本書以云南省南亞熱帶的典型森林思茅松林為研究對(duì)象，基于無(wú)人機(jī)遙感數(shù)據(jù)源，構(gòu)建從單木分割、林木分級(jí)、單木及林分參數(shù)提取的技術(shù)體系；瞄準(zhǔn)森林經(jīng)營(yíng)的現(xiàn)實(shí)需求，在計(jì)算分析林分空間結(jié)構(gòu)參數(shù)的基礎(chǔ)上，構(gòu)建思茅松林分密度調(diào)整及空間結(jié)構(gòu)優(yōu)化的技術(shù)方法；系統(tǒng)構(gòu)建基于無(wú)人機(jī)遙感的單木分割、信息提取、林分結(jié)構(gòu)優(yōu)化調(diào)整的森林經(jīng)營(yíng)技術(shù)體系。本書在一定程度上構(gòu)建了基于無(wú)人機(jī)遙感數(shù)據(jù)的森林經(jīng)營(yíng)具體應(yīng)用技術(shù)體系，為利用無(wú)人機(jī)遙感技術(shù)助力森林可持續(xù)經(jīng)營(yíng)提供關(guān)鍵技術(shù)支撐。

更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。

2000.9-2004.7 云南大學(xué)生態(tài)學(xué)專業(yè) 本科 2004.9-2007.7 云南大學(xué)生態(tài)學(xué)專業(yè) 碩士 2011.9-2014.6 東北林業(yè)大學(xué)森林經(jīng)理學(xué)專業(yè) 博士2007.7至今 西南林業(yè)大學(xué)獲云南省科技進(jìn)步二等獎(jiǎng)1項(xiàng)（排名第9），昆明市科學(xué)技術(shù)進(jìn)步獎(jiǎng)三等獎(jiǎng)1項(xiàng)（排名第3）中國(guó)林學(xué)會(huì)林草計(jì)算機(jī)應(yīng)用分會(huì)副理事長(zhǎng) 中國(guó)林學(xué)會(huì)森林經(jīng)理分會(huì)常務(wù)理事 《林業(yè)科學(xué)》青年編委 《東北林業(yè)大學(xué)學(xué)報(bào)》編委 《南京林業(yè)大學(xué)學(xué)報(bào)》青年編委 國(guó)家林業(yè)和草原局全國(guó)森林可持續(xù)經(jīng)營(yíng)專家委員會(huì)委員 云南省興滇英才支持計(jì)劃教育人才 云南省萬(wàn)人計(jì)劃青年拔尖人才

目錄
第1章 緒論 1
1.1 引言 1
1.2 研究綜述 3
1.2.1 無(wú)人機(jī)遙感技術(shù)在林業(yè)中的應(yīng)用 3
1.2.2 基于無(wú)人機(jī)遙感技術(shù)的單木分割 10
1.2.3 無(wú)人機(jī)遙感技術(shù)在森林信息提取中的應(yīng)用 14
1.2.4 基于無(wú)人機(jī)遙感技術(shù)的生物量估測(cè) 19
1.2.5 無(wú)人機(jī)遙感技術(shù)在林木分級(jí)中的應(yīng)用 23
1.2.6 無(wú)人機(jī)遙感技術(shù)在林分密度優(yōu)化及森林經(jīng)營(yíng)管理中的應(yīng)用 24
1.2.7 思茅松概述 27
1.3 本書研究?jī)?nèi)容 29
1.3.1 基于LiDAR點(diǎn)云數(shù)據(jù)的思茅松林單木分割 29
1.3.2 基于LiDAR點(diǎn)云數(shù)據(jù)的思茅松林單木信息提取 31
1.3.3 基于無(wú)人機(jī)激光雷達(dá)點(diǎn)云數(shù)據(jù)的思茅松林林分空間結(jié)構(gòu)信息提取 33
1.3.4 考慮空間結(jié)構(gòu)的思茅松單木生物量無(wú)人機(jī)遙感估測(cè)模型構(gòu)建 35
1.3.5 基于無(wú)人機(jī)遙感數(shù)據(jù)的思茅松林林木分級(jí) 36
1.3.6 基于無(wú)人機(jī)遙感數(shù)據(jù)的思茅松林林分密度確定及經(jīng)營(yíng)優(yōu)化 36
第2章 研究區(qū)概況與數(shù)據(jù)獲取 39
2.1 研究區(qū)概況 39
2.1.1 地理位置 39
2.1.2 氣候條件 40
2.1.3 森林資源狀況 40
2.2 數(shù)據(jù)調(diào)查與獲取 41
