目测法估测树高的误差分析

利用目测法和VertexⅣ测高仪对黑龙江省凉水林场的部分树木高度进行测量,通过实测数据和目测数据的比较分析,结果表明:目测数据普遍低于实测数据,而且随着树高和冠幅的增加,估测误差也呈增大趋势,估测误差的波动范围很大,平均估测误差为3.4 m,目测数据和实测数据的拟合效果一般,平均估测精度为82.6%。几个主要树种的估测误差平均值在3～4 m左右,误差大于5 m的数据主要集中在红松和水曲柳中。     

典型中亚热带天然阔叶林各林层树高胸径关系研究

[目的]在划分林层的基础上,探讨天然阔叶林树高胸径关系,从林层角度研究树高曲线以揭示复层林林分特征。[方法]根据典型中亚热带天然阔叶林各林层数据情况选择Schumacher式(简称S式),Curtis式(简称C式)对典型林分各林层树高胸径关系进行拟合。[结果]S式和C式在拟合全林分和第Ⅲ亚层的效果较好,全林分树高模型的R~2均在0.86以上,第Ⅲ亚层的R~2均在0.58以上,且RMSE和AMR均较小,但无论是S式还是C式都不能很好的拟合第Ⅰ、Ⅱ亚层,其拟合R~2的结果较低,大都在0.2~0.3左右。选取模型拟合结果 R~2较大,RMSE、AMR较小的C式拟合各林层树高胸径模型,结果表明采用全林分模型推算各亚层(不包括全林分)的树高会产生较大的AMR;虽然分层拟合各亚层树高胸径时获得的模型的R~2较小,但其估计相应层内树高产生的ARM值却小于全林分模型,表明采用亚层树高胸径模型估计相应层内林木树高时具有较小的误差。[结论]在典型中亚热带天然阔叶林中,无论是全林树高模型还是分林层树高模型,C式的适应性均比S式高。选择C式全林分树高模型估计各亚层树高产生的误差比各亚层采用各自的C式树高模型拟合的误差大。     

全站仪测算伐区设计蓄积的原理及其应用

对全站仪测树原理进行了研究分析,应用全站仪与PC-E500袖珍计算机或PDA连接,可自动测算伐区或样地内每一株立木的树高、胸径或树干任意高度处直径,进而可自动而精准地计算出单木材积和伐区立木蓄积.理论上,树高的量测精度可达1/1 400.直径的量测精度可达1/200.实测结果表明:全站仪重复测量数据比较稳定,直径的量测误差在毫米级以内,树高的量测误差控制在厘米级,材积测定精度可优于1%,均高于测树的需要精度.全站仪测树技术实现了实时、快速、精准测定立木材积,不用材积表推求蓄积量,克服了传统测树方法的缺陷,其实测数据可作为伐区设计立木蓄积的测算依据.     

香格里拉高山松天然林最优树高曲线研究

树高曲线是研究森林生长与收获的重要基础。以云南省香格里拉732株高山松天然林实测数据为例,分别选用11个经典常用的树高曲线,拟合高山松树高与胸径的关系,求解模型参数,用决定系数R2、均方根误差RMSE、残差和MD对模型的精度进行评价。结果表明:抛物线方程的R2=0.6073,RMSE=1.711,MD=-0.0101,经检验该方程Spearman相关系数为0.676,显著性水平Sig小于0.01,抛物线方程可以作为香格里拉高山松天然林的最优树高曲线,研究结果可为高山松的经营以及林分调查提供科学依据。     

四川桤木天然林和人工林的单木生长模型研究

预测和研究四川桤木天然林和人工林的生长与发展规律,以更好地经营四川桤木天然林。以四川桤木天然林和人工林为研究对象,基于实测的树高-胸径数据,通过比较分析9个树高曲线模型,建立四川桤木的单木树高曲线模型。结果显示,最终确定的四川桤木最优树高曲线模型的决定系数R~2为0.794,调整决定系数为0.792,均方根误差RMSE为0.886,相对均方根误差E_(RMSE)为0.045,平均误差ME为0.000,平均绝对误差MAE为2.641。最优的四川桤木单木树高曲线模型自变量为胸径,单木生长模型为H=1.3+27.176×(D/(1+D))~(11.856)。建立的单木树高曲线模型有较好的生物学意义,可为四川省四川桤木天然林和人工林的生长预测提供依据。     

基于背包式激光雷达的天山云杉林单木因子估测

单木因子高精度无损快速估测对森林资源监测和评估至关重要,背包式激光雷达在获取森林三维结构参数方面具有良好的应用潜力。以天山云杉林为研究对象,利用背包式激光雷达扫描样地获取点云数据进行单木分割识别和单木胸径、树高及冠幅面积等因子估测,以地面实测结合目视解译数据作为参照,进行精度评价及相关性检验。结果表明:利用背包式激光雷达数据进行单木分割的单木分割精度F值均大于0.9,精确率和召回率均值分别为0.96和0.90,识别率平均值为86.61%;单木胸径和树高估测结果决定系数R~2均大于0.90,胸径均方根误差RMSE均值为1.11,树高的为1.05;单木冠幅面积估测结果决定系数R~2均大于0.80,均方根误差RMSE均值为3.21。可见,使用背包式激光雷达能够实现对单木胸径、树高参数的高精度提取。     

高效测树高的方法

林内树高调查虽可用普鲁莱测高仪和测杆进行,但其作业效率不高。用测杆进行测定,当测杆的先端与测定木的梢端吻合时,由于观测方向不同常产生较大的误差。虽然将测杆的先端尽量靠近测定木的梢端时可缩小这种误差,但其操作费时。普鲁莱测高仪的最大缺陷是在测定木斜立时产生误差,且只能根据已确定的距离进行测定。在一定距离的范围内,寻找能同时看见测定木的梢端和根际的场所,须花费很多的人力和时间,     

云南省主要针叶树种树高曲线模型研建

树高曲线在森林经营和收获调整中有着重要的作用,建立适用于云南省主要针叶树种的树高曲线模型,为其森林经营提供参考。基于云南省两期森林资源连续清查数据,以冷杉、思茅松、云南松、华山松和杉木作为研究对象,选用Richards等15种树高曲线模型作为备选模型,以决定系数(R~2)、均方根误差(RMSE)、平均绝对误差(MAE)、总体相对误差(TRE)和平均预估误差(MPE)作为模型拟合效果的评价指标。结果表明:Hossfeld方程能较好地描述冷杉和杉木的树高曲线,双曲线方程能较好地描述云南松和华山松的树高曲线,Wykoff方程能较好地描述思茅松的树高曲线;云南松最优树高曲线模型决定系数为0.676,其它针叶树种决定系数均大于0.710。独立样本数据检验表明,各树种最优树高曲线模型均有较好的适用性,对云南省主要针叶树种树高有较好的预测效果。     

基于分位数回归和哑变量模型的大兴安岭兴安落叶松树高-胸径模型

【目的】基于Richards方程比较分位数回归和哑变量模型对树高-胸径方程预测精度的影响,为林业树高-胸径模型的构建提供新的思路和方法。【方法】利用大兴安岭4个区域的兴安落叶松Larix gmelinii伐倒木胸径/树高实测数据,采用分位数回归和哑变量模型构建树高-胸径模型,并与基本模型进行对比分析。评价指标采用平均绝对误差(MAE)、均方根误差(RMSE)、确定系数(R2)、赤池信息量(AIC)、贝叶斯信息量(BIC)、平均预测误差百分比(MPE)、平均绝对百分比误差(MAPE)、均方根百分比误差(RMSPE),同时利用非线性额外平方和法进行区域性检验。【结果】1)Richards树高-胸径模型在9个不同的分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)都能收敛,且每个区域都有其对应的最优分位数模型,区域1、2、3和4的最优分位数模型所对应的分位数分别是τ=0.7、τ=0.3、τ=0.5和τ=0.3,各区域最优分位数模型与哑变量模型所得结果差异不大,都优于基本模型。2)F检验结果表明哑变量模型的构造是有必要的,区域2和区域4没有显著不同,其他5对区域都有显著不同。3)模型检验结果表明区域1、3、4的最优分位数回归模型都要优于哑变量模型,区域2的哑变量模型没有通过正态性检验(P=0.028 6),因此区域2的最优模型仍然为τ=0.3时的分位数模型。【结论】分位数回归模型和哑变量模型都能够反映不同区域树高-胸径关系的变化,在拟合和检验统计量等方面都表现较好,适合于大兴安岭落叶松树高预测。在进行方法选择时,可以根据数据特征和研究目的进行选择。     

小兴安岭地区针阔混交林主要树种生长模型研究

选取小兴安岭地区天然针阔混交林为样地,以红松、冷杉、云杉、水曲柳、枫桦、紫椴等6种主要优势树种为研究对象,分别进行树高和胸径、冠幅和胸径的相关性分析。通过SPSS 20.0软件将调查的数据代入备选的8个经典数学模型中进行回归分析,得到各方程的P值、决定系数R~2和相关参数,并采用总误差、平均误差、平均相对误差和均方根误差等验证拟合精度,最终选出最优的树木生长模型。结果表明:针叶树的树高和胸径、冠幅与胸径相关性显著,在树高-胸径模型中平均决定系数为0.809,在冠幅-胸径模型中平均决定系数为0.498。相对于针叶树来说,阔叶树树高和胸径、冠幅和胸径的相关性略差,其决定系数平均值分别为0.608,0.395。不同树种适应不同树木生长模型,在树高-胸径的相关性分析中,以幂函数、S函数模型居多,冠幅-胸径模型以三次多项式模型最为显著。     

手杖式测树仪立木树高量测研究

【目的】树高是森林经营决策中最重要的一个参量,常用于估计森林生长、年龄、材积、生物量和碳储量等立木参数,其精度对立木质量的评价及森林生长的预测分析影响重大。为解决传统的树高量测仪器移动不便,测量周期长,人力耗损大等问题。【方法】以近景摄影测量为基础,构建了一种以登山杖绑定安卓智能手机为测量平台的便携、快捷的树高测量装备;针对立木生长环境有无坡度,拍摄是否产生倾角等情况建立了树高量测模型。在手机环境下,研制了立木树高测量软件APP。APP采用上下分屏技术,利用手机成像系统以及坐标系转换,使屏幕与待测立木建立关联,从而自动解算立木的深度信息;结合手机内部方向传感器的强大性能,单站作业可实时获取树高估计值。在北京市平谷区红石门村选取不同坡度的307株立木作为研究对象,使用该装备分别在上坡位和下坡位对其进行量测,将测定结果与全站仪多次量测求得的平均值进行对比分析。【结果】结果表明,树高估计值平均绝对误差为0.21 m,平均相对误差为2.11%,整体精度达到97.89%。当处于下坡位观测时,树高估计值平均绝对误差为0.11 m,平均相对误差为1.16%,树高精度高达98.84%。当处于上坡位观测时,树高估计值平均绝对误差为0.32 m,平均相对误差为3.07%,树高精度达到96.93%。智能手机倾斜角较大时,精度达到95.19%,智能手机倾斜角较小时,精度高达99.03%,说明手杖式测树仪观测时所产生倾角越小,精度越高。量测同一株立木时,下坡位观测的精度优于上坡位。【结论】此装备的研发满足国家森林资源连续清查中的测量精度要求,且装备成本低、灵活性强、不依赖其他设备获取深度信息、携带方便、具有较高利用价值,未来可作为森林资源调查树高测量装备。     

Estimation of forest stem volume using multispectral optical satellite and tree height data in combination

Abstract

The accuracy of forest stem volume estimation at stand level was investigated using multispectral optical satellite and tree height data in combination. The stem volumes for the investigated coniferous stands, located in southern Sweden, were in the range of 15–585 m³ ha^?1 with an average stem volume of 266 m³ ha^?1. The results from regression analysis showed a substantial improvement for the combined stem volume estimates compared with using satellite data only. The accuracy in terms of root mean square error (RMSE) was calculated to 11.2% of the average stem volume using SPOT-4 data and tree height data in combination compared with 23.9% using SPOT-4 data only. By replacing SPOT-4 data with Landsat TM data the RMSE was improved from 25.2% to 12.2%. In addition, a sensitivity analysis was performed on the combined stem volume estimates by adding random errors, normally distributed with zero expectations, with standard deviations of 1, 1.5 and 2 m to tree height data. The results showed that the RMSE increased with increasing random tree height error to 15.4%, 18.0% and 19.9% using SPOT-4 data and 16.3%, 19.2% and 21.2% using Landsat TM data. The results imply that multispectral optical satellite data in combination with accurate tree height data could be used for standwise stem volume estimation in forestry applications.     

