一种基于落叶林无叶阴影的单木参数提取方法及系统

摘要: 本发明属于森林资源遥感调查,具体涉及一种基于落叶林无叶阴影的单木参数提取方法及系统。背景技术:1、森林资源调查是掌握森林数量、质量及分布状况的基础性工作,对于生...
一种基于落叶林无叶阴影的单木参数提取方法及系统

本发明属于森林资源遥感调查,具体涉及一种基于落叶林无叶阴影的单木参数提取方法及系统。

背景技术:

1、森林资源调查是掌握森林数量、质量及分布状况的基础性工作,对于生态系统服务评估、碳汇计量和森林可持续经营具有重要意义。传统的森林资源地面调查方法通常依赖gps/rtk进行单木定位,使用胸径尺测量树干胸径(1.3米高处直径)。这类方法虽然数据准确可靠,常作为其他遥感技术的验证基准,但其局限性也十分突出:一是成本高昂,每公顷调查费用可达数百至上千元,且需要大量专业技术人员;二是效率低下,一个三人小组每日仅能完成数公顷样地调查;三是调查范围有限,难以在大区域尺度上开展全覆盖、高频次的森林资源动态监测,尤其在地形复杂、交通不便的山区,地面调查几乎难以实施。

2、为克服地面调查的不足,近年来激光雷达(lidar)和无人机摄影测量遥感技术被广泛用于单木参数提取。激光雷达通过主动发射和回收激光脉冲信号,能够穿透冠层获取林下地形及树干结构信息,在单木位置提取方面表现出较高精度。然而,激光雷达设备昂贵(机载lidar系统成本通常在数百万元以上),数据存储与处理计算量大,且在高郁闭度茂密森林中,有限的激光点云仍难以完整恢复树干下部形态;此外,lidar对阔叶林的胸径等参数估测精度仍不理想。无人机摄影测量遥感则具有成本低、使用灵活、数据采集方便、空间分辨率高等优点,其基本假设是“山形”冠层结构——即影像中树冠顶点最亮最高,四周亮度逐渐递减形成暗谷,从而分割单木。但该方法对阔叶林效果较差,主要原因是阔叶树枝条相互交叉、一树多顶点现象普遍,且林冠层以下的下木层单木因冠层遮挡而无法被探测。更关键的是,摄影测量依赖可见光,难以穿透茂密冠层到达林下,因此无法直接获取树干胸径等关键参数,只能通过冠幅间接建模,导致误差传递和模型稳定性下降。

3、落叶林(包括温带落叶阔叶林及部分落叶针叶林)约占全球森林面积的四分之一。在无叶期(即落叶期),树木冠层稀疏甚至完全脱落,阳光能够直接穿透冠层照射到地表,树干在地面形成清晰、连续的阴影。从几何光学的基本原理出发,阴影本质上是树木三维形态在二维平面上的降维表达:树干的位置、数量、胸径等信息,均在一定程度上编码于阴影的形状、宽度及朝向之中。例如,单木树干阴影的矢量轮廓数量直接反映了单木的数量;树干阴影上距离太阳方向最近的端点即为树干基部的位置;树干在1.3米高度处的阴影宽度,经比例系数校正后可反映胸径。理论上,通过建立阴影几何参数与单木结构参数之间的数学关系,可以从无叶期遥感影像中反演单木的多项关键参数。

4、然而,尽管个别研究曾尝试利用阴影宽度估算胸径,但截至目前,学术界尚未系统建立从落叶林无叶期阴影几何特征反演单木参数(数量、位置、胸径)的完整数学模型。现有研究多为零散的、经验性的统计关系,缺乏基于几何光学的严密理论推导。与此同时,在实际遥感影像中,树干阴影常常与林下枯草阴影、地形阴影、岩石阴影等混合在一起,导致阴影分离困难。这一问题是图像处理与模式识别领域面临的普遍挑战,属于工程优化范畴,并不影响阴影与单木结构之间基本几何关系的理论成立。换言之,只要能够通过某种技术手段(如多角度遥感、深度学习分割、形态学滤波、面向对象分类等)从影像中准确分离出单木树干阴影,即可基于阴影的几何参数计算单木的数量、位置及胸径。

