DBH)和树冠等参数的异速生长模型(allometric models)，这些模型通过统计分析获得的参数关系来推算林木生物量。然而，传统生物量模型的构建通常需要大量的野外测量数据，成本较高，且在大尺度区域推广应用时存在一定的局限性。随着LiDAR数据的广泛应用，研究人员开始探索基于点云数据提取的树冠特征和空间结构信息来构建不依赖胸径的生物量模型，这不仅提高了生物量估测的精度，还大幅减少了野外调查的工作量。此外，林分空间结构对生物量分布、森林稳定性和生态功能具有重要影响，将空间结构参数纳入生物量模型中，可以更全面地反映森林内部的竞争关系和资源分配，提高生物量估测的精度和可靠性。 林木分级作为森林经营和管理的重要环节，对于优化林分结构、提升森林健康水平及提高森林碳汇能力具有重要意义。林木分级可以帮助森林经营者科学制订抚育间伐方案，有效调整林木密度，优化林分空间结构，从而提高森林资源的利用效率和生态服务功能。基于无人机激光雷达数据的林木分级系统通过提取树冠伸展度(tree crown extent length，TCEL)、开敞度(K)、大小比数(U)、空间密度指数(D)、基于交角的竞争指数(uniform competition index，UCI)等关键参数，结合熵权法构建了林木分级综合指数，实现了林木生长状况的精细化评价，为森林经营管理提供了科学依据。 林分空间结构作为森林生态系统的重要特征，不仅影响林木的生长发育、竞争关系，还决定森林生态系统的稳定性和功能服务水平。良好的林分空间结构可以提高林木的光能利用率，减少资源竞争，促进森林健康生长，从而提升森林的生态服务功能。通过无人机激光雷达数据的精细化提取，可以快速、精准地获取不同地形条件下的林分空间结构参数，从而实现对林分空间格局的科学评价，为林分密度优化和森林经营提供技术支持。结合多源数据融合与空间结构优化，本书提出基于非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ，NSGA-Ⅱ)的林分密度优化策略，实现林分密度与碳储量的多目标优化，为提高森林经营的生态与经济效益提供技术手段。 研究以云南省镇沅彝族哈尼族拉祜族自治县恩乐镇五一村的南亚热带的典型森林—思茅松林为研究对象，充分利用2022～2023年的无人机激光雷达数据和地面实测数据，通过构建基于网络重整的单木分割新框架、融合点云数据优化林分结构、整合空间结构参数的生物量模型和林木分级系统，全面探究不同坡向、坡度和林分密度条件下的林分空间结构及其对单木生物量的影响。本书的主要研究目标包括：通过无人机激光雷达数据高效提取思茅松林的单木参数，并与地面调查数据进行精度验证；构建不依赖胸径的单木生物量模型，提高生物量估测精度；探究不同林分属性梯度下的空间结构优化策略，确定*优林分密度，提升林分经营效率和碳汇能力；建立基于无人机激光雷达数据的林木分级系统，优化抚育间伐策略，为森林的可持续经营提供科学依据。 本书的研究成果不仅可为森林资源监测和管理提供新的理论方法和技术支持，还可为碳储量估算、生态效益评估、森林经营优化等方面提供重要的科学依据。同时，本书研究成果也为实现“精准林业”和“数智林业”的发展目标提供坚实的数据基础，推动森林资源监测与管理向智能化、精细化、现代化方向迈进。未来，随着无人机遥感技术的不断发展和算法优化的持续推进，森林资源监测和生物量估测的精度将进一步提升，为全球森林资源管理和生态保护作出更大贡献。 1.2研究综述 1.2.1无人机遥感技术在林业中的应用 1.概述 无人机的全称是无人驾驶飞行器，它由无线电操纵的不载人飞机与遥感技术结合，迅速发展成为一种获取数据的手段(陶于金等，2014)。无人机采用一种由遥控或自动驾驶技术进行控制的技术，与传统的有人驾驶飞机相比具有操作成本低，机身轻巧灵活，在云下飞行拍摄时不受云层的影响，耗能少，节省能源，不受时间、地域的限制，时效性较高等优势(曹明兰等，2016)。通过无人机可以获得空间分辨率高的数据，其空间分辨率甚至比传统的航空遥感高很多(李刚勇等，2023)。 无人机可按照重量、负载、系统构成等方面进行分类。常用的分类方法有：按尺寸大小分类和按基础结构分类(王娟等，2020)。按照我国《无人驾驶航空器飞行管理暂行条例》，根据空机重量和起飞重量可将无人机划分为微型、轻型、小型、中型和大型无人机。 