基于无人机可见光遥感的单木树高提取方法研究

利用目前流行的高分辨率可见光无人机遥感影像生成树木冠层高度模型,采用分水岭分割算法提取单木树高的研究具有重要理论和实践意义。以位于云南省富民县的天然云南松纯林为研究对象,通过大疆Phantom 4 Pro无人机获取低空可见光遥感影像,利用Pix4D Mapper对无人机影像进行预处理及三维重建,生成三维点云,利用LiDAR360处理三维点云,构建DSM,DEM并生成CHM;采用分水岭分割算法对不同郁闭度条件下获得的CHM进行单木分割及树高提取,对提取结果进行精度评价。结果表明:分水岭分割算法能够准确分割CHM,利用无人机可见光遥感影像进行单木树高提取是可行的;将基于无人机可见光影像提取的树高值与野外实地调查得到的树高值进行对比,R²为0.893,RMSE为1.23m,估测精度为87.58%;同时,林分郁闭度会对单木树高估测产生影响,根据不同郁闭度条件下提取的3组样木树高与实地测量树高的决定系数(R²)分别是0.857,0.939和0.921,RMSE分别为1.450,1.097,0.896m,在低郁闭度林分内树高估测的精度显著高于高郁闭度林分。     

Models for Predicting Dry Matter Content of Norway spruce

Models were developed for predicting the dry matter content of single Norway spruce [Picea abies (L.) Karst.] stems from non-destructive field measurement data such as tree height, diameter and age. The material under study comprised 1612 stem discs originating from 235 trees grown at nine locations in Denmark and southern Sweden. In total, 153 trees (1054 discs) originating from a thinning experiment in southern Denmark were used for establishing the models, which were later validated on independent material. Results of the validation were that the 95% confidence interval for single stem density was ±9 to ±16% when based on average ring width at breast height, but within ±7% when based on wood samples taken at breast height. The density models were combined with standard volume models in order to predict dry matter content. Validation on independent material showed that in general the dry matter content of single stems can be estimated with less than 10% error (RMSE).     

结合自适应阈值与峰值的LiDAR林分平均高反演方法研究

随着激光雷达获取的点云密度不断增加,提取样地尺度的林分平均高成为可能。但样地尺度林分平均高的提取精度与树种之间的关系尚不明确,急需一种能适应各种树种的林分平均高提取方法。以广西国有高峰林场为例,采用机载LiDAR点云数据生成的冠层高度模型(Canopy height model,CHM),结合地面实测的201个样地数据,提出了一种结合自适应阈值与峰值的林分平均高提取算法,并分析了树种对提取精度的影响。结果表明:1)不同树种的林分平均高提取精度存在差异,杉木精度最高,而桉树和其他阔叶树种精度次之;2)自适应阈值结合峰值的算法能够较好提取林分平均高(R²=0.75,RMSE=3.11m,rRMSE=22.07%),并且对于不同的树种都有较强的稳健性;3)阔叶树种和针叶树种对不同的提取方法存在敏感性差异。研究提取的林分平均高可为森林蓄积量与生物量反演研究提供依据和参考。     