5、因此,亟需一套系统、严密的基于阴影几何光学的单木参数理论估算方法,明确树干阴影各几何要素(阴影数量、阴影端点位置、阴影宽度等)与单木参数(数量、位置、胸径)之间的定量数学关系,为后续各类阴影分离技术的应用提供统一的计算依据。该理论方法的建立,将填补落叶林区低成本、大范围单木尺度资源调查的理论空白,为发展基于可见光遥感的森林资源调查新体系奠定基础。

技术实现思路

1、针对现有技术中存在的上述不足之处,本发明提供了一种基于落叶林无叶阴影的单木参数提取方法及系统,用于解决现有森林资源调查方法成本高、效率低以及可见光遥感难以穿透冠层获取林下树干结构参数的问题。

2、为了解决上述技术问题,本发明采用了如下技术方案:

3、本发明的目的之一在于提供一种基于落叶林无叶阴影的单木参数提取方法,利用落叶林无叶期树干阴影几何特征低成本、大范围提取单木数量、位置及胸径参数。

4、为了实现上述目的,本发明的技术方案为:

5、一种基于落叶林无叶阴影的单木参数提取方法,包括以下步骤:

6、s1、获取目标落叶林区域在无叶期的无人机遥感影像,并获取影像拍摄时刻的太阳高度角和太阳方位角;

7、s2、从所述无人机遥感影像中提取单木树干阴影的矢量轮廓;

8、s3、基于所述太阳方位角,在所述树干阴影的矢量轮廓上确定近太阳端点,并将所述近太阳端点在地面上的投影坐标作为单木树干基部的位置坐标;

9、s4、统计提取出的单木树干阴影矢量轮廓的数量,作为目标区域内的单木数量;

10、s5、在所述树干阴影的矢量轮廓上,确定对应实际树干高度1.3米处的阴影测量点,测量该点处阴影边界之间的宽度,并根据预设的转换关系计算得到单木的胸径。

11、进一步优化设计,在步骤s1中,所述获取目标落叶林区域在无叶期的无人机遥感影像,具体包括:

12、控制无人机平台在飞行高度50米至150米之间,搭载可见光相机获取空间分辨率优于0.1米的遥感影像;

13、所述影像覆盖区域无雪覆盖且天气晴朗,树干阴影清晰可辨;

14、对获取的遥感影像进行几何校正和辐射定标预处理,转换为具有地理坐标的正射影像。

15、进一步优化设计,在步骤s1中,所述太阳高度角和所述太阳方位角的获取方式为:

16、根据无人机航拍的年月日时及目标区域的地理坐标,通过天文公式计算得到。

17、进一步优化设计,在步骤s2中,所述从所述无人机遥感影像中提取单木树干阴影的矢量轮廓,包括:

18、采用人工目视解译、阈值分割、面向对象分类或深度学习语义分割中的至少一种方法,从影像背景中分离出树干阴影区域;

19、对分离出的树干阴影区域进行形态学处理及矢量转换,得到单木树干阴影的矢量轮廓。

20、进一步优化设计,在步骤s3中,所述基于所述太阳方位角,在所述树干阴影的矢量轮廓上确定近太阳端点,具体包括:

21、在所述树干阴影的矢量轮廓线上,沿所述太阳方位角的反方向,寻找距离最小的端点;将所述距离最小的端点定义为近太阳端点。

22、进一步优化设计,在步骤s5中,所述测量该点处阴影边界之间的宽度,并根据预设的转换关系计算得到单木的胸径,具体包括:

23、从所述近太阳端点沿树干阴影的中心线方向,量取预设距离以确定所述阴影测量点;

24、过所述阴影测量点作垂直于所述树干阴影中心线的横截线,测量所述横截线与阴影边界相交两点之间的宽度,记为阴影宽度;

