基于无人机影像的林地单株立木自动化提取研究——以丹霞山湿地保护区为例

doi:10.11924/j.issn.1000-6850.casb2021-1025

中国农学通报 ›› 2022, Vol. 38 ›› Issue (29): 152-158.doi: 10.11924/j.issn.1000-6850.casb2021-1025

• 工程·机械·水利·装备 • 上一篇下一篇

基于无人机影像的林地单株立木自动化提取研究——以丹霞山湿地保护区为例

陈斌¹^,²()

¹核工业二九〇研究所,广东省环境保护核辐射追踪研究重点实验室,广东韶关 512029
²广东省放射性生态环境保护工程技术研究中心,广东韶关 512029

收稿日期:2021-10-28 修回日期:2021-12-13 出版日期:2022-10-15 发布日期:2022-10-14
作者简介:陈斌,男,1992年出生,安徽桐城人,工程师,硕士,研究方向：土地利用/覆被变化与资源环境遥感。通信地址：512029 广东省韶关市武江区科技工业园核工业二九〇研究所测绘与遥感信息中心605室,E-mail： giscb@foxmail.com。
基金资助:
中核集团核工业二九〇研究所科研创新项目“深度学习及机器分类支持下的广州市公园景观与城市热环境关系研究”(202003);广东省海洋遥感重点实验室（中国科学院南海海洋研究所）基金资助项目“广东省沿海地区热带气旋路径分类及危险性研究”(2017B030301005-LORS2009)

Automatic Extraction of Individual Tree in Forest Land Based on UAV Remote Sensing Images: Taking Danxia Mountain Wetland Reserve as an Example

CHEN Bin¹^,²()

¹Research Institute No.290, CNNC, Guangdong Provincial Key Laboratory of Environmental Protection and Nuclear Radiation Tracking Research, Shaoguan, Guangdong 512029
²Guangdong Provincial Engineering Technology Research Center of Radioactive Eco-environmental Protection, Shaoguan, Guangdong 512029

Received:2021-10-28 Revised:2021-12-13 Online:2022-10-15 Published:2022-10-14

摘要/Abstract

摘要：

利用无人机技术可以快速获取林业自然保护区高分辨率遥感影像,无人机影像在林业资源调查与监测中具备传统卫星影像无可比拟的优势。本研究以丹霞山湿地自然保护区为研究对象,基于无人机遥感影像,提出了一种人工林地单株立木自动化提取方法。研究采用遥感影像多尺度分割算法,对研究区无人机遥感影像进行多尺度分割,然后通过构建林地特征信息模型,实现对案例区人工林地单株立木自动化提取。结果表明：该方法在丹霞山湿地保护区人工林地自动化提取中具有较高的可行性,Kappa系数达到了0.979,总体分类精度达到了98.40%,能够满足人工林地提取的需要。该方法省去了人工林地分类前的人工干预和先验知识输入,大幅度提高了无人机影像在林地资源调查应用中的工作效率,为精准林业调查提供了一种新方法。

关键词: 无人机影像, 自然保护区, 丹霞山, 人工林地, 多尺度分割

Abstract:

UAV technology can be used to quickly acquire high resolution remote sensing images of forest nature reserve. In forestry resource investigation and monitoring, UAV images have more advantages than traditional satellite images. This study took Danxia Mountain Wetland Nature Reserve as the research object and proposed an automatic extraction method of individual forest tree based on UAV images. A multi-scale segmentation algorithm for UAV remote sensing image was adopted. Then, through constructing the characteristic information model of forest land, the automatic extraction of individual tree in artificial forest land in the study area was realized. The results showed that the proposed method had high feasibility in automatic extraction of artificial forest land in Danxia Mountain Wetland Nature Reserve. The Kappa coefficient was 0.979, and the overall accuracy of classification extraction reached 98.40%, which could meet the needs of artificial forest land extraction. This method can eliminate the human intervention and prior knowledge before the classification of artificial forest land, greatly improve the efficiency of UAV images in the investigation and monitoring of forest land resources, and provide a new way for accurate forest survey.

Key words: UAV image, nature reserve, Danxia Mountain, artificial forest land, multi-scale segmentation

中图分类号:

S771.8

陈斌. 基于无人机影像的林地单株立木自动化提取研究——以丹霞山湿地保护区为例[J]. 中国农学通报, 2022, 38(29): 152-158.

CHEN Bin. Automatic Extraction of Individual Tree in Forest Land Based on UAV Remote Sensing Images: Taking Danxia Mountain Wetland Reserve as an Example[J]. Chinese Agricultural Science Bulletin, 2022, 38(29): 152-158.

