CN107967714A - 一种通过无人机数字高程模型自动提取森林郁闭度的方法 - Google Patents
一种通过无人机数字高程模型自动提取森林郁闭度的方法 Download PDFInfo
- Publication number
- CN107967714A CN107967714A CN201711193696.4A CN201711193696A CN107967714A CN 107967714 A CN107967714 A CN 107967714A CN 201711193696 A CN201711193696 A CN 201711193696A CN 107967714 A CN107967714 A CN 107967714A
- Authority
- CN
- China
- Prior art keywords
- data
- canopy density
- aerial vehicle
- unmanned aerial
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000007619 statistical method Methods 0.000 claims abstract description 8
- 208000006440 Open Bite Diseases 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract 1
- 238000000605 extraction Methods 0.000 description 16
- 238000011835 investigation Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种通过无人机数字高程模型自动提取森林郁闭度的方法，并以江苏省东台林场为方法实施对象。首先通过无人机获取东台林场的影像数据，并通过数字建模实现影像数据的拼接，提取DEM资料；然后通过遥感图像处理软件，提取对象DEM数据中的非郁闭区域的像元值区间，并进行掩膜处理，最后通过统计分析获得掩膜段与非掩膜段的占比情况，从而得出森林郁闭度的准确值。该方法与其他郁闭度测算法相比，其准确度、精度均有较大提升，尤其是工作效率的大幅提高。
Description
技术领域
本发明属于林业调查、资源动态监测及生物多样性等技术领域，涉及一种通过无人机数字高程模型(UAV-DEM)自动提取森林郁闭度的方法。
背景技术
森林是人类赖以生存和发展的重要物质资源，对于陆地生态系统的平衡有着至关重要的作用，森林资源调查是森林经营发展过程中的一项重要工作，落实好森林资源调查工作能够有效了解森林资源消长状况。在森林资源调查工作中，郁闭度是非常重要的指标参数，对于森林资源现状的评估有着重要的意义。
传统的森林资源郁闭度提取方法包括目测法、林冠投影法、样线法、样点法、照片法等，遥感技术发展至今，研究人员试图通过遥感影像资料来获取森林郁闭度数值，但目前该研究主要基于的影像数据资料多为DOM(数字正射影像)、DSM(数字表面模型)，需要专业人员辅予大量的内业处理作业才可完成，同时精度较差、效率较低。因此，郁闭度的自动化提取一直是森林资源调查过程中的难点。
发明内容
发明目的：针对现有技术中存在的不足，本发明的目的是提供一种通过无人机数字高程模型自动提取森林郁闭度的方法，具有方法简单、精度高、效率高等优点。
技术方案：为了实现上述发明目的，本发明采用的技术方案为：
一种通过无人机数字高程模型自动提取森林郁闭度的方法，步骤如下：
1)通过无人机遥感设备获取实施区域的遥感影像数据组；
2)将获取的遥感影像数据组进行筛选处理，剔除影像数据中成像质量较低、曝光效果较差的数据，并通过数据建模软件进行影像拼接建模，最后生成DEM((数字高程影像))数据；
3)通过遥感分析软件对该DEM数据进行分析，生成非郁闭区域比值与郁闭区域比值，获得森林郁闭度的准值。
步骤1)中，无人机的飞行高度120m，飞行速度1.6m/s，镜头角度90°，前后/旁向重叠度90％。
步骤2)中，数据建模软件为Agisoft Photoscan。
步骤2)中，影像拼接建模，包括：图片优化对齐、空间拟合、密集点云生成、网格生成等操作流程，最后生成DEM数据。
步骤2)中，所生成的DEM数据，出现“遮挡树木枝叶”高度与“未被遮挡地面”高度的高度差并呈现为鲜明颜色对比的像元。
步骤3)中，遥感分析软件为ENVI。
步骤3)中，对DEM数据进行分析过程为：首先确认非郁闭区域的像元值，取得一个相对区间，再对该像元值区间进行掩膜处理，生成新的存储数据，最后通过统计分析，生成掩膜区域与非掩膜区域的占比数据，即非郁闭区域比值与郁闭区域比值。
有益效果：与现有技术相比，本发明的UAV-DEM郁闭度自动化提取方法，具有以下优点：
1)效率极大提升：传统的遥感提取郁闭度方法，每一景数据提取往往需要数小时的内业工作量，效率低下，通过UAV-DEM郁闭度自动化提取方法进行内业处理仅需几分钟即可完成工作。
2)高精度自动化：过去通过影像资料分析郁闭度，需要大量的目视解译过程，主观性较大且工作繁琐，通过UAV-DEM郁闭度自动化提取方法则可实现计算机自动化运算，同时精度与准确度均获得极大提升。
3)应用广泛：郁闭度提取一直是森林资源调查过程中的难点，尤其在成熟林、原始森林调查过程中，传统人工调查方法难以开展，通过UAV-DEM郁闭度自动化提取方法，无人机可无障碍获取数据，计算机自动化生成数值，应用前景广泛。
附图说明
图1是林地无人机DEM数据图；
图2是Cursor Value确认像元值图；
