点云数据双向选择单木提取与地面数据匹配方法

【目的】基于双向选择判断原理,提出一种将激光雷达(LiDAR)点云数据提取到的单木信息与地面实测单木信息进行匹配的方法,以得到更为合理的信息匹配结果。【方法】采用机载LiDAR点云数据分割单木,提取单木位置、数量、树高和冠幅等信息,从LiDAR提取单木位置出发,依据树高和距离正向确定候选地面实测单木,再根据候选地面实测单木位置和距离信息逆向确认LiDAR提取单木是否为最合适的匹配对象木。【结果】以匹配精度、匹配后的单木树高和冠幅精度为判断指标,与邻域最高匹配法、最邻近匹配法和双因素匹配法相比,在匹配精度一致的情况下,双向选择判断法匹配的单木树高精度可从75.21%提升至91.01%,冠幅精度从60.50%提升至68.64%;在保证匹配信息精度一致的情况下,双向选择判断法可将匹配精度从传统方法的33.52%提升至61.11%。【结论】点云数据双向选择单木提取与地面数据匹配方法可快速、高效地将激光雷达点云数据提取到的单木信息与地面实测单木信息进行匹配,与传统方法相比,能够在高密度、多林层林分中发挥更高优势。     

基于角尺度的随机体在森林稳定性维持中的作用

【目的】探讨基于空间结构的森林稳定性维持机制,提出森林"随机体-稳定性"假说,为改善我国人工林稳定性提供科学参考。【方法】以我国不同气候带典型天然林为研究对象,利用林分空间结构参数——角尺度精细解译林木点格局,根据参照树及其最近4株相邻木构成的结构单元中相邻木的分布形式定义结构体,分析典型天然林结构体类型构成,揭示稳定性高的天然林普适性结构规律。【结果】天然林中的林木主要由随机木组成,其林木株数频率达55%,断面积占比高达50%以上;随机木构成天然林的主体,既与天然林地域分布和森林类型无关,也与天然林树种组成和格局类型无关。【结论】随机木是天然林稳定的基石,其在天然林中的主体构成是促使森林稳定性的关键。林分中随机体的架构形式使得随机木具有两面受光的邻体微环境,相较于均匀体,其中心木受相邻木的竞争压力更小,而相较于聚集体,随机木的相邻木之间挤压程度则更小,随机木及其邻体(随机体)相对来说承受的生存压力较小,在自然演替过程中能够获得更大的存活几率;随机体数量越多,森林群落越稳定。     

基于Voronoi空间单元的林分空间结构智能优化研究

使用Voronoi法确定对象木与相邻木存在边缘校正不准确和阈值大小不确定等问题，不利于林分空间结构量化描述。针对这些问题，本研究设定所有距离样地边界线小于0.5 m且不完整的Voronoi单元中的林木为非对象木，并引进对象木与相邻木的距离调控阈值Rmax,修正了Voronoi空间单元在边缘效应处理上存在的对象木和相邻木选取不合理问题。基于修正的Voronoi空间单元，构建了多目标生态采伐方案，并通过蚁群算法进行智能优化。结果表明，调控前20个样地中4个林分空间结构状况相对较差的样地，通过模拟采伐调控后，适应度函数分别提升0.72,0.92,0.93,0.86,证明了该方案对于优化林分空间结构具有较好的效果，可为森林经营决策提供支持工具。     

