共查询到17条相似文献，搜索用时 109 毫秒
1.
作为森林冠层结构的重要组成部分,树冠形状对冠层间隙率与聚集度指数的计算有重要影响。之前的研究通常将树冠假设为圆锥形、圆柱形、圆锥+圆柱形等形状计算了冠层间隙率与聚集度指数。然而,树冠生长受外部环境以及内部顶端优势等因素的影响,相较于上述理想化的树冠形状,半椭球形更符合树冠自然生长规律。事实上,半椭球形是一种十分常见的树冠形状。本文以树冠在空间呈泊松分布为前提,推导出半椭球形树冠的冠层间隙率与聚集度指数计算公式,并进一步扩展到双半椭球形树冠。同时,以半椭球形树冠为计算基准,对比分析了半椭球形树冠与其他树冠形状冠层间隙率与聚集度指数的相对差异。模拟计算中主要输入参数包括树冠密度、树冠高度、树冠半径以及叶面积指数等。最后通过虚拟场景对结果进行验证。结果表明：（1）半椭球形树冠与其他树冠形状的冠层间隙率有较大差异。随着观测天顶角增加,不同树冠形状与半椭球形树冠的冠层间隙率的相对差异也逐渐增大。当观测天顶角为70°时,圆锥形树冠与半椭球形树冠的冠层间隙率相对差异已接近100%。（2）树冠形状对聚集度指数同样有较明显影响。极端情况下,圆锥形树冠与半椭球形树冠的聚集度指数相对差异达到30%。（3）半椭球形树冠与其他树冠形状的半球空间聚集度指数期望值的差异不容忽视。 相似文献
2.
树冠形状对孔隙率及叶面积指数估算的影响分析 总被引：1，自引：1，他引：0
叶片在树冠尺度的聚集是森林场景中的重要聚集形式,模型中常假设树冠为规则的几何形体(椭球、圆锥、圆锥+圆柱等)。对树冠形状归属进行判断时界限并不明显,从而具有很强的主观性。本文首先扩展了Nilson的森林孔隙率模型,使其适用于椭球、圆锥、圆锥+圆柱等3种常见形状的树冠,并基于该模型分析了孔隙率、聚集指数对树冠形状的敏感性。同时,本文还分析了树冠形状对叶面积指数(LAI)地面间接测量精度的影响。基于不同形状树冠的模拟数据分析发现,树冠的体积、投影面积是树冠形状产生作用的主要因子,在冠层底部椭球形树冠和圆锥+圆柱形树冠的平均孔隙率、聚集指数都非常接近,而圆锥形树冠与两者存在较大差异。树冠形状的错误设置在极端情况下可导致估算的真实LAI误差超过25%。 相似文献
3.
分形维数法是分析空间结构分布的一种典型方法,但它对于区分不同的分布形式还存在缺陷。针对这一问题,该文介绍了空隙度指数的定义和树冠空隙度的计算方法;以模拟的树冠点云数据为对象,提出了一种基于三维凸包和三维滑动盒算法的激光雷达(Li DAR)点云数据空隙度分析方法,详尽分析了不同冠型产生的空隙度指数差异;并利用4棵实测的树冠点云数据做检验;最后阐述了空隙度指数在树冠空间异质性分析研究中的作用,并对其应用范围和前景作了展望。结果表明:划分尺度相同时,在一定的尺度范围内,锥型树冠、半球型和半椭球型树冠的差别可以通过空隙度指数曲线有效地区分,实测树冠的结果也体现了空隙度指数对于判断树冠空间结构的有效性。 相似文献
4.
叶面积指数LAI(Leaf Area Index)是表征植被冠层结构特征的一个重要参数，已经成为多个对地观测系统的陆表参数标准产品，也是定量遥感模型的重要输入参数。快速、准确地获取植被LAI对于开展遥感产品验证、促进遥感模型的发展具有极为重要的意义。随着传感器性能与应用软件功能扩展，智能手机已经成为植被LAI测量的新选择。然而，由于手机成像传感器窄视场角的限制，现有算法依赖于叶倾角分布函数为球型分布的假设，即G函数(单位叶面积在垂直于观测天顶角的平面上的投影)恒等于0.5。因而，传统算法无法解决植被叶倾角分布未知的情况。本文提出了一种基于形状匹配的G函数估算方法，基于有限长度方法和多幅影像间隙率，计算样方内的植被冠层聚集指数，利用泊松分布模型分别得到了植被冠层有效叶面积指数(LAIeff)和真实叶面积指数(LAItru)，并用黑龙江海伦农场两种农作物类型(玉米和大豆)的破坏性测量得到的时间序列真实LAI数据(LAIdes)对算法进行了验证。结果表明，算法改进之前的均方根误差(RMSE)分别是0.84(垂直拍摄)和1.33... 相似文献
5.
6.
