塔里木河流域胡杨树冠信息提取和计数研究
文献类型：学位论文
| 作者 | 李越帅 |
| 答辩日期 | 2019-06-30 |
| 文献子类 | 硕士 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 北京 |
| 导师 | 郑宏伟 |
| 关键词 | 无人机影像 胡杨 树冠 深度学习 分水岭分割 计数 UAV image Populus euphratica Cown Deep learning Wtershed Sgmentation Counting |
| 学位专业 | 理学硕士 |
| 其他题名 | Extraction and Counting of Poplar Canopy Based on the Combination of Deep Learning and the Watershed Method |
| 英文摘要 | 森林生态系统不仅为人类提供了宝贵的物质和精神财富， 而且与人类命运息息相关， 森林生态系统的稳定是确保该区域生物多样性的前提和关键。 新疆处于内陆干旱区，其森林生态系统稳定性差，很容易遭到破坏。 塔里木河流域的胡杨林是该荒漠地区弥足珍贵的森林资源，对生态系统的稳定及荒漠的绿化起了非常重要的作用， 加强对胡杨林的监测研究具有非常重要的现实意义。 胡杨具有很顽强的生命力， 但是随着时间的推移和生态环境的改变，加上塔里木河河流改道较为频繁， 会造成各种不同生长状态的胡杨林， 增加了监测识别的不确定性， 导致传统方法很难实现较为精准地对大范围胡杨林进行监测评价和生长状态的综合分析。本研究从胡杨树冠信息提取的角度出发， 选取 2017 年 8 月采集的塔里木河中游地区 0.16 m 高分辨率可见光波段无人机数据，使用专业的无人机影像处理软件， 将拍摄区域 14151 景无人机影像无缝拼接，得到完整的一幅塔里木河中游干流区域无人机影像图， 进一步结合最新的深度学习算法对塔里木河中游胡杨林进行处理和分析。首先使用优化的 U-Net 卷积神经网络模型对胡杨树冠覆盖区域进行精准的提取，并与传统的 SVM（支持向量机）和面向对象方法做对比分析；然后将获取的树冠覆盖范围作为掩膜提取出胡杨树冠，利用树冠纹理、 大小、 形状、 灰度值等特征信息，用改进的标记分水岭方法对密集区胡杨树冠进行单木树冠分割； 最后使用该研究方法对整个塔里木河中游研究区的胡杨林进行处理分析，计算整个研究区胡杨林的林分参数信息，并分析胡杨的空间分布状况及影响因素。本研究在传统研究方法的基础上， 结合深度学习方法实现了无人机影像处理的技术流程， 为胡杨林及其他森林生态系统的监测和管理带来了新的技术手段。 通过对塔里木河中游胡杨林的信息提取和分析， 本研究得到主要结论如下：（1） 使用深度学习 U-Net 模型可以对胡杨树冠进行精准的提取，提取树冠的总体精度最高可达 95.6%，相对于 SVM 和面向对象模型平均总体精度分别提高 3.5%和 7%。 实验表明深度学习方法对胡杨树冠提取精度优于传统方法， 在遥感影像分类和信息提取方向具有较强的优势。（2）使用标记分水岭分割方法对胡杨树冠做单木分割， 实验结果表明胡杨单木树冠分割总体精度为 93.3%， 证明了集成应用深度学习和分水岭分割的方法对胡杨树冠提取和株数计算的可行性，本研究方法相较于同类文章具有更高的精度，并且实用性较强。（3）使用本研究方法对塔里木河中上游 32 km2 区域做测试，结果得到胡杨总株数为 620392 株， 该区域树冠郁闭度为 15.457%， 平均单株胡杨覆盖面积约为 7.88 m2，平均冠幅为 3.2 m。 该实验方案可以有效地提高树冠提取精度， 进一步自动化提取林木冠幅、郁闭度、林分密度等参数，提高林业资源调查效率，并且节省大量人工成本。（4） 将塔里木河中游按照河流走向分为 70 个小区展开研究， 发现胡杨林空间分布规律主要是受自然和人为因素影响。 在整体上受自然因素影响，越接近下游胡杨分布越少；局部区域受人为影响因素较大， 大面积开垦为农田的区域胡杨林面积及株数呈现断崖式儿下降。（5） 研究区总面积为 1173.26 km2， 胡杨树冠覆盖总面积为 67.43 km2， 塔河中游胡杨林整体郁闭度为 5.643%， 该研究区胡杨总株数为 8585640 株。 该研究方法可应用于其他大范围的林业资源调查，为推动精准林业的发展提供新思路和借鉴经验。 |
| 学科主题 | 地图学与地理信息系统 |
| 语种 | 中文 |
| 源URL | [http://ir.xjlas.org/handle/365004/15283]  |
| 专题 | 中国科学院新疆生态与地理研究所 新疆生态与地理研究所_研究系统 |
| 作者单位 | 中国科学院新疆生态与地理研究所 |
| 推荐引用方式 GB/T 7714 | 李越帅. 塔里木河流域胡杨树冠信息提取和计数研究[D]. 北京. 中国科学院大学. 2019. |
入库方式： OAI收割
来源：新疆生态与地理研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。