25、利用公式: 计算得到胸径,其中,为胸径,为阴影宽度,为基于区域实测数据标定的比例系数。

26、进一步优化设计,还包括步骤s6:

27、基于所述树干阴影的长度和所述太阳高度角,利用三角函数关系计算树高。

28、进一步优化设计,还包括步骤s7:

29、基于所述树干阴影的投影面积,结合预设的立面面积转换系数,计算单木的立面面积。

30、进一步优化设计,还包括步骤s8:

31、基于所述立面面积和预设的材积转换模型,通过微分积分方法计算单木的材积及地上生物量。

32、本发明的目的之二在于提供一种基于落叶林无叶阴影的单木参数提取系统,用于在计算机上运行上述基于落叶林无叶阴影的单木参数提取方法。

33、为了实现上述目的,本发明的技术方案为:

34、一种基于落叶林无叶阴影的单木参数提取系统,包括:

35、影像获取模块,用于获取目标落叶林区域在无叶期的无人机遥感影像,并获取所述影像拍摄时刻的太阳高度角和太阳方位角;

36、阴影提取模块,用于从所述无人机遥感影像中提取单木树干阴影的矢量轮廓;

37、定位统计模块,用于基于所述太阳方位角,在所述树干阴影的矢量轮廓上确定近太阳端点,并将所述近太阳端点的地面投影坐标作为单木树干基部的位置坐标;同时统计提取出的单木树干阴影矢量轮廓的数量,作为目标区域内的单木数量;

38、参数计算模块,用于在所述树干阴影的矢量轮廓上,确定对应实际树干高度1.3米处的阴影测量点,测量该点处阴影边界之间的宽度,并根据预设的转换关系计算得到单木的胸径。

39、本发明与现有技术相比,具有如下有益效果:

40、1.本发明最大的突破在于首次系统性地建立了落叶林无叶期树干阴影几何特征与单木结构参数之间的严密数学关系。长期以来,学术界对于利用阴影反演单木参数多停留在零散的经验统计层面,缺乏统一的理论支撑。本技术基于太阳目标传感器的平行光投影几何原理,从物理本质上推导出了单木数量、位置及胸径与阴影轮廓数量、近太阳端点坐标及特定高度阴影宽度之间的定量转换公式。这种基于几何光学的推导并非简单的数据拟合,而是具有严密物理意义的逻辑映射,彻底改变了以往依赖经验模型的粗放模式,填补了利用阴影反演单木结构参数的理论空白,为后续研究提供了可解释、可复现的理论基准。

41、2.针对传统可见光遥感难以穿透茂密冠层获取林下树干信息的技术痛点,本发明巧妙地利用了落叶林无叶期冠层稀疏、阳光直射地表的自然窗口期。通过捕捉树干在地面投下的清晰阴影,本技术间接实现了对林下树干结构的探测,成功获取了传统摄影测量无法触及的胸径等关键参数。与此同时,该方法仅需常规无人机搭载可见光相机即可作业,完全摒弃了高昂的激光雷达(lidar)设备。这一转变不仅大幅降低了森林资源调查的设备采购与维护成本,还显著提升了数据采集的灵活性与效率,为在大区域尺度上开展高频次、全覆盖的森林资源监测提供了极具性价比的技术路径。

42、3.本发明在技术架构上实现了理论计算与工程实现的解耦,展现出极强的工程兼容性。一方面,本发明明确不限定树干阴影的具体提取算法,无论是传统的人工目视解译、阈值分割,还是前沿的深度语义分割、多角度遥感融合技术,均可作为输入端;另一方面,只要能够从影像中分离出树干阴影矢量,即可直接套用本技术提供的统一计算模型进行参数反演。这种设计不仅降低了技术应用的门槛,更为各类阴影分离算法的优化与迭代提供了通用的验证基准。在实际应用中,林业技术人员可根据影像质量与地物复杂程度,灵活选择最适合的阴影提取手段,从而在保证计算逻辑一致性的前提下,最大化提升复杂林地环境下的提取精度。