基于数码相片的林冠郁闭度提取方法研究

doi:10.13466/j.cnki.lyzygl.2020.06.024

林业资源管理 ›› 2020, Vol. 0 ›› Issue (6): 153-160.doi: 10.13466/j.cnki.lyzygl.2020.06.024

• 技术应用 • 上一篇

基于数码相片的林冠郁闭度提取方法研究

濮毅涵¹(), 徐丹丹¹^,²(), 王浩斌¹

1.南京林业大学生物与环境学院,南京 210037
2.南京林业大学南方现代林业协同创新中心,南京 210037

收稿日期:2020-09-18 修回日期:2020-10-21 出版日期:2020-12-28 发布日期:2021-01-26
通讯作者: 徐丹丹
作者简介:濮毅涵(1997-),男,江苏苏州人,在读硕士,主要从事林业遥感的方面研究。Email: pyh1997@njfu.edu.cn
基金资助:
国家自然科学基金(41901361);江苏省自然科学基金青年项目(BK20180769);江苏省“六大人才高峰”创新人才团队项目(TD-XYDXX-006);江苏省高校自然科学研究面上项目(18KJB180009)

An Approach on Estimating Canopy Closure via Digital Images

PU Yihan¹(), XU Dandan¹^,²(), WANG Haobin¹

1. College of Biology and the Environment,Nanjing Forestry University,Nanjing 210037,China
2. Co-Innovation Center for Sustainable Forestry in Southern China,Nanjing Forestry University,Nanjing 210037,China

Received:2020-09-18 Revised:2020-10-21 Online:2020-12-28 Published:2021-01-26
Contact: XU Dandan

摘要/Abstract

摘要：

应用在江苏省东台林场拍摄的全天空相片,通过建立基于RGB照片的分类模型将相片中树叶、树干和天空分离,从而达到精确提取林冠郁闭度的目的。结果表明,该方法的总体分类精度达到0.94,Kappa系数为0.89,分类精度较高,且在主干部分的区分上效果良好,总体分类精度达到0.94,Kappa系数为0.84。在低郁闭度下相片的计算精度高于高郁闭度相片,这与拍摄时的环境条件有关。将模型估测结果与抬头望法结果对比,得出两者的R²为0.77,在郁闭度较低时模型估测结果大于目测结果,在郁闭度较高时模型估测结果小于目测结果。此外,两者都显示14a生杨树林郁闭度高于9a生杨树林郁闭度,具有较好的一致性。

关键词: 森林冠层, 郁闭度, 数码相片, 分类, RGB照片

Abstract:

In this study,the whole sky photos taken at the Dongtai research site are used to separate leaves,trunks and sky by establishing an RGB classification model to extract the canopy closure accurately.It shows that the overall classification accuracy of this method is 0.94 and the Kappa coefficient is 0.89.The classification accuracy is high and it works well in distinguishing the main trunk of the forest.The overall classification accuracy reaches 0.94 and the Kappa coefficient is 0.84.In addition,this study finds that the calculation accuracy of photos with low canopy closure is higher than photos with high canopy closure.In comparison of the model estimation results with ocular estimate results,the R² is 0.77.The model estimate result is higher than the ocular estimate result when canopy closure is low,and it is lower than the ocular estimate result when canopy closure is high.In the comparative study of the canopy closure of two different age poplar forests,the results indicate that the canopy closure of the 14-year-old poplar is higher than that of the 9-year-old poplar.The p values of the two methods are less than 0.05 and 0.001,respectively.Using digital photos to obtain ground sample data accurately can further verify the forest canopy closure value retrieved by large-scale remote sensing.It has great application value in further improving the measurement accuracy of forest canopy closure on a large scale.

Key words: forest canopy, canopy closure, digital photos, classification, RGB pictures

中图分类号:

S758.58

濮毅涵, 徐丹丹, 王浩斌. 基于数码相片的林冠郁闭度提取方法研究[J]. 林业资源管理, 2020, 0(6): 153-160.

PU Yihan, XU Dandan, WANG Haobin. An Approach on Estimating Canopy Closure via Digital Images[J]. FOREST RESOURCES WANAGEMENT, 2020, 0(6): 153-160.

