CN116311010A - 一种林地资源调查与碳汇计量的方法与系统 - Google Patents
一种林地资源调查与碳汇计量的方法与系统 Download PDFInfo
- Publication number
- CN116311010A CN116311010A CN202310211339.5A CN202310211339A CN116311010A CN 116311010 A CN116311010 A CN 116311010A CN 202310211339 A CN202310211339 A CN 202310211339A CN 116311010 A CN116311010 A CN 116311010A
- Authority
- CN
- China
- Prior art keywords
- data
- tree
- image
- carbon
- 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.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 102
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011835 investigation Methods 0.000 title claims abstract description 27
- 239000002028 Biomass Substances 0.000 claims abstract description 30
- 239000002023 wood Substances 0.000 claims abstract description 29
- 238000009825 accumulation Methods 0.000 claims abstract description 21
- 210000000481 breast Anatomy 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 20
- 241000894007 species Species 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 235000017166 Bambusa arundinacea Nutrition 0.000 claims description 5
- 235000017491 Bambusa tulda Nutrition 0.000 claims description 5
- 241001330002 Bambuseae Species 0.000 claims description 5
- 235000015334 Phyllostachys viridis Nutrition 0.000 claims description 5
- 239000011425 bamboo Substances 0.000 claims description 5
- 238000013523 data management Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 12
- 230000009919 sequestration Effects 0.000 abstract description 6
- 238000005070 sampling Methods 0.000 description 19
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 239000005431 greenhouse gas Substances 0.000 description 3
- 230000031702 trunk segmentation Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
Abstract
一种林地资源调查与碳汇计量的方法，包括：通过影像采集设备对待调查样地进行数据采集，获取调查样地的影像数据和采集影像时的定位数据；根据影像数据和定位数据，解算样地中各个单木的林木参数，其中，林木参数包括单木的树种、树高、胸径；根据获取到的各个单木的林木参数，按照林业碳汇核算方法学，计算样地尺度的森林蓄积量、生物量和碳储量；根据样地尺度的森林蓄积量、生物量和碳储量，生成林地调查和碳汇计量报告。本方法能够提高林地资源调查和林业碳汇计量的效率和准确性，降低林业碳汇交易过程中的计量调查成本，提高碳汇交易标的的可信度。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种林地资源调查与碳汇计量的方法与系统。
背景技术
全球气候变化深刻影响着人类生存和发展，是各国共同面临的重大挑战，气候变化作为可持续发展目标重要的组成部分，世界各国在《联合国气候变化框架公约》框架下形成了以减少人类活动温室气体的排放(减排)和增加温室气体的吸收(增汇)为核心的气候变化应对方案。