建立适用于多类型植被场景的热辐射方向性模型是进行地表热辐射方向性研究的一种手段。利用真实植株几何及生理参数的统计平均值来刻画理念植株,并给定其空间分布特征,进行不同生长期植被冠层的描述。基于冠层双向孔隙率思想构建了冠层热辐射方向性3维模型,模型继承了孔隙率模型在计算冠层热辐射方向性上的简洁优势同时以几何光学的思想考虑了冠层空间异质性对冠层热辐射方向性的影响。以玉米冠层为例,进行了不同生长期玉米冠层热辐射方向亮温的模拟,通过与实地测量数据的比对表明,本文发展的模型能够较准确地模拟不同生长期玉米植被场景的方向亮温变化规律,模拟误差主要来自理念株的刻画误差、玉米叶片形状的近似以及忽略了多次散射贡献等3个方面。模型的构建方法对稀疏植被场景、浓密植被场景、多类型植被的混合场景均可适用,不同观测几何下的植被场景4组份面积比计算结果有望应用于复杂地表条件下地表返照率的研究。 相似文献
7.
叶面积指数（LAI）和叶倾角分布（LAD）是决定植被冠层结构的重要参数。在计算机模拟植被冠层,两个参数是植被三维真实结构生成的重要控制因子。本论文中,结合计算机图像学理论,基于实验的地面实测结构参数数据利用可改写的扩展L-system方法生成草以及白杨树的真实三维场景。RGM（A radiosity-graphics combined model）模型是基于辐射度方法的计算机模拟模型,利用此模型来计算生成的三维场景可见光及近红外波段的冠层辐射特性,如冠层波谱以及方向反射特性等。在本研究中,模拟了两种不同下垫面的白杨林地：（1）下垫面只有土壤的白杨树场景;（2）下垫面包括土壤和草的白杨树。在特定的场景组分光学特性下,模拟得到两种情况的主平面冠层BRF（bi-di-rectional reflectance factor）,并对两者的差异进行了分析。可以看出,下垫面对冠层BRF的影响不可忽视。但是,由于白杨林地结构的复杂,大尺度的场景中必须由成千上万个面元组成,因此辐射度方法不能模拟大尺度的真实结构场景。为了拓展辐射度方法应用范围,根据白杨树树冠的特点,将其抽象为椭球体,从而减少场景组成面元个数,满足了辐射度方法的要求。并结合几何光学模型的思想,在对椭球体面元赋值加入了间隙率;并考虑了整个树冠的承照面以及阴影面的差异,模拟大尺度林地冠层BRF,且与GOMS模型结果符合的很好。通过以上研究,可以看出计算机模拟为遥感研究获取多角度数据信息提供了一种很好的手段。 相似文献
8.
树冠叶面积体密度和叶面积指数的间接估值方法研究 总被引：1，自引：0，他引：1
本文论述了根据计算机断层成像的原理，对树冠的叶面积体密度和叶面积指数等构造参数进行间接估值的方法。说明了对树冠多角度底视数据的获取，对树冠外形的反投影重构，和获得冠层内叶面积体密度的空间分布的原理和方法。总结了测量工作经验，并用测量数据对估值方法进行了检验。 相似文献
9.
二向反射分布函数包含地表反射的方向性特征信息。研究二向反射分布函数BRDF(Bidirectional Reflectance Distribution Function)形状对植被结构参数的敏感性,有助于理解植被的二向性反射规律,进而反演植被参数。本文耦合双冠层反射率模型和核驱动的罗斯厚核-李氏稀疏互易核模型,利用EFAST全局敏感性分析方法,以各向异性平整指数为BRDF形状变化的衡量指标,研究了不同天空光比例(SKYL)下,各向异性平整指数AFX对植被参数敏感度的变化,以及SKYL=0.1时AFX的敏感性。结果表明:(1)在红波段,上、下层叶面积指数、上层叶绿素含量,以及上层叶倾角分布是AFX的敏感参数,在近红外波段,上、下层叶面积指数LAI是AFX的敏感参数。(2)冠层尺度上的参数敏感度总体大于叶片尺度。(3)晴天时(SKYL=0.1),红波段主敏感度较大的参数分别是上层LAI、上层叶倾角分布和下层叶片结构参数,近红外波段主敏感度较大的参数主要是上、下层LAI。 相似文献
10.
该文用几何光学与辐射传输混合模型研究不连续植被冠层的几何光学反射模型的四分量（承照树冠、承照地面、阴影树冠、阴影地面）的参数化。用一个修正的均匀介质层路径散射（反射与传输）参数的解析算法估计路径散射参数（反射与传输），其中也考虑了冠层间隙的影响。光谱分量特征是不连续植被冠层的传输与反射，背景反照率，以直射光通量与天空漫射光通量比例的函数。光谱分量特征的模型与在美国缅因州Ｈｏｌａｎｄ采集的针叶林数据吻合。基于ＬｉＳｔｒａｈｌｅｒ几何光学相互遮蔽模型，用参数化的光谱分量特征对老松林和老云杉林的方向反射进行估计，其结果与在不同太阳与观测方向上的ＰＡＲＡＢＯＬＡ测量值匹配得很好。 相似文献
11.