图/表 8

图1

图2

表1

图3

表2

图4

图5

图6

参考文献 22

[1]	Gill S J, Biging G S, Murphy E C. Modeling conifer tree crown radius and estimating canopy cover[J]. Forest Ecology & Management, 2000,126(3):405-416.
[2]	Fassnacht K S, Gower S T, Norman J M, et al. A comparison of optical and direct methods for estimating foliage surface area index in forests[J]. Agric for meteorol, 1994,71(1-2):183-207.
[3]	张瑞英, 庞勇, 李增元, 等. 结合机载LiDAR和LANDSAT ETM+数据的温带森林郁闭度估测[J]. 植物生态学报, 2016,40(2):102-115.
[4]	Ganey J L, Block W M. A comparison of two techniques for measuring canopy closure[J]. Western Journal of Applied Forestry, 1994,9(1):21-23.
[5]	FAO. Global forest resources assessment 2000[R]. Rome:Food and Agriculture Organization of the United Nations, 2001.
[6]	赵彤堂, 李凤鸣, 刘清玉, 等. 几种测定郁闭度方法的比较[J]. 中南林业调查规划, 1995,( 2):42-44.
[7]	Jennings S B, Brown N D, Sheil D. Assessing forest canopies and understorey illumination:canopy closure,canopy cover and other measures[J]. Forestry, 1999,72(1):59-74.
[8]	李永宁, 张宾兰, 秦淑英, 等. 郁闭度及其测定方法研究与应用[J]. 世界林业研究, 2008,21(1):40-46.
[9]	Cleland E E, Chuine I, Menzel A, et al. Shifting plant phenology in response to global change[J]. Trends in Ecology & Evolution, 2007,22(7):357-365. doi: 10.1016/j.tree.2007.04.003 pmid: 17478009
[10]	White K, Pontius J, Schaberg P. Remote sensing of spring phenology in northeastern forests:A comparison of methods,field metrics and sources of uncertainty[J]. Remote Sensing of Environment, 2014,148:97-107.
[11]	李永宁, 徐成立, 滕轶, 等. 利用数码照片测定华北落叶松林分郁闭度[J]. 东北林业大学学报, 2010,38(11):34-37.
[12]	祁有祥, 骆汉, 赵廷宁. 基于鱼眼镜头的林冠郁闭度简易测量方法[J]. 北京林业大学学报, 2009,31(6):60-66.
[13]	刘芳, 杨广斌. 基于鱼眼照片的森林郁闭度快速提取方法研究[J]. 西南林业大学学报, 2013,33(2):71-74.
[14]	Smith A M, Ramsay P M. A comparison of ground-based methods for estimating canopy closure for use in phenology research[J]. Agricultural & Forest Meteorology, 2018,252:18-26.
[15]	Kucharik C J, Norman J M, Murdock L M, et al. Characterizing canopy nonrandomness with a multiband vegetation imager (MVI)[J]. Journal of Geophysical Research:Atmospheres, 1997,102(D24):29455-29473.
[16]	林丽丽, 郝振帮, 杨柳青, 等. 林分郁闭度自动测量系统的研建与应用[J]. 林业资源管理, 2020 ( 2):167-172.
[17]	章超斌, 李建龙, 张颖, 等. 基于RGB模式的一种草地盖度定量快速测定方法研究[J]. 草业学报, 2013,22(4):220-226.
[18]	陈祖刚, 巴图娜存, 徐芝英, 等. 基于数码相机的草地植被盖度测量方法对比研究[J]. 草业学报, 2014,23(6):20-27.
[19]	Luscier J D, Thompson W L, Wilson J M, et al. Using digital photographs and object-based image analysis to estimate percent ground cover in vegetation plots[J]. Frontiers in ecology and the environment, 2006,4(8):408-413.
[20]	Li N, Zhang C L, Chen Z W, et al. Crop positioning for robotic intra-row weeding based on machine vision. Int J Agric & Biol Eng, 2015,8(6):20-29.
[21]	Fuentes S, Palmer A R, Taylor D, et al. An automated procedure for estimating the leaf area index (LAI) of woodland ecosystems using digital imagery,MATLAB programming and its application to an examination of the relationship between remotely sensed and field measurements of LAI[J]. Functional Plant Biology, 2008,35(9-10):1070-1079.
[22]	Korhonen L, Korhonen K T, Rautiainen M, et al. Estimation of forest canopy cover:a comparison of field measurement techniques[J]. Silva Fennica, 2006,40(4):577-588.