森林作为陆地生态系统的主体，具有强大的吸收和储存二氧化碳的能力，对减缓气候变化有着不可替代的作用。林业碳汇是森林生态系统吸收大气中的二氧化碳并将其固定在植被和土壤中，从而减少大气中二氧化碳浓度的过程、活动或机制，这其中包括了通过营造林措施恢复森林植被和加强森林经营以增加碳汇，通过减少毁林、保护森林和湿地等减少碳排放以及促进碳汇交易等活动和机制。目前，林业碳汇作为减碳的重要手段，成为碳交易的重要内容。
按照国际国内得到广泛认可的清洁发展机制(clean development mechanism，CDM)、国家核证自愿减排量(chinese certified emission reduction，CCER)、核证碳标准(verified carbon standard，VCS)和金本位制(gold standard，GS)等碳汇核算标准，样地尺度的林木资源调查是实现精确可信林业碳汇计量的基础手段。样地尺度的林木调查主要工作内容包括树种、年龄、胸径、树高等数据获取，而这些数据的获取需要大量的测量工具以及野外测量工作，同时观测结果的准确性依赖于观测者的工作素养和对测量工具使用的熟练程度，这在很大程度上增加了调查数据的误差；另外，由于林地环境的复杂性以及部分测量工具的体积和重量比较大，进一步增加了测量工作的难度，影响测量的效率；最后，获取的调查结果是经过测量得到的数据，缺少必要的方法对数据的准确性进行验证。因而在满足林业碳汇计量标准的条件下，提高林地调查工作效率和数据的准确性，成为亟待解决的技术问题。
发明内容
为了解决现有技术中存在的问题，本申请实施例提供了一种林地资源调查与碳汇计量的方法、系统、电子设备、计算机存储介质及包含计算机程序的产品，能够提高林地资源调查和林业碳汇计量的效率和准确性，降低林业碳汇交易过程中的计量调查成本，提高碳汇交易标的的可信度。。
第一方面，本申请实施例提供一种林地资源调查与碳汇计量的方法，该方法包括：影像采集设备对待调查样地进行数据采集，获取调查样地的影像数据和采集影像时的定位数据；根据影像数据和定位数据，解算样地中各个单木的林木参数，其中，林木参数包括单木的树种、树高、胸径；根据获取到的各个单木的林木参数，按照林业碳汇核算方法学，计算样地尺度的森林蓄积量、生物量和碳储量；根据样地尺度的森林蓄积量、生物量和碳储量，生成林地调查和碳汇计量报告。
在一些可能的实现方式中，对待调查样地进行数据采集，获取调查样地的影像数据和采集影像时的定位数据，包括：确定样地的地理坐标、样地尺度，规划数据采集的路径；影像采集设备沿数据采集的路径，对样地进行数据采集，得到样地的影像数据，以及采集影像时影像采集设备的定位数据。
在一些可能的实现方式中，根据影像数据和定位数据，解算样地中各个树木的林木参数，具体包括：通过SLAM算法对影像数据和定位数据进行处理，解算影像采集设备的移动轨迹、影像数据的外方位信息、影像数据的图像中心点的空间位置信息；对影像数据中的树干进行分离以及树种类别识别，结合外方位信息、图像中心点的空间位置信息，得到每个单木的空间位置坐标；基于数字图像处理技术，得到样地中各个单木的林木参数。
在一些可能的实现方式中，影像采集设备移动轨迹的解算，具体包括：对影像数据进行特征点匹配，得到时序影像中的多个关键帧；利用多个关键帧的时间戳，将定位数据所包括的惯导数据进行分段；对分段后的惯导数据进行预积分，得到关键帧之间的相对空间位置和姿态参数；利用影像数据中同名特征点的几何关系，结合相对空间位置和姿态，优化所述影像的位置和姿态参数；通过影像的位置和姿态参数，得到优化后的影像数据采集轨迹。
在一些可能的实现方式中，计算样地尺度的森林蓄积量、生物量和碳储量，包括：利用每个单木的林木参数，按照木材材积表计算每个单木的蓄积量；按照乔木、竹林等主要林地分类，用蓄积量计算生物量；按照林地里乔木林、竹林的生物量乘以相应树种或森林类型的含碳系数，得到单木尺度的碳储量。
在一些可能的实现方式中，影像采集设备为双目视觉相机。
在一些可能的实现方式中，影像采集设备在对样地进行数据采集时，按照固定周期采集或实时采集。
第二方面，本申请实施例提供一种林地资源调查与碳汇计量的系统，该系统包括：数据采集单元，用于对待调查样地进行数据采集，获取调查样地的影像数据和采集影像时的定位数据；数据处理单元，用于根据影像数据和定位数据，解算样地中各个单木的林木参数，其中，林木参数包括单木的树种、树高、胸径；数据处理单元，还用于根据获取到的各个单木的林木参数，按照林业碳汇核算方法学，计算样地尺度的森林蓄积量、生物量和碳储量；数据管理单元，用于根据样地尺度的森林蓄积量、生物量和碳储量，生成林地调查和碳汇计量报告。
第三方面，本申请实施例提供一种计算机可读存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如第一方面任一项所述的方法。
第四方面，本申请实施例提供一种电子设备，包括处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时，执行如第一方面任一项所述的方法。