图/表 12

参考文献 18

[1]	唐守正. 中国森林资源及其对环境的影响[J]. 生物学通报, 1998(11):4-8.
[2]	黄麟, 祝萍, 肖桐, 等. 近35年三北防护林体系建设工程的防风固沙效应[J]. 地理科学, 2018, 38(4):600-609. doi: 10.13249/j.cnki.sgs.2018.04.014
[3]	韩永伟, 拓学森, 高吉喜, 等. 黑河下游重要生态功能区植被防风固沙功能及其价值初步评估[J]. 自然资源学报, 2011, 26(1):58-65.
[4]	周佳宁, 张洁, 李天宏. 基于MODIS影像和随机森林算法的河北坝上林地动态监测[J]. 北京大学学报:自然科学版, 2018, 54(4):792-800.
[5]	陈巧, 陈永富, 陈幸良, 等. 基于TM遥感影像的林改区林地资源变化监测——以江西省武宁县为例[J]. 西北林学院学报, 2015, 30(2):166-171.
[6]	杨伯钢, 董明, 祝晓坤, 等. 基于遥感影像的北京林地动态监测应用研究[J]. 北京林业大学学报, 2008, 30(S1):105-107.
[7]	喻庆国. TM影像在热带林林地资源调查中的应用[J]. 云南林业科技, 2001(1):70-76.
[8]	朱思名, 王振锡, 裴媛, 等. 基于无人机影像的天山云杉林冠幅提取及蓄积量反演[J]. 干旱区资源与环境, 2020, 34(10):160-165.
[9]	万祖毅, 田永中, 刘旭东, 等. 基于轻小型无人机影像的柑橘树株数提取[J]. 湖北农机化, 2020(7):140-144.
[10]	左萍萍, 付波霖, 蓝斐芜, 等. 基于无人机多光谱的沼泽植被识别方法[J]. 中国环境科学, 2021, 41(5):2399-2410.
[11]	任冲, 鞠洪波, 张怀清, 等. 天水市近30年林地动态变化遥感监测研究[J]. 林业科学研究, 2017, 30(1):25-33.
[12]	庞国锦, 董晓峰, 宋翔, 等. “三北”防护林建设以来河西走廊林地变化的遥感监测[J]. 中国沙漠, 2012, 32(2):539-544.
[13]	陈昂, 杨秀春, 徐斌, 等. 基于面向对象与深度学习的榆树疏林识别方法研究[J]. 地球信息科学学报, 2020, 22(9):1897-1909. doi: 10.12082/dqxxkx.2019.190598
[14]	邵亚奎, 朱长明, 徐新良, 等. 2000—2015年安徽省林地遥感制图与时空变化分析[J]. 生态科学, 2019, 38(6):15-21.
[15]	王晓艳, 王建, 李弘毅, 等. NDSI与NDFSI结合的山区林地积雪制图方法[J]. 遥感学报, 2017, 21(2):310-317.
[16]	刘晓娜, 封志明, 姜鲁光, 等. 西双版纳橡胶林地的遥感识别与数字制图[J]. 资源科学, 2012, 34(9):1769-1780.
[17]	ARJOMANDI A, AGOSTINO S, MAMMONE M, et al. Classification of unmanned aerial vehicle, report for mechanical engineering class[R]. Adelaide,Australia: University of Adelaide, 2006.
[18]	WATTS A C, AMBROSIA V G, HINKLEY E A. Unmanned aircraft system in remote sensing and scientific research: classification and consideration of use[J]. Remote sensing, 2012, 4(6):1671-1692. doi: 10.3390/rs4061671 URL

划分类型	类型数量	要素指标描述
按照质量划分	1	微型(m>0.25 kg)
	2	轻量型(4 kg<m<7 kg)
	3	中型(7 kg<m<15 kg)
	4	重型(15 kg<m<25 kg)
	5	超重型(m>150 kg)
按照尺寸和续航能力划分	1	微型(MAV)
	2	垂直起降型(VTOL)
	3	低飞行高度短续航型(LASE)
	4	近LASE型
	5	低飞行高度长续航型(LALE)
	6	中飞行高度长续航型(MALE)
	7	高飞行高度长续航型(HALE)

划分类型	类型数量	要素指标描述
按照质量划分	1	微型(m>0.25 kg)
	2	轻量型(4 kg<m<7 kg)
	3	中型(7 kg<m<15 kg)
	4	重型(15 kg<m<25 kg)
	5	超重型(m>150 kg)
按照尺寸和续航能力划分	1	微型(MAV)
	2	垂直起降型(VTOL)
	3	低飞行高度短续航型(LASE)
	4	近LASE型
	5	低飞行高度长续航型(LALE)
	6	中飞行高度长续航型(MALE)
	7	高飞行高度长续航型(HALE)

型号	大疆PJHANTOM 4RTK
无人机类型	专业无人机
轴距	350 mm
飞行时间	30 min
悬停精度	垂直： +/- 0.1 m (视觉定位正常工作时) +/- 0.5 m 水平： +/- 0.3 m (视觉定位正常工作时)+/- 1.5 m
最大上升速度	6 m/s
最大下降速度	4 m/s
最大水平飞行速度	20 m/s
最大飞行海拔高度	6000 m
工作环境温度	0~40℃
卫星定位模块	GPS/GLONASS双模