泰森多边形与传统四株树法的天然红树林空间结构比较研究

【目的】以漳江口红树林为研究对象,利用泰森多边形和四株树法划分天然红树林林木平面空间分布结构,确定对象木的最邻近竞争木,计算林分空间结构指数,对比分析两种方法的异同,探讨泰森多边形法应用红树林林分空间结构量化的适用性。【方法】设置20 m×20 m样地,每木调查时用钢尺测量横纵坐标,在坐标纸上标记调查木的位置和编号,同时在调查表上记录树种、树高、胸径等林分因子。利用ArcGIS软件,将外业调查的坐标纸上的样木位置图矢量化形成样木点图层,将林分因子调查表导入样木属性表,并由调查木的点位置生成泰森多边形。用VBA编程来计算林分空间结构指数:混交度、大小比数、角尺度。【结果】在福建漳江口红树林国家自然保护区选择样地进行试验,对比分析基于泰森多边形法与传统的四株树法的计算结果,结果表明:1)基于泰森多边形法确定的林分空间结构单元由1株对象木和3~12株竞争木构成,平均值为6株。2)两种方法计算的混交度的相关系数为0.828,大小比数的相关系数为0.881,角尺度的相关系数为0.225。这两种方法计算的混交度和大小比数具有较高的相关性和一致性,而角尺度,两者差异较大。3)基于泰森多边形法与四株树法的不同树种的混交度和大小比数平均值非常接近,混交度最大差0.05,大小比数最大差0.02;角尺度差异较大,最大差值达0.11;泰森多边形法计算的混交度比四株树法的略大一些,而大小比数和角尺度则略小一些。【结论】无论从单株还是从整个调查林分上看,基于泰森多边形法计算的混交度和大小比数与传统四株树法的计算结果差异小,两种方法有较高的相关性和一致性,但其中泰森多边形法与四株树法相比,混交度略大,大小比数略小;而对于角尺度,两种方法的计算结果有较大的差异,并且泰森多边形法的计算结果值小于四株树法。这种差异的根源在于泰森多边形法确定的竞争木数量波动。泰森多边形法通过最邻近原则将平面空间进行划分,不重不漏,对于量化表达林木在空间上的竞争关系具有合理性和有效性,同时外业调查时不需要判断对象木的最邻近竞争木以及距离量算和角度测量,大幅减轻外业调查工作量,适用于天然红树林林分空间结构研究。     

哑变量在森林蓄积量模型估测中的应用

【目的】建立含哑变量的林分蓄积量估测模型，分析哑变量在香格里拉高山松林分蓄积量模型中的意义与作用。【方法】以香格里拉为研究区，基于2008—2009年3幅TM遥感影像与2008年抽样控制样地数据，对香格里拉高山松林分神经网络模型与考虑龄组构造的哑变量神经网络模型两种类型建立蓄积量遥感估测模型，并进行精度评价。对比模型的估测值与实测值，计算模型残差，检验各龄组残差均值与0之间的差异性；同时对模型的预测值结果进行组间均值的差异性检验，以此作为确定龄组分类形式构建哑变量的标准与依据。【结果】2个模型的独立样本检验结果表明，引入哑变量的神经网络估测模型比神经网络模型拟合效果要好，其决定系数要高于神经网络模型，决定系数从0.516提高到0.783。模型预估精度从神经网络模型的66.3%提高至哑变量模型的74.8%，估算误差优于神经网络模型。【结论】根据模型的残差差异性结果得出，哑变量模型可以在一定程度上解决在估测幼龄林、中龄林蓄积量低值高估的问题；可见引入哑变量估测森林蓄积量的方法是相对有效的。     

基于无人机影像的天山云杉林伐后更新地林分密度估测研究

【目的】林分密度是影响森林生态系统结构和功能的主要因素,是森林资源调查的一项重要指标,对林木生长发育有着十分重要的影响。基于无人机影像,以实现提取不同郁闭度的林分密度,旨在为天然林保护工程实施后山区森林资源更新恢复评价提供技术支撑。【方法】以新疆农业大学实习林场伐后更新的天然林为研究对象,以天山云杉Picea schrenkiana var.tianshanica纯林为主,基于无人机影像,利用面向对象多尺度分割方法提取了低、中、高3种不同郁闭度林分的天山云杉冠幅信息,进而估算林分密度,提出了采用平均冠幅法估测高郁闭度林分冠层遮挡区域林木株数的方法。【结果】采用面向对象方法对新疆农业大学实习林场伐后更新的天山云杉树冠边缘信息提取精度较高,提取的林分密度与实测结果相近。其中低、中郁闭度林分中林分密度提取精度分别为0.9868和0.9333,高郁闭度林分中林分密度提取精度相对较低,为0.7657。【结论】总体来看,该方法用于研究区天山云杉林伐后更新地林分密度估测是可行的,采用树冠平均冠幅法能够快速准确地提取伐后更新造林地的林分密度。     

