CN106846309B - 基于图像的森林地表死可燃物载量的自动估计方法 - Google Patents

基于图像的森林地表死可燃物载量的自动估计方法 Download PDF

Info

Publication number
CN106846309B
CN106846309B CN201710044316.4A CN201710044316A CN106846309B CN 106846309 B CN106846309 B CN 106846309B CN 201710044316 A CN201710044316 A CN 201710044316A CN 106846309 B CN106846309 B CN 106846309B
Authority
CN
China
Prior art keywords
dead combustible
dead
image
combustible
forest
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201710044316.4A
Other languages
English (en)
Other versions
CN106846309A (zh
Inventor
金森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Forestry University
Original Assignee
Northeast Forestry University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northeast Forestry University filed Critical Northeast Forestry University
Priority to CN201710044316.4A priority Critical patent/CN106846309B/zh
Publication of CN106846309A publication Critical patent/CN106846309A/zh
Application granted granted Critical
Publication of CN106846309B publication Critical patent/CN106846309B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

本发明涉及一种森林地表死可燃物载量的估计方法，具体涉及一种基于图像的森林地表死可燃物载量的自动估计方法。本发明的目的是为解决现有视觉估计法用时长、受使用者的经验影响很大，不同调查人员之间所得的结果缺乏一致性的问题。本方法利用采样点死可燃物实际载量与其图像特征关系，建立方程，估计地表死可燃物载量，具体步骤为：A、地表死可燃物图像的获取；B、采样点死可燃物实际载量的计算，C、采样点死可燃物实际载量与其图像特征关系的建立；D按照与步骤A同样的方法对待调查样地的死可燃物进行拍摄，获取死可燃物图像后，输入计算机，提取图像特征，根据图像特征估计地表总体死可燃物载量。本方法适用于大规模的死可燃物载量调查。