江南油杉人工林生长规律研究

【目的】研究了江南油杉人工林生长规律,以期为江南油杉人工林合理经营提供科学依据。【方法】在全面调查广西林科院老虎岭实验林场27年生江南油杉人工林基础上,在不同的3个标准样地内选择了12株平均木进行树干解析,深入分析其树高、胸径、单株材积生长规律及形数变化规律。并采用6种林木生长经验模型进行回归分析和比较,选出合适的生长模型。【结果】27年生江南油杉树高、胸径、材积的总生长量随着年龄的增加而增加,其中,树高生长总量为16.9 m,胸径生长总量为20.3 cm,材积生长总量为0.283 685 m^3。江南油杉胸高形数是随着年龄的增加先急剧增加,然后再缓慢下降,形数曲线呈反"J"型变化,胸高形数在第7年后小于1,第24年后曲线变化趋于平稳状态,保持在0.52左右。【结论】1)树高在6~14 a和18~24 a处于较高的增长水平,是江南油杉树高生长的速生期。胸径生长的速生期在6~16 a和18~27 a出现。树高和胸径的连年生长量随年龄的增加而增高增粗,树高的高生长期比胸径高生长期早2 a,树高与胸径的低生长期出现在同年。材积的第1个生长高峰期在1~14 a,在第26年后是材积的第2个生长高峰期。各龄阶胸高形数表明江南油杉的胸高形数大,树高尖削度小。2)通过比较分析6种生长模型对江南油杉胸径、树高和材积的实测值的拟合情况,苏玛克(Schumacher)模型可作为江南油杉树高和胸径生长模型,韦布尔(Weibull)模型可作为材积生长模型。经检验,预测值和实测值的残差及相对总误差均较小,模型精度较高,证明所选择的数学模型预测值与实际生长规律基本吻合。3)27年生江南油杉材积的连年生长量和平均生长量曲线经27 a生长仍未相交,说明江南油杉在27 a内尚未达到数量成熟。通过材积生长模型的推算结果,江南油杉材积年平均生长量与连年生长量相交于48~49 a间,即江南油杉数量成熟年龄为49 a,此时的江南油杉材积生长量为0.942 460 m^3。     

林分材积计算的标准木方法的误差分析及校正

在指出了森林林分材积计算的标准本方法偏低估计实际材积的系统误差的基础上，提出了两种校正方案。校正系数可以从在林分内选择标准木的采样样本的数据中方便地算出。模拟举例计算说明两种校正方案基本消除了原公式的系统偏差。校正后的公式为：其中：为林分材积估计值；ＶＢＫ和ＡＢＫ分别是第Ｋ株标准木的测量材积和胸高断面面积；ＡＴ是林分的总胸高断面面积：ｈＢ，和ｄＢ是抽样算得的具有平均胸高断面面积的树的高度和胸径；ｄＷ是抽样算得的以胸高断面面积为权重的加权平均胸径；ｂ是树高曲线在ｄ＝ｄＢ处的斜率。校正的第２方案具有与上式完全相同的形式，只是标准木的是具有平均胸径的树木。     

手持式测树枪量测树冠体积方法研究

为实现单木树冠体积的精准测量,文章介绍了一种手持式测树枪量测树冠体积的方法。在被测树周围布设测站点,以一定的顺序获取各测站点正对树冠边缘点位坐标,通过等高线内插法分层,以构成多面体,利用积分算法求算树冠的体积。将电子测树枪所测结果与传统方法、无棱镜全站仪以及三维激光扫描仪所测结果进行对比分析。结果表明,测树枪所测精度与等高距呈线性关系,测树枪所测精度远高于传统方法,略低于无棱镜全站仪,低于三维激光扫描仪的精度,满足林业调查精度要求,可以在林业行业中推广使用。     

Total tree,merchantable stem and branch volume models for miombo woodlands of Malawi

The objective of this study was to develop general (multispecies) models for prediction of total tree, merchantable stem and branch volume including options with diameter at breast height (dbh) only, and with both dbh and total tree height (ht), as independent variables. The modelling data set was based on destructively sampled trees and comprised 74 trees from 33 tree species, collected from four forest reserves located in different ecological zones of Malawi. The dbh and ht ranges for the data set were 5.3–111.2?cm and 3.0–25.0?m, respectively. A number of alternative model forms were tested and the final model selection was based on root mean square error (RMSE) values calculated using a leave-one-out cross-validation procedure. The model performances and the evaluations of the finally selected models (R? 2 range 0.72 to 0.92; RMSE range 38% to 71%; mean prediction errors range ?1.4% to 1.3%) suggest that all models can be used over a wide range of geographical and ecological conditions in Malawi with an appropriate accuracy in predictions. The appropriateness of the developed models was also supported by the fact that the mean prediction errors of these models were much lower than the mean prediction errors (range ?23.6% to 48.9%) of some previously developed models tested on our data.