为了快速检测和统计杨梅树的数量,该研究提出了一种基于改进YOLOv7的杨梅树单木检测模型:YOLOv7-ACGDmix。首先,对YOLOv7的可扩展高效长程注意力网络(extended-efficient long-range attention networks, E-ELAN)进行改进,通过融合兼具...为了快速检测和统计杨梅树的数量,该研究提出了一种基于改进YOLOv7的杨梅树单木检测模型:YOLOv7-ACGDmix。首先,对YOLOv7的可扩展高效长程注意力网络(extended-efficient long-range attention networks, E-ELAN)进行改进,通过融合兼具卷积和注意力机制优势的ACmix(a mixed model that enjoys the benefit of both self-attention and convolution)结构得到AC-E-ELAN模块,提升模型的学习和推理能力,引入可变形卷积(deformable convolutional networks version 2, DCNv2)结构得到DCNv2-E-ELAN模块,增强模型对不同尺寸目标的提取能力;其次,采用内容感知特征重组(content-aware reassembly of features, CARAFE)上采样模块,提高模型对重要特征的提取能力;然后,在主干和头部网络部分添加全局注意力机制(global-attention mechanism, GAM),强化特征中的语义信息和位置信息,提高模型特征融合能力;最后,采用WIoU(wise intersection over union)损失函数减少因正负样本数据不平衡造成的干扰,增强模型的泛化性。在公开数据集上的试验结果表明,YOLOv7-ACGDmix模型的精确率达到89.1%,召回率达到89.0%,平均精度均值(mean average precision, mAP)达到95.1%,F_(1)-score达到89.0%,相比于原YOLOv7模型分别提高1.8、4.0、2.3和3.0个百分点。与Faster R-CNN、SSD、YOLOv8模型相比,改进模型的平均精度均值(mAP_(0.5))分别提高了9.8、2.2、0.7个百分点。实地采集杨梅树样本数据的检测精确率87.3%、召回率85.7%。试验表明,改进模型为基于无人机影像的杨梅树单木检测提供了一种有效的解决方案,对果园精准管理的发展具有重要意义。展开更多
精准计量城市绿地乔木碳汇量是提高绿地碳汇能力的前提。以平湖为例,采用单木调查结合绿地类型方法计量城区乔木碳汇,聚类分析树种碳汇能力,空间自相关与热力图分析碳密度、碳汇速率空间分布特征,以辅助城市绿地合理布局。结果表明:(1)...精准计量城市绿地乔木碳汇量是提高绿地碳汇能力的前提。以平湖为例,采用单木调查结合绿地类型方法计量城区乔木碳汇,聚类分析树种碳汇能力,空间自相关与热力图分析碳密度、碳汇速率空间分布特征,以辅助城市绿地合理布局。结果表明:(1)平湖的附属绿地碳密度与碳汇速率最大,城市乔木绿地平均乔木碳密度(22.72 t C/hm^(2))为中上水平,平均乔木碳汇速率(8.99 t CO_(2)e a^(-1)hm^(-2))高于非城市森林;(2)硬阔Ⅱ((31.13±15.11)kg CO_(2)e/a)与硬阔Ⅰ((30.43±17.56)kg CO_(2)e/a)树种碳汇能力强于松类、软阔、杉类、柏类;(3)城市乔木绿地乔木碳密度和碳汇密度具有空间聚集性,高值常沿道路呈条带状或沿水域呈团块状分布。研究方法和结论对于厘清城市绿地乔木的碳家底,管理和提升城市自然碳汇功能,促进城市碳中和具有重要的理论和实践意义。展开更多
红树林生长在热带和亚热带海岸潮间上,具有重要的生态和经济价值,加强红树林监测是有效保护红树林的重要工作。选取广东雷州市红树林示范区为研究区域,通过无人机激光雷达(light detection and ranging,LiDAR)高密度点云数据以及样方实...红树林生长在热带和亚热带海岸潮间上,具有重要的生态和经济价值,加强红树林监测是有效保护红树林的重要工作。选取广东雷州市红树林示范区为研究区域,通过无人机激光雷达(light detection and ranging,LiDAR)高密度点云数据以及样方实测数据搭建不同种类红树林结构参数反演模型。结果表明单木树高反演以无瓣海桑精度最好,其次为秋茄,白骨壤精度最低;红树林单木冠幅参数整体反演效果一般,识别精度最高的是无瓣海桑。单木树高的识别效果整体优于单木冠幅。整体来看使用无人机激光雷达技术可以有效提取红树林结构参数,替代传统的红树林人工测量方法,为红树林资源动态变化监测及保护提供高精度基础数据。展开更多