Description

基于图像的森林地表死可燃物载量的自动估计方法
技术领域
本发明涉及一种森林地表死可燃物载量的估计方法，具体涉及一种基于图像的森林地表死可燃物载量的自动估计方法。
背景技术
地表死可燃物一般指在地表到距地表1米(或1.5米)处的死可燃物，包括地表凋落物、苔藓、地衣、木质死可燃物等组分。地表死可燃物是地表火的直接载体，对树冠火的形成也具有重要的影响。死可燃物载量是单位面积上死可燃物的绝干质量。地表死可燃物载量是林火行为预测、森林火险预报的关键因子。地表死可燃物载量受地形、林分组成、结构等影响，具有强烈的空间异质性，导致林火行为、森林火险水平具有同样强烈的空间异质性。只有充分了解其空间分布情况，才能了解火行为和森林火险水平的空间变化，才能真正全面掌握森林火险情况，做到因险施措，做好森林防火工作。
要想获取地表死可燃物载量的空间分布，必须进行大量的调查。目前获取地表死可燃物载量的方法主要有地面调查法和遥感估测法两类。遥感图像估测法在大尺度的死可燃物载量调查中一直是重要方法，相比全部依靠地面调查而言，具有一定的优势。但因受树冠遮挡，遥感图像一般不能反映地表死可燃物的图像性状，难以直接用于估计地表死可燃物的载量。虽然可以通过估计林分的平均胸径、树高、郁闭度等林分特征，再根据这些林分特征与地表死可燃物载量之间的关系来间接估计地表死可燃物的载量。但由于地表凋落物，特别是木质死可燃物出现的随机性，导致地表死可燃物一些组分的载量与林分特征关系不密切或不很密切，地表死可燃物的一些组分的载量根本无法通过遥感法估计出来，一些死可燃物组分载量的估计精度也不高。这些不足限制了遥感法在地表死可燃物载量空间异质性调查上的应用。
地表调查方法包括破坏性收获法，线(面)截法、固定样地法，林分特征回归法、视觉估计法等。
收获法通过对给定面积上各种地表死可燃物组分收割采集后烘干称重，获得地表死可燃物的载量。该方法能够得到地表死可燃物各个组分的载量，是目前最准确的地表死可燃物载量调查方法，也是工作量最大的调查方法，多用于特定科学研究，难以用于大量样地的调查。
线(面)截法和固定样地法主要用于测定各种大小的木质死可燃物的载量。其中，线(面)截法是一种基于概率的调查方法精度，面截法是对线截法的一种改进。这两个方法通过记录不同大小的木质死可燃物与设定的样地、平面的相交叉数量来推算相应的载量。固定样地法测量给定面积的林分中不同大小死可燃物的长度和数量，然后根据其密度推算相应的载量。这两种方法的精度低于收获法，但工作强度小于收获法，是目前木质死可燃物最常用的调查方法。即便如此，对于大量样地的地表凋落物调查，所需工作量依然很大。
林分特征回归法根据林分平均胸径、树高等林分特征与地表死可燃物载量的回归方程来推算地表死可燃物载量。与前面三种地表死可燃物载量调查方法相比，精度低。该方法与遥感方法相似，同样因为只有部分地表死可燃物组分的载量与林分特征有一定的相关性，只能估计这部分地表死可燃物组分的载量，而不能对所有死可燃物载量进行估计，同时，该方法精度还有局限性。
视觉估测方法是通过对死可燃物的视觉观测来估计推算死可燃物载量的方法。目前主要有两种做法，一种是照片法，一种是标杆法。照片法是最常用的方法，把待调查的地表死可燃物与一系列已知载量的死可燃物照片直接视觉比对，从中找出与待调查死可燃物具有最大相似性的照片，则该照片中死可燃物的载量即为待调查死可燃物的载量。该方法虽然精度不如收获法高，但仍具有一定的精度，用时比收获、线截法、固定样地法显著减少，一块样地平均需要5-6min，能够在大量样地的死可燃物载量调查中使用。该方法的不足有：1)精度不如破坏法，2)受使用者的经验影响很大，不同调查人员之间所得的结果缺乏一致性。
标杆法又称视觉障碍法。该方法首先对竖立在死可燃物中的标杆的阴影处高度进行视觉估计，然后根据阴影高度等视觉估计特征与载量的数学关系来推断死可燃物载量。该方法仅限于较高的草本或灌木死可燃物载量的估计，目前在地表死可燃物载量估计中使用较少。该方法同样会因调查人员的身高、臂长、视角、标杆竖立高度等不同而精度有所差异，在大量样地调查会造成结果不一致，不完全适合大量样地的死可燃物载量调查。
综述所述，现有地表死可燃物载量估计方法中，受精度、人力和时间需求量及所能估计载量的死可燃物组分数量及稳定性等限制，还没有完全适合大量样地或空间异质的地表死可燃物载量调查的方法，还需进一步开发能够估计地表死可燃物各个组分载量，且具有一定精度的快速方法。
发明内容
