CN110689567A - 一种乔木整株总叶面积的测算方法 - Google Patents

一种乔木整株总叶面积的测算方法 Download PDF

Info

Publication number
CN110689567A
CN110689567A CN201910869825.XA CN201910869825A CN110689567A CN 110689567 A CN110689567 A CN 110689567A CN 201910869825 A CN201910869825 A CN 201910869825A CN 110689567 A CN110689567 A CN 110689567A
Authority
CN
China
Prior art keywords
area
crown
calculating
leaf
image
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
Application number
CN201910869825.XA
Other languages
English (en)
Other versions
CN110689567B (zh
Inventor
王辉
骆小妹
王银英
何娟
许良禹
林泽榕
胡耀欢
石建娅
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.)
Guangdong Zhonglu Garden Group Co Ltd
Original Assignee
Guangdong Zhonglu Garden Group Co Ltd
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 Guangdong Zhonglu Garden Group Co Ltd filed Critical Guangdong Zhonglu Garden Group Co Ltd
Priority to CN201910869825.XA priority Critical patent/CN110689567B/zh
Publication of CN110689567A publication Critical patent/CN110689567A/zh
Application granted granted Critical
Publication of CN110689567B publication Critical patent/CN110689567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Cultivation Of Plants (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种乔木整株总叶面积的测算方法，其包括以下步骤：步骤1、冠层模型建立；步骤2、目标冠层外部和部叶片采集；步骤3、通过激光测距测量树冠相关参数；步骤4、获取叶片扫描图及图像标准化；步骤5、图像处理计算采样点叶片面积；步骤6、计算树冠外层和内层平均叶密度；步骤7、计算整株总叶面积。本发明采用Matlab计算机图像处理计算叶面积可快速计算大量样品叶面积，采用激光测距的方法，便于野外操作，解决了地面测量中乔木整株叶面积无法有效快速得到的问题，进而可以通过地面测量得到乔木整株生物。

