林业科学研究

姓名
邮箱
手机号码
标题
留言内容
验证码

机载LiDAR和高光谱融合实现普洱山区树种分类

刘怡君, 庞勇, 廖声熙, 荚文, 陈博伟, 刘鲁霞

2016, 29(3): 407-412.

关键词: 树种分类, 激光雷达, 高光谱, 数据融合

[摘要]()

基于机载激光雷达冠层高度模型的小班区划

熊昊, 庞勇, 荚文, 李春干

2022, 35(2): 28-36. doi: 10.13275/j.cnki.lykxyj.2022.02.004

关键词: 机载激光雷达, CHM, 树种类别, 小班区划, 多尺度分割

[摘要]()

目的探究如何有效利用机载激光雷达冠层高度模型（CHM）自动区划小班，提高小班区划工作效率。方法在高光谱影像树种信息的辅助下，使用机载激光雷达数据生成的CHM进行两种空间尺度的分割和优化来自动区划小班。先对1 m空间分辨率CHM数据进行过分割，再对降尺度处理并平滑后的5 m空间分辨率CHM数据进行欠分割，结合两种尺度分割结果并优化得到最终区划结果。将自动区划结果与人工区划小班、数字正射影像（DOM）屏幕勾绘小班以及主伐作业小班为三类参考小班对比，采用最终测量精度（UMA）准则的圆度（RO），紧致度（CO），形状指数（SI），最小包络圆短半径（RE），椭圆度（EF）和形状因子（P2A）8个指标，及自动区划小班与参考小班的交并比（IOU）指标，定量评价自动区划小班边界勾绘的准确程度。并利用样地实测数据和CHM数据计算自动区划结果平均胸径、平均树高和冠层平均高的可解释性方差，验证自动区划结果的内部一致性和外部差异性精度。结果自动区划结果与参考小班的UMA形状、面积等特征较接近，与人工区划小班最相近。自动区划小班与人工区划、屏幕勾绘、主伐作业小班交并比大于70%的比例分别为46%，37%，43%，交并比大于50%的比例分别为61%，54%，55%。自动区划结果平均胸径可解释性方差为97%，平均树高可解释性方差为98%，和人工区划小班相同，说明其内部一致性高且和相邻小班差异大。冠层平均高可解释性方差为84.81%，比人工区划小班提高了1.77%。结论利用两种空间尺度的CHM与高光谱树种分类图的分割和优化方法自动区划的小班在内部一致性及边界的精准度方面有明显优势，更符合小班边界处林木的分布情况，小班边界准确，且工作效率高，有助于森林的精细化管理。

云阴影区机载高光谱影像森林树种分类

李军玲, 庞勇, 李增元, 荚文

2019, 32(5): 136-141. doi: 10.13275/j.cnki.lykxyj.2019.05.018

关键词: AISA Eagle Ⅱ, 机载高光谱影像, 大气校正, 云阴影, 窄波段植被指数, 纹理分析

[摘要]()

留言板

高级检索