基于UAV可见光遥感的单木冠幅提取研究

摘要

为优选出云南松单木树冠的提取方法,以无人机获取的典型天然云南松纯林可见光影像为基础数据源,采用多尺度分割、标记分水岭分割和基于均值漂移的超像素分割3种方法,提取单木长冠幅、短冠幅及树冠面积,与地面实测数据对比,分析不同分割方法对单木冠幅信息提取精度的影响。结果显示:在单木尺度和样地尺度上,单木分割效果最优者均为标记分水岭算法,其准确率分别为82.23%和83.86%;基于均值漂移的超像素分割效果次之,其准确率分别为77.17%和77.11%;多尺度分割效果最差,其准确率分别为66.45%和67.66%。在单木尺度上,标记分水岭算法提取的单木冠幅信息精度最高,长冠幅、短冠幅和树冠面积提取的R^(2)分别为0.84、0.71、0.94,平均相对误差分别为9.20%、8.28%、14.05%。在样地尺度上,标记分水岭的单木树冠面积提取精度最高,平均相对误差为20.57%。对于重叠、粘连的树冠,标记分水岭算法能有效解决单木分割中合并和过度分割的问题,且能够精确提取单木冠幅信息。