智能手机单片摄影测树技术研究与试验

森林因子采集是林业观测的重中之重，智能手机为林业调查提供了新思路、新手段。为了更高效、精确的观测森林，以智能手机为载体，摄影测量学、测树学原理为理论基础，Java为开发语言，设计了一套单片摄影测树系统。系统仅利用智能手机的定焦镜头正直拍摄一张图像，即可进行单木的胸径、树高、材积的自动解算，同时，还可进行林分平均胸径、蓄积量和林分密度的自动解算。通过对200株立木进行胸径、树高、材积测量试验，对15块样地进行林分平均胸径、林分密度和林分蓄积量测量试验。结果表明，单木因子测量的相对偏差为4.95%～5.86%，相对均方根误差为6.09%～7.46%，林分因子测量的相对偏差为0.51%～1.46%，相对均方根误差为7.47%～8.6%。以上指标均高于传统林业测量的精度要求，该技术可以在林业调查中推广使用。     

用林分生长模型更新小班主要调查因子的方法研究

小班的单位面积株数、平均胸径、平均树高、平均单株材积、平均年龄、单位面积蓄积等是森林小班最基本的特征数据,是森林资源小班调查的主要因子。以复位固定样地数据为基础,建立林分生长模型系统,包括单木材积模型、株数模型和进界模型等,并将该模型系统用于浙江省林业重点县仙居县的小班数据更新,结果较好。     

北京市蒙古栎单木与年龄无关的生长预测模型研究

为了准确预测林木的生长动态变化、科学经营管理林分,利用定期清查数据,以年龄隐含的单木模型拟合北京市蒙古栎单木胸径、材积和断面积生长预测模型,并进行检验。结果表明:所拟合的3个模型对蒙古栎单木胸径、材积和断面积生长状况的预测效果较好,预测精度分别高达99.72%、99.40%、99.46%,预测精度大小排序为:胸径>断面积>材积。预测精度较高的原因可能是年龄隐含的生长模型以单木自身的观测值为自变量,且蒙古栎生长较慢,短期内不会有太大变化。该模型具有与年龄无关的特点,但建模时有一定的限制条件,要求样地固定、重复观测。     

用林分生长模型更新松树小班平均胸径和树高因子研究

为在一定程度上减少森林资源规划设计调查中的外业工作量,用新疆阿尔泰山国有林管理局森林资源连续清查中的松类样地数据1 142个,建立平均胸径和平均树高林分生长模型,给出用该地区上期森林资源规划设计调查数据的平均胸径和平均树高更新本期调查数据的方法,并通过现地调查的39个小班,采用成对T检验对试验结果进行精度验证。结果显示：平均胸径和平均树高的预测平均相对误差为0.79%,相对总误差为0.16%和8.43%,预测精度分别达98.33%和96.53%,说明该方法精度可靠,值得推广。     

手持式超站仪摄影测量研建材积模型

精准快速测量立木胸径、树高、材积等基本信息一直是林业调查探索的热点问题。手持式超站仪作为目前市场上较为常见的一款新型森林资源计测仪器，具有无损、高精度、便携、易操作等特点。为获得精准材积模型，解决辽阳地区一元、二元材积表编制问题，提出一种利用手持式超站仪测量研建立木材积模型的方法。手持式超站仪以辽阳当地主要树种樟子松、油松、落叶松、柞树、刺槐、硬阔、软阔、速生杨树、中生杨树、慢生杨树为研究对象，采用手持式超站仪进行立木无损精测获取树高、胸径、材积数据，建立10个树种的一元立木材积模型、二元立木材积模型和树高胸径模型，并通过6项指标对所得模型进行评价。结果表明：10个树种模型中除樟子松外平均系统误差与总相对误差中均保持在3%内，一元材积模型与二元材积模型的决定系数除樟子松外均保持在90%以上，一元材积模型与树高胸径模型的平均百分比标准差除软阔外均取得良好拟合效果。总体来看，一元材积模型、二元材积模型、树高胸径模型均取得良好拟合效果，该方法可用于野外森林资源调查与立木材积模型研建等。     

三维激光扫描系统在立木材积测定中的应用

该文提出了一种测定疏林立木材积的新方法,即利用三维激光扫描系统测量立木材积并建立材积表.采用该方法在标准地内按径阶对立木进行三维扫描,可以获取基本测树因子(包括立木的胸径、树高、冠幅)和三维立木模型,由Cyclone扫描软件可以计算立木材积.由扫描获取的立木胸径和树高能够回归建立二元立木材积方程.为检验扫描获取的基本测树因子的精度以及材积方程的适用程度,将扫描后的立木伐倒,并采用区分求积法实测材积.对比扫描数据和实测数据,扫描获取的基本测树因子和扫描材积均满足精度要求,说明这种新方法能够用于森林资源调查和建立立木材积表.     