结合地统计学与Landsat 8影像的乔木林地上碳储量估算

【目的】探究Landsat 8多光谱影像结合地统计学方法估算乔木林地上碳储量的可行性和适用性,为应用Landsat 8多光谱影像结合地统计学方法估算区域森林参数提供参考。【方法】以浙江省内的一景Landsat 8多光谱影像覆盖的范围为研究区,以乔木林地上碳储量为研究对象。通过外业调查获取专项调查数据,并采用生物量转换因子和树种含碳率参数,计算得到乔木林地上碳储量数据。基于Landsat 8多光谱影像和DEM数据,提取植被指数、纹理特征、主成分变换因子、缨帽变换因子和地形因子,采用皮尔森相关系数法和方差膨胀因子法对这些因子进行优选,生成用于建模的自变量集。分别采用稳健估计和协同克里格插值法构建乔木林地上碳储量模型,并对所构建的模型精度进行对比分析。【结果】本实验所提取的因子经皮尔森相关系数法筛选后,得到22个自变量因子,经方差膨胀因子法优选后,共有7个自变量因子(比值植被指数、非线性植被指数、海拔、第2波段的平均值纹理、第4波段的相关性纹理、第7波段的平均值纹理、第7波段的方差纹理)用于建模。协同克里格插值法构建模型的决定系数(R2)为0.45、均方根误差(RMSE)为9.88 t·hm-2、平均绝对偏差(MAE)为7.75 t·hm-2、总预报偏差的相对误差(RE)为0.24%,其拟合精度优于稳健估计法(R2=0.42,RMSE=10.15t·hm-2,MAE=8.03 t·hm-2,RE=0.27%)。本文所采用的皮尔森相关系数法结合方差膨胀因子法可有效地考虑变量间的相关性及共线性问题,可以在一定程度上提高所构建模型的稳定性,所采用的协同克里格插值法考虑了变量的空间分布特征,与传统的统计模型相比具有较好的应用优势。【结论】本研究为应用Landsat 8多光谱影像结合协同克里格插值法快速估算森林碳储量及其他森林参数提供了新的途径。     

基于BP神经网络的沙柳地上生物量预测模型

[目的]以库布其沙漠沙柳为研究对象,建立基于BP神经网络的沙柳生物量模型,探究不同建模因子下的沙柳生物量估算模型变化,以期探究沙柳生物量估算模型的最优形式。[方法]选取6种沙柳生长因子,并根据与生物量相关性大小加入输入变量,从而组成6组不同输入变量,输入变量包含因子数量逐步增加（1～6种）。对比BP神经网络沙柳生物量模型不同输入变量所拟合模型的性能,确定最佳输入变量,并在最优输入变量的基础上,确定BP神经网络隐层数量,经过反复训练,建立基于BP神经网络的沙柳生物量估算模型。[结果]基于BP神经网络的沙柳生物量模型最优结构,即输入层节点数(N_in)∶隐层节点数（N_h）∶输出层节点数(N_out)为：4∶9∶1。其中训练数据R²=0.97,RMSE=0.67,MAE=0.50;测试数据R²=0.96,RMSE=1.10,MAE=0.77。[结论]基于BP神经网络的沙柳生物量,随着输入变量中输入因子的数量不断增加,发现其R²、RMSE、MAE所表现出的模型性能逐渐...     

