影像采集参数对无人机遥感估测树高精度的影响

以福州大学旗山校区为研究区,采集不同地面分辨率/航向/旁向重叠率无人机影像（5 cm/90%/80%、10 cm/90%/80%、5 cm/65%/60%）,并实测树高及冠幅. 无人机影像经处理生成正射影像和三维点云;然后评价数字高程模型(DEM）的精度,并采用基于点云的局部最大值法提取树高;最后比较不同影像重叠率及地面分辨率下的树高估测精度. 实验结果表明： 较小的地面分辨率及较大的重叠率下的采集参数不仅生成的点云密度较高,重建更为完整,单木检测的F测度及树高估测精度更高,尤其是对于高度和冠幅较小的梧桐,而当林下无灌木丛时有助于减小DEM误差.     

结合树冠体积的油茶树高与产量估测研究

【目的】以长沙县明月村油茶林基地为研究区,探讨利用无人机倾斜摄影提取树冠体积进行油茶树高和产量估测的可行性。【方法】基于无人机正射影像和密集匹配点云,提取波段反射率、植被指数、纹理因子、高度特征等遥感变量和冠幅等冠层参数,同时利用克里金法、反距离权重法、自然邻近点法和过滤三角网法分别获取油茶树冠体积,建立多元线性回归、随机森林、K最邻近模型估测油茶树高和产量,并以地面三维激光点云获取的树冠体积、样地实测树高和产量作为实测值分别对估测结果进行精度评价。【结果】过滤三角网是获取油茶树冠体积最有效的方法,其平均相对误差(31.54%)优于反距离权重法(36.73%)、克里金法(37.04%)和自然邻近点法(38.54%)。将树冠体积作为特征变量参与建模后,树高和产量的多元线性回归、随机森林、K最邻近模型的精度均有所提升(树高相对均方根误差分别减小了3.77%、0.78%、0.64%,产量相对均方根误差分别减小了1.32%、0.34%、0.16%)。对比3种估测模型,随机森林模型的决定系数均优于多元线性回归和K最邻近(树高决定系数分别为0.78、0.51和0.19,产量决定系数分别为0.61、0.48和0.24)。研究发现,分别使用估测树高和实测树高参与产量建模的精度无明显差异。【结论】结合树冠体积和树高参与建模可有效提高油茶产量估测精度,研究结果可为区域范围内利用无人机遥感技术开展油茶树高和产量调查提供参考。     

多时段不同定位精度的无人机影像点云的对比分析

利用两个不同地形特征的实验区(平地和山地),使用大疆精灵4 RTK设计实施多种无人机影像采集和处理方案(3个时段、使用或关闭集成的RTK功能、数据处理时是否引入地面控制点),两个区域共采集12个架次的无人机影像,生成24个不同类别的影像点云模型.比较、验证不同条件下无人机影像点云模型的精度,评价不同方案的精度差异.结果显示,无人机能在一定程度上仅凭借集成的RTK功能实现免像控采集高精度数据,但仍然建议同时使用RTK模块采集数据,并引入少量地面控制点进行数据处理,此时获取的数据精度最好;中午时段的影像数据质量最佳,成果精度最高,两个实验区中午时段垂直方向最小平均差可达0.01～0.02 m,其他时段结果次之;地表特征对影像点云模型精度也有影响,地势平坦、地表特征丰富有利于模型重建,提高模型质量.     

基于无人机LiDAR的单木生物量估测

单木生物量是遥感反演大尺度森林生物量的基础,为提高森林单木生物量估测精度和效率,利用无人机LiDAR点云精确估算桉树、马尾松的单木生物量。首先通过优化算法,提取树高和冠幅,然后采用改进的凸包算法计算树冠面积与体积,把单木结构参数引入CAR模型,构建单木生物量估测模型,并与线性模型进行比较。结果表明：（1）桉树样地树高、冠幅相关性系数R2分别为0.92、0.72;马尾松样地相关性系数R2分别为0.94、0.78,算法提取的树木参数与实测数据相关性较好。（2）改进的CAR模型的精度优于线性模型,桉树和马尾松样地R2分别为0.821、0.830,RMSE分别为17.731、19.149 kg/株。（3）CAR模型引入冠幅面积、体积等树冠因子的生物量模型拟合度更好、精度更高,其中桉树、马尾松样地R2提高了0.102、0.115,RMSE下降了4.484、5.683 kg/株。利用无人机LiDAR数据提取单木结构参数进行生物量估测可取得很好拟合优度和精度。     