基于16线阵TLS数据的单木识别及林分断面积估测研究

目的地基激光雷达(TLS)可以对林冠下层进行快速、非破坏性的三维测量，与传统森林参数调查相比，节省了大量人力、物力和时间，在林业调查中有广泛应用。目前的研究集中在基于全方位TLS数据的参数提取，全方位扫描获取的点云数据量庞大，所需扫描时间较长，而针对快速扫描的多线阵点云数据的研究较少，相关算法有待提出，多线阵激光雷达数据的应用能力也有待验证。方法以北京市东升八家郊野公园和奥林匹克森林公园内的人工林为研究对象，基于多个单站扫描采集的16线阵TLS点云数据，提出了一种新的树干识别算法。该算法利用点云到达目标单木及周围其他物体距离的差异，检测出树干表面点云，并结合随机采样一致性(RANSAC)算法拟合圆，提取单木胸径；在此基础上引用角规抽样技术，进行林分平均胸高断面积的估测。结果对于多个单站扫描数据，单木检测率均在80%以上，株数密度最小的样地单木检测率可高达95%；对于单站数据，单木平均检测率随着扫描半径的增加而下降，在10 m左右范围内可以达到较高的检测率。以样地中被正确检测到的单木胸径估测值与实测值建立回归方程，单木胸径估测的决定系数R2在0.72~0.82之间；计算各样地单木胸径实测值与估测值的平方平均数，林分平均胸径估测精度均在90%以上，最高可达到99%，表明在样地水平上有较好的胸径估测效果。由TLS提取的胸径值结合角规抽样原理计算林分平均断面积估测值，与实测值相比，林分平均断面积估测精度可以达到90%左右。结论本文提出的算法能够基于单帧16线TLS数据提取单木参数，实现林分平均胸径及单位断面积的快速高效估算，为林业调查提供了一种新方法。      

手持式树径自动识别测树仪的研制与应用

在森林资源调查中需要调查林分因子,从而了解森林资源的数量与质量,以进行森林资源的规划、设计和经营。森林资源调查是一项费时费力的工作,使用传统测量工具需要不同仪器来进行测量,同时还受地形条件的限制。为快速精确地进行林木测量,开发设计了便携式数字化智能测树仪。仪器由STM32F103VET6单片机、ov9655传感器、LIS331DLTR倾角传感器、键盘等及其相关电路模块构成。采用相位原理测距,具有±1.5 mm的测距精度。在径高同测模式下,利用摄像头和互补金属氧化物半导体(CMOS)传感器对图像进行处理,能够实现树径的自动识别,再利用所测距离和倾角,实现高度、直径同步测量。仪器还有测径模式,测高模式,测距模式,倾角测量模式,面积计算模式。经实验验证,测径模式下,胸径的平均误差为-0.05 cm,误差在0.50 cm之内的占97.6%。在不同距离下,对不同高度的直径进行测量表明,在最佳距离内可使误差在0.50 cm内。该便携式数字化智能测树仪可满足森林资源调查需求,实现林业数字化。     

