幫助中心 | 我的帳號 | 關於我們

基於無人機遙感的森林參數估測

  • 作者:張超//許珊珊//王妍|責編:劉琳
  • 出版社:科學
  • ISBN:9787030860965
  • 出版日期:2026/07/01
  • 裝幀:平裝
  • 頁數:174
人民幣:RMB 118 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書以滇中地區天然雲南松純林為主要研究對象,結合無人機可見光影像、多光譜影像、SfM點雲、LiDAR數據及背負式LiDAR等多源遙感技術,系統研究林木參數精準提取及森林蓄積量遙感估測方法。基於無人機RGB影像,對比目視解譯、分水嶺分割及多尺度分割演算法在冠幅和鬱閉度提取中的精度;在此基礎上,利用無人機與背負式LiDAR點雲數據,優化單木分割演算法,探究多源數據融合提升樹高、胸徑等森林參數估測精度的潛力,並對比雲南松、桉樹、柏木的適應性差異;最後,通過優選林分參數及特徵因子,基於機器學習理論構建森林蓄積量估測模型,為區域森林資源動態監測提供高精度估算模型方法支持。

作者介紹
張超//許珊珊//王妍|責編:劉琳

目錄
第1章  緒論
  1.1  相關研究背景
  1.2  林業無人機遙感技術的快速進展
    1.2.1  無人機遙感技術的發展現狀
    1.2.2  林木冠幅的提取
    1.2.3  林木樹高的提取
    1.2.4  林分其他參數的估測
  1.3  林業激光雷達技術的研究進展
    1.3.1  激光雷達技術的發展現狀
    1.3.2  單木參數的提取
    1.3.3  林分參數的估測
    1.3.4  多種感測器聯合應用的現狀與趨勢
  1.4  核心研究內容
    1.4.1  基於無人機RGB影像的森林參數估測
    1.4.2  基於UAV和背負式LiDAR點雲的森林參數估測
    1.4.3  森林蓄積量估測模型研建與精度評價
第2章  研究區概況與數據處理
  2.1  研究區概況
    2.1.1  黃草壩研究區
    2.1.2  呼馬山研究區
  2.2  數據採集
    2.2.1  標準地調查
    2.2.2  無人機數據採集
    2.2.3  背負式LiDAR數據採集
  2.3  可見光影像預處理
  2.4  多光譜影像預處理
  2.5  點雲數據預處理
  2.6  數據校正
第3章  基於無人機RGB影像的森林參數估測
  3.1  研究方法
    3.1.1  目視解譯
    3.1.2  基於形態濾波的標記控制分水嶺分割
    3.1.3  基於面向對象的多尺度分割演算法
    3.1.4  精度評價
  3.2  結果與分析
    3.2.1  目視解譯結果
    3.2.2  標記控制分水嶺分割結果
    3.2.3  面向對象的多尺度分割結果
    3.2.4  單木冠幅提取結果
    3.2.5  林分鬱閉度提取及精度評價
  3.3  本章小結
第4章  基於UAV和BLS點雲的森林參數估測
  4.1  研究方法
    4.1.1  基於UAV點雲的單木提取方法
    4.1.2  基於BLS點雲的單木提取方法
    4.1.3  融合點雲的獲取方法
  4.2  結果與分析
    4.2.1  不同UAV點雲的單木分割結果
    4.2.2  UAV點雲的單木參數估測結果
    4.2.3  UAV點雲的鬱閉度估測結果

    4.2.4  BLS點雲的單木參數估測結果
    4.2.5  融合點雲的單木參數估測結果
    4.2.6  不同樹種融合點雲的單木分割結果
  4.3  本章小結
第5章  森林蓄積量估測模型研建與精度評價
  5.1  研究方法
    5.1.1  基於林分參數的森林蓄積量估測建模
    5.1.2  基於特徵因子提取的森林蓄積量估測建模
  5.2  結果與分析
    5.2.1  基於單木參數的森林蓄積量估測結果
    5.2.2  基於林分參數的森林蓄積量估測結果
    5.2.3  基於特徵因子提取的森林蓄積量估測結果
  5.3  本章小結
參考文獻
附圖

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032