第五方面，本申请实施例提供一种包含计算机程序的产品，当计算机程序产品在处理器上运行时，使得所述处理器执行如第一方面任一项所述的方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本申请实施例提供的一种林地资源调查与碳汇计量的方法的流程图；
图2是本申请实施例提供的一种林地资源调查与碳汇计量的系统的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本文中术语“和/或”，是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本文中符号“/”表示关联对象是或者的关系，例如A/B表示A或者B。
本文中的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一响应消息和第二响应消息等是用于区别不同的响应消息，而不是用于描述响应消息的特定顺序。
在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，除非另有说明，“多个”的含义是指两个或者两个以上，例如，多个处理单元是指两个或者两个以上的处理单元等；多个元件是指两个或者两个以上的元件等。
为便于对本申请实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本发明实施例的限定。
首先，对本申请所涉及的技术术语进行介绍：
1.碳汇，是指通过植树造林、植被恢复等措施，吸收大气中的二氧化碳，从而减少温室气体在大气中浓度的过程、活动或机制。
2.即时定位与地图构建(simultaneous localization and mapping，SLAM)，是一种机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置和地图进行自身定位，同时在自身定位的基础上建造增量式地图，实现机器人的自主定位和导航的方法。
3.生物量，是指某一时刻单位面积内实存生活的有机物质(干重)总量，通常用kg/m2或t/hm2表示。
接下来，对本申请实施例提供的技术方案进行介绍。
森林碳储量的估测研究普遍采用基于森林生物量的计算方法，即直接或间接测定森林植被的生物量，再乘以生物量中碳含量百分比(含碳率CF)推算而得。在测定森林植被的生物量时，需要测量人员在野外，使用大量的测量工具进行测量。但是由于森林地形环境复杂，部分测量工具较为笨重，这使得测量人员在使用时可能因为测量工具使用的不熟练，从而导致测量结果并不准确。
有鉴于此，本申请实施例提供一种林地资源调查和碳汇计量的方法，通过使用视觉相机、位置和姿态传感器对样地场景影像和环境数据进行采集，对采集的影像和位置信息进行处理，接着，通过深度学习方法来完成林木分割与单木胸径等关键参数的获取，根据林木分割后的林木信息和单木胸径可以获取到单木的碳储量，进而得到目标采样地的碳储量。示例性的，图1是本申请实施例提供的一种碳汇计量方法的示意图。如图1所示，碳汇计量方法可以包括如下步骤：
S101：对待调查样地进行数据采集，获取调查样地的影像数据和定位数据。
在本实施例中，首先确定需要进行采样的样地的地理坐标、采样地的样地尺度，样地尺度是指采样地的长宽范围(例如，样地尺度为长100米宽100米)，并规划数据采集的路径，使得在数据采集时可以按照规划的路径进行数据采集，保证采集的数据能够覆盖整个样地场景。在确定了样地以及采样路径后，可以通过影像采集设备以及位置传感器获取样地影像及影像采集设备的定位信息。示例性的，影像采集设备可以为双目视觉相机、深度相机等。在影像采集设备对样地进行影像采集时，可以提前设定好影像采集设备的分辨率、影像采集的帧率、采集影像颜色的对比度、影像存储的格式等，使影像采集设备可以根据预先设定好的参数进行工作。在影像采集时，可以设定影像信息采集的过程按照固定周期采集(例如每隔1秒或2秒进行一次采集)，也可以是实时控制影像采集设备对样地进行影像采集。在影像采集设备采集影像时，可以通过影像采集设备所提供的显示屏实时查看所采集的影像。
示例性的，影像采集设备可以为双目视觉相机。双目视觉相机是基于仿生学原理，通过两个摄像机获得同步曝光影像。在双目相机选择时，可以根据影像采集的帧率、目标采样地的光照条件等因素综合选择。双目视觉相机获取到的每一帧图像，都包括左图像与右图像，左图像为双目相机中的左相机成的像，右图像为双目相机中的右相机成的像。通过双目相机拍摄的二维图像，可以计算获得的二维图像中某个像素的三维信息(比如某个像素在相机坐标系中的坐标点等)。
在通过影像采集设备对目标样地的影像进行采集时，可以同时采集影像采集设备的惯导数据。其中，惯导数据可以包括设备的位置、姿态等。惯导，也称惯性导航系统，是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统，其工作环境不仅包括空中、地面，还可以在水下。惯导可以连续高频输出设备的位置、速度、姿态等信息。其可以通过测量设备的加速度，自动进行积分运算获得设备瞬时速度和瞬时位置数据。
在一些实施例中，获取预设范围的采样地的多个影像，包括：控制影像采集设备，沿预设的采样路径，在所述采样地周边和/或内部移动，在移动过程中采集所述采样地中的影像，以得到所述多个影像。