图3是掩膜处理提取像元值区间图；
图4是统计分析获取郁闭度值图；
图5是统计分析结果界面图；
图6是精度验证-相关系数图。
具体实施方式
下面结合具体实施例对本发明做进一步的说明。
实施例1
一种通过无人机数字高程模型自动提取森林郁闭度的方法，步骤如下：
1)以江苏省东台林场为对象，通过无人机遥感设备(例如：大疆多旋翼无人机)获取实施区域的遥感影像数据组(2017年9月15日)，利用飞行控制系统(例如：Pix4DCapture)进行航线设定：飞行高度120m，飞行速度1.6m/s，镜头角度90°，航向/旁向重叠度90％，；
2)将获取的遥感影像数据组进行筛选处理，剔除影像数据中成像质量较低、曝光效果较差的数据，并通过数据建模软件(例如：Agisoft Photoscan)进行影像拼接建模，包括：图片优化对齐、空间拟合、密集点云生成、网格生成等操作流程，最后生成DEM数据，如图1所示。由于密集的枝叶环境遮挡，高空影像数据将不会获取枝叶下方的地面高度数据，并将所获取的枝叶高度默认为真实高度数据，而未被遮挡的地面，则保留其原有的真实高度数据。因此，所生成的DEM数据将出现“遮挡树木枝叶”高度与“未被遮挡地面”高度的高度差，并呈现为鲜明颜色对比的像元。
3)通过遥感分析软件(例如：ENVI)对该DEM数据进行分析。首先确认(CursorValue)非郁闭区域的像元值，取得一个相对区间，如图2所示；非郁闭区域所代表的为“未被遮挡地面”的高度数据，郁闭区域代表的为“遮挡树木枝叶”的高度数据，因为树木高度的存在，这两者会存在几米甚至几十米的高度差；由于不同高度的数据在DEM影像中会呈现鲜明的颜色对比，且“非郁闭区域”高度数据相对稳定，也就是影像中所见的暗色部分，因此取得其像元值区间更为容易。获取的像元值区间将为接下来的掩膜处理打下基础。
再对该像元值区间进行掩膜处理，生成新的存储数据；如图3所示，选择ENVI软件中的Build Mask工具，进行掩膜操作，在设定栏中输入获取的像元值区间，执行操作，并存储在闪存文件中。执行掩膜处理可以将DEM影像区分为掩膜区域和非掩膜区域，掩膜区域代表非郁闭区域、非掩膜区域代表郁闭区域，在分类统计中表现0号波段和1号波段，这也为接下来的分类统计带来便捷。
最后通过统计分析，生成掩膜区域与非掩膜区域的占比数据，即非郁闭区域比值与郁闭区域比值(郁闭度)。如图4所示，选择ENVI软件中Statistics-Compute statistics工具，将掩膜闪存文件导入其中，勾选需要的统计输出视图，完成分类统计分析，统计结果将包含两个波段占比数值，掩膜区域占比和非掩膜区域占比，即非郁闭度占比和郁闭度值，如图5所示。
1.通过该方法统计分析获取20个样地的郁闭度值与传统人工样点法获取的郁闭度值进行精度验证。选用相关系数、均方根误差、相对误差和估测精度进行模型分析检验。
相关系数：
均方根误差：
相对误差：
估测精度：
其中，分别为人工实测值、人工实测值均值、无人机测量值、无人机测量值均值；n为测量次数；为检验样本数据的均值。
相关系数表示无人机测量值与人工实地测量值的拟合程度，取值趋近于1，则说明拟合曲线的价值越好、精度越高；均方根误差主要用于模型验证，反映了无人机测量值与人工实地测量值的偏离度，取值越小，说明模型精度越高；相对误差具有相对性，不仅考虑了无人机测量值与人工实地测量值之间误差的大小，同时兼顾了样本本身的大小，其值越小模型的估测精度越高；估测精度对反演结果进行精度检验及综合评价，取值越趋近于100％，表明反演模型的估测精度越高。
表1人工调查与无人机提取郁闭度对比
| 序号 | 人工实地调查值 | 无人机DEM提取值 |
| 1 | 0.70 | 0.72 |
| 2 | 0.90 | 0.90 |
| 3 | 0.90 | 0.90 |
| 4 | 0.90 | 0.91 |
| 5 | 0.70 | 0.67 |
| 6 | 0.70 | 0.66 |
| 7 | 0.70 | 0.68 |
| 8 | 0.70 | 0.65 |
| 9 | 0.90 | 0.94 |
| 10 | 0.90 | 0.90 |
| 11 | 0.80 | 0.84 |
| 12 | 0.80 | 0.81 |
| 13 | 0.80 | 0.82 |
| 14 | 0.80 | 0.76 |
| 15 | 0.80 | 0.84 |
| 16 | 0.90 | 0.88 |
| 17 | 0.80 | 0.86 |
| 18 | 0.80 | 0.81 |
| 19 | 0.80 | 0.85 |
| 20 | 0.80 | 0.78 |
表2多种参数验证提取精度
经过与人工实地测量进行多种参数验证(表1、表2)，UAV-DEM郁闭度自动化提取方法在提取精度上表现优秀，如图6所示，y＝0.7845x+0.1703，其中R2线性模型拟合值为0.89，相关系数R为0.94，均方根误差RMSE为0.03，估测精度EA％为99.84％，相对误差RE％为3.34％，在拥有高精度水准的同时，还保持着优秀的稳定性。
过去通过影像资料分析郁闭度，每一景提取需要大量的目视解译过程，常常需要数小时的工作，主观性较大且工作繁琐，通过上述方法则可实现计算机自动化运算，每一景提取仅需要1-3分钟，大幅度地提高了工作效率。在成熟林、野生林进行郁闭度调查工作时，传统调查方法往往难以开展，通过本方法可以无障碍获取数据，应用前景广泛。
Claims (7)
1.一种通过无人机数字高程模型自动提取森林郁闭度的方法，其特征在于，步骤如下：
1）通过无人机遥感设备获取实施区域的遥感影像数据组；
2）将获取的遥感影像数据组进行筛选处理，剔除影像数据中成像质量较低、曝光效果较差的数据，并通过数据建模软件进行影像拼接建模，最后生成DEM数据；