本发明的目的是为解决现有视觉估计法用时长、受使用者的经验影响很大，不同调查人员之间所得的结果缺乏一致性的问题，本发明提出来一种基于图像的森林地表死可燃物载量的自动估计方法。
本发明为解决上述问题采取的技术方案是：本方法利用地表死可燃物载量与其图像特征关系，建立方程，估计地表死可燃物实际载量，具体步骤为：
步骤A、采样点地表死可燃物图像获取，具体方法为：
步骤A1、材料，工具准备：准备若干盛装死可燃物的容器、直尺、天平、相机、拍摄框；
步骤A2、根据调查地区的森林死可燃物类型及各类型死可燃物的空间差异情况，对于每个死可燃物类型，选择至少30个不同载量的地表死可燃物采样点，载量范围从最小到最大，不同载量的采样点数均匀分布；
步骤A3、在准备采集图像地点，选择没有草本和灌木遮挡的区域，将拍摄框置于地表死可燃物表面，相机位于拍摄框中心上方，成像平面与地面平行，调节焦距使拍摄框完全位于取景器中，且外框与取景器短边相重，然后拍摄；
步骤B、采样点死可燃物的收集及死可燃物载量计算，将拍摄框内的除半腐殖质、腐殖质之外的枯枝落叶全部取出，放入盛装死可燃物的容器中，封好封口，将直尺分别垂直立拍于拍摄框的四个内框上，直尺底部与地面轻轻接触，读取地面到拍摄框之间的距离，取四个距离的均值作为地表死可燃物床层的厚度，将全部盛装死可燃物的容器带回室内，用烘箱进行干燥处理后取出，用天平称量盛装死可燃物的容器和死可燃物的质量M1，倒出死可燃物后再称量盛装死可燃物的容器的质量M2，计算采样点的死可燃物实际载量；
步骤C、森林地表死可燃物载量与其图像特征关系的建立；
步骤D、按照与步骤A3同样的方法对待调查样地的死可燃物进行拍摄，获取死可燃物图像后，输入计算机，提取图像特征，根据图像特征估计地表总体死可燃物载量。
进一步地，所述基于图像的森林地表死可燃物载量的自动估计方法，所述相机为带有变焦功能、五百万以上像素的相机。
进一步地，所述基于图像的森林地表死可燃物载量的自动估计方法，所述拍摄框是一矩形框，用塑料或铝等轻质材料的板材制成，框的长短边内边长均不小于0.3m，框的宽度为0.01-0.03m；
进一步地，所述基于图像的森林地表死可燃物载量的自动估计方法，所述步骤B中计算采样点的死可燃物实际载量的具体计算公式为：
L＝(M1-M2)/(a*b) (1)
式中：L:采样点的死可燃物实际载量；g/m2；a：拍摄框长边内边长，b：拍摄框短边内边长，单位m。
进一步地，所述基于图像的森林地表死可燃物载量的自动估计方法，所述步骤C中建立森林地表死可燃物载量与其图像特征关系的具体步骤为：
步骤C1、将所有死可燃物的照片导入计算机中；
步骤C2、将所有照片剪裁成只包含拍摄框内框所包含内容的矩形照片；
步骤C3、将照片转化为灰度级图像，进行归一化，以消除光照的影响，具体方法是：设Gmax为一个灰度图像的最大灰度级，图像中任一像素的归一化灰度级G1＝G0/Gmax*255，G0为原灰度级；
步骤C4、对所有灰度图像进行二值化。对所得二值图像进行分割和边缘检测，提取图像形态特征和纹理特征；
步骤C5、以步骤C4所述图像形态特征和纹理特征为自变量，分别以各图像对应的死可燃物载量、死可燃物床层厚度及死可燃物载量除以死可燃物床层厚度得到的死可燃物床层密度为因变量，建立地表死可燃物载量、床层厚度及床层密度与其图像特征的关系方程。
进一步地，所述步骤C5中建立的地表死可燃物载量、床层厚度及床层密度与其图像特征的关系方程如下：
Figure BDA0001214028090000041
式中：Y：地表死可燃物载量(kg/m2)或死可燃物床层厚度(m)或床层密度(kg/m3),X:建模所用的图像特征集；xi,i＝1,2,…,n,为死可燃物图像特征，n为选择的特征数量；f：死可燃物载量与图像特征集之间的函数关系。
进一步地，所述基于图像的森林地表死可燃物载量的自动估计方法，所述步骤D的具体方法为：将死可燃物图像剪裁、图像灰度化、二值化、相关图像特征提取及从图像特征到死可燃物载量、厚度、密度的计算过程用MATLAB方编程实现，也可以用C等语言开发成相应的工具软件，该软件可直接读取死可燃物的图像并自动剪裁、提取图像特征后计算出载量，为进一步方便使用，可以编写具有上述功能的手机软件，该软件同时具有拍摄、自动剪裁、特征提取和估算功能。
进一步地，所述基于图像的森林地表死可燃物载量的自动估计方法，其特征在于，再次估算森林地表死可燃物载量时重复步骤D。