具体的，为了保证影像采集设备所采集到的影像可以覆盖到整个样地，可以预先设定好影像采集设备移动的路径，以使得影像采集设备可以根据预定的移动路径进行移动，在移动中进行目标采样地的影像采集。例如，以样地尺度为长100米宽100米为例，由于树木的阻隔，在样地的外围拍摄时无法拍摄到整个样地树木的影像，此时，可以规划一条或多条位于目标采样地内部的移动路径，并控制影像采集设备沿着该设计的移动路径进入样地的内部进行影像采集。
S102：根据获取的影像数据和定位数据，解算样地中各个树木的林木参数，其中，林木参数包括单木(即单独的一颗树木)的树种、树高、胸径等。
在本实施例中，可以通过SLAM算法对获取的影像、惯导数据进行处理，解算出影像采集设备的移动轨迹、所采集的影像的外方位信息和图像中心点的空间位置信息。虽然影像采集设备可以是依据提前设定好的移动路径移动，在移动时对目标采样地的影像进行采集。但是，预先设定好的移动路径只是一个理想的状态，在影像采集设备移动时，并不能够完全按照设定的路径移动，例如在移动路径上有树木的阻挡，使得影像采集设备需要绕行等。同时，在影像采集设备进行影像采集时，可能因为某些原因(例如地面平稳性发生改变，或是采集人员手持影像采集设备等)，使得影像采集时的影像采集设备的位姿发生了改变。因此，可以通过对采集的时序影像做特征点匹配，检测出场景变化较大的关键帧，利用各个关键帧的时间戳，对惯导数据进行分段，利用惯导数据预积分得到关键帧之间的相对空间位置与姿态参数，然后利用时序影像之间同名特征点的几何关系，结合惯导预积分得到的关键帧相对空间位置和姿态参数，优化所有影像的位置和姿态参数，从而解算出优化后的影像数据采集轨迹、所有影像的外方位信息和影像中心的空间位置。
接着，可以通过全球尺度树干影像库支持下的树干分割与树种种类识别深度神经网络，对所有的影像进行树干分割和树种类别识别，结合双目影像的外方位信息和影像中心的空间位置信息，对检测到的所有单木树干在不同角度影像中进行搜索定位。利用单木树干在各个角度影像上的定位位置，对每一棵树的位置进行优化，得到单木的空间位置坐标。基于数字图像处理技术获取所有单木的树种信息，单木的胸径，并以规定的格式保存数据。
示例性的，树干分割算法，可以采用超像素算法对彩色图像进行分割，并融合深度和纹理相近的相邻超像素块，最后对深度图像进行宽度检测，并对宽度在阈值范围内的物体所属的超像素块进行色调匹配，以区分树干与非树干。树种种类识别算法，可以采用基于深度学习模型识别树种种类，也可以采用基于叶片图像特征的树种分类识别算法等对树种进行识别。
S103：根据获取到的各个树木的林木参数，按照林业碳汇核算方法学，计算样地尺度的森林蓄积量、生物量和碳储量。
在本实施例中，在获取到单木的林木参数后，可以根据木材材积表(例如执行国家标准GB4814-84的《原木材积表》)中的材积信息，计算得到各个树木的蓄积量。其中，蓄积量是指在一定面积的森林中现存各种活立木的材积总量，单木的蓄积量公式可以表示为：蓄积量(m3/亩)＝立木材积总量(m3)/林地总面积(亩)。接着，根据样地的林地种类(样地是属于乔木或是竹林等)，使用单木的蓄积量，可以计算得到该单木的生物量。将根据林地分类计算得到的单木的生物量，乘以该单木的树种或是森林类型所对应的含碳系数，计算得到单木的碳储量，公式表示为C＝W*CF，其中，C表征碳储量，W表征生物量，CF表征含碳率(即含碳系数)。在获取到每个单木的碳储量后，可以得到样地中的所有的单木的碳储量之和，即为样地的碳储量。将该样地的历史碳储量与当前的碳储量之差，作为目标采样地的碳汇计量结果。
S104：根据样地尺度的森林蓄积量、生物量和碳储量，生成林地调查和碳汇计量报告。
在本实施例中，在获取单木林木参数、碳储量和样地的碳汇计量结果之后，根据定义的林木参数调查报告和碳汇计量报告的内容要求进行数据填充，并以word和/或PDF等格式进行输出。
这样，基于影像采集设备对目标采样地采集的影像，对采集的影像进行影像处理，可以得到样地中每个单木的林木调查参数，根据单木的林木信息可以获取到该单木的碳储量，进而得到目标采样地的碳储量。将测得的碳储量与该目标采样地的历史碳储量之差作为目标采样地的碳汇计量结果。通过该过程不难发现，在本申请实施例中，通过影像采集设备对目标采样地进行影像采集，基于采集的影像可以获取到目标采样地的碳汇计量结果，其操作流程简单，并不需要大量的人工参与，这样就降低了人工操作中的误差，也就提高了碳汇计量的效率和精度。
可以理解的是，上述各个实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。此外，在一些可能的实现方式中，上述实施例中的各步骤可以根据实际情况选择性执行，可以部分执行，也可以全部执行，此处不做限定。本申请的任意实施例的任意特征的全部或部分在不矛盾的前提下，可以自由地、任何地组合。组合后的技术方案也在本申请的范围之内。
基于上述实施例中的方法，本申请实施例还提供一种林地资源调查与碳汇计量的系统。