基于样本库的杉木林分生长动态可视化模拟

[目的]通过构建杉木生长样本库,研究一种考虑林分空间结构与生长之间交互过程的生长模拟方法,同时结合三维可视化技术,实现林分生长动态可视化模拟。[方法]以2012—2017年湖南省黄丰桥国有林场6块杉木样地的连续调查数据为数据源,考虑相邻木树冠侧方挤压及上方光照遮盖对中心木生长的影响,研建基于空间结构单元的水平、垂直空间结构参数,在此基础上,选取特征指标构建样本库,以马氏距离作为待模拟林木与样本库的匹配准则,对林木与样本库进行迭代匹配,实现考虑空间结构与生长交互过程的林分生长模拟。同时基于三维模型剖分及动态组织方法,采用节点动画技术对林分生长动态进行可视化表达。[结果]经相关性对比分析,选取年龄、胸径、水平、垂直空间结构参数及胸径连年生长率作为特征指标构建样本库预测胸径生长(包含杉木8 934株,其中死亡97株),采用线性建模预测树高、冠幅、活枝下高生长。通过对样地观测值与生长预测值进行配对样本T检验及线性回归,结果表明:胸径、树高、冠幅、活枝下高的生长预测效果良好,具体顺序为胸径树高冠幅活枝下高,线性回归决定系数R~2分别为0.925、0.556、0.482、0.459。[结论]基于样本库的林分生长动态可视化模拟方法能实现胸径、树高、冠幅、活枝下高4个指标的生长可视化,效果形象直观,能满足林业科研和生产实践要求。     

基于机载小光斑全波形LiDAR的亚热带林分特征反演

【目的】研究通过集成波形信号处理、空间解析和重构建模以及综合波形信息提取方法,探索基于小光斑全波形LIDAR特征变量高精度反演林分特征的新方法。【方法】以江苏南部丘陵地区的亚热带天然次生林为研究对象,在预处理和分析小光斑全波形 LIDAR 数据的基础上,首先基于体元空间框架分解和提取波形的振幅能量信息,并构建伪垂直波形模型;然后,从中提取空间位置信息(即点云)及几何辐射变量,计算 LiDAR点云和波形特征变量,并通过相关性分析筛选特征变量;最后,结合地面实测林分特征参数构建反演模型并验证精度。【结果】1)各 LiDAR特征变量对 Lorey’s树高的敏感性最高,对蓄积量和地上生物量次之,对胸高断面积最低,而返回脉冲总能量和返回脉冲峰值点数对胸高断面积的敏感性却高于其他林分特征因子;在点云特征变量组中,平均高、高度百分位数及冠层上部的返回点云密度与各林分特征之间的相关性较高,而在波形特征变量组中,能量中值高度的均值、返回脉冲长度的标准差和冠层粗糙度的标准差与各林分特征之间的相关性较高;2) Lorey’s 树高的模型估算精度最高( RMSE为实测均值的7.26%),而蓄积量、地上生物量和胸高断面积的模型估算精度略低且较相近( RMSE为实测均值的15.91%～19.82%);模型自变量的数量都在3个以内,选中的自变量为高度百分位数、冠层返回点云密度、返回脉冲长度和冠层粗糙度的标准差;3)各林分特征实测值与交叉验证估算值的拟合结果表明, Lorey’s树高的拟合效果最好(R2=0.85),地上生物量(R2=0.68)和蓄积量(R2=0.59)次之,而胸高断面积(R2=0.45)最低;4) Lorey’s 树高、蓄积量和地上生物量的空间分布状况基本一致,源于它们内在的相关性;相比其他3个特征变量,胸高断面积的空间分布不够连续,这可能是由于其预测模型精度较低所致。【结论】各林分特征综合回归模型的拟合效果和精度都高于仅使用点云特征变量拟合模型的精度,表明了波形特征变量提取森林中下层信息的潜力。点云特征变量描述了森林冠层及上部的三维结构及密度信息,而波形特征变量则获得了森林冠层及以下部分完整的垂直分布和能量信息,二者互补可提升林分特征反演的精度。     

东北地区落叶松人工林生物量转换与扩展因子空间自回归模型

【目的】基于东北地区落叶松人工林森林资源连续清查固定样地数据,探讨生物量转换与扩展因子(BCEF)的最优模型形式,建立落叶松人工林BCEF空间自回归模型,为生物量精准估算提供模型支撑和依据。【方法】选择多种模型形式建立BCEF普通回归模型,从中选择拟合效果最好的模型,运用空间误差模型(SEM)和空间滞后模型(SLM) 2种空间自回归方法重新拟合模型,采用决定系数(R~2)、均方根误差(RMSE)和相对均方根误差(rRMSE)对模型进行评价,使用莫兰指数(MI)检验各变量和BCEF模型残差的空间自相关性。【结果】1) BCEF存在明显的空间自相关性,空间距离较小时,同一省内的落叶松人工林BCEF属性相似,随着空间距离增大,各省之间的BCEF属性差异逐渐体现出来,最终趋向随机分布; 2)在普通回归模型中,异速生长模型、对数模型和双曲线模型拟合效果较好,不同自变量对应的最优模型形式不同;林分平方平均直径(Dg)是解释能力最高的变量,以Dg为自变量的有效模型的R~2在0.945～0.958之间;其次是林分平均高和蓄积量,其有效模型的R~2在0.60以上;林分平均年龄的解释能力略低,其有效模型的R~2仅0.50左右;林分断面积(BA)和密度(N)对BCEF的解释能力较差,R~2均不超过0.50;以Dg为自变量的普通回归模型的残差存在明显空间自相关性; 3)以Dg为自变量的双曲线空间自回归模型最优,且SEM优于SLM,与对应普通回归模型相比,SEM的R~2提高3%,RMSE和rRMSE分别降低33%和35%,模型残差的MI不超过0.02,可较好消除空间自相关性。【结论】双曲线是BCEF最稳定的模型形式,Dg是解释BCEF的最优变量,建议采用以Dg为预测变量的双曲线函数空间误差模型估算BCEF。     

机载激光雷达人工林单木分割方法比较和精度分析

【目的】研究分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法对人工林单木分割的适用性,分析3种方法对人工林单木分割的精度,探索进行单木分割时3种方法关键参数的最优选择。【方法】结合地面实测数据和目视解译方法,计算单木探测率、准确率和F得分,比较分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法的单木分割精度,并通过改变栅格化冠层高度模型(CHM)的分辨率及调整基于点云的距离判别聚类法的距离阈值,分别对3种方法进行单木提取效果的敏感性分析。【结果】1)分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法对人工林单木总体分割精度较高(F=0.76～0.83); 2)对于"复杂林型"样地,基于点云的距离判别聚类法的分割精度最高(F=0.78),优于分水岭算法(F=0.74)和四次多项式拟合法(F=0.53);对于"中等复杂林型"样地,基于点云的距离判别聚类法的分割精度最高(F=0.89),优于分水岭算法(F=0.84)和四次多项式拟合法(F=0.75);对于"简单林型"样地,基于点云的距离判别聚类法(F=0.89)、分水岭算法(F=0.89)和四次多项式拟合法(F=0.93)的分割精度都较高; 3)敏感性分析结果表明,当CHM分辨率为0.5 m×0.5 m时,分水岭算法和四次多项式拟合法的分割精度最高;当基于点云的距离判别聚类法的距离阈值近似样地平均冠幅半径时,其分割精度最高。【结论】对多种类型样地进行单木分割,体现了分水岭算法、四次多项式拟合法和基于点云的距离判别聚类法对人工林单木分割的适用性;结合多种类型样地充分评估并比较了3种方法对人工林单木分割的精度;通过对3种方法进行敏感性分析,阐述了进行单木分割时关键参数的最优选择。     

基于贝叶斯模型平均法和逐步回归法构建杉木单木胸径生长模型

【目的】探索杉木人工林单木胸径生长量变化的驱动因子,比较不同驱动因子的重要性,构建不确定性单木胸径生长模型,为杉木经营管理者科学经营管理杉木人工林提供参考。【方法】以福建省邵武市卫闽林场杉木密度试验林为研究对象,采用贝叶斯模型平均法(BMA)和逐步回归法(SR)分析杉木单木胸径生长量与内部因子(林分变量因子)和气候因子的关系,构建杉木单木胸径生长模型。【结果】杉木单木胸径年均生长量受气候因子影响较小,主要受竞争因子和单木大小因子影响。单木胸径生长量随林分密度、林分平方平均胸径、大于对象木的断面积和、年龄、冬季平均最低温度增加而减小,随期初胸径、胸高断面积、优势木平均高、最冷月平均温度、最热月平均温度、年均降雨量增加而增加。基于SR获得模型的后验概率小于BMA获得最佳模型(最高后验概率)或SR模型不在BMA模型空间前几个后验概率高的模型中。【结论】杉木单木胸径生长量随竞争增加而减小,随温度和降雨增加而增加。贝叶斯模型平均法考虑所有可能变量的组合,能够反映出模型的不确定性。     

基于GA-BP神经网络的雷竹林CO2浓度反演

【目的】研发竹林气象因子采集系统,分析雷竹林CO₂浓度与温湿度等气象因子之间的关系,探讨基于GA-BP神经网络的雷竹林CO₂浓度反演模型（简称GA-BP模型）,为竹林碳储量、竹林增汇、竹林固碳能力等研究提供基础数据。【方法】根据微气象学相关原理、方法及森林碳通量动态感知的需求,设计基于嵌入式的森林碳通量数据远程实时监测系统,该监测系统以成熟雷竹林为监测对象,进行为期2个月（2019年10—11月）的气象数据监测;在此基础上,提出GA-BP模型。【结果】根据GA-BP模型和BP模型反演的结果可知：GA-BP模型反演结果的决定系数R²为0.86,比BP模型的R²（0.79）提高了0.07;平均绝对误差为8.12 mg·m^-3,比BP神经网络下降2.79 mg·m^-3。GA-BP模型相较于BP网络具有更稳定的反演性能和更高的反演精度。【结论】可以利用竹林气象因子采集系统获取相关气象数据;基于CO₂浓度与温湿度等气象因子之间的相关性,本研究提...     

公益林生物量估算方法研究——以浙江省缙云县公益林为例

以缙云县公益林为例,利用2010年的117个公益林固定小班监测数据和Landsat5 TM遥感数据,选取遥感变量和地学变量等80个自变量,运用多元线性回归、偏最小二乘回归、随机森林回归和Erf-BP神经网络四种模型,对缙云县公益林生物量进行建模估算,并比较四种方法的优缺点。结果表明:在R2、PRECISION和RMSE方面,随机森林回归优于其他方法,而在VR和BIAS方面,Erf-BP神经网络方法比其他方法更好,但从提高生物量精度和减少均方根误差综合评价,随机森林方法是较好的选择。     

森林空间结构分析中基于Voronoi图的样地边缘校正

【目的】提出一种新的样地边缘校正方法——Voronoi图结点距离判定,为森林空间结构分析和调控提供技术支撑。【方法】为评估Voronoi图结点距离判定的性能,引入量化评估指标RMSE,采用角尺度、聚集指数和大小比数等空间结构指数构造RMSE,并通过设置不同场景的模拟样地和调查样地,将Voronoi图结点距离判定与其他校正方法进行比较和分析。【结果】缓冲区法、最近邻体校正、Voronoi图结点距离判定虽同属减少样本类校正方法,但各校正方法的性能及效果受到林木样本量、林木空间格局、空间结构指数、样地情况等因素影响,差异很大。缓冲区法虽简单易行,但样本浪费严重,且同时存在漏判和误判2种误差,其校正样地的RMSE曲线通常维持在较高水平。Voronoi图结点距离判定可视为缓冲距离随边界林木实际分布自适应变化的校正方法,具备更强的校正能力,能最大限度地排除样地外林木的边缘干扰,在角尺度、大小比数以及样本量充足的聚集指数计算中均优于其他校正方法,但也存在误判及样本利用率偏低等不足。最近邻体校正的性能介于缓冲区法和Voronoi图结点距离判定之间,其RMSE曲线的整体水平要高于Voronoi图结点距离判定。【结论】林木样本量与样地边缘校正密切相关,对于样地大小和林分密度的任何改变最终都体现在林木样本量的增减上,维持充足的林木样本对于样地校正尤为重要。林木空间分布是影响样地边缘校正的另一重要因素,当林木呈随机分布或均匀分布时,样地边缘校正的重要作用能得到更好体现。此外,样地经过校正后,各类空间结构指数的计算精度均能获得显著提高,且聚集指数的计算需要样地提供充足的林木样本量。     