3）通过遥感分析软件对该DEM数据进行分析，生成非郁闭区域比值与郁闭区域比值，获得森林郁闭度的准值。
2.根据权利要求1所述的通过无人机数字高程模型自动提取森林郁闭度的方法，其特征在于，步骤1）中，无人机的飞行高度120m，飞行速度1.6m/s，镜头角度90°，航向/旁向重叠度90%。
3.根据权利要求1所述的通过无人机数字高程模型自动提取森林郁闭度的方法，其特征在于，步骤2）中，数据建模软件为Agisoft Photoscan。
4.根据权利要求1所述的通过无人机数字高程模型自动提取森林郁闭度的方法，其特征在于，步骤2）中，影像拼接建模，包括：图片优化对齐、空间拟合、密集点云生成、网格生成等操作流程，最后生成DEM数据。
5.根据权利要求1所述的通过无人机数字高程模型自动提取森林郁闭度的方法，其特征在于，步骤2）中，所生成的DEM数据，出现“遮挡树木枝叶”高度与“未被遮挡地面”高度的高度差，并呈现为鲜明颜色对比的像元。
6.根据权利要求1所述的通过无人机数字高程模型自动提取森林郁闭度的方法，其特征在于，步骤3）中，遥感分析软件为ENVI。
7.根据权利要求1所述的通过无人机数字高程模型自动提取森林郁闭度的方法，其特征在于，步骤3）中，对DEM数据进行分析过程为：首先确认非郁闭区域的像元值，取得一个相对区间，再对该像元值区间进行掩膜处理，生成新的存储数据，最后通过统计分析，生成掩膜区域与非掩膜区域的占比数据，即非郁闭区域比值与郁闭区域比值（郁闭度）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711193696.4A CN107967714B (zh) | 2017-11-24 | 2017-11-24 | 一种通过无人机数字高程模型自动提取森林郁闭度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711193696.4A CN107967714B (zh) | 2017-11-24 | 2017-11-24 | 一种通过无人机数字高程模型自动提取森林郁闭度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107967714A true CN107967714A (zh) | 2018-04-27 |
| CN107967714B CN107967714B (zh) | 2019-03-15 |
Family
ID=61997723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711193696.4A Expired - Fee Related CN107967714B (zh) | 2017-11-24 | 2017-11-24 | 一种通过无人机数字高程模型自动提取森林郁闭度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107967714B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110309762A (zh) * | 2019-06-26 | 2019-10-08 | 扆亮海 | 一种基于航空遥感的林业健康评价系统 |
| CN116205394A (zh) * | 2023-05-05 | 2023-06-02 | 浙江茂源林业工程有限公司 | 一种基于无线电导航的森林资源调查监测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106403904A (zh) * | 2016-10-19 | 2017-02-15 | 中国林业科学研究院 | 一种基于无人机的景观尺度植被覆盖度的计算方法及系统 |
| CN106815850A (zh) * | 2017-01-22 | 2017-06-09 | 武汉地普三维科技有限公司 | 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法 |
-
2017
- 2017-11-24 CN CN201711193696.4A patent/CN107967714B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106403904A (zh) * | 2016-10-19 | 2017-02-15 | 中国林业科学研究院 | 一种基于无人机的景观尺度植被覆盖度的计算方法及系统 |
| CN106815850A (zh) * | 2017-01-22 | 2017-06-09 | 武汉地普三维科技有限公司 | 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法 |
Non-Patent Citations (3)
| Title |
|---|
| 佚名: "遥感地学分析实验报", 《HTTPS://WENKU.BAIDU.COM/VIEW/FAD78EF3F01DC281E53AF0B4.HTML》 * |
| 张小宏等: "Agisoft photoscan在无人机航空摄影影像数据处理中的应用", 《价值工程》 * |
| 王聪等: "基于几何光学模型的毛竹林郁闭度无人机遥感定量反演", 《应用生态学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110309762A (zh) * | 2019-06-26 | 2019-10-08 | 扆亮海 | 一种基于航空遥感的林业健康评价系统 |