目前，无人机正以超快的速度应用于各个行业，如气象及资源的监测、遥感摄影测量、应急事件处理、地形测绘等方面(郭庆华等，2021)，无人机遥感还可用于生境的监测、动物的监测、植物的物候调查(胡健波等，2018)。马舒庆等(1998)利用微型无人机进行气候探测，采用全球定位系统(global positioning system，GPS)导航，自动驾驶，完成预定航线将飞行轨迹和探测数据传回地面，地面系统显示控制指令，用数字化探空仪采集温度、压力、湿度等资料，并用GPS信息测量风向和风速。郭伟等(2014)以无人机技术为基础，结合动态特征，提出一种基于无人机的森林火灾探测算法，该方法根据无人机拍摄的视频图像，利用高斯背景模型和颜色模型算法实现了对火情和火灾隐患的快速识别。在地形测绘方面，利用无人机影像处理软件可以对影像进行预处理，以及利用空中加密操作得到高分辨率的数字表面模型(digital surface model，DSM)，对其处理后得到高分辨率数字高程模型(digital elevation model，DEM)数据，提取出的地形信息可用于测绘地形图(张志辉等，2019；孙帅等，2016；崔书珍等，2014)，在灾后救援的应用中也取得了明显的效果。使用无人机技术对受灾区域的状况进行监控，得到受灾区域的**线灾情实时数据，从而让搜索工作可以快速并且有效地进行(吕瑞瑞，2020；吴昊宇，2020；徐鹏杰等，2011)。周洁萍等(2008)通过对无人机的航线进行规划，获取、预处理及呈现维度可视化遥感影像，基于虚拟地理环境数字地球平台(VGE-3D GlobeEarth)，研发了针对“5?12”汶川地震的H维可视化遥感影像管理系统。 在林业资源的调查中，无人机技术以优越的分辨率和飞行灵活性占据了难以替代的位置，它可以收集传统方法难以收集的数据，尤其是人类无法轻易到达、地形险峻的悬崖峭壁或道路崎岖的山地地区，这些地区通常是森林资源调查工作的难点。利用无人机的特点，调查工作者可以快速且精确地记录森林资源的分布情况并进行较准确的评估，无人机技术跨越了障碍，将传统的人工勘测手段转换成自动化程度高、效果显著的大尺度调查技术。谢彩香等(2007)采用多级遥感调查的方式，结合药用植物资源的特点，探索了在药用植物资源的调查方面无人机遥感技术的可行性，将无人机遥感数据融入森林资源管理的实践之中。就森林调查工作而言，不仅要求调查人员熟悉地理信息系统(geographic information system，GIS)技术，还需要精通测树学相关理论与方法。在这种情况下，无人机遥感技术被用于森林蓄积量的测算(李蕴雅，2016)。深入理解并运用GIS和测树学的知识，是确保无人机遥感数据在森林资源管理中发挥其应有效用的关键。 无人机平台搭载了一系列先进的传感器，这些传感器的类型和固定翼等机载平台的传感器类型是类似的，通常包括能获得清晰度极高图像的高分相机，可通过物体表面温度得到热辐射图像的热红外成像仪，可通过激光扫描生成三维点云数据的激光雷达扫描仪，可获取从可见光到近红外波段范围内图像信息的多光谱相机及高光谱成像仪等传感器。高分相机具有价格优惠和简单便捷的数据处理优点。同时，高分相机可以获得厘米级别的红绿蓝(red green blue，RGB)影像，其中包含的光谱和纹理等信息可用于提取森林中树冠的参数信息。基于这些获得的森林参数信息，可以进行林窗分析等操作(胡方荣等，1990)，因此受到工作人员的重视，在森林资源调查和管理中，尤其是在森林参数的信息获取方面备受欢迎，也因此被广泛应用。热成像仪能够获取热红外波段信息，对温度变化反应比较敏感，多用于监测森林火灾、农作物抗旱性研究和识别植被冠层的信息等(Marris et al.，2013)。无人机激光雷达扫描仪采用激光脉冲技术，通过在低空空域飞行采集具有高密度的激光点云数据，激光雷达数据的采集方式生成的产品具有高精度和极高的空间分辨率，能够达到厘米级的水平，特别是在对树高(H)、冠幅(C)、枝下高及叶面积指数(leaf area index，LAI)等关键森林参数进行反演研究时。无人机激光雷达扫描技术目前被广泛应用，这也得益于其高分辨率和高效性的特点(Floreano et al.，2015)。多光谱和高光谱成像仪均可获取可见光和近红外波段信息，其中高光谱获取的波段有100多个，多光谱的成像只需要获取3
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