样地编号	实测郁闭度	模型郁闭度	样地编号	实测郁闭度	模型郁闭度
1	0.44	0.45	11	0.53	0.51
2	0.44	0.46	12	0.53	0.53
3	0.37	0.39	13	0.53	0.52
4	0.49	0.46	14	0.58	0.55
5	0.48	0.46	15	0.45	0.45
6	0.47	0.44	16	0.48	0.49
7	0.53	0.53	17	0.49	0.49
8	0.52	0.48	18	0.45	0.49
9	0.50	0.52	19	0.49	0.50
10	0.45	0.48

点数量/郁闭度	总体分类精度-a	Kappa-a	总体分类精度-b	Kappa-b	总体分类精度-c	Kappa-c
20	0.95	0.91	0.95	0.90	0.95	0.92
40	0.92	0.85	0.90	0.82	0.92	0.86
60	0.95	0.90	0.97	0.94	0.85	0.73
80	0.98	0.95	0.91	0.84	0.89	0.78
100	0.96	0.92	0.93	0.90	0.90	0.80

基于数码相片的林冠郁闭度提取方法研究

An Approach on Estimating Canopy Closure via Digital Images

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 22

相关文章 15

编辑推荐

Metrics

本文评价

[1]	彭后生, 李晨晨, 石峤瑀. 林木资源分类估价及其基准价研究——以浙江省龙泉市为例[J]. 林业资源管理, 2020, 0(6): 61-65.
[2]	卢献健, 黄俞惠, 晏红波, 韦晚秋, 黎振宝. 基于自动阈值决策树分类的桉树提取研究[J]. 林业资源管理, 2020, 0(4): 117-126.
[3]	孙忠秋, 吴发云, 高显连, 高金萍, 胡杨. 基于机载大光斑激光雷达的森林冠层高度估测[J]. 林业资源管理, 2020, 0(3): 111-117.
[4]	马鸿伟, 刘海, 姚顺彬, 周蔚. 基于林业遥感的树种分类应用分析与展望[J]. 林业资源管理, 2020, 0(3): 118-121.
[5]	李瑛萍, 赵玉文, 姚祺, 杨小林, 赵垦田. 雅鲁藏布江中游巨柏种群立地分类研究[J]. 林业资源管理, 2020, 0(3): 78-84.
[6]	林丽丽, 郝振帮, 杨柳青, 高仰驰, 刘艳芬, 余坤勇, 刘健. 林分郁闭度自动测量系统的研建与应用[J]. 林业资源管理, 2020, 0(2): 167-172.
[7]	蔡林菲, 吴达胜, 方陆明, 郑辛煜. 基于XGBoost的高分二号影像树种识别[J]. 林业资源管理, 2019, 0(5): 44-51.
[8]	许新惠, 刘坚, 周星宇. 基于RS/GIS技术支持下的植被分类及其覆盖度研究——以昆明市为例[J]. 林业资源管理, 2019, 0(3): 86-93.
[9]	黄一凡, 王金生, 王凯, 杨眉. 2003—2016年东洞庭湖自然保护区湿地动态变化特征[J]. 林业资源管理, 2018, 0(4): 41-46.
[10]	富玫妹. 关于林木种质资源设施保存库建设的思考[J]. 林业资源管理, 2018, 0(2): 35-37.
[11]	肖中琪, 黄建文, 凌成星. 新疆天山西部天然林保护工程区林地及森林生物量空间变化分析[J]. 林业资源管理, 2018, 0(1): 57-62.
[12]	唐小平, 栾晓峰. 构建以国家公园为主体的自然保护地体系[J]. 林业资源管理, 2017, 0(6): 1-8.
[13]	黄田, 张超, 吉一涛, 余哲修, 罗恒春, 张一. 基于端元提取的滇中典型森林类型识别研究[J]. 林业资源管理, 2017, 0(4): 110-116.
[14]	张乃静, 侯瑞霞, 纪平. 基于遥感影像和二类调查数据的林地类型分类方法对比研究——以广西凭祥市为例[J]. 林业资源管理, 2017, 0(4): 89-96.
[15]	李艳洁, 周来, 靳爱仙, 孙玉军. 东京城林业局落叶松人工林立地质量评价[J]. 林业资源管理, 2017, 0(2): 53-57.