2.2.1 標(biāo)準(zhǔn)木調(diào)查 41
2.2.2 樣品測(cè)定及生物量計(jì)算 42
2.2.3 樣地?cái)?shù)據(jù)獲取 43
2.2.4 無(wú)人機(jī)數(shù)據(jù)獲取 44
第3章 基于LiDAR點(diǎn)云數(shù)據(jù)的思茅松林單木分割 46
3.1 引入網(wǎng)絡(luò)重整思想的思茅松林單木分割方法 46
3.1.1 數(shù)據(jù)獲取及處理 46
3.1.2 基于LiDAR點(diǎn)云網(wǎng)絡(luò)重整的高效單木分割算法構(gòu)建 49
3.1.3 評(píng)價(jià)體系 58
3.2 單木分割結(jié)果分析 62
3.2.1 網(wǎng)絡(luò)樞紐的識(shí)別與坐標(biāo)匹配 62
3.2.2 樞紐聚類與單木分割 64
3.2.3 不同森林條件下的單木分割結(jié)果比較 66
3.2.4 公開(kāi)數(shù)據(jù)集分割結(jié)果 70
3.3 本章討論 74
3.3.1 樞紐聚類方式的單木分割 74
3.3.2 局部與全局樞紐聚類差異性 75
3.3.3 參數(shù)設(shè)置與改進(jìn)方向 75
3.3.4 單木分割算法性能對(duì)比 77
3.3.5 基于LiDAR點(diǎn)云網(wǎng)絡(luò)重整的單木分割方法局限性 78
3.4 本章小結(jié) 79
第4章 基于LiDAR點(diǎn)云數(shù)據(jù)的思茅松林單木信息提取 81
4.1 基于點(diǎn)云融合策略優(yōu)化的單木信息提取方法 81
4.1.1 數(shù)據(jù)獲取及處理 81
4.1.2 考慮地形的點(diǎn)云分段配準(zhǔn)策略 90
4.1.3 點(diǎn)云單木分割及參數(shù)提取 95
4.1.4 區(qū)域單木地上生物量方程構(gòu)建與模型驗(yàn)證 97
4.2 單木信息提取結(jié)果分析 98
4.2.1 區(qū)域單木生物量模型構(gòu)建 98
4.2.2 考慮地形的點(diǎn)云配準(zhǔn)融合結(jié)果 100
4.2.3 考慮地形和點(diǎn)云分段的配準(zhǔn)融合結(jié)果 106
4.2.4 基于融合點(diǎn)云的單木參數(shù)提取與AGB估測(cè)結(jié)果 112
4.3 本章討論 116
4.3.1 區(qū)域生物量模型構(gòu)建的必要性 116
4.3.2 地形對(duì)點(diǎn)云配準(zhǔn)的影響 117
4.3.3 點(diǎn)云分段配準(zhǔn)融合對(duì)結(jié)果的影響 117
4.3.4 地形對(duì)單木分割精度及生物量估算的影響 118
4.3.5 局限性 120
4.4 本章小結(jié) 120
第5章 基于無(wú)人機(jī)激光雷達(dá)點(diǎn)云數(shù)據(jù)的思茅松林林分空間結(jié)構(gòu)信息提取 122
5.1 林分空間結(jié)構(gòu)信息提取方法 122
5.1.1 地面調(diào)查數(shù)據(jù)處理 122
5.1.2 機(jī)載LiDAR數(shù)據(jù)預(yù)處理 124
5.1.3 林分空間結(jié)構(gòu)參數(shù)提取與計(jì)算 126
5.1.4 林分空間結(jié)構(gòu)參數(shù)精度評(píng)價(jià) 129
5.1.5 林分空間結(jié)構(gòu)評(píng)價(jià) 130
5.2 林分空間結(jié)構(gòu)信息提取結(jié)果分析 131
5.2.1 機(jī)載LiDAR數(shù)據(jù)檢驗(yàn) 131
5.2.2 不同坡向的林分空間結(jié)構(gòu) 139
5.2.3 不同坡度的林分空間結(jié)構(gòu) 146
5.2.4 不同密度的林分空間結(jié)構(gòu) 153
5.3 本章討論 161
5.3.1 基于機(jī)載LiDAR的林分空間結(jié)構(gòu)提取 161
5.3.2 基于機(jī)載LiDAR的不同坡向的林分空間結(jié)構(gòu)提取 162
5.3.3 基于機(jī)載LiDAR的不同坡度的林分空間結(jié)構(gòu) 163
5.3.4 基于機(jī)載LiDAR的不同密度的林分空間結(jié)構(gòu) 164
5.4 本章小結(jié) 165