| CN116205394A (zh) * | 2023-05-05 | 2023-06-02 | 浙江茂源林业工程有限公司 | 一种基于无线电导航的森林资源调查监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107967714B (zh) | 2019-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921885B (zh) | 一种综合三类数据源联合反演森林地上生物量的方法 | |
| CN106951836B (zh) | 基于先验阈值优化卷积神经网络的作物覆盖度提取方法 | |
| CN109031344B (zh) | 一种全波形激光雷达和高光谱数据联合反演森林结构参数的方法 | |
| CN106403904A (zh) | 一种基于无人机的景观尺度植被覆盖度的计算方法及系统 | |
| JP2019185449A (ja) | 森林資源情報算定方法及び森林資源情報算定装置 | |
| CN112749627A (zh) | 一种基于多源遥感影像的烟草动态监测的方法和装置 | |
| CN104020475A (zh) | 一种基于机载LiDAR数据的电力线提取及建模方法 | |
| CN108896021B (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
| CN113156394B (zh) | 基于激光雷达的森林资源监测方法、装置和存储介质 | |
| CN108195736B (zh) | 一种三维激光点云提取植被冠层间隙率的方法 | |
| CN106056069A (zh) | 基于无人机图像分析的林地资源资产评估方法及其评估系统 | |
| CN115690081A (zh) | 一种树木计数方法、系统、存储介质、计算机设备及终端 | |
| CN107967714B (zh) | 一种通过无人机数字高程模型自动提取森林郁闭度的方法 | |
| CN114663787A (zh) | 一种融合无人机chm和rgb影像的单木分割方法 | |
| CN112906719A (zh) | 基于消费级深度相机的立木因子测量方法 | |
| CN117392382A (zh) | 一种基于多尺度密集实例检测的单木果树分割方法与系统 | |
| CN113724381A (zh) | 一种基于高分遥感影像的动态三维场景快速重建方法 | |
| CN106683131A (zh) | 一种城市部件自动化测量方法 | |
| CN110580468B (zh) | 一种基于影像匹配点云的单木结构参数提取的方法 | |
| CN117612044A (zh) | 一种复杂场景下无人机巡检输电线路绝缘子的方法 | |
| CN117368118A (zh) | 一种基于多光谱和点云数据处理的矿区生物量监测方法 | |
| CN117035174A (zh) | 一种木麻黄单木地上生物量的估算方法与系统 | |
| CN116665081A (zh) | 一种滨海植被地上生物量的估算方法、计算机设备及介质 | |
| CN113537131B (zh) | 基于图像识别的土地资源分析模型训练方法及分析方法 | |
| CN110554406B (zh) | 一种基于无人机立体摄影测量点云的次生林结构参数反演的方法 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180427 Assignee: Nanjing laida Agricultural Technology Co.,Ltd. Assignor: Nanjing Forestry University Contract record no.: X2019980001205 Denomination of invention: Method for automatically extracting forest canopy density by means of UAV digital elevation model Granted publication date: 20190315 License type: Common License Record date: 20191220 Application publication date: 20180427 Assignee: Jiangsu Qilin Ecological Environment Construction Co.,Ltd. Assignor: Nanjing Forestry University Contract record no.: X2019980001165 Denomination of invention: Method for automatically extracting forest canopy density by means of UAV digital elevation model Granted publication date: 20190315 License type: Common License Record date: 20191219 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190315 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |