XiaoMi-AI文件搜索系统
World File Search Systemcanopy
利用机载激光雷达生成无坑冠层高度模型
摘要 从激光雷达数据中得到的冠层高度模型 (CHM) 已被用于提取森林资源清查参数。然而，建模高度的变化会导致数据凹陷，这是一个具有挑战性的问题，因为它们会破坏 CHM 的平滑度，对树木检测和随后的生物物理测量产生负面影响。这些凹陷出现在激光束深入树冠的地方，在产生第一次回波之前，激光束会击中下部树枝或地面。在本研究中，我们开发了一种新算法，该算法通过使用激光雷达点的子集来封闭凹陷，从而生成无凹陷的 CHM 栅格。该算法在高密度激光雷达数据和细化激光雷达数据集上都能稳定运行。评估包括使用无凹陷 CHM 检测单棵树木，并将结果与使用高斯平滑 CHM 的结果进行比较。结果表明，我们从高密度和低密度激光雷达数据中得到的无凹陷 CHM 显著提高了树木检测的准确性。
便携式和顶篷式系列储能系统宣传册（英语）
我们的储能系统具有直通功能，允许高达 400 安培的电流直接从输入源（例如发电机、另一个储能系统或电网）流出，而无需存储或转换为输出源。这使得储能系统能够直接向参与削峰和备用电源等关键应用的负载提供额外电力，而无需转换，以确保以最有效的方式使用能源，同时允许在需要时同时提供低负载和高功率。
附录 1 RFP 编号 25-07 城市树冠...
附录 1 RFP 编号 25-07 城市树冠评估更新提案 截止日期：2025 年 2 月 6 日上午 11:00（当地时间） 此处包含的信息优先于原始文件和所有之前的附录（如果有），并附加于其后。本附录包括五 (5) 页。提案人应确认已收到本附录 1，包括其提案中的所有附件，并在提案中注明已收到附录。未确认收到本附录而提交的提案可能被视为不符合要求。提交的提案应包含 RFP 文件中提供的以下表格：• 附件 C — 安娜堡市非歧视合规声明• 附件 D — 安娜堡市最低工资合规声明• 附件 E — RFP 文件中的供应商利益冲突披露表如果提案在开启时未能提供上述已填妥的表格，则可能会被视为无响应而被拒绝，并且可能不会被考虑授予奖项。I. 更正/添加/删除下述 RFP 文件的更改将在更改的页面或章节中予以提及。投标人在审查文件时应予以注意，并将这些更改包括进去，因为它们可能会影响此处未具体提及的其他领域的工作或细节。章节/页面 更改 第 5 页 按照 RFP 编号 25-07 文件的规定： 提案截止日期：2025 年 2 月 6 日下午 2:00（当地时间） 按照此处更新： 提案截止日期：2025 年 2 月 6 日上午 11:00（当地时间） 备注：这是为了澄清对此 RFP 的回复截止日期为上午 11:00（当地时间）。
董事会简报备忘录 - 城市森林树冠覆盖率 - 更新
娱乐 主题：城市森林树冠覆盖 – 更新 – 董事会简报备忘录 尊敬的委员们，公园局城市林业部很高兴与大家分享由 Diamond Head Consulting (DHC) 编写的最近完成的 2022 年温哥华树冠评估报告。DHC 还在推进城市森林战略的更新，该战略将于 2024 年第四季度完成。此次树冠评估更新了 2018 年进行的上一次树冠分析，并提供了有关城市森林现状的宝贵见解和趋势。本报告中的数据来自 2022 年夏季捕获的航空图像和激光雷达数据。该报告强调了温哥华市对城市森林管理的持续承诺，并量化了扩大全市树冠覆盖率的进展。它还确定了未来植树工作的重点领域，以促进公平和气候适应目标。本报告提供的关键数据将为即将出台的城市森林战略更新以及相关行动和城市林业计划提供支持，以支持温哥华建立有弹性、可持续和公平的城市森林冠层。主要亮点
使用机载激光扫描绘制城市树冠覆盖图
NINA 出版物 NINA 报告 (NINA Rapport) 这是 NINA 向客户报告已完成的研究、监测或审查工作的常用形式。此外，该系列还将包括研究所的许多其他报告，例如研讨会和会议报告、内部研究和审查工作结果以及文献研究等。在适当的情况下，NINA 报告也可以以第二语言发布。NINA 特别报告 (NINA Temahefte) 顾名思义，特别报告涉及特别主题。特别报告是根据需要制作的，该系列的范围很广：从系统识别关键到有关社会重要问题领域的信息。NINA 特别报告通常采用流行的科学形式，与 NINA 报告相比，其插图更重要。NINA 概况介绍 (NINA Fakta) 概况介绍的目的是让公众快速轻松地获取 NINA 的研究成果。概况介绍简要介绍了我们一些最重要的研究主题。其他出版物 除了在 NINA 自己的系列中报道外，该研究所的员工还在国际期刊、科普书籍和杂志上发表了大部分科学成果。
被动和主动冠层传感器的比较葡萄树生物量产量的估计
从被动式近端传感器过渡到主动式近端传感器。主动式传感器不依赖自然阳光的反射，而是测量作物调制光的反射，因此它们可以在所有照明条件下工作。本研究比较了主动式和被动式冠层传感器在预测梅洛葡萄园 25-32 个随机选择位置的生物量产量方面的潜力。两种传感器都提供了从转色期冠层最低点视角估计的归一化差异植被指数 (NDVI)，这是修剪重量的良好预测指标。尽管被动传感器的红色 NDVI 更多地解释了生物量的变化（R 2 = 0.82），但它与修剪重量的关系是非线性的，最好用二次回归来描述（NDVI = 0.55 ?0.50 wt - 0.21 wt 2 ）。在高生物量条件下，无法验证琥珀色 NDVI-生物量关系理论上更大的线性度。与叶片中稳定同位素含量（13 C 和 15 N）的线性相关性提供了证据表明，冠层反射率检测到了由于缺水和肥料氮吸收有限而导致的植物压力。因此，这些移动传感器提供的冠层反射率数据可用于改善葡萄园的特定地点管理实践。
使用UAV多光谱图像的葡萄园冠层检测的不同计算机视觉方法的比较
在葡萄栽培中，通过超高的空间分解图像快速而准确地获取了冠层光谱信息以进行决策支持。普遍的做法涉及使用从纯藤冠像素获得的光谱数据创建活力图。基于对象的图像分析（OBIA）在常规方法中表现出由于其特征提取的功能而在树冠分类中表现出合理的效率。近年来，深度学习（DL）技术在果园监测中表现出了巨大的潜力，并利用了它们自动学习图像特征的能力。这项研究评估了不同方法的性能，包括掩盖R-CNN，U-NET，OBIA和无监督方法，以识别纯冠类像素。比较了阴影和背景检测方法的有效性以及错误分类像素对NDVI的影响。将结果与2021年和2022年生长季节进行的农艺调查进行了比较，重点是两个不同的物候阶段（BBCH65-BBCH85）。蒙版R-CNN和U-NET在整体准确性（OA），F1得分和与联合（IOU）相交方面表现出卓越的性能。在OBIA方法中，高斯混合模型（GMM）被证明是冠层分割的最有效的分类器，并且支持向量机（SVM）也表现出合理的稳定性。相反，随机森林（RF）和K-均值的准确性和较高的错误率产生了较低的误差率。由于准确性有限，因此在葡萄园行高的葡萄园排被高估了，而对于高活力的檐篷，NDVI被低估了。可显着提高确定系数，以进行总叶面积（TLA）与源自蒙版R-CNN和U-NET得出的NDVI数据之间的比较。还发现了来自GMM和SVM算法的NDVI数据的正相关性。关于叶叶绿素（CHL）和NDVI相关性，蒙版R-CNN和U-NET方法显示出较高的性能。此外，TLA和投影冠层区域（PCA）之间的关系得到了U-NET和Mask R-CNN的明显代表，而不建议使用PCA来估计叶绿素含量。这项调查确定，改善了葡萄树冠划界的贡献，可改善葡萄园活力监测，为葡萄酒生长提供了更准确，更可靠的农艺信息，以进行管理决策。