有益效果：本方法中的野外调查工作只是对地表死可燃物各组分进行拍照，获取相应的图像，所需时间小于现有视觉估计法；本方法地表死可燃物载量和图像特征的关系方程建立一旦起来，这种关系就是稳定的，客观的，不会因人而异，避免了现有视觉估计法中精度受人的主观因素影响大，结果不一致的问题。
具体实施例
具体实施例一：结合明本实施例，本实施例的具体步骤为：
步骤A、森林地表死可燃物图像获取，具体方法为：
步骤A1、材料，工具准备：准备若干盛装死可燃物的容器、直尺、天平、带有变焦功能、五百万以上像素的相机、拍摄框；
所述拍摄框是一矩形框，用塑料或铝等轻质材料的板材制成，框的长短边内边长均为0.3m，框的宽度为0.03m；
步骤A2、根据调查地区的森林死可燃物类型及各类型死可燃物的空间差异情况，对于每个死可燃物类型，选择至少30个不同载量的地表死可燃物采样点，载量范围从最小到最大，不同载量的采样点数均匀分布；
步骤A3、在准备采集图像地点，选择没有草本和灌木遮挡的区域，将拍摄框置于地表死可燃物表面，相机位于拍摄框中心上方，成像平面与地面平行，调节焦距使拍摄框完全位于取景器中，且外框与取景器短边相重，然后拍摄；
步骤B、采样点死可燃物的收集及死可燃物载量计算，将拍摄框内的除半腐殖质、腐殖质之外的枯枝落叶全部取出，放入盛装死可燃物的容器中，封好封口，将直尺分别垂直立拍于拍摄框的四个内框上，直尺底部与地面轻轻接触，读取地面到拍摄框之间的距离，取四个距离的均值作为地表死可燃物床层的厚度，将全部盛装死可燃物的容器带回室内，用烘箱进行干燥处理后取出，用天平称量盛装死可燃物的容器和死可燃物的质量M1，倒出死可燃物后再称量盛装死可燃物的容器的质量M2，根据下式计算采样点死可燃物实际载量；
L＝(M1-M2)/(a*b) (1)
式中：L:采样点的死可燃物实际载量；g/m2；a：拍摄框长边内边长，b：拍摄框短边内边长，单位m。
步骤C、森林地表死可燃物载量与其图像特征关系的建立，具体步骤如下：
步骤C1、将所有死可燃物的照片导入计算机中；
步骤C2、将所有照片剪裁成只包含拍摄框内框所包含内容的矩形照片；
步骤C3、将照片转化为灰度级图像，进行归一化，以消除光照的影响，具体方法是：设Gmax为一个灰度图像的最大灰度级，图像中任一像素的归一化灰度级G1＝G0/Gmax*255，G0为原灰度级；
步骤C4、以0.1到0.9之间的任意数值为阈值对所有灰度图像进行二值化，对所得二值图像进行分割和边缘检测，然后计算图像的欧拉数E、边缘密度D、平均区域大小S、区域数量N特征；
步骤C5、以步骤C4所述图像的欧拉数E、边缘密度D、平均区域大小S、区域数量N特征为自变量，分别以各图像对应的死可燃物载量、死可燃物床层厚度及死可燃物载量除以死可燃物床层厚度得到的死可燃物床层密度为因变量做多元线性逐步回归，建立地表死可燃物载量、床层厚度及床层密度与其图像特征的关系方程，方程如式(2)：
Figure BDA0001214028090000061
式中：Y：地表死可燃物载量(kg/m2)或死可燃物床层厚度(m)或床层密度(kg/m3),X:建模所用的图像特征集；xi,i＝1,2,…,n,为死可燃物图像特征，n为选择的特征数量；f：死可燃物载量与图像特征集之间的函数关系。
步骤D、按照与步骤A3同样的方法对待调查样地的死可燃物进行拍摄，获取死可燃物图像后，输入计算机，提取图像特征，根据图像特征估计地表总体死可燃物载量，具体方法为：将死可燃物图像剪裁、图像灰度化、二值化、相关图像特征提取及从图像特征到死可燃物载量、厚度、密度的计算过程用MATLAB方编程实现，也可以用C等语言开发成相应的工具软件，该软件可直接读取死可燃物的图像并自动剪裁、提取图像特征后计算出载量，为进一步方便使用，可以编写具有上述功能的手机软件，该软件同时具有拍摄、自动剪裁、特征提取和估算功能。
具体实施例二：本实施例与具体实施例一中所述的中基于图像的森林地表死可燃物载量的自动估计方法的区别在于，本实施例步骤C4中二值化的阈值为0.5。
具体实施例三：本实施例与具体实施例一中所述的中基于图像的森林地表死可燃物载量的自动估计方法的区别在于，本实施例步骤C5中用图像的欧拉数E、边缘密度D、平均区域大小S、区域数量N等特征的对数作为自变量，建立非线性方程。
需要注意的是，以上列举的仅是本发明的一种具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。
总之，本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。

