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›› 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,(6): 153-160.

PU Yihan, XU Dandan, WANG Haobin. An Approach on Estimating Canopy Closure via Digital Images[J]. FOREST RESOURCES WANAGEMENT, 2020,(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]	张方兰, 吴少忠, 徐建辉, 沙林华, 黎肇家, 方发之. 不同郁闭度橡胶林对套种土沉香幼树生长特性的影响[J]. 林草资源研究, 2024, 0(1): 143-150.
[2]	谢卓洪, 陈佩彤, 符式培, 陈岸军, 李威, 梁新玲, 雷敏, 刘萍. 增城林场不同植物群落植物多样性及其影响因子分析[J]. 林草资源研究, 2023, 0(5): 63-71.
[3]	高金萍, 于慧娜, 翟召坤. 高分多模卫星林业地类及树种识别应用研究[J]. 林业资源管理, 2023, 0(1): 127-132.
[4]	谢文春, 李强峰, 李艳春, 吴振山, 杨正凡. 基于面向对象的吉林一号遥感影像湿地植被群落分类[J]. 林业资源管理, 2023, 0(1): 141-152.
[5]	田海静, 王林, 韩立亮, 范云豹, 杨吉林. 基于哨兵2号多光谱遥感数据的草原植被盖度反演——以内蒙古自治区为例[J]. 林业资源管理, 2022, 0(4): 134-140.
[6]	李小英, 秦文静, 许彦红, 王跃超, 杨能, 杨奔. 滇中典型公益林林下物种多样性及其与土壤性质的关系[J]. 林业资源管理, 2022, 0(4): 148-156.
[7]	刘雨真, 高海力, 方陆明, 周辰琴, 郑辛煜. 基于无人机多光谱影像的亚热带阔叶林分类[J]. 林业资源管理, 2022, 0(3): 142-147.
[8]	郑坤, 罗婷文, 徐志搏. 城市古树名木分类保护的思考[J]. 林业资源管理, 2022, 0(3): 31-35.
[9]	付安民, 高显连, 吴发云, 高金萍. 机载激光雷达树高产品的释义与精度水平评估[J]. 林业资源管理, 2022, 0(1): 114-123.
[10]	周辰琴, 余拥军, 方陆明, 刘雨真, 胡建锦. 飞行高度与郁闭度对水杉冠幅提取影响的研究[J]. 林业资源管理, 2022, 0(1): 150-156.
[11]	叶鹏, 汤孟平. 基于GIS的常绿阔叶林郁闭度与树冠重叠度分析[J]. 林业资源管理, 2021, 0(5): 70-79.
[12]	张殿岱, 王雪梅. 基于高分辨率遥感影像的植被分类方法比较[J]. 林业资源管理, 2021, 0(3): 108-113.
[13]	李斌, 李崇贵, 李煜. 基于Sentinel-2数据的塞罕坝机械林场落叶松人工林提取[J]. 林业资源管理, 2021, 0(2): 117-123.
[14]	濮毅涵, 张栋, 徐丹丹, 栾兆擎. Sentinel-2A红边波段对湖滨带植被分类能力的评估[J]. 林业资源管理, 2021, 0(2): 131-139.
[15]	吴发云, 高显连, 周蓉, 王鹏杰, 付安民. 基于林分高度及郁闭度的森林生物量和蓄积量模型研究[J]. 林业资源管理, 2021, 0(2): 61-67.