Description

一种乔木整株总叶面积的测算方法
技术领域
本发明涉及植物监测领域，特别涉及一种基于激光测距和Matlab图像处理的乔木整株总叶面积的测算方法。
背景技术
激光测距(Laser Distance Measuring)是以激光器作为光源进行测距的一种非接触式测量方法。根据测量范围、精度要求以及便携性，采用手持式激光测距仪对乔木进行测量。激光测距的基本公式为：
Figure BDA0002199098210000011
式中，
c-大气中的光速；
t-光波往返的时间。
相位法激光测距仪是利用检测发射光和反射光在空间中传播时发生的相位差来检测距离的。激光测距仪重量轻、体积小、操作简单速度快而准确，其误差仅为其它光学测距仪的五分之一到数百分之一。
Matlab图像处理是由MathWorks公司开发的一种主要用于数值计算及可视化图形处理的工程语言。其中图像处理的操作函数组成包括以下几个方面：几何操作、区域操作、块操作、滤波、变换、图像分割、图像边缘提取、图像增强等。利用Matlab图像处理技术对叶面积进行测定即将叶片信息转换成了计算机可识别的图像信息。由于数字图像都是由一个个像素点组成，因此只要知道每个像素点代表的真实面积后，就可以通过叶片的像素数求出其面积。
目前，已开发出多种方法获取植物叶面积参通过遥感、叶面积指数分析仪等获取LAI等叶面积指数用于遥感估算，而基于地面的实地调查是重要的验证方式。通过地面测量获取植物叶面积的方法以纸称量法采集获取为主，存在费时、繁琐，误差大等问题，尤其是在叶片外廓手动描绘和计数环节。加之叶面积是植物整株生物量、滞尘、环境参数(蒸腾量等)计算中的重要参数。因此，快速、准确的整株叶面积测算方法尤其需要。
发明内容
针对目前存在的问题和不足，本发明专利可提供一种快速便捷获取乔木整株总叶面积的方法，依次通过植株冠层体积、植株冠层叶密度、叶面积三个主要参数的获取，提供精确高效的测算方法。
本发明专利的技术方案是包括如下步骤：
步骤S01，冠层模型建立，该模型符合三个条件：①树冠外形近似为椎体；②树冠形状是轴对称的；③总体上，树冠外层叶密度大，内层密度小。
进一步地，基于模型将树冠分为内外两部分，冠层外部平均叶密度(灰色区域)相同为p0(m2/m3)，冠层内部内部(白色区域)树叶平均叶密度相同为pi(m2/m3)。
步骤S02，目标冠层外部和部叶片采集，包括以下步骤：
步骤S21，目标乔木冠层外部叶片采集。该模型中的冠层外部平均叶密度p0、内部平均叶密度pi通过高枝剪获取树冠不同朝向，不同高度的枝条(体积＞0.25×0.25×0.25m3)，分别为上东、上南、上西、上北、中东、中南、中西、中北、下东、下南、下西、下北共十二个区域进行采样，在固定体积(体积为0.25×0.25×0.25m3)的框中，别采集样框中的叶片于塑封袋中，以便进行后续测量。
步骤S22目标乔木冠层内部叶片采集。通过高枝剪获取树冠内部，东、西、南、北四个区域进行采样，在固定体积(体积为0.25×0.25×0.25m3)的框中，分别采集样框中的叶片于塑封袋中，以便进行后续测量。
步骤S03，通过激光测距测量树冠相关参数，包括：①树冠高度Hi，在距目标乔木L1(通过测距仪可得)距离处测量得到L2、通过公式
Figure BDA0002199098210000031
求得，多次测量取平均值。②树冠内部高度Ht，在距目标乔木L1(通过测距仪可得)距离处测量得到L5、通过公式
Figure BDA0002199098210000032
求得，多次测量取平均值。③树干高度Hh，通过激光测距，多次测量取平均值求得。④树冠外沿处到树干的距离R0，通过激光测距可测量得到底部测量点到树冠内沿和外沿的距离L3、L4，树冠外沿处到树干的距离R0通过公式
Figure BDA0002199098210000033
可得，多次测量取平均值。⑤树冠内部稀疏部分的外沿处到树干的距离。通过公式
Figure BDA0002199098210000034
可得，多次测量取平均值。
步骤S04，获取叶片扫描图及图像标准化。①获取叶片扫描图像。图像获取中需要的成像设备为普通扫描仪，扫描输出图片为黑白图像。在具体操作过程中，需要保持叶面平整，叶面无重叠。②标准化扫描图像。为提高计算速率，首先对图像进行大小调节。程序如下：
Photo＝imread(image_name)；％读入原始图像；
photo＝rgb2gray(Photo)；％将图像处理为灰度图；
Photo1＝imresize(photo，0.2)；％调整原始图像大小缩小至它的0.2；
figure，imshow(Photo1)；％显示调整后的原始图像。
步骤S05，计算采样点叶片面积。①标准化图像的黑白区域互换。为了准确计算叶片面积，将预处理的图片黑色白色区域互换。程序如下：
Photo2＝imcomplement(Photo1)；％将调整后的原始图像黑白区域转换
figure，imshow(Photo2)；％显示调整后的图像；