用地基激光雷达提取单木结构参数——以白皮松为例 总被引：6，自引：1，他引：5
以白皮松(Pinus bungeana Zucc)为研究对象,针对地基激光雷达TLS扫描的3维点云数据在单株木垂直方向的分布特征,提出了一种基于体元化方法的树干覆盖度变化检测方法,获取单木枝下高;然后根据获取的枝下高引入2维凸包算法获取垂直方向分层树冠轮廓,并计算树冠体积和冠幅;同时获取的单木参数还有胸径与树高。结果表明:单木枝下高的估测精度较高,R2与RMSE分别为0.97 m和0.21 m;胸径估测结果的R2与RMSE分别为0.79 cm和1.07 cm;采用逐步线性回归方法建立单木树冠体积与其他单木参数的相关关系,模型变量包括冠幅、叶子填充树冠长度和胸径,样本数为20,模型的R2与RMSE分别是0.967 m3和2.64 m3。本文方法能较准确地估测枝下高,TLS数据具有对树冠结构3维建模的潜力。 相似文献
12.
An improved tree crown delineation method based on live crown ratios from airborne LiDAR data 总被引：2，自引：0，他引：2
Individual tree crowns are one of the basic forest inventory data, which can be used in various forest-related studies such as biomass and carbon stock estimation. High-resolution remote-sensing data including airborne LiDAR-derived surfaces have been widely used for delineating tree crowns. This study proposes an improved tree crown delineation algorithm that can be effectively applied to a range of forests with a limited number of parameters considering its operational use with airborne LiDAR data. The proposed algorithm integrates morphological operators, Otsu’s method, marker-controlled watershed segmentation, and the concept of crown ratios. The proposed algorithm was compared with the region growing method, a widely used tree crown delineation algorithm. The two algorithms were evaluated over 10 plots in rugged terrain located in Kangwon Province in South Korea. Results show that the proposed approach produced much better performance (~87% matched on average) for 10 plots with a range of tree densities than the region growing method (~60% matched on average). The proposed algorithm worked better for sparse plots than dense ones. It also worked well for deciduous plots (plots 1 and 4). On the other hand, the region growing method produced relatively low accuracy with many merged crowns, which requires additional postprocessing such as a resplit step. 相似文献
13.
以位于三峡库区的龙门河森林自然保护区为研究区,综合利用线性光谱混合模型和几何光学模型,基于高光谱遥感数据提取森林结构参数是本文研究的重点。在研究区地面调查数据的基础上,通过高光谱数据和混合光谱分解法,获得反演几何光学模型所需的四分量参数,根据背景光照分量与森林植被冠层各参数间的关系,反演得到森林冠层郁闭度及平均冠幅的定量分布图,并利用37个野外实测样本进行结果验证。 相似文献
14.
无人机航测技术在森林蓄积量估测中的应用 总被引：5，自引：0，他引：5
无人机（UAV）航测技术是近年来发展起来的快速获取高分辨率影像的测绘新技术。森林蓄积量估算需要快速高效地获取森林遥感影像。虽然利用卫星和机载雷达同样可获取高分辨率遥感影像,但无人机航测技术与其相比具有飞行成本低、外业周期短、机动灵活等优点。本文利用无人机航测系统获取了案例地区DSM和DEM,采用最大邻域法提取了树高,采用分水岭算法分割了树冠信息,并以树高和冠幅作为解释变量的立木材积二元模型估算了森林蓄积量。结果表明,树高提取精度为83.73%,冠幅提取精度为86.98%,林分蓄积量估算精度为81.80%。 相似文献
15.
16.
17.
Tree species composition of forest stand is an important indicator of forest inventory attributes for assessing ecosystem health, understanding successional processes, and digitally displaying forest biodiversity. In this study, we acquired high spatial resolution multispectral and RGB imagery over a subtropical natural forest in southwest China using a fixed-wing UAV system. Digital aerial photogrammetric (DAP) technique was used to generate multi-spectral and RGB derived point clouds, upon which individual tree crown (ITC) delineation algorithms and a machine learning classifier were used to identify dominant tree species. To do so, the structure-from-motion method was used to generate RGB imagery-based DAP point clouds. Then, three ITC delineation algorithms (i.e., point cloud segmentation (PCS), image-based multiresolution segmentation (IMRS), and advanced multiresolution segmentation (AMRS)) were used and assessed for ITC detection. Finally, tree-level metrics (i.e., multispectral, texture and point cloud metrics) were used as metrics in the random forest classifier used to classify eight dominant tree species. Results indicated that the accuracy of the AMRS ITC segmentation was highest (F1-score = 82.5 %), followed by the segmentation using PCS (F1-score = 79.6 %), the IMRS exhibited the lowest accuracy (F1-score = 78.6 %); forest types classification (coniferous and deciduous) had a higher accuracy than the classification of all eight tree species, and the combination of spectral, texture and structural metrics had the highest classification accuracy (overall accuracy = 80.20 %). In the classification of both eight tree species and two forest types, the classification accuracies were lowest when only using spectral metrics, indicated that the texture metrics and point cloud structural metrics had a positive impact on the classification (the overall accuracy and kappa accuracy increased by 1.49–4.46 % and 2.86–6.84 %, respectively). 相似文献