5.4.1 基于機(jī)載LiDAR數(shù)據(jù)提取林分空間結(jié)構(gòu)參數(shù)的精度與差異 165
5.4.2 基于機(jī)載LiDAR數(shù)據(jù)提取不同林分屬性的林分空間結(jié)構(gòu) 165
第6章 考慮空間結(jié)構(gòu)的思茅松單木生物量無(wú)人機(jī)遙感估測(cè)模型構(gòu)建 167
6.1 單木生物量無(wú)人機(jī)遙感估測(cè)模型構(gòu)建方法 167
6.1.1 樣地?cái)?shù)據(jù)獲取與處理 167
6.1.2 機(jī)載激光雷達(dá)數(shù)據(jù)預(yù)處理 168
6.1.3 基于機(jī)載激光雷達(dá)的單木參數(shù)提取 171
6.1.4 基于激光雷達(dá)的空間結(jié)構(gòu)參數(shù)提取 172
6.1.5 模型構(gòu)建 172
6.1.6 模型評(píng)價(jià) 174
6.2 單木生物量無(wú)人機(jī)遙感估測(cè)模型構(gòu)建結(jié)果分析 175
6.2.1 單木參數(shù)及空間結(jié)構(gòu)參數(shù)提取精度 175
6.2.2 生物量與激光雷達(dá)提取參數(shù)相關(guān)性 177
6.2.3 單木生物量基礎(chǔ)模型構(gòu)建 178
6.2.4 空間結(jié)構(gòu)對(duì)生物量的影響 184
6.2.5 考慮空間結(jié)構(gòu)指數(shù)的單木生物量模型 185
6.2.6 考慮不同空間結(jié)構(gòu)指數(shù)模型精度比較 193
6.3 本章討論 196
6.3.1 基于激光雷達(dá)的單木參數(shù)提取精度 196
6.3.2 基于樹(shù)冠特征的基礎(chǔ)生物量模型 197
6.3.3 考慮空間結(jié)構(gòu)參數(shù)的單木生物量模型 197
6.4 本章小結(jié) 198
第7章 基于無(wú)人機(jī)遙感數(shù)據(jù)的思茅松林林木分級(jí) 200
7.1 基于無(wú)人機(jī)遙感數(shù)據(jù)的思茅松林林木分級(jí)方法 200
7.1.1 樣地地面調(diào)查數(shù)據(jù)處理 200
7.1.2 基于無(wú)人機(jī)激光雷達(dá)的思茅松林林木參數(shù)提取 202
7.1.3 思茅松林林木分級(jí)指標(biāo)確定 203
7.2 思茅松林林木分級(jí)結(jié)果分析 206
7.2.1 地面調(diào)查數(shù)據(jù)和機(jī)載激光雷達(dá)數(shù)據(jù)檢驗(yàn) 206
7.2.2 林木分級(jí)綜合指數(shù)構(gòu)建 211
7.2.3 林木分級(jí)綜合指數(shù)特征 213
7.2.4 林木分級(jí)綜合指數(shù)的應(yīng)用 218
7.2.5 不同林分屬性林木分級(jí)結(jié)果 223
7.3 本章討論 228
7.3.1 基于無(wú)人機(jī)遙感數(shù)據(jù)的思茅松林林木分級(jí)結(jié)果可靠性 228
7.3.2 基于無(wú)人機(jī)遙感數(shù)據(jù)的思茅松林林木分級(jí)的局限性與展望 229
7.4 本章小結(jié) 230
第8章 基于無(wú)人機(jī)遙感數(shù)據(jù)的思茅松林林分密度確定及經(jīng)營(yíng)優(yōu)化 231
8.1 思茅松林林分密度確定及經(jīng)營(yíng)優(yōu)化方法 231
8.1.1 樣地調(diào)查數(shù)據(jù) 231
8.1.2 機(jī)載激光雷達(dá)數(shù)據(jù)處理 232
8.1.3 單木分割方法 234
8.1.4 單木胸徑估算方法 237
8.1.5 思茅松林多目標(biāo)經(jīng)營(yíng)優(yōu)化方法 239
8.2 思茅松林林分密度確定及經(jīng)營(yíng)優(yōu)化結(jié)果分析 244
8.2.1 單木分割參數(shù)提取 244
8.2.2 單木胸徑估算結(jié)果 251
8.2.3 思茅松林多目標(biāo)經(jīng)營(yíng)優(yōu)化 253
8.3 本章討論 260
8.4 本章小結(jié) 261
第9章 結(jié)論與展望 262
9.1 研究結(jié)論 262
9.2 研究展望 263
參考文獻(xiàn) 265