世界上许多发达国家已先后进行了3次以10年为间隔期的连续清查,为编制重量或大地区的林业发展规划提供了资源信息。日本经过3次全国性森林资源调查,实行了全国范围森林资源的网络管理(张黎莉,2011)。美国农业部林业局(The United States Department of Agriculture Forest Savice,USDA FS)负责的森林调查与分析(Forest Inventmy and Analysis,FIA)项目评价了全美国林业和木材资源。从1999年开始,FIA项目从周期性调查改为对每个州的资源进行年评价机制。整个调查分为三个阶段:①林地与非林地的划分;②野外固定样地的建立和森林生态数据的收集;③在第二阶段所建立样地中抽取子样本,对单木进行测量(Ke,2009)。根据调查的目的和范围,我国的森林调查分为三类:以全国(大区或省)为对象的森林调查(“—类调查”);以森林资源经营管理的企*单位和行政县、乡(镇)为对象的森林调查(“二类调查”);为企业生产作业设计而进行的森林调查(“三类调查”)(张黎莉,2011)。面对繁重的调查任务,森林调查已经不能仅依靠耗时费力的人工野外调查和单~的航空像片解译进行。随着遥感及计算机技术的迅速发展,人们开始利用中等空间分辨率卫星影像(如MODIS和Landsat TM)在全国尺度上对森林资源进行监测(即大面积调查);同时也利用高空间分辨率卫星影像(如IKONOS、QuickBird、GeoEye-1和WorldView-2)在林分尺度和单木尺度上对森林参数进行估测(即小面积调查)。我国从20世纪50年代起开始开展森林调查工作,应用抽样、电子计算机、林业遥感等技术,进行了全国各大林区的森林经理调查,建立了森林调查的三级体系,森林资源数据库自动化体系也在逐步建立中(张黎莉,2011)。近年来,随着主被动遥感数据源的不断丰富,使用的计算机技术也远远超过早期基于航空像片的图像处理技术,这无疑给准确、自动、快速地获取森林参数带来了靠前的发展机遇。
随着遥感和计算机技术的迅速发展,应用遥感影像对单木树冠进行探测和提取的半自动和全自动算法在获得即时、准确、完整的森林信息方面扮演着重要角色。准确提取单木树冠是精准林业的重要组成部分,能否准确提取树冠直接影响冠幅和胸径(Zhang et al,2010)、郁闭度(Bai et al,2005)、冠层结构(Harding a1.,2001)、林分高与生物量( Popescu, 2007)、树种分类(Heinzel&Koch, 2012)及林分生长量(Yu et a1.,2004)等单木及森林参数估测的准确性。同时,树冠也是树木光合作用的主要场所,对树冠做出准确的判断,可以很好地用来监测树木的生长、预防树木病虫害、模拟能量传输等,对研究森林的生长情况和动态变化有重要的意义。单木树冠的准确提取能够使森林参数细化到每株树木,森林监测以单木为对象开展,森林经营管理将不再是—个粗放的概念,而是以实时高精度遥感信息提取为手段的精准集约化管理(刘晓双等,2010)。因此,利用遥感数据进行单木树冠提取对森林调查和精准林业的进一步发展有着至关重要的科学研究意义。
研究人员在应用单木树冠提取技术解决不同问题时使用了许多不同的术语,如单木个数估计(stem number estimation)、单木探测(single tree detection)、自动树木识别(automatic tree recognition)等。本书提到的单木树冠提取指的是单木树冠探测与勾绘(individual tree crown detection and delineation,ITCD),即识别单木的一般过程,包括树顶或树干探测和树冠边界勾绘过程。大多数半自动或自动的单木树冠提取算法基于以下假设进行:树冠顶点位于(辐射亮度或高度的)局部优选值处,辐射亮度或高度值沿树冠边缘方向逐渐减小,在树冠边界处达到很小值。因此,半自动或自动的单木树冠提取算法一般分为两种思路:一种是优选行树冠顶点或单木位置的探测,在此基础上进行树冠边界的勾绘,确定树冠的轮廓;另一种是基于树冠的光学特性、颜色、纹理特征,利用统计学方法及人机交互作业的方法直接描绘出单木树冠的轮廓。
以下为对购买帮助不大的评价