机载激光雷达森林资源调查系统的设计与试验

机载激光雷达对森林空间结构和地形具备较强的探测能力,已成为森林资源调查的重要技术手段,但目前针对该技术应用于森林资源调查方面的系统建设研究相对较少。为了实现林业的可持续发展,满足当今森林资源精准监测及管理的需求,从应用角度出发,以机载激光雷达数据为基础,结合机载激光雷达技术、地理信息系统技术与林业资源调查管理技术,搭建了适用于林业的专业森林资源调查系统。该系统以C++为编程语言,结合QT图形界面库、VTK三维引擎库及GDAL影像处理库开发而成,利用机载激光雷达点云数据实现高效的森林区域数字高程模型生成、单木及林分相关参数提取等功能,实现森林资源数据库的更新,缩短了传统森林资源调查的时间周期,最终实现森林资源调查的自动化及系统化应用。以甘肃省张掖市大野口关滩森林站超级样地为试验区,基于样地调查数据对系统提取结果进行了精度验证,结果表明,系统提取的区域高程最大偏差为1.102m,平均偏差为0.737 m,单木树高、冠幅的平均相对误差分别为13.66%、14.18%,株树密度、林分平均高的平均相对误差分别为5.83%、9.86%。     

无人机遥感影像提取的单木冠幅数据在桉树林分蓄积量估测中的应用

以广西壮族自治区南宁市树木园坛里管理区为研究区域、以桉树(Eucalyptus spp.)人工林为研究对象,在坛里管理区内设置6块20 m×20 m的典型样地,实地测量单木树高、胸径(1.3 m高)、冠幅直径,获得287株桉树样木数据;样地调查同时进行无人机航拍数据采集,获取分辨率为8 cm像素影像(110张),通过正射校正、倾斜校正、投影差校正对无人机影像进行处理,消除环境因子的影响,采用面向对象的影像分析方法对遥感影像上的桉树林提取林分单木冠幅;根据样地实测数据建立冠幅-胸径模型、冠幅-树高模型,将无人机影像提取的修正后的桉树单木冠幅数据代入构建的模型中,选择相关系数最高的模型推算胸径和树高,利用桉树二元材积公式估算样地的蓄积量,分析依据无人机遥感影像提取桉树单木冠幅数据估算林分蓄积量的可行性与精确度。结果表明：利用无人机影像提取冠幅与实测冠幅之间存在显著正相关,提取的平均精度为90.85%,建立的桉树冠幅-胸径曲线估计模型,其中对数函数方程拟合效果最好(决定系数为0.799);桉树冠幅-树高模型,拟合效果最好的是三次方函数方程(决定系数为0.755)。影像提取的单木冠幅,通过模型...     

手杖式测树仪研制与试验

为了在森林资源调查中能够便捷、快速、精准、高效地获取立木胸径和树高,设计研发了一种手杖式测树仪,其以固定长度手杖为主体,搭载智能手机和测树软件。该设备在传统林业调查装备理论的基础上利用了测树学、摄影测量学、机械加工学、机器视觉、影像处理等技术,通过智能手机影像处理软件实现了胸径的自动识别、测量、记录,并通过手动截取完整立木与所得胸径值演算树高等功能,可以统一编辑、存储、导出最终所得胸径树高。分析结果表明,该手杖式测树仪所得胸径和树高的编差Bias分别为0.29、0.48 cm,相对误差Bias%为1.5%、4.2%,RMSE均为0.70 cm,相对RMSE%为3.6%、6.1%,基本满足二类调查A类精度要求,具有一定的应用价值和推广潜力。     

邓恩桉优树选择标准

通过对建阳7个乡(镇)的邓恩桉人工栽培区的调查,共初选优树42株,优势木420株.经统计分析,确定在邓恩桉优树选择的标准为:树高超过优势木平均树高的50%或超过林分平均木树高的46%,胸径超过优势木平均胸径的46%或超过林分平均木胸径的47%,材积超过优势木平均材积的229%或超过林分平均木材积的227%;该标准适用于建阳作为用材林的邓恩桉优树选择.     