示例性地，图2示出了一种林地资源调查与碳汇计量的系统。如图2所示，该系统包括数据采集单元100，用于对待调查样地进行数据采集，获取所述调查样地的影像数据和采集影像时的定位数据；数据处理单元200，用于根据所述影像数据和所述定位数据，解算所述样地中各个单木的林木参数，其中，所述林木参数包括单木的树种、树高、胸径；数据处理单元200，还用于根据获取到的所述各个单木的林木参数，按照林业碳汇核算方法学，计算样地尺度的森林蓄积量、生物量和碳储量；数据管理单元300，用于根据所述样地尺度的森林蓄积量、生物量和碳储量，生成林地调查和碳汇计量报告。
其中，数据采集单元100包括参数设置模块101，用于对数据采集单元100对样地数据进行采集时进行参数设置，例如采样频率、采集图像的分辨率、色彩对比度、数据存储格式和位置等；数据显示模块102，用于对数据采集单元100采集的数据进行显示。
数据处理单元200包括位姿计算模块201，用于基于获取到的影像数据和位置数据进行影像位姿参数的优化；林木参数识别模块202，用于基于图像识别算法识别林木的种类，基于图像分割算法进行单木提取，基于提取的单木和种类，得到单木的林木参数；碳汇核算模块203，用于根据林木参数识别模块202所获得的林木参数，进行单木碳储量以及样地碳汇的计量；数据存储模块204，用于实现对数据的处理结果进行存储以便用于后续的查看、核查及使用。
数据管理单元300包括数据查看模块301，用于实现对原始采集数据和数据处理结果的查看与编辑，从而对林木资源调查和碳汇计量的结果提供数据支撑；报告生成模块302，用于根据自定义的林木资源调查报告模板和碳汇计量报告模板，基于数据采集和数据处理的结果数据，生成林木资源调查报告和碳汇计量报告。
可以理解的是，本申请的实施例中的处理器可以是中央处理单元(centralprocessing unit，CPU)，还可以是其他通用处理器、数字信号处理器(digital signalprocessor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件，硬件部件或者其任意组合。通用处理器可以是微处理器，也可以是任何常规的处理器。
本申请的实施例中的方法步骤可以通过硬件的方式来实现，也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(random access memory，RAM)、闪存、只读存储器(read-only memory，ROM)、可编程只读存储器(programmable rom，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
可以理解的是，在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本申请的实施例的范围。
Claims (7)
1.一种林地资源调查与碳汇计量的方法，其特征在于，所述方法包括：
通过影像采集设备对待调查样地进行数据采集，获取所述调查样地的影像数据和采集影像时的定位数据；
根据所述影像数据和所述定位数据，解算所述样地中各个单木的林木参数，其中，所述林木参数包括单木的树种、树高、胸径；
根据获取到的所述各个单木的林木参数，按照林业碳汇核算方法学，计算样地尺度的森林蓄积量、生物量和碳储量；
根据所述样地尺度的森林蓄积量、生物量和碳储量，生成林地调查和碳汇计量报告。
2.根据权利要求1所述的方法，其特征在于，所述对待调查样地进行数据采集，获取所述调查样地的影像数据和采集影像时的定位数据，包括：
确定所述样地的地理坐标、样地尺度，规划数据采集的路径；
所述影像采集设备沿所述数据采集的路径，对所述样地进行数据采集，得到所述样地的影像数据，以及采集影像时所述影像采集设备的定位数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述影像数据和所述定位数据，解算所述样地中各个树木的林木参数，具体包括：
通过SLAM算法对所述影像数据和所述定位数据进行处理，解算所述影像采集设备的移动轨迹、所述影像数据的外方位信息、所述影像数据的图像中心点的空间位置信息；
对所述影像数据中的树干进行分离以及树种类别识别，结合所述外方位信息、所述图像中心点的空间位置信息，得到每个单木的空间位置坐标；
基于数字图像处理技术，得到所述样地中各个单木的林木参数。
4.根据权利要求3所述的方法，其特征在于，所述解算所述影像采集设备的移动轨迹，具体包括：
对所述影像数据进行特征点匹配，得到时序影像中的多个关键帧；
利用所述多个关键帧的时间戳，将所述定位数据所包括的惯导数据进行分段；
对分段后的惯导数据进行预积分，得到所述关键帧之间的相对空间位置和位姿数据；
利用所述影像数据中同名特征点的几何关系，结合所述相对空间位置和姿态，优化所述影像的位置和姿态参数；
通过所述影像的位置和姿态参数，得到优化后的影像数据采集轨迹。
5.根据权利要求1所述的方法，其特征在于，所述计算样地尺度的森林蓄积量、生物量和碳储量，包括：
利用每个单木的所述林木参数，按照木材材积表计算每个单木的蓄积量；
按照乔木、竹林等主要林地分类，用所述蓄积量计算生物量；
按照林地里乔木林、竹林的生物量乘以相应树种或森林类型的含碳系数，得到单木尺度的碳储量。
