RGB-DSM數據融合研究
——以城市樟樹檢測為例

馮源,夏凱,馮海林

(浙江農林大學數學與計算機科學學院,國家林草局林業感知技術與智能裝備重點實驗室,浙江省林業智能監測與信息技術研究重點實驗室,杭州 311300)

城市森林作為城市環境的主要組成部分,在城市生態系統中發揮著重要作用,包括改善空氣質量、緩解城市熱島效應、保護生物多樣性和提高居民生活質量[1]。而城市森林的評估與管理需要收集樹木的各種屬性,包括樹種、高度、冠幅和坐標等,因此,單木檢測是森林資源調查中一項重要的基礎工作[2]。然而,城市地區的單木檢測工作存在諸多難點。與樹木分布密集的天然林相比,城市樹木通常與建筑物相鄰,樹種繁多且分布不均[3]。傳統的樹木數據采集方法為人工實地調查,其耗時耗力且過于依賴主觀經驗,僅適用于小范圍作業[4]。如需進行大范圍的數據采集,則需要遙感平臺的支持。遙感平臺種類多樣,其中無人機具有低成本、高性能與靈活性等特點,近年來已被廣泛應用于單木檢測[5]。Kwong等[6]對機載激光雷達(light detection and ranging,LiDAR)數據、數字航空圖像與無人機圖像3種遙感數據源的單木檢測潛力進行評估,實驗結果表明,基于無人機圖像的檢測效果僅次于機載LiDAR數據。

基于遙感數據的傳統單木檢測算法包括區域生長、局部最大值與分水嶺分割等算法[7]。Tanhuanp??等[8]基于冠層高度模型(canopy height model,CHM)采用分水嶺分割算法檢測到城市樹木清單中88.8%的行道樹。局部最大值與分水嶺等算法的主要限制是無法識別樹種,因此在多樹種環境下,它們難以同時分割單個樹冠和判別樹種類型[7,9]。……