卡尔曼滤波技术在汽车故障解码器中的应用研究

目前常用的汽车故障解码器不能诊断故障码不出现的各类故障,为了扩展解码器的诊断功能,提出了一种利用基于模糊自适应卡尔曼滤波的径向基函数神经网络处理解码器数据流的新方法.该方法通过MATLAB软件与ACCESS数据库相结合编制故障诊断程序,可实现汽车电喷发动机无故障码的故障诊断.同时,还将基于模糊自适应卡尔曼滤波的径向基函数网络与BP网络进行了比较.结果表明,基于模糊自适应卡尔曼滤波的径向基函数神经网络诊断速度快且准确,更适合用于故障诊断,如果将本研究所编制的程序固化到解码器中,将会使其进一步向智能化方向发展.     

基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较

【目的】针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM遥感影像的分类精度,为森林资源遥感监测提供技术支持。【方法】以小兴安岭带岭林业经营管理局为研究区,基于2010年Landsat5-TM影像数据和2012年森林资源二类调查数据,采用窗口法获取TM第5波段各待分类别的像元均值作为聚类中心,以元胞自动机的Moore模型为框架,以元胞为基本单位,以像元均值为对象,利用最小距离法求取进化规则(判断准则是中心元胞周围的8个元胞距每类聚类中心的距离最近且像元数量最多,则中心元胞属于该类别),充分考虑影像及地物之间的空间特征,采用元胞自动机分类方法进行森林类型的识别分类。同时,以相同的样本数,采用3层BP神经网络模型对TM遥感影像进行分类试验,并比较2种方法的分类效果。【结果】基于元胞自动机的分类方法总体分类精度为88.712 1%,Kappa系数为0.829 1,针叶林、阔叶林和针阔混交林的用户精度分别为73.60%,92.94%和94.13%,达到了区分针叶林、阔叶林和针阔混交林的分类目的。BP神经网络算法的总体分类精度为86.671 3%,Kappa系数为0.798 4,针叶林、阔叶林和针阔混交林的用户精度分别为69.22%,93.37%和90.76%。2种分类方法均可有效识别森林类型信息。【结论】元胞自动机模型应用于遥感影像森林类型识别分类可弥补因TM影像空间分辨率较低造成的遥感影像分类精度过低的问题,提高分类精度。在森林分布破碎、种类类型多样且结构复杂的带岭林区,该研究结果有助于森林资源监测与管理,可为大区域尺度的森林动态信息监测提供更好的数据及技术支持。     

秃杉人工林树冠轮廓及冠幅模型研究

根据秃杉人工林标准地调查数据,分析因变量与自变量的相关性,筛选最优因子,分别采用异速生长方程、多元线性回归方程构建秃杉树冠轮廓模型和冠幅模型。研究结果表明,最大冠幅深度与胸径、树高、枝下高、冠幅、冠长均显著相关。通过多元线性逐步回归,以胸径、树高拟合的最大冠幅深度模型较优。树冠轮廓模型以三参数幂函数的异速生长方程拟合效果较好。冠幅呈正态分布,以胸径、树高、优势树高、单位面积胸高断面积为模型最佳变量组合,模型残差上下分布比较均匀,不存在明显偏差,且材积随着冠幅的增大而增大,以二次方程模拟效果最佳。经检验,所构建的模型拟合效果较好,精度较高。     

基于加权Voronoi图的杉木生态公益林空间结构分析

以湖南省福寿国有林场杉木生态公益林为研究对象,通过将林木胸径、树高和冠幅作为综合权重,改进Voronoi图确定林木的邻近木,进而计算各空间结构指数,分析林分的空间结构特征。结果表明:林木空间结构以1株中心木与5株邻近木组成的空间结构单元最为常见,林木空间影响范围随综合权重的增加而增加;不同林龄杉木林树种空间隔离程度均较低,幼龄林全林分平均混交度为0.34,属于中度混交,中龄林和近熟林全林分平均混交度分别为0.17和0.23,为弱度混交;3种不同林龄的优势树种杉木的平均胸径大小比数均为0.50左右,表明林分处于中等竞争状态;各样地平均角尺度均小于0.475,表明不同林龄杉木林林木均处于均匀分布状态。