6.根据权利要求1-5任意所述的方法，其特征在于，所述影像采集设备在对所述样地进行数据采集时，按照固定周期采集或实时采集。
7.一种林地资源调查与碳汇计量的系统，其特征在于，所述系统包括：
数据采集单元，用于对待调查样地进行数据采集，获取所述调查样地的影像数据和采集影像时的定位数据；
数据处理单元，用于根据所述影像数据和所述定位数据，解算所述样地中各个单木的林木参数，其中，所述林木参数包括单木的树种、树高、胸径；
所述数据处理单元，还用于根据获取到的所述各个单木的林木参数，按照林业碳汇核算方法学，计算样地尺度的森林蓄积量、生物量和碳储量；
数据管理单元，用于根据所述样地尺度的森林蓄积量、生物量和碳储量，生成林地调查和碳汇计量报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310211339.5A CN116311010A (zh) | 2023-03-06 | 2023-03-06 | 一种林地资源调查与碳汇计量的方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310211339.5A CN116311010A (zh) | 2023-03-06 | 2023-03-06 | 一种林地资源调查与碳汇计量的方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116311010A true CN116311010A (zh) | 2023-06-23 |
Family
ID=86780961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310211339.5A Pending CN116311010A (zh) | 2023-03-06 | 2023-03-06 | 一种林地资源调查与碳汇计量的方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116311010A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117789045A (zh) * | 2023-11-07 | 2024-03-29 | 国网宁夏电力有限公司电力科学研究院 | 一种构建科学的碳汇模型的碳汇监测方法、系统及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108052914A (zh) * | 2017-12-21 | 2018-05-18 | 中国科学院遥感与数字地球研究所 | 一种基于slam和图像识别的森林林木资源调查方法 |
| CN109029433A (zh) * | 2018-06-28 | 2018-12-18 | 东南大学 | 一种移动平台上基于视觉和惯导融合slam的标定外参和时序的方法 |
| CN114359338A (zh) * | 2021-12-15 | 2022-04-15 | 深圳市优必选科技股份有限公司 | 位姿估计方法、装置、终端设备及计算机可读存储介质 |
| CN114463403A (zh) * | 2021-12-29 | 2022-05-10 | 江苏集萃未来城市应用技术研究所有限公司 | 一种基于点云数据和图像识别技术的树木碳汇量计算方法 |
| CN115014332A (zh) * | 2022-07-01 | 2022-09-06 | 智道网联科技(北京)有限公司 | 激光slam建图方法、装置及电子设备、计算机可读存储介质 |
-
2023
- 2023-03-06 CN CN202310211339.5A patent/CN116311010A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108052914A (zh) * | 2017-12-21 | 2018-05-18 | 中国科学院遥感与数字地球研究所 | 一种基于slam和图像识别的森林林木资源调查方法 |
| CN109029433A (zh) * | 2018-06-28 | 2018-12-18 | 东南大学 | 一种移动平台上基于视觉和惯导融合slam的标定外参和时序的方法 |
| CN114359338A (zh) * | 2021-12-15 | 2022-04-15 | 深圳市优必选科技股份有限公司 | 位姿估计方法、装置、终端设备及计算机可读存储介质 |
| CN114463403A (zh) * | 2021-12-29 | 2022-05-10 | 江苏集萃未来城市应用技术研究所有限公司 | 一种基于点云数据和图像识别技术的树木碳汇量计算方法 |