②计算白色区域总像素，程序如下：
b＝sum(sum(Photo2＞0))；
统计图片中白色区域像素和，即叶片区域总像素和；
③计算白色区域占总图像的比例，程序如下：
ratio＝b/numel(Photo2)；
％通过像素值比例来计算白色区域占总图像的比例值；
④由于扫描总面积为A4(210mm×297mm)，根据比例计算该区域叶片总面积(m2)，程序如下：
S＝ratio*0.06237；％总区域为0.06237m2；
⑤由于一次扫描不能完全将采样点总叶片扫描完成，需要将几次结果加合计算该采样点总叶面积St(m2)：
St＝S1+S2+…+SN(N为总扫描次数)。
步骤S06，计算树冠外层和内层平均叶密度：①根据公式
Figure BDA0002199098210000041
(n为n为1、2、3…12)分别获取不同样点的叶密度，通过公式
Figure BDA0002199098210000042
得到外部(灰色区域)平均叶密度相同为p0(m2/m3)。②同理可得内部(白色区域)树叶平均叶密度相同为pi(m2/m3)。
步骤S07，计算整株总叶面积：
①冠层内部树总叶面积Sin为：
②冠层内部树总叶面积为：
③树冠总叶面积为：
式中：
Hi-树冠高度
Ht-树冠内部高度
R0-外圆锥的底面半径
Ri-内圆锥底面半径
p0-树冠外部叶密度
pi-树冠内部叶密度。
本发明的有益效果是：便于野外操作，解决了地面测量中乔木整株叶面积无法有效快速得到的问题，进而可以通过地面测量得到乔木整株生物。
附图说明
图1是本发明流程冠层构建模型示意图。
图2是本发明冠层构建模型示意图。
图3是本发明冠层叶密度分布示意图。
图4是本发明叶片采样统计示意图。
图5是本发明相关参数测距示意图.
图6是本发明实施例采样点(上北外)叶片扫描获取得到的黑白图像，图6(1)、6(2)、6(3)共3次。
图7是图6中三次扫描图像黑白转换后的图像，图7(1)、7(2)、7(3)。
图8是图6三次扫描图的比例值，如图8(1)、8(2)、8(3)共3个值。
图9是图6扫描图像中的单次叶面积值，如图9(1)、9(2)、9(3)共3个值。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
本发明公开了一种基于激光测距和Matlab图像处理的乔木整株总叶面积的测算方法，简单地说包括如下步骤：
S01、建立乔木树叶冠层模型；
S02、目标乔木冠层外部、内部叶片采集；
S03、通过激光测距测量树冠相关参数；
S04、获取叶片扫描图及图像标准化；
S05、计算采样点叶片面积；
S06、计算树冠外层和内层平均叶密度；
S07、计算整株乔木总叶面积。
以下通过实施例进行说明：
实施例一
在本发明的具体实施例中，以七叶树为例，参考图1-3，在目标乔木冠层外部、内部叶片采集。步骤是：一、通过高枝剪获取七叶树树冠外部不同朝向，不同高度的枝条(体积＞0.25×0.25×0.25m3)，分别为上东、上南、上西、上北、中东、中南、中西、中北、下东、下南、下西、下北共12个样点，在固定体积(体积为0.25×0.25×0.25m3)的框中，分别采集样框中的叶片于塑封袋中，以便进行后续测量。通过高枝剪在七叶树树冠内部的南西北四个区域进行采样，在固定体积(体积为0.25×0.25×0.25m3)的框中，分别采集样框中的叶片于塑封袋中，以便进行后续测量。
二、通过激光测距获取相关参数。在七叶树的周围(L1＞8m)，选取等距的五个点，进行测量，得到相应的L1、L2，通过公式
Figure BDA0002199098210000071
计算得到Hi取平均值。如表1，为测量、计算结果。
表1：七叶树(Aesculus chinensis Bunge)L1、L2、Hi测量、计算结果
L1(m) L2(m) Hi(m)
9.352 10.742 5.285
8.671 9.898 4.773
9.100 10.023 4.201
8.749 9.902 4.637
11.201 12.937 6.473
平均值 5.074
激光测距，得到相应的L5，通过公式计算得到Hi，取平均值。如表2，为测量、计算结果。
表2，七叶树(Aesculus chinensis Bunge)L5、Hi测量、计算结果：
Figure BDA0002199098210000073
Figure BDA0002199098210000081
在七叶树树干底部周围，选取等距的五个点，进行测量，得到相应的L3、L4，通过激光测距仪测量地面到树冠底层距离树干高度Hh，通过激光测距，可测量得到底部测量点到树冠内沿和外沿的距离L3、L4，树冠外沿处到树干的距离R0通过公式
Figure BDA0002199098210000082
可得，取平均值。树冠内部稀疏部分的外沿处到树干的距离Ri通过公式可得，取平均值。如表3，为测量、计算结果。
表3，七叶树(Aesculus chinensis Bunge)Hh、L3、L4、R0、Ri测量、计算结果：