文摘为了快速检测和统计杨梅树的数量,该研究提出了一种基于改进YOLOv7的杨梅树单木检测模型:YOLOv7-ACGDmix。首先,对YOLOv7的可扩展高效长程注意力网络(extended-efficient long-range attention networks, E-ELAN)进行改进,通过融合兼具卷积和注意力机制优势的ACmix(a mixed model that enjoys the benefit of both self-attention and convolution)结构得到AC-E-ELAN模块,提升模型的学习和推理能力,引入可变形卷积(deformable convolutional networks version 2, DCNv2)结构得到DCNv2-E-ELAN模块,增强模型对不同尺寸目标的提取能力;其次,采用内容感知特征重组(content-aware reassembly of features, CARAFE)上采样模块,提高模型对重要特征的提取能力;然后,在主干和头部网络部分添加全局注意力机制(global-attention mechanism, GAM),强化特征中的语义信息和位置信息,提高模型特征融合能力;最后,采用WIoU(wise intersection over union)损失函数减少因正负样本数据不平衡造成的干扰,增强模型的泛化性。在公开数据集上的试验结果表明,YOLOv7-ACGDmix模型的精确率达到89.1%,召回率达到89.0%,平均精度均值(mean average precision, mAP)达到95.1%,F_(1)-score达到89.0%,相比于原YOLOv7模型分别提高1.8、4.0、2.3和3.0个百分点。与Faster R-CNN、SSD、YOLOv8模型相比,改进模型的平均精度均值(mAP_(0.5))分别提高了9.8、2.2、0.7个百分点。实地采集杨梅树样本数据的检测精确率87.3%、召回率85.7%。试验表明,改进模型为基于无人机影像的杨梅树单木检测提供了一种有效的解决方案,对果园精准管理的发展具有重要意义。
文摘精准计量城市绿地乔木碳汇量是提高绿地碳汇能力的前提。以平湖为例,采用单木调查结合绿地类型方法计量城区乔木碳汇,聚类分析树种碳汇能力,空间自相关与热力图分析碳密度、碳汇速率空间分布特征,以辅助城市绿地合理布局。结果表明:(1)平湖的附属绿地碳密度与碳汇速率最大,城市乔木绿地平均乔木碳密度(22.72 t C/hm^(2))为中上水平,平均乔木碳汇速率(8.99 t CO_(2)e a^(-1)hm^(-2))高于非城市森林;(2)硬阔Ⅱ((31.13±15.11)kg CO_(2)e/a)与硬阔Ⅰ((30.43±17.56)kg CO_(2)e/a)树种碳汇能力强于松类、软阔、杉类、柏类;(3)城市乔木绿地乔木碳密度和碳汇密度具有空间聚集性,高值常沿道路呈条带状或沿水域呈团块状分布。研究方法和结论对于厘清城市绿地乔木的碳家底,管理和提升城市自然碳汇功能,促进城市碳中和具有重要的理论和实践意义。
文摘红树林生长在热带和亚热带海岸潮间上,具有重要的生态和经济价值,加强红树林监测是有效保护红树林的重要工作。选取广东雷州市红树林示范区为研究区域,通过无人机激光雷达(light detection and ranging,LiDAR)高密度点云数据以及样方实测数据搭建不同种类红树林结构参数反演模型。结果表明单木树高反演以无瓣海桑精度最好,其次为秋茄,白骨壤精度最低;红树林单木冠幅参数整体反演效果一般,识别精度最高的是无瓣海桑。单木树高的识别效果整体优于单木冠幅。整体来看使用无人机激光雷达技术可以有效提取红树林结构参数,替代传统的红树林人工测量方法,为红树林资源动态变化监测及保护提供高精度基础数据。