基于无人机影像的露天矿工程量监测分析方法

提出了一种基于无人机影像序列的露天矿工程量(采剥量、堆放量等)计算方法.该方法利用旋翼无人机搭载低成本便携式数码摄像机获取露天矿山不同时间的视频帧或影像序列.基于运动恢复结构(Sf M)和多目立体视觉(PMVS)算法,自动生成矿山完整、致密的三维点云.研究设计了一种基于形态不变区的点云配准方法进行两期点云空间配准,并采用DTM三角网差值法计算矿山工程量.矿堆体积变化无人机监测实验结果表明,该方法重建点云模型的点间相对误差小于±1%,堆放体积变化监测精度接近92%,基本达到地面Li DAR扫描的堆放体积变化监测精度.     

无人机遥感估算绿化园林三维绿量——以福州大学旗山校区为例

针对传统的三维绿量估算方法存在耗时费力的缺点,提出利用可见光无人机影像快速估算绿化树木三维量的方法.首先获取高于10cm分辨率的无人机可见光遥感影像;其次结合可见光波段的光谱特征与无人机数据点云的高程特征获得研究区的冠层高度模型;再次通过局部最大值算法与标记控制分水岭算法提取单木树高、株数以及冠径参数,通过野外实测数据构建“树高-冠高”关系模型得到冠高;最后结合树种分布情况,按照不同的树冠形状构建三维绿量估算模型.     

无人机与三维激光扫描融合的拱桥三维重建

针对单一无人机影像在复杂拱桥建模精度和完整度方面的不足,提出一种将三维激光扫描数据与无人机航空影像融合的拱桥精细化建模方法。首先以无人机低空区域环绕航摄及近景摄影获取拱桥主体及细部高质量纹理数据;然后通过增加连接影像将无人机主体及细部影像数据融合并生成高精度拱桥主体上部点云数据;最后将三维激光扫描仪采集所得拱桥桥体下部多站点云数据经坐标转换、配准实现与拱桥上部高精度点云融合从而生成拱桥完整的精细化实景三维模型。通过与单一无人机影像建模结果进行精度对比分析和纹理完整性评价以此验证本文建模方法的有效性。结果表明：该方法可重建几何精度高、完整性好、纹理真实的拱桥实景三维模型,并为类似底部脱空建筑的数据采集方法提供参考,具有较好的工程应用价值。     

基于无人机激光雷达的不同种类红树林单木分割

红树林是生长在热带和亚热带海岸线上的典型潮间带植物,气候变化、自然灾害和人为干扰的影响下退化严重,加强红树林监测是有效保护红树林的重要工作。本文选取广东雷州市东海岸红树林示范区为研究区域,通过样地无人机激光雷达(LiDAR)高密度点云数据以及样方实测数据搭建红树林结构参数反演模型,提取不同红树林种类样方的单木结构参数并检验红树林点云分割精度,依据精度检验指标与偏差度量指标验证单木反演参数精度并分析原因。结果表明(1)基于分水岭算法对不同种类红树林实地样方进行单木树高提取,其中无瓣海桑的整体分割效果最好。单木树高参数精度分析与拟合验证,无瓣海桑结果最优,其次为秋茄,白骨壤精度最低。(2)通过估测单木冠幅反演值与样地实测值的偏差以及偏离比例,发现红树林单木冠幅参数整体反演效果较差,识别精度最高的还是无瓣海桑。(3)单木树高的识别效果整体优于单木冠幅,整体分割结果为无瓣海桑最高,其次为秋茄,白骨壤最低。使用无人机激光雷达技术可以有效提取红树林结构参数,替代传统的红树林人工测量方法,为红树林资源动态变化监测及保护提供高精度基础数据。     

基于无人机影像的泥石流流域精细化地形建模方法

针对高原山区地形复杂、精细化地形建模效率低等问题,引入无人机低空遥感技术,通过分析无人机摄影测量基本原理,建立了一套适用于高原山区泥石流流域精细化地形建模的方法与技术体系,包括高分辨率影像获取、影像质量控制、影像增强与掩膜处理、空中三角测量、高精度数字高程模型(DEM)和数字正射影像(DOM)的构建等。应用该方法对云南省小江流域蒋家沟泥石流流域进行地形建模与验证分析,结果表明,获取的0.14 m空间分辨率无人机影像,经过数字摄影测量处理,可以生成0.547 m精度的DOM,0.684 m精度的点云数据以及数字三维模型,可为泥石流灾害的定量评估与风险防控提供精细化地形数据支持和技术保障。     