Hh(m) L3(m) L4(m) R0(m) Ri(m)
2.410 4.380 5.393 4.824 3.657
3.949 4.641 4.863 2.838 2.438
3.551 4.007 4.424 2.639 1.856
3.562 3.707 4.786 3.197 1.027
4.329 4.453 5.256 2.981 1.044
平均值 3.296 2.004
三、通过扫描图像计算内、外冠层密度。如图6所示为外层冠层中部朝向北样点叶片扫描获取得到的图像，如图6(1)、6(2)、6(3)共3次。图像获取中需要的成像设备为普通扫描仪，扫描输出图片为黑白图像。在具体操作过程中，需要保持叶面平整，叶面无重叠。扫描得到的图片较大，直接用Matlab进行图像处理，会增加图像处理的工作量，并且程序运行也很慢。因此为提高计算速率，首先对图像进行大小调节。程序如下：
Photo＝imread(′C：\Users\dd\Documents\MATLAB\中北外1.jpg)；
％读入黑白图像；
photo＝rgb2gray(Photo)；％将图像处理为灰度图；
Photo1＝imresize(photo，0.2)；％调整原始图像大小缩小至它的0.2倍；
figure，imshow(Photo1)；％显示调整后的原始图像。
四、图像处理计算采样点叶片面积为了准确计算叶片面积，将预处理的图片黑色白色区域互换。程序如下：
Photo2＝imcomplement(Photo1)；％将调整后的原始图像黑白区域转换；
figure，imshow(Photo2)；％显示调整后的图像。
如图7所示为互换后的图像，将图6中的图形进行置换，获得图7(1)、7(2)、7(3)所示的图像。
计算该采样点第一张扫描图，白色区域总像素，程序如下：
b＝sum(sum(Photo2＞0))；
％统计图片中白色区域像素和，即叶片区域总像素和：
第一张图的b值为254115。
计算白色区域占总图像的比例，程序如下：
ratio＝b/numel(Photo2)；
％通过像素值比例来计算白色区域占总图像的比例值
如图8(1)所示，为第一张扫描图的比例值，为0.572。
由于扫描总面积为A4(210mm×297mm)，根据比例计算该区域叶片总面积(m2)，程序如下：
S＝ratio*0.06237；％总区域为0.062m2；
同理，如图8(2)、8(3)所示，获得另外2个值0.711和0.618，通过上述公式计算。
如图9(1)所示，为第一张扫描图的叶片面积值，为0.044。
由于一次扫描不能完全将采样点总叶片扫描完成，重复以上步骤，得到其他两次的面积，将结果加和计算该采样点(上北外)总叶面积St(m2)：
S上北外＝S1+S2+S3＝0.044+0.036+0.039＝0.119；
根据公式
Figure BDA0002199098210000101
(n为1、2、3…12)可得该采样点(上北外)叶密度(m2/m3)
Figure BDA0002199098210000102
同理，如图9(2)、9(3)所示，通过叶片面积值0.036和0.039代入上述公式进行计算，可得外冠层的他样点叶密度，如表4所示：
表4，外冠层的他样点叶密度表：
Figure BDA0002199098210000103
Figure BDA0002199098210000111
同理可得内冠层其他样点叶密度，如表5所示
表5，内冠层其他样点叶密度表：
采样点 内冠层密度(m2/m3)
p东内 3.910
p南内 4.198
p西内 2.016
p北内 3.309
平均值 3.358
所以，p0＝7.323，pi＝3.358。
则冠层内部树叶总面积Sin为：
Figure BDA0002199098210000112
则冠层内部树叶总面积Sout为：
该七叶树(Aesculus chinensis Bunge)树冠叶片总面积为：
St＝Sin+Sout＝40.481+334.164＝374.645。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种乔木整株总叶面积的测算方法，包括如下步骤：
S01、建立乔木树叶冠层模型；
S02、目标乔木冠层外部、内部叶片采集；
S03、通过激光测距测量树冠相关参数；
S04、获取叶片扫描图及图像标准化；
S05、计算采样点叶片面积；
S06、计算树冠外层和内层平均叶密度；
S07、计算整株乔木总叶面积。
2.如权利要求1所述的测算方法，其特征在于，在步骤S01中，建立冠层模型，需要符合3个条件：其一是树冠外形近似为椎体；其二是树冠形状是轴对称的；其三是总体上，树冠外层叶密度大，内层密度小；
基于模型将树冠分为内外两部分，冠层外部平均叶密度相同且为p0，冠层内部树叶平均叶密度相同为pi。
3.如权利要求1所述的测算方法，其特征在于，在步骤S02中，目标植株冠层外部和部叶片采集：