使用无人机绘制冠层活力图，用于葡萄园喷药过程中的场地特定管理
摘要 作物定点管理代表着不同劳动力效率和功效方面的重大改进，其实施在过去几十年中经历了巨大的发展，特别是对于大田作物。对于所谓的“特种作物”（葡萄园、果园水果、柑橘、橄榄树等）的喷雾应用过程的具体情况代表了与经济、技术和环境方面直接相关的最具争议和影响力的行动之一。这项研究的主要目的是找出从遥感技术获得的数据与实际冠层特征之间的可能相关性。潜在的相关性将成为开发基于先前开发的处方图的变量施用技术的起点。配备多光谱摄像机的无人机 (UAV) 用于获取数据，以构建整个地块的冠层活力图。通过应用专用软件 DOSAVIÑA ®，冠层图随后被转换成实用的处方图，该处方图被上传到喷雾器中嵌入的专用软件中。除此信息外，喷雾器的精确地理参考位置还使系统能够实时修改工作参数（压力），以便遵循处方图。结果表明，葡萄园喷雾应用的场地特定管理可减少 45% 的
使用机载激光扫描仪数据进行冠层高度生长测量的变化检测技术
摘要 本文使用 82 棵苏格兰松样本树，分析了机载激光扫描仪数据在北方森林中测量单株树高生长的潜力。使用 Toposys 83 kHz 激光雷达系统于 1998 年 9 月和 2003 年 5 月获取了照亮 50% 树梢的点云（10 个点/平方米，光束大小 40 厘米）。使用野外视距仪测量松树的参考高度和高度生长。从代表每棵树的点云中提取了三种不同类型的特征；它们是最高 z 值之间的差异、树冠 DSM 之间的差异以及对应于树冠的冠层高度直方图的第 85、第 90 和第 95 个百分位数之间的差异。与现场测量结果的最佳对应关系为 R 2 值为 0.68，RMSE 为 43 厘米。结果表明，可以使用多时相激光测量来测量单棵树的生长情况。我们还演示了一种用于树木间匹配的新算法。在基于单棵树木进行业务生长估计时需要该算法，尤其是在茂密的云杉林中。该方法基于最小化 N 维数据空间中树梢之间的距离。实验表明，使用树木的位置（来自激光数据）和高度足以提供可靠的树木间匹配。将来，匹配中还应包括第四维（树冠面积）。
评估 GEDI 的 LiDAR 数据对巴西桉树人工林冠层高度和木材体积的估算
摘要 — 过去二十年来，星载激光雷达系统凭借其准确估算树冠高度和地上生物量的能力，在遥感领域获得了发展势头。本文旨在利用最新的全球生态系统动态调查 (GEDI) 激光雷达系统数据来估算巴西桉树人工林的林分尺度优势高度 (H dom) 和林分体积 (V)。这些人工林由于树冠覆盖均匀且可进行精确的实地测量，因此提供了有价值的案例研究。基于几个 GEDI 指标，使用了几个线性和非线性回归模型来估计 H dom 和 V。 H dom 和 V 估计结果表明，在低坡度地形上，使用逐步回归方法可获得最准确的 H dom 和 V 估计值，均方根误差 (RMSE) 分别为 1.33 m（R 2 为 0.93）和 24.39 m 3 .ha − 1（R 2 为 0.90）。解释 H dom 和 V 超过 87% 和 84% 变异性 (R 2 ) 的主要指标是表示 90% 的波形能量发生于地面以上高度的指标。对六种可用的不同处理算法发出的后处理 GEDI 指标值进行测试表明，H dom 和 V 估计的准确性取决于算法，使用算法 a5 相对于 a1，两个变量的 RMSE 均增加了 16%。最后，选择最后检测到的模式或最后两个模式中较强的模式的地面回波也会影响 H dom 估计精度，使用后者会导致 12 厘米 RMSE 降低。