基于无人机和SfM的地貌数据采集精度影响研究

无人机低空摄影测量与SfM方法作为最新的地貌信息测量手段,受到了越来越多的关注,已经应用于多个研究领域.本文基于无人机摄影测量与SfM技术,应用大疆悟二飞行器、禅思X5S云台相机、Agisoft PhotoScan软件,研究了拍摄高度、拍摄角度和照片重叠度对地貌数据的测量精度,以及对区域三维重建模型效果与生成时间的影响.结果表明:拍摄高度越低,照片重叠度越高,测量结果精度越高.当拍摄高度200m,单点重复次数8.0时,测量结果的空间分辨率4.1cm,水平误差和垂直误差在25cm以内.拍摄角度对结果的水平精度和垂直精度呈现出不同的影响,拍摄角度越垂直于地面,测量结果的水平误差越小,垂直误差越大,反之亦反.另外,在三维模型重建中,拍摄角度越倾斜,模型的侧面纹理越完整清晰,反之模型的侧面纹理越不完整甚至缺失.此外,测量精度与测量的内外业工作量及三维模型的可视化效率之间存在制约,因此需根据具体的需求设计相应的测量方案.本文的研究成果可以为基于无人机与SfM方法的地貌数据采集与三维重建的精度控制和采集方案设置提供定量参考.     

基于ULS、TLS和超声测高仪的天然次生林中不同林冠层树高估测

【目的】应用不同数据源分析不同林冠层中探测提取树高的异同,探索适用于中国北方天然次生林树高估测的方法。【方法】以东北林业大学帽儿山实验林场中林施业区0.25 hm²样地为研究区域,基于无人机激光雷达(unmanned aerial vehicle laser scanning, ULS)、地基激光雷达(terrestrial laser scanning,TLS)和Vertex IV超声测高仪实测单木树高,根据冠层高度分布(canopy height distribution, CHD)对林冠层进行分层,对不同林冠层(上层和下层)、不同树木类型(针叶树和阔叶树)探测提取的树高进行对比与分析。【结果】由CHD计算得到的冠层分层阈值为8.5 m。树高的离群值大多产生在林冠上层,阔叶树比针叶树更容易产生离群值,ULS比TLS更容易产生离群值。在林冠上层,ULS比TLS估测树高的相对均方根误差(rRMSE)低2.56%,ULS提取针叶树树高的rRMSE比阔叶树低2.68%;在林冠下层,ULS仅能探测到少量树木,ULS比TLS探测提取树高的 rRMSE高6.31%,TLS提取针叶树树高的rRMSE比阔叶树低1.16%。【结论】针叶树的树高估测精度普遍高于阔叶树;当TLS和ULS均能对单木进行完全扫描时,具有准确提取树高的潜力;树高离群值多由冠型不规则或相互交叉的阔叶树产生,而大部分针叶树,由于具有规则的冠型,所以产生的离群值较少;基于CHD对林冠层进行划分能够较好地反映不同数据源估测树高的适用范围,具有一定的推广意义。     

基于无人机遥感的绿化园林三维绿量估算与分析——以福州大学校区为例

三维绿量能够从立体空间上描述城市绿地的空间分布和定量评价城市绿化的环境效益。本文以福州大学为研究区，探讨了利用可见光无人机影像估算绿化树木三维绿量的方法，并对校园生态效益进行定量分析。首先获取高于10cm分辨率的无人机可见光遥感影像；其次结合可见光波段的光谱特征与无人机数据点云的高程特征获得研究区的冠层高度模型；然后通过局部最大值算法与标记控制分水岭算法提取单木树高、株数以及冠径参数，通过野外实测数据构建“树高-冠高”关系模型得到冠高；最后结合树种分布情况，按照不同的树冠形状构建三维绿量估算模型，并基于三维绿量估算校园不同树种的生态效益。结果表明：研究区内三维绿量总量达到了804405m3，其中休闲区的三维绿量总量为428566m3，占总绿量的53.3%，而科技园区的三维绿量总量为26568m3，仅占总绿量的3.3%；而常见树种中，三维绿量贡献最大的为榕树，达到404405m3，占三维绿量总量的50.3%，而丹桂贡献的三维绿量仅为509m3，占总绿量的0.063%。研究认为：基于无人机遥感数据，能够较好的估算出研究区内绿化树木的三维绿量。     