基于稀疏型机载激光雷达数据的风景林参数估测

稀疏型机载激光雷达（LiDAR）数据,由于点云密度低,难以对单木尺度的森林参数进行估测,在森林资源监测领域的潜在应用价值没有得到充分发挥。以江苏省南京市紫金山国家森林公园为研究区,以2007年机载激光雷达Optech ALTM LiDAR数据、2007年森林资源规划设计调查数据为主要信息源,在机载LiDAR数据预处理、特征参数提取的基础上,采用多元线性回归、随机森林、支持向量机3种方法,估测小班林分平均树高、平均胸径和单位蓄积量并进行对比分析,同时对森林参数进行空间制图。结果表明:1） 高度百分位数和累计高度百分位数是影响小班平均胸径、平均树高和平均蓄积量的主要特征参数;2）3个遥感估测模型精度对比分析表明,平均胸径、平均树高、单位蓄积量3个参数的估测精度,均是随机森林算法最高,支持向量机次之,多元线性回归最低;3）平均树高、平均胸径、单位蓄积量的空间分布规律一致,人为干扰严重的公园边缘地区和土层瘠薄、立地条件差的山脊较低,山南及山北中部最高。稀疏型机载激光雷达（ALS）数据在林分尺度的森林参数估计中具有较高的精度,可以用于森林资源规划设计调查小班的测树因子估测。本研究应用稀疏型机载激光雷达数据估测风景林森林参数,为稀疏型LiDAR数据在森林资源规划设计调查中的推广应用提供参考。     

桂西北地区香椿人工林生长规律 及经济效益初步研究

以桂西北地区12 年生香椿人工林为调查对象,采用树干解析法对林分树高、胸径和单株材积进行生长 量分析,并结合动态和静态的研究方法对该林分进行经济效益初步分析。结果表明院香椿人工林在1~3 年期间,树高 连年生长量高达2.5 m,胸径平均生长量达到0.5 cm 左右、处于较高生长水平,该人工林于第12 年单株材积达到 0.07506 m3,全林纯利润为62 489 元,林投入产出比为1颐15.090。     

应用地面三维激光扫描对白桦单木结构参数的提取

应用地面三维激光扫描仪,在大小兴安岭地区的4块白桦(Betula platyphylla)次生林样地进行单木扫描,对扫描后树干点云进行分层处理并设置阈值;运用Hough变换算法提取单木位置与胸径,利用树干生长方向得到树高与冠幅;运用回归分析对算法估计值和实测值进行拟合,判断算法的准确性;利用体元模拟法与传统体积计算方法分别估测树冠体积,分析两种算法的差异。结果表明:4块样地的单木识别率较高,平均为86.5%;4块样地的单木胸径、树高、冠幅估测的决定系数(R~2),分别为0.82、0.79、0.83,相应的均方根误差分别为2.03 cm、1.98m、0.45 m,显示了较好的估算精度;利用体元模拟法与传统树冠体积计算方法得到4块样地中树冠体积的平均差异为35.6%,两种算法间4块样地平均决定系数为0.96,拟合较好。     

西藏昌都地区川西云杉林木生长规律研究

以昌都地区川西云杉解析木资料为基础进行回归分析,确定川西云杉林木胸径、树高、材积的最优生长模型,用样地调查实测数据验证模型预测精度,并绘制胸径、树高、材积连年生长量和平均生长量曲线,对其生长过程进行分析。结果表明,最优模型能够很好的反映其生长规律。树龄<25a时,即幼龄林时期川西云杉的生长速率相对较快;25a后胸径、树高及材积的生长相对稳定,但仍维持了较高生长速率。其胸径的连年生长量在第30年生长最快,平均生长量在第45年最高;树高连年生长量和平均生长量的最高点一般比胸径相应的推迟20a。从材积生长规律上来看,川西云杉的平均和连年生长量仍有上升的趋势。鉴于其数量成熟龄出现较晚,在生产经营中应适时的采取间伐抚育,以保证林分的最大生产力。     

基于TLS数据的单木胸径和树高提取研究

利用TLS测量森林参数(树高、胸径和林分密度等)不仅节省人力,而且还能提高工作效率,目前已成为快速获取树木几何参数的有效方法之一。本文利用地基激光雷达数据,提出了一种半自动方式提取单木参数的方法。首先,利用发射脉冲与接收回波脉冲的形状偏差和强度对原始点云数据中的“飞点”和噪点进行滤除;然后,配准各站点云数据;接下来采用不同目标回波过滤方法滤除部分树叶点和其他非树干点;抽稀、合并各站点云数据,对合并后的点云数据水平分层并生成对应的灰度影像;对灰度影像采用Hough变换方法估测单木位置和胸径;对Hough变换检测层数较少的结果采用椭圆拟合方法重新检测;最后,结合Hough变换和椭圆拟合检测结果从点云数据中提取单木位置、胸径和树高。用小兴安岭凉水自然保护区的白桦天然次生林对算法进行了检验,5块多站扫描样地单木识别的平均精度为72.16%,将所提取的单木位置、胸径和树高与外业实际测量数据对比,结果一致性较高。5块多站扫描样地的胸径和树高均方根误差分别为2.38、2.55、3.58、2.21、1.92 cm和4.31、3.87、2.34、5.00、3.47 m。      