型号	大疆PJHANTOM 4RTK
无人机类型	专业无人机
轴距	350 mm
飞行时间	30 min
悬停精度	垂直： +/- 0.1 m (视觉定位正常工作时) +/- 0.5 m 水平： +/- 0.3 m (视觉定位正常工作时)+/- 1.5 m
最大上升速度	6 m/s
最大下降速度	4 m/s
最大水平飞行速度	20 m/s
最大飞行海拔高度	6000 m
工作环境温度	0~40℃
卫星定位模块	GPS/GLONASS双模

RGB通道	高斯拉升处理前	高斯拉升处理后
红色光谱通道
绿色光谱通道
蓝色光谱通道

基于无人机影像的林地单株立木自动化提取研究——以丹霞山湿地保护区为例

Automatic Extraction of Individual Tree in Forest Land Based on UAV Remote Sensing Images: Taking Danxia Mountain Wetland Reserve as an Example

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 18

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

尺度分割参数	100	80	60	40
分割后图斑数量/个	710	1079	1502	3187
最大图斑面积/m²	28.3	30	14.55	9.65
最大周/m	35.84	36.25	25.72	18.33
面积标准差	4.47	4.13	2.14	1.06

精度评价参数	人工林地
Kappa系数	0.979
错分误差	1.28
漏分误差	1.60
总体精度	98.40

[1]	张杰, 祝志华, 张慧, 胡猛, 邱晨, 蔡宪文. 山东南四湖省级自然保护区野生鸟类调查及疫源疫病防控初探[J]. 中国农学通报, 2022, 38(9): 75-80.
[2]	刘宏元, 周志花, 王娜娜, 王艳君. 黄河三角洲自然保护区湿地生态系统健康评价[J]. 中国农学通报, 2022, 38(27): 74-78.
[3]	袁雷, 周刊社, 张东东. 羌塘国家自然保护区植被生长季NDVI时空变化及其对气候变化的响应[J]. 中国农学通报, 2022, 38(13): 127-134.
[4]	王召根, 潘杰, 李化良, 罗宏伟. 镇江长江豚类省级自然保护区水域生态修复效果的监测与评价[J]. 中国农学通报, 2021, 37(32): 139-147.
[5]	王玮玮, 许彦红, 杨俊灵, 罗儒剑, 普猛. 纳板河流域国家级自然保护区主要森林植被类型健康评价研究[J]. 中国农学通报, 2021, 37(26): 32-39.
[6]	石红艳, 姚俊英. 湿地气候对周边区域粮食生产的影响—黑龙江省七星河湿地国家自然保护区为例[J]. 中国农学通报, 2020, 36(33): 87-94.
[7]	王霞, 袁旭东, 周洪艳, 张承伦, 彭杰, 彭建军, 邓亚平, 黄飘逸, 高红梅, 孙念. 重庆金佛山国家级自然保护区林麝(Moschus berezovskii)种群数量初步调查及地理分布[J]. 中国农学通报, 2020, 36(19): 44-47.
[8]	杜军,石磊,次旺顿珠. 近47年羌塘自然保护区积雪对气候变化的响应[J]. 中国农学通报, 2019, 35(25): 130-138.
[9]	加勇次成,次旺顿珠,措姆. 气候变化背景下羌塘自然保护区冰雹日数时空变化特征[J]. 中国农学通报, 2019, 35(18): 103-109.
[10]	王艳琦,秦福莹,银山,彭秀清. 基于GF-1卫星数据与面向对象分类的达里诺尔湿地自然保护区土地覆盖信息提取[J]. 中国农学通报, 2019, 35(10): 137-141.
[11]	次旺顿珠,杜军,旦增措杰. 1971-2017年羌塘国家级自然保护区持续干旱日数的时空变化特征[J]. 中国农学通报, 2018, 34(30): 118-122.
[12]	刘子飞. 农户有机农业种植意愿的实证研究——基于陕西洋县有机水稻农户调查数据的分析[J]. 中国农学通报, 2017, 33(23): 157-164.
[13]	王景瑞,闫好原,高承兵,宁宝山,杨巨海,杨晓宝. 连古城自然保护区不同群落物种多样性研究[J]. 中国农学通报, 2016, 32(30): 108-112.
[14]	任婕,陈传明. 福建武夷山自然保护区植被景观格局研究[J]. 中国农学通报, 2015, 31(22): 206-212.
[15]	陈政融,刘世增. 基于Pleiades-1高分辨率卫星影像的干旱沙区遥感影像分类——以甘肃民勤青土湖为例[J]. 中国农学通报, 2015, 31(20): 126-130.