首先通过高枝剪获取树冠不同朝向，不同高度的枝条，分别为上东、上南、上西、上北、中东、中南、中西、中北、下东、下南、下西、下北共十二个区域进行采样，在固定体积的框中，别采集样框中的叶片于塑封袋中，以便进行后续测量；
其次通过高枝剪获取树冠内部，东、西、南、北四个区域进行采样，在固定体积的框中，分别采集样框中的叶片于塑封袋中，以便进行后续测量。
4.如权利要求1所述的测算方法，其特征在于，在步骤S03中，通过激光测距测量树冠相关参数的步骤如下：
S31、计算树冠高度Hi，在距目标乔木L1距离处测量得到L2、通过公式
Figure FDA0002199098200000022
求得，多次测量取平均值；
S32、计算树冠内部高度Ht，在距目标乔木L1距离处测量得到L5、通过公式
Figure FDA0002199098200000023
求得，多次测量取平均值；
S33、计算树干高度Hh，通过激光测距，多次测量取平均值求得；
S34、计算树冠外沿处到树干的距离R0，通过激光测距可测量得到底部测量点到树冠内沿和外沿的距离L3、L4，树冠外沿处到树干的距离R0通过公式
Figure FDA0002199098200000024
Figure FDA0002199098200000025
可得，多次测量取平均值；
S35、计算树冠内部稀疏部分的外沿处到树干的距离，通过公式
Figure FDA0002199098200000026
可得，多次测量取平均值。
5.如权利要求1所述的测算方法，其特征在于，在步骤S04中，获取叶片扫描图及图像标准化包括以下步骤：
S41、获取叶片扫描图像。图像获取中需要的成像设备为普通扫描仪，扫描输出图片为黑白图像。在具体操作过程中，需要保持叶面平整，叶面无重叠；
S42、标准化扫描图像。为提高计算速率，首先对图像进行大小调节，程序如下：
Photo＝imread(image_name)；％读入原始图像；
photo＝rgb2gray(Photo)；％将图像处理为灰度图；
Photo1＝imresize(photo，0.2)；％调整原始图像大小缩小至它的0.2倍；
figure，imshow(Photo1)；％显示调整后的原始图像。
6.如权利要求1所述的测算方法，其特征在于，在步骤S05中，计算采样点叶片面积包括以下步骤：
S51、标准化图像的黑白区域互换，为了准确计算叶片面积，将预处理的图片黑色白色区域互换，程序如下：
Photo2＝imcomplement(Photo1)；％将调整后的原始图像黑白区域转换figure，imshow(Photo2)；％显示调整后的图像；
S52、计算叶片总像素，程序如下：
b＝sum(sum(Photo2＞0))；
％统计图片中白色区域像素和，即叶片区域总像素和；
S53计算叶片占总图像的比例，程序如下：
ratio＝b/numel(Photo2)；
％通过像素值比例来计算白色区域占总图像的比例值；
S54、由于扫描总面积为A4(210mm×297mm)，根据比例计算该区域叶片总面积(m2)，程序如下：
S＝ratio*0.06237；％总区域为0.06237m2；
S55、由于一次扫描不能完全将采样点总叶片扫描完成，需要将几次结果加和计算该采样点总叶面积St(m2)：St＝S1+S2+…+SN，其中N为总扫描次数。
7.如权利要求1所述的测算方法，其特征在于，在步骤S06中，计算树冠外层和内层平均叶密度包括以下步骤：
S61根据公式
Figure FDA0002199098200000031
(n为1、2、3…12)分别获取不同样点的叶密度，通过公式得到外部平均叶密度相同为p0(m2/m3)；
S62同理可得内部树叶平均叶密度相同为pi(m2/m3)。
8.如权利要求1所述的测算方法，其特征在于，在步骤S07中，计算整株总叶面积包括以下步骤：
S71、冠层内部总叶面积Sin为：
Figure FDA0002199098200000041
S72、冠层内部总叶面积为：
Figure FDA0002199098200000042
S73、树冠总叶面积为：
Figure FDA0002199098200000043
式中，
Hi-树冠高度
Ht-树冠内部高度
R0-外圆锥的底面半径
Ri-内圆锥底面半径
p0-树冠外部叶密度
pi-树冠内部叶密度。
CN201910869825.XA 2019-09-11 2019-09-11 一种乔木整株总叶面积的测算方法 Active CN110689567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910869825.XA CN110689567B (zh) 2019-09-11 2019-09-11 一种乔木整株总叶面积的测算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910869825.XA CN110689567B (zh) 2019-09-11 2019-09-11 一种乔木整株总叶面积的测算方法