北京市13 个常见树种胸径估测研究

随着高分辨率遥感数据、LiDAR 技术在森林资源调查中应用的日益普遍,以及自动快速提取树木冠幅、树高 方法的日益成熟,需要建立新的树木模型来估测其他林分因子,以适应林业调查手段更新和发展的需求。在参考 国内外大量文献的基础上,选择常用的胸径鄄冠幅模型和树高鄄胸径曲线模型,根据北京市178 块森林样地调查数 据,建立了北京市13 个常见树种的胸径鄄冠幅模型,胸径鄄树高模型,胸径鄄冠幅、树高综合模型。结果表明:并不是 所有树种的冠幅、树高都与胸径有高相关性;13 个树种中,只有臭椿、雪松、栾树和加杨的胸径鄄冠幅模型的R2 大于 0郾7,胸径鄄树高模型R2 大于0郾5,胸径鄄冠幅、树高综合模型达到0郾8 以上;油松、杨树、槲栎、圆柏4 个树种的胸径鄄 冠幅模型的R2 小于0郾3;核桃、油松、火炬树、柳树、国槐5 个树种的胸径鄄树高模型R2 低于0郾3。并提出在下一步工 作中,把林龄,林分密度,立地条件如坡度、坡向、海拔、地位级等林分因子与树木冠幅、树高联合建立估测模型来提 高胸径估测的精度。该方法可用于现代遥感技术快速获取树木冠幅、树高之后,根据已有的数据库资料,用树种的 冠幅、树高估测胸径,再推算其他林分因子,实现森林资源的快速调查与更新。      

杉木速生优良无性系选择研究

该文对4个杉木无性系的进一步选择进行了试验研究。结果表明,参试的4个杉木无性系平均树高为10.41m,平均胸径为12.65cm,平均材积为0.075 9m3,林分保存情况良好,且都有较好的生长表现;对4个无性系的树高、胸径和材积这3个生长性状进行方差分析,结果表明,参试的4个无性系在树高、胸径和材积这3个生长性状表现上都存在着显著差异;通过多重比较筛选出了表现最优的2号无性系,其树高、胸径和材积分别为10.75m、15.56cm和0.112 7m3;估算重复力,树高、胸径和材积性状的无性系重复力分别为0.563、0.572和0.667,说明该批杉木无性系的树高、胸径和材积性状受较高的遗传力控制,遗传稳定性很好,对参试无性系进行树高、胸径和材积性状选择,选择的效果会比较好;本试验按25%的入选率来估算遗传增益,其中树高性状预测遗传增益为8.5%,胸径性状预测遗传增益为14.6%,材积性状预测遗传增益为51.2%。     

基于尤溪县一类资源调查样地数据的回归估计

该文利用2008年尤溪县一类资源调查样地资料进行回归分析,结果表明:建立的线性回归方程,样地平均胸径对标准木胸径的回归方程:y?=1.594+0.905x,样地平均树高对标准木树高回归方程:y?=0.331+0.985x,样地平均胸径对标准木树高的回归方程:y?=2.800+1.026x,样地平均树高对样地平均胸径的回归方程:y?=-0.482+0.803x,样地平均树高对标准木胸径的回归方程:y?=0.555+0.748x,标准木树高对标准木胸径的回归方程:y?=0.191+0.762x,其方差检验F值分别为345.05、1 123.09、278.83、439.42、212.37和291.77,相关系数t值分别为18.589、34.065、16.695、20.942、14.590、17.091,主要调查因子间的相关性极显著,调查资料可靠性很强;以样地标准木的胸径、树高与样地平均胸径、平均树高为基础数据,建立样地标准木胸径与样地标准木立木材的回归关系,其幂函数回归方程为V=0.00016753D2.357595639,相关系数r值为0.892 9,具有极显著差异,可应用于杉木为优势树种的林分利用样地蓄积量估算值推算林分蓄积量。