基于非参数分类算法和多源遥感数据的单木树种分类

【目的】通过研究随机森林(random forest, RF)特征筛选对单木树种分类精度的影响,以及多源遥感数据协同下单木树种分类的有效性,分析不同特征对单木树种分类的影响程度。【方法】以东北林业大学帽儿山实验林场中林施业区的两块100 m×100 m样地为研究对象,首先,以机载激光雷达(LiDAR,light detection and ranging)和多光谱遥感CCD(charge coupled device)影像为数据源,分别基于机载LiDAR数据提取高度、强度和树冠大小等共37个特征,基于CCD影像提取光谱和纹理共21个特征;其次,以随机森林方法进行特征筛选,之后以随机森林和支持向量机(support vector machine, SVM)两种非参数分类器,结合不同数据源和特征,采用12种分类方案,利用总体精度(overall accuracy, OA)、用户精度(user’s accuracy, UA)和生产者精度(producer’s accuracy, PA)对分类结果进行对比与精度评价。【结果】经随机森林特征筛选后,分类结果优于未进行特征筛选的结果,总体精度可以平均提高3.47%,使用机载LiDAR和CCD影像协同分类相较于仅使用CCD影像总体精度平均提高6.07%。【结论】随机森林特征筛选可以优化特征,减少特征冗余,提高分类精度;多源数据结合也可以提高分类精度;在多源数据结合时,光谱特征最重要,LiDAR提取的强度特征相较于高度特征更稳定。     

基于TLS数据的杨树削度方程建立及材积估算

【目的】削度方程可以很好地描述树干直径随树高变化的情况,基于地基激光雷达(terrestrial laser scanner, TLS)的高精度三维点云数据建立准确的削度方程并进行立木材积估算,对活立木尺度的材积估计具有重要意义。【方法】以江苏省黄海海滨国家森林公园杨树人工林为研究对象,获取4块样地的TLS点云数据,通过MATLAB 2020a软件计算点云平坦度和法向量以提取单木主干,采用圆拟合方法进行不同高度处的直径拟合,利用32株样木的数据,选取6种削度模型进行建模,得到杨树树干削度方程最优拟合模型,并进行材积估算。【结果】利用TLS数据提取的胸径能替代实测胸径,其平均误差小于0.90 cm。通过对6种模型的拟合优度检验,Schumacher and Hall模型为该地区杨树削度方程最优拟合模型,模型的决定系数R²=0.984,均方根误差为1.00 cm,相对百分误差为2.79%,平均预估误差为0.271%。利用Schumacher and Hall 削度方程最优拟合模型进行活立木材积的估算,经与二元材积方程估计结果进行对比,其相对差异为3.34%,二者在统计上无显著差异。【结论】该方法可以减少地面调查对树木造成的永久性破坏,为人工林的蓄积量调查提供有效的技术支持。     

基于无人机激光雷达技术的开采沉陷监测方法与参数反演

矿区开采沉陷监测与预测对于煤炭安全生产来说至关重要,目前煤矿地表沉陷监测的主流手段均有一定的局限性,存在精度与效率不能兼得的问题。利用无人机激光雷达（UAV LiDAR）技术可以实现矿区地表三维点云的快速获取,建立多期数字高程模型（DEM）,两期DEM相减即可得到沉陷盆地,具有高效高精的特点。本文对无人机激光雷达地表沉陷监测的原理流程和概率积分预计参数动态反演方法进行了分析讨论,以内蒙古唐家会煤矿为例,设计了无人机激光雷达飞行方案,采集了两期激光点云数据,并对实测数据进行了组合解算、融合、滤波,建立两期DEM,求取了观测时间段内的地表下沉盆地,并进行了全盆地动态反演,得到测区概率积分预计参数。实验结果DEM精度分别为0.034mm和0.037mm;下沉盆地精度为0.050mm,结果对于煤矿开采沉陷监测与预测来说是相对可靠的,为无人机激光雷达应用于地表监测提供了案例。     

激光雷达GLAS与ETM联合反演森林地上生物量研究

在实现大脚印激光雷达GLAS森林冠顶高度反演算法基础上, 建立了复杂地形条件下森林地上生物量神经网络反演模型, 制作了研究区森林地上生物量分布图。总体上, 激光雷达GLAS森林冠顶高度和地上生物量估算精度较高。森林冠顶高度针叶林精度最好(R²=0.692); 阔叶林次之(R²=0.5062); 地上生物量反演结 果与实测结果十分接近, 在空间分布上与土地覆盖分布特征非常一致。