Claims (5)

1.基于图像的森林地表死可燃物载量的自动估计方法，其特征在于，具体步骤为：
步骤A、采样点地表死可燃物图像获取，具体方法为：
步骤A1、材料，工具准备：准备若干盛装死可燃物的容器、直尺、天平、相机、拍摄框；
步骤A2、根据调查地区的森林死可燃物类型及各类型死可燃物的空间差异情况，对于每个死可燃物类型，选择至少30个不同载量的地表死可燃物采样点，载量范围从最小到最大，不同载量的采样点数均匀分布；
步骤A3、在准备采集图像地点，选择没有草本和灌木遮挡的区域，将拍摄框置于地表死可燃物表面，相机位于拍摄框中心上方，成像平面与地面平行，调节焦距使拍摄框完全位于取景器中，且外框与取景器短边相重，然后拍摄；
步骤B、森林地表死可燃物的收集及死可燃物载量计算，将拍摄框内的除半腐殖质、腐殖质之外的枯枝落叶全部取出，放入盛装死可燃物的容器中，封好封口，将直尺分别垂直立于拍摄框的四个内框上，直尺底部与地面轻轻接触，读取地面到拍摄框之间的距离，取四个距离的均值作为地表死可燃物床层的厚度，将全部盛装死可燃物的容器带回室内，用烘箱进行干燥处理后取出，用天平称量盛装死可燃物的容器和死可燃物的质量M1，倒出死可燃物后再称量盛装死可燃物的容器的质量M2，计算各采样点的死可燃物实际载量；
步骤C、森林地表死可燃物载量与其图像特征关系的建立；
所述步骤C中建立森林地表死可燃物载量与其图像特征关系的具体步骤为：
步骤C1、将所有死可燃物的照片导入计算机中；
步骤C2、将所有照片剪裁成只包含拍摄框内框所包含内容的矩形照片；
步骤C3、将照片转化为灰度级图像，进行归一化，以消除光照的影响，具体方法是：设Gmax为一个灰度图像的最大灰度级，图像中任一像素的归一化灰度级G1＝G0/Gmax*255，G0为原灰度级；
步骤C4、对所有灰度图像进行二值化，对所得二值图像进行分割和边缘检测，提取图像形态特征和纹理特征；所述二值化的阈值为0.5；
步骤C5、以步骤C4所述图像形态特征和纹理特征为自变量，分别以各图像对应的死可燃物载量、死可燃物床层厚度及死可燃物载量除以死可燃物床层厚度得到的死可燃物床层密度为因变量，建立地表死可燃物载量、床层厚度及床层密度与其图像特征的关系方程；用图像的欧拉数E、边缘密度D、平均区域大小S、区域数量N特征的对数作为自变量，建立非线性方程；
所述步骤C5中建立的地表死可燃物载量、床层厚度及床层密度与其图像特征的关系方程如下：
Figure FDA0002279113570000021
式中：Y：地表死可燃物载量(kg/m2)或死可燃物床层厚度(m)或床层密度(kg/m3),X:建模所用的图像特征集；Xi,i＝1,2,…,n,为死可燃物图像特征，n为选择的特征数量；f：死可燃物载量与图像特征集之间的函数关系；
步骤D、按照与步骤A3同样的方法对待调查样地的死可燃物进行拍摄，获取死可燃物图像后，输入计算机，提取图像特征，根据图像特征估计地表总体死可燃物载量。
2.根据权利要求1所述基于图像的森林地表死可燃物载量的自动估计方法，其特征在于，所述相机为带有变焦功能、五百万以上像素的相机。
3.根据权利要求1所述基于图像的森林地表死可燃物载量的自动估计方法，其特征在于，所述拍摄框是一矩形框，用塑料或铝轻质材料的板材制成，框的长短边内边长均不小于0.3m，框的宽度为0.01-0.03m。
4.根据权利要求1所述基于图像的森林地表死可燃物载量的自动估计方法，其特征在于，
所述步骤B中计算采样点的死可燃物实际载量的具体计算公式为：
L＝(M1-M2)/(a*b) (1)
式中：L:采样点的死可燃物实际载量；g/m2；a：拍摄框长边内边长，b：拍摄框短边内边长，单位m。
5.根据权利要求1所述基于图像的森林地表死可燃物载量的自动估计方法，其特征在于，再次估算森林地表死可燃物载量时重复步骤D。
CN201710044316.4A 2017-01-19 2017-01-19 基于图像的森林地表死可燃物载量的自动估计方法 Expired - Fee Related CN106846309B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710044316.4A CN106846309B (zh) 2017-01-19 2017-01-19 基于图像的森林地表死可燃物载量的自动估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710044316.4A CN106846309B (zh) 2017-01-19 2017-01-19 基于图像的森林地表死可燃物载量的自动估计方法

Publications (2)

Publication Number Publication Date
CN106846309A CN106846309A (zh) 2017-06-13
CN106846309B true CN106846309B (zh) 2020-03-27

Family

ID=59119683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710044316.4A Expired - Fee Related CN106846309B (zh) 2017-01-19 2017-01-19 基于图像的森林地表死可燃物载量的自动估计方法

Country Status (1)

