基于无人机影像的高郁闭度马尾松林蓄积量估算方法研究
Volume Estimation Method of High Canopy Density Pinus massoniana Forest Based on UAV Image作者机构:贵州师范大学地理与环境科学学院贵阳550025 贵州省山地资源与环境遥感应用重点实验室贵阳550025 贵州省第一测绘院贵阳550025 贵州省林业调查规划院贵阳550003
出 版 物:《林草资源研究》 (FOREST AND GRASSLAND RESOURCES RESEARCH)
年 卷 期:2024年第2期
页 面:68-79页
核心收录:
学科分类:09[农学] 0903[农学-农业资源与环境]
基 金:贵州省科技计划项目“基于遥感大数据的自然资源统计和资产价值评估”(黔科合重大专项001) 贵州省科技计划项目“基于喀斯特地区自然资源资产遥感监测关键技术研究”(黔科合支撑一般176)
主 题:无人机影像 高郁闭度 马尾松 冠层高度模型 植被指数 蓄积量
摘 要:为降低传统野外调查成本,提高高郁闭度森林资源调查效率,以多光谱无人机影像结合实地样地调查数据为源数据,以马尾松纯林为研究对象,采用冠层高度模型(CHM)及多光谱影像6种植被指数构建模型,估算研究区林分蓄积量。结果表明:1)高分辨率数字高程模型的辅助能够有效弥补无人机影像在茂密森林无法提取地面点的缺陷,可提高CHM构建的精度,实现在茂密森林树高的准确提取;2)采用CHM提取研究区单木树高并估算蓄积量时,样地内共提取马尾松292株,提取的平均树高为18.77 m,小班区域内共提取马尾松18 120株,提取的平均树高为17.02 m,实测平均树高为18.17 m,平均树高提取效果较好,估算蓄积量为7 466.74 m3,实测蓄积量为9 024.40 m3,蓄积量估算精度为82.90%;3)植被指数模型的RMSE为0.39,R2为0.84,模型精度较高,蓄积量估算为8 620.30 m3,估算精度为96.26%。通过借助无人机遥感技术,两种蓄积量估算方法均能在高郁闭度森林中实现蓄积量的快速估算,其中通过多光谱数据提取植被指数构建模型估算蓄积量的效果更佳,这为进一步推广无人机影像在高郁闭度森林资源调查中的应用提供了有力的科学依据。