| CN115014332A (zh) * | 2022-07-01 | 2022-09-06 | 智道网联科技(北京)有限公司 | 激光slam建图方法、装置及电子设备、计算机可读存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117789045A (zh) * | 2023-11-07 | 2024-03-29 | 国网宁夏电力有限公司电力科学研究院 | 一种构建科学的碳汇模型的碳汇监测方法、系统及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Applicability of personal laser scanning in forestry inventory | |
| Mokroš et al. | Novel low-cost mobile mapping systems for forest inventories as terrestrial laser scanning alternatives | |
| CN111340012B (zh) | 一种地质灾害解译方法、装置、终端设备 | |
| CN105874350A (zh) | 校准装置、校准方法及校准程序 | |
| Tesfamichael et al. | Investigating the impact of discrete-return lidar point density on estimations of mean and dominant plot-level tree height in Eucalyptus grandis plantations | |
| CN116311010A (zh) | 一种林地资源调查与碳汇计量的方法与系统 | |
| CN114493333A (zh) | 一种土地测绘作业数据实时采集处理方法 | |
| CN115700370A (zh) | 碳储量计算方法、装置、电子设备和存储介质 | |
| Gülci et al. | Measuring tree diameter using a LiDAR-equipped smartphone: a comparison of smartphone-and caliper-based DBH | |
| CN115854895A (zh) | 一种基于目标立木形态的非接触式立木胸径测量方法 | |
| CN111462073A (zh) | 机载激光雷达点云密度的质量检查方法和装置 | |
| CN116665081B (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 | |
| CN106595571B (zh) | 基于手持式激光测距仪的地下洞室地质编录方法 | |
| CN105116407B (zh) | 一种利用手持型激光测距仪测量植被覆盖度的方法 | |
| Woo et al. | Computer Vision Techniques in Forest Inventory Assessment: Improving Accuracy of Tree Diameter Measurement Using Smartphone Camera and Photogrammetry. | |
| CN115797802A (zh) | 基于3s技术的作物种植结构精细化监测分析方法 | |
| CN114005027A (zh) | 一种基于无人机影像的城市单木检测系统及方法 | |
| Xiao | Detecting changes in trees using multi-temporal airborne LIDAR point clouds | |
| Apostol et al. | Data collection methods for forest inventory: a comparison between an integrated conventional equipment and terrestrial laser scanning | |
| CN114046776B (zh) | 一种输电工程水土保持措施落实的核查系统 | |
| Zhao et al. | Stand parameter extraction based on video point cloud data | |
| Lawas | Complementary use of aiborne LiDAR and terrestrial laser scanner to assess above ground biomass/carbon in Ayer Hitam tropical rain forest reserve | |
| Ayob et al. | Data acquisition for 3D surface modelling of chilli plant by using close range photogrammetry for volume estimation | |
| CN116242324B (zh) | 一种地理信息数据采集用地理信息测绘仪及其方法 | |
| CN112985319B (zh) | 三维数字地球模型准确性检测方法、装置和存储介质 |
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 |