基于无人机成像的人工银杏林地上生物量估测方法

黄俊红; 郑一力; 朱学岩; 胡雪杨; 陈锋军; 李金峰; 谭小宁

doi:10.13360/j.issn.2096-1359.202405019

林业工程学报 ›› 2025, Vol. 10 ›› Issue (06) : 98 -107. DOI: 10.13360/j.issn.2096-1359.202405019

基于无人机成像的人工银杏林地上生物量估测方法

黄俊红, 郑一力, 朱学岩, 胡雪杨, 陈锋军, 李金峰, 谭小宁

作者信息 +

Author information +

文章历史 +

PDF

摘要

为探究深度学习模型在人工林树冠分割中的性能，构建合适的树冠面积和胸径拟合模型，以便准确估算人工林地上生物量，该研究以北京市房山区西南召村人工银杏林为研究区域，使用无人机采集树木影像。利用多视图三维重建技术生成银杏林三维稠密点云，以提取单株树高；借助YOLOv7模型分割研究区域正射影像中的树冠，以提取单株树冠面积，建立树冠面积与胸径之间的拟合模型，选择最优拟合模型预测胸径；最后利用以树高和胸径为变量的异速生长方程估算银杏林地上生物量。结果表明：YOLOv7模型在识别分割单株树冠方面表现良好，其精确率达95.88%,召回率为95.26%,平均单张图片识别时间仅为18.45 ms,与Mask R-CNN、DeepLapV3+、UperNet和U-Net模型相比，YOLOv7模型树冠分割精度更高，单张图片平均识别时间更短；提取的单株树高决定系数（R²）达0.928;最优树冠面积-胸径拟合模型为对数模型，利用此模型所预测胸径的R²为0.803,均方根误差（RMSE）为1.125 cm;所估算的人工银杏林地上生物量的R²为0.779,RMSE为4.985 kg。这些结果证明YOLOv7模型具有良好的树冠分割效果，树木树冠面积和胸径之间存在较高相关性，可利用此方法快速有效地估算森林地上生物量，为监测人工林的生长状况提供技术参考。