Country Link
CN (1) CN106846309B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107462698B (zh) * 2017-10-10 2019-08-27 广西壮族自治区林业科学研究院 一种森林倒木质可燃物载量的样线截平面测量方法
CN114252405A (zh) * 2021-12-28 2022-03-29 广东省林业科学研究院 一种基于植被指数的森林地表可燃物载量估测方法、装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6366681B1 (en) * 1999-04-07 2002-04-02 Space Imaging, Lp Analysis of multi-spectral data for extraction of chlorophyll content
CN102353761A (zh) * 2011-07-13 2012-02-15 东北林业大学 一种确定林区地表可燃物负荷量的方法
CN103020649A (zh) * 2013-01-16 2013-04-03 东北林业大学 一种基于纹理信息的森林类型识别方法
CN103471990A (zh) * 2013-08-23 2013-12-25 中国科学院东北地理与农业生态研究所 盐渍化土壤有机质含量的在线测量方法
CN106123811A (zh) * 2016-07-11 2016-11-16 东北林业大学 一种林木叶面积指数远程监测装置及其测量方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6366681B1 (en) * 1999-04-07 2002-04-02 Space Imaging, Lp Analysis of multi-spectral data for extraction of chlorophyll content
CN102353761A (zh) * 2011-07-13 2012-02-15 东北林业大学 一种确定林区地表可燃物负荷量的方法
CN103020649A (zh) * 2013-01-16 2013-04-03 东北林业大学 一种基于纹理信息的森林类型识别方法
CN103471990A (zh) * 2013-08-23 2013-12-25 中国科学院东北地理与农业生态研究所 盐渍化土壤有机质含量的在线测量方法
CN106123811A (zh) * 2016-07-11 2016-11-16 东北林业大学 一种林木叶面积指数远程监测装置及其测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
4种人工林下可燃物的计算机图像分类;金森，王亮;《东北林业大学学报》;20030930;第31卷(第5期);第1-3页 *

Also Published As

Publication number Publication date
CN106846309A (zh) 2017-06-13

Similar Documents

Publication Publication Date Title
Seidel et al. Review of ground-based methods to measure the distribution of biomass in forest canopies
Pitkänen et al. Adaptive methods for individual tree detection on airborne laser based canopy height model
CN112381861B (zh) 一种基于地基激光雷达的林地点云数据配准和分割方法
Ozdemir Estimating stem volume by tree crown area and tree shadow area extracted from pan‐sharpened Quickbird imagery in open Crimean juniper forests
Olivas et al. Comparison of direct and indirect methods for assessing leaf area index across a tropical rain forest landscape
Marzulli et al. Estimating tree stem diameters and volume from smartphone photogrammetric point clouds
Rich et al. Detecting wind disturbance severity and canopy heterogeneity in boreal forest by coupling high-spatial resolution satellite imagery and field data
CN108918820B (zh) 获取耕地土壤盐渍化程度等级分布的方法和装置
Monnet et al. Tree top detection using local maxima filtering: a parameter sensitivity analysis
Goldbergs et al. Limitations of high resolution satellite stereo imagery for estimating canopy height in Australian tropical savannas
Solvin et al. Use of UAV photogrammetric data in forest genetic trials: measuring tree height, growth, and phenology in Norway spruce (Picea abies L. Karst.)
Tech et al. Methods of image acquisition and software development for leaf area measurements in pastures
Ferrarese et al. Conifer crown profile models from terrestrial laser scanning
Straatsma et al. Two novel methods for field measurements of hydrodynamic density of floodplain vegetation using terrestrial laser scanning and digital parallel photography
Chianucci et al. Continuous observations of forest canopy structure using low-cost digital camera traps
CN106846309B (zh) 基于图像的森林地表死可燃物载量的自动估计方法
Wang et al. A novel method to assess short-term forest cover changes based on digital surface models from image-based point clouds
Smigaj et al. Capturing hedgerow structure and flowering abundance with UAV remote sensing
Li et al. Investigating coupled impacts of climate change and socioeconomic transformation on desertification by using multitemporal Landsat images: a case study in central Xilingol, China
Asari et al. Modelling and mapping of above ground biomass (AGB) of oil palm plantations in Malaysia using remotely-sensed data
Jia et al. The influence of BRDF effects and representativeness of training data on tree species classification using multi-flightline airborne hyperspectral imagery
Toda et al. Determination of species-specific leaf angle distribution and plant area index in a cool-temperate mixed forest from UAV and upward-pointing digital photography
Wang et al. Estimating stem volume using QuickBird imagery and allometric relationships for open Populus xiaohei plantations
Packalén et al. Comparison of individual tree detection and canopy height distribution approaches: a case study in Finland.
Wang et al. Estimating woody above-ground biomass in an arid zone of central Australia using Landsat imagery

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200327

Termination date: 20210119