Publications (2)

Publication Number Publication Date
CN110689567A true CN110689567A (zh) 2020-01-14
CN110689567B CN110689567B (zh) 2024-02-23

Family

ID=69109253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910869825.XA Active CN110689567B (zh) 2019-09-11 2019-09-11 一种乔木整株总叶面积的测算方法

Country Status (1)

Country Link
CN (1) CN110689567B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111445513A (zh) * 2020-02-24 2020-07-24 浙江科技学院 基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质
CN111539964A (zh) * 2020-04-02 2020-08-14 浙江科技学院 基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质
CN112857266A (zh) * 2020-12-30 2021-05-28 华东师范大学 一种对盛叶期全株总叶面积进行反演估测的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007069736A1 (ja) * 2005-12-15 2007-06-21 Yamaguchi University 樹体生産能力を評価する方法、樹体生産能力を評価するための撮像装置及び樹体生産能力を評価するためのプログラム
CN105806266A (zh) * 2016-05-24 2016-07-27 南京林业大学 基于激光扫描数据的树木冠层叶面积计算方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007069736A1 (ja) * 2005-12-15 2007-06-21 Yamaguchi University 樹体生産能力を評価する方法、樹体生産能力を評価するための撮像装置及び樹体生産能力を評価するためのプログラム
CN105806266A (zh) * 2016-05-24 2016-07-27 南京林业大学 基于激光扫描数据的树木冠层叶面积计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王洪蜀;李世华;郭加伟;梁祖琴;: "地基激光雷达的玉兰林冠层叶面积密度反演", 遥感学报 *
王锦地，李小文: "树冠叶面积体密度和叶面积指数的间接估值方法研究", 遥感学报 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111445513A (zh) * 2020-02-24 2020-07-24 浙江科技学院 基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质
CN111445513B (zh) * 2020-02-24 2024-01-16 浙江科技学院 基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质
CN111539964A (zh) * 2020-04-02 2020-08-14 浙江科技学院 基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质
CN111539964B (zh) * 2020-04-02 2023-11-07 浙江科技学院 基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质
CN112857266A (zh) * 2020-12-30 2021-05-28 华东师范大学 一种对盛叶期全株总叶面积进行反演估测的方法

Also Published As

Publication number Publication date
CN110689567B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
Chen et al. Applicability of personal laser scanning in forestry inventory
CN110689567B (zh) 一种乔木整株总叶面积的测算方法
WO2023029373A1 (zh) 一种高精度的农田植被信息提取方法
Liang et al. The use of a hand-held camera for individual tree 3D mapping in forest sample plots
CN111144250B (zh) 融合雷达和光学遥感数据的土地覆盖分类方法
CN108918820B (zh) 获取耕地土壤盐渍化程度等级分布的方法和装置
CN109816680B (zh) 一种农作物株高的高通量计算方法
CN101210876A (zh) 基于可见/近红外多光谱成像的水稻养分信息测量方法
Taylor et al. Monitoring landscape change in the National Parks of England and Wales using aerial photo interpretation and GIS
CN111738229B (zh) 一种指针表盘刻度的自动读取方法
Balduzzi et al. The properties of terrestrial laser system intensity for measuring leaf geometries: a case study with conference pear trees (Pyrus Communis)
CN109726705B (zh) 红树林信息的提取方法、装置及电子设备
CN107884412B (zh) 一种针叶树木芯的年轮信息检测装置及方法
CN104457627A (zh) 一种利用Photoshop精准测量不规则物体平面面积的方法
CN109086763B (zh) 一种指针式仪表读取方法及装置
CN114740180A (zh) 基于多源遥感数据的土壤有机碳估算方法及装置
CN106468536A (zh) 一种叶面积测量方法
CN115494007A (zh) 基于随机森林的土壤有机质高精度快速检测方法及装置
CN110782440A (zh) 一种作物籽粒性状测量方法
CN112147078A (zh) 一种农作物表型信息多源遥感监测方法
Graves et al. A digital mapping method for linking high-resolution remote sensing images to individual tree crowns
CN104236486B (zh) 一种棉花叶面积指数快速无损测定方法
CN106568730B (zh) 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法
CN114140691B (zh) 基于无人机可见光图像预测作物倒伏角度和形态的方法
CN111798509B (zh) 一种基于半球图像法测量叶面积指数的方法

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
CB02 Change of applicant information

Address after: Room 301, 3rd Floor, Building F, No. 2 Zhenpuling Road, Nanlian Community, Longgang Street, Longgang District, Shenzhen City, Guangdong Province, 518116

Applicant after: Shenzhen Zhonglv Environment Group Co.,Ltd.

Address before: 518000 South Union Community, Longgang Street, Longgang District, Shenzhen City, Guangdong Province, 301, 3rd floor, Building F, No. 2, Shenzhen Puling Road

Applicant before: GUANGDONG ZHONGLV GARDEN GROUP Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant