基于灰狼算法SVM的NIR杉木密度预测

【目的】提出一种基于灰狼算法支持向量机(GWO-SVM)的木材密度预测模型,利用近红外光谱(NIR)对杉木密度进行预测,为杉木性质定量分析提供理论依据。【方法】将109个杉木样品光谱数据和样品密度数据进行归一化,选取88个样品作为训练集、21个样品作为测试集,对2 151维光谱数据提取主成分,以主成分作为输入变量,以杉木样本密度作为输出变量,建立杉木密度多元线性回归(MLR)模型、SVM模型和GWO-SVM模型,采用决定系数(R~2)、均方误差(MSE)和平均绝对百分误差(MAPE)对3种模型的预测结果进行比较分析。【结果】对光谱数据进行主成分分析并选择5个主成分,其累积贡献率达98.7%。MLR模型的R~2为0.771 4,MSE为0.000 282 1,MAPE为3.009 23%; SVM模型的R~2为0.923 8,MSE为0.000 233 1,MAPE为2.794 50%;灰狼算法对SVM进行参数寻优,获得的最优参数分别为C=18.366 6、σ=0.043 3,GWO-SVM模型的R~2为0.919 2,MSE为0.000 183 4,MAPE为2.496 37%。3种模型的平均绝对百分误差均在可接受范围内,且GWO-SVM模型的平均绝对百分误差最小,预测效果最好。【结论】从预测精度分析,GWO-SVM模型明显优于MLR模型和SVM模型;从模型决定系数分析,GWO-SVM模型和SVM模型均优于MLR模型。灰狼算法优化支持向量机结合近红外光谱对杉木密度进行预测分析合理、高效。     

基于近红外光谱波段优选的针叶木材基本密度估测模型的优化研究

【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。     

基于高分2号遥感数据估测中亚热带天然林木本植物物种多样性

【目的】探索高分2号遥感数据与中亚热带天然林木本植物物种Shannon-Wiener多样性指数、Simpson多样性指数和Pielou均匀性指数之间的关系,为森林经营管理和保护策略提供参考。【方法】提取高分2号多光谱数据的原始波段、植被指数、纹理特征和全色波段纹理特征,使用随机森林算法筛选变量并对3种多样性指数进行建模,设置不同纹理提取窗口来寻找最优窗口。【结果】基于随机森林算法的RFE冗余变量去除方法可从众多遥感变量中快速选择对模型精度具有显著贡献的少量变量。多光谱数据3×3窗口纹理特征、全色数据7×7窗口纹理特征和植被指数结合的特征集对3种多样性指数具有较好估测结果,其决定系数(R~2)和均方根误差(RMSE)分别为0.47和0.300(Shannon-Wiener多样性指数)、0.53和0.042 (Simpson多样性指数)、0.61和0.051 (Pielou均匀性指数)。植被指数中类胡萝卜素反射率指数与3种多样性指数具有显著相关关系。【结论】高分2号遥感数据中的植被指数和纹理特征可有效估测研究区森林木本植物物种多样性。类胡萝卜素反射率指数可体现森林中类胡萝卜素相对于叶绿素的含量,在秋冬季节作为反映常绿树种和落叶树种分布的指数,对森林木本植物物种多样性估测具有最大贡献。使用星载遥感数据预测的多样性和均匀性指数分布可有效监测森林木本植物物种多样性变化。     

杉木人工幼林不同年龄施肥效果初报

在不同树龄阶段对杉木幼林进行了施肥实验,以调查与掌握施肥之后杉木的生长情况。实验相关数据表明:对不同年龄杉木幼林进行施肥,其树高、每个幼林材积、单位面积蓄积生长以及平均胸径都具有很大的差异。在施肥量相同的情况下,造林后在第二年进行第一次施肥,第四年进行第二次施肥,这种组合效果做好,这是一种比较简单、理想的施肥方式。     

桦木顺纹抗压强度的SEPA-VISSA-RVM近红外光谱预测

木材顺纹抗压强度是评价木材力学性能的重要指标,而传统测量方法操作复杂、精确度低。以桦木为例,提出基于近红外光谱技术(NIR)的SEPA-VISSA-RVM木材顺纹抗压强度模型,实现对其更加精确的预测。试验选取100个木材试件,在900~1700 nm近红外光谱波段上采集数据并测量抗压强度真值;然后采用卷积平滑(SG)方法进行光谱预处理;使用采样误差分布分析(SEPA)作为变量空间迭代收缩算法(VISSA)的改进策略进行特征波长优选;最后通过粒子群优化算法(PSO)优化核函数参数并建立相关向量机(RVM)的预测模型。试验表明:在特征波长优选方面,以偏最小二乘法(PLS)建模为基础的SEPA-VISSA方法,其预测决定系数为0.9593,预测均方根误差为2.8995,相对分析误差为3.0256,光谱变量数由512减小到111个,占总波长的22%,均优于VCPA、CARS和VISSA算法;在建模预测方面,以SEPA-VISSA所选波长为基础的RVM模型,PSO优化的拉普拉斯(Laplacian)核函数的核宽度为10.4043,决定系数为0.9449,预测均方根误差为2.0432,相对分析误差为4.2936,预测效果优于PLS和SVR。因此,基于近红外光谱的SEPA-VISSA-RVM建模能够实现对桦木顺纹抗压强度更准确和稳定的无损检测。     

竹笋高产早出四次施肥法

近几年来,食用笋竹迅速发展,竹园施肥已相当普遍,施肥是竹笋高产的主要技术措施,但施肥不当,事倍功半,影响竹林生长和产量。四次施肥法是长期试验和探索的结晶,是我县亩产三千公斤竹笋的高产早出施肥新技术。四次施肥法,根据竹子一年四季不同的生长规律及所需要的养分,采用四种施肥办法,一年进行四次施肥。施肥量以亩产三千公斤为例。     

油茶配方施肥研究

施肥是促进油茶生长的一种重要措施。该试验通过N、P、K 3种不同肥料类型、不同配方对3a油茶幼林和10 a油茶成龄进行正交施肥,共9种处理和1个对照,并采用多重比较法,对比了不同处理对幼龄油茶生理生长情况和成龄油茶结果量影响。结果表明:不同的配方施肥对油茶的生理生长和果实产量有一定的促进作用,其中以6、7、8、9四种处理对幼龄油茶的生长影响最大;7、8、9三种处理对成龄油茶的结实产量的影响最大。     

配方施肥对核桃不同果期产量、果实性状与植株生长的影响

施肥是核桃栽培中提高核桃产量和品质的最有效途径,探讨不同施肥配方对初果期和盛果期产量、果实形状和植株生长的影响,可为配置适宜的施肥配方,以及提高核桃产量提供科学依据。通过对初果期和盛果期的核桃样树,施加3个不同的复合施肥配方,然后对其果实产量、果实性状和植株生长指标等进行科学分析。结果表明:在初果期和盛果期,3个施肥配方在一定程度上对果实产量、果实性状和植株生长都起到增益作用,尤其以配方1增益效应最为显著。在研究区域内,对初果期和盛果期的核桃树均可采用配方1进行施肥管理,以达到持续、稳定获得核桃高产的目的。     

毛竹林氮素营养诊断的研究

结合"四因素二次回归最优设计"的施肥试验,在毛竹林小年施肥后至大年新竹长叶的不同生长季节,采样分析了叶片氮和叶绿素含量的变化规律;对不同生长季的叶片含氮量及叶绿素含量与新竹产量进行回归分析显示:12月采集的叶样,叶片含氮量与新竹产量呈显著的抛物线回归关系,4月出笋期采集的叶样,叶绿素含量也与新竹产量呈显著回归关系;利用氮含量方程求算留养密度2 180株/hm2的毛竹林最高理论产量相应的最适养分含量和临界值,分别为31.1 5mg/g和32.55mg/g;对叶片氮含量及叶绿素含量进行相关分析发现:施肥后一个月(9月)两者呈显著的直线相关关系,冬季(12月)两者呈显著或极显著的抛物线回归关系,说明毛竹叶营养与内部生理指标间具很强的内在联系.     

基于哑变量的高山松蓄积量反演模型研究

基于Landsat TM和地面实测样地数据,采用传统线性回归和引入哑变量的线性回归两种建模方法构建香格里拉高山松蓄积量反演模型,并对模型进行验证。研究表明,传统一元和多元线性回归模型的相关系数分别为0.280和0.365,引入哑变量的线性回归模型相关系数为0.602;结合实测检验数据,传统一元、多元线性模型和引入哑变量的模型预测精度分别为61.1%,74.9%和80.3%,引入哑变量的高山松森林蓄积量模型反演精度明显提高,研究结果可为今后基于哑变量的遥感森林蓄积量反演提供一定的依据和参考。     

地形起伏对陆地卫星的NDVI影响研究

NDVI是表征植被叶面积密度的重要遥感指数,是估测植被盖度、林分郁闭度、生物量及碳储量、植被生长状况和作物产量的重要参数。相关研究表明地形起伏对光谱数据有较大的影响,但其对NDVI的影响特征值得进一步研究。针对以上问题,选用C校正模型对Landsat数据进行地形校正,消除了地形起伏对光谱数据的影响,并对比和分析了地形校正及未经地形校正提取的NDVI。结果表明:地形校正前后图像总体的NDVI有显著性差异,其中较小坡度植被区域无显著性差异,较大坡度植被区域存在显著性差异;阴坡整体的NDVI有变大趋势、阳坡略微减少,半阴半阳坡无明显变化;农地在不同坡向下无显著差异且整体变化不明显,针叶林、阔叶林在阴坡和阳坡上的NDVI变化幅度大于半阴半阳坡。地形校正对NDVI估测值存在着一定影响,从而进一步影响着基于NDVI参量的各种遥感估算结果,故消除地形起伏对光谱的影响,可以提高定量遥感估测精度。     

辽东地区长白落叶松广义线性生长模型研究

长白落叶松是辽宁省主要造林树种之一,其总体质量关系到辽宁省的生态环境建设。文章根据辽宁省森林资源连续清查数据主要调查因子,基于103块调查样地建立林分生长模型,分析林分生长规律。关于模拟林分生长模型,经典的线性模型往往未能解释数据的离散部分;然而,一些离散变量真正影响林分生长。文中将林分生长特性和林木材积的关系作为一个案例研究,通过分析属性,提出了用广义线性模型分析林分生长数据。     

基于Landsat8 OLI数据的山杏柠条灌木林碳储量遥感模型研究

基于Landsat8 OLI多光谱数据和内蒙古兴安盟地区189块山杏、柠条灌木林实测样地数据,利用多元逐步回归法建立地上碳储量遥感模型,并对模型的预估精度进行了分析。结果表明:选取包括单波段、波段组合、缨帽变换、植被指数及主成分分析共5组27个特征变量,通过分析27个特征变量与灌木林地上碳储量的Pearson相关性,进行特征变量的优化选取并建立模型。天然山杏、人工山杏和人工柠条3种灌木类型地上碳储量遥感模型的决定系数分别为0.61,0.86,0.74,预估精度分别为71%,77%,73%。优化的3种遥感模型可以应用到内蒙古范围内天然山杏、人工山杏和人工柠条林地上碳储量评估工作中。     

基于Sentinel-1A和Landsat 8数据的区域森林生物量反演

【目的】结合主被动遥感数据,为基于不同遥感数据源、建模算法的亚热带森林生物量建模分析提供新思路。【方法】以湖南省郴州市桂东县2014年Landsat 8 OLI影像、2014年Sentine-1A影像、2014年43块森林资源连续清查固定样地数据为主要信息源,借助于ENVI、SNAP、R等软件,分别采用主动式遥感(Sentinel-1A数据)、被动式遥感(Landsat 8 OLI数据)、主被动相结合(Sentinel-1A数据结合Landsat 8 OLI数据)3种数据集和多元线性回归、随机森林、人工神经网络、袋装算法等4种模型,进行区域森林地上生物量特征变量选取、参数建模、模型精度评价、生物量空间制图。【结果】1)在特征变量选择上,红波段(B4)、红外波段(B5)反射率及纹理特征,归一化植被指数(NDVI),交叉极化(VH)后向散射系数及其纹理特征,在森林生物量反演中具有重要作用;2)4种遥感估测模型精度比较分析表明,无论是单一数据源还是二者结合,随机森林算法预测精度最高,人工神经网络、袋装算法次之,多元线性回归最低;3)3种不同数据源的遥感估测综合精度,按照由高到低的顺序排列,主被动结合被动式遥感主动式遥感;4)桂东县森林生物量平均值为53.68 t/hm2,生物量高( 90 t/hm2)的林分面积比例只有16.03%,主要分布在海拔较高、坡度较陡的东南、西南部。【结论】Sentinel-1A和Landsat 8数据的结合在估测森林生物量方面具有重要作用。     

高光谱遥感森林树种分类研究进展

从基于光谱特征、基于光谱匹配和基于统计分析方法3个方面,论述了高光谱遥感数据进行森林树种分类的应用研究状况,分析了目前研究中存在数据质量与保障性相对滞后、缺乏有效的处理算法等问题,指出了进一步完善森林树种光谱数据库和加强高光谱数据研究的高光谱树种研究方向.     

油桐籽含油率近红外光谱检测模型的构建

为实现油桐籽含油率的快速检测,采用近红外光谱结合化学计量学方法对油桐籽含油率的测定进行了研究。107个样本用Kennard-Stone法划分为校正集(80个)和验证集(27个)。光谱经预处理方法优化,确定一阶导数结合均值中心化预处理最优。分别采用竞争性自适应重加权算法筛选变量及小波变换压缩变量,比较了偏最小二乘法与径向基神经网络法所建模型的预测性能,确定竞争性自适应重加权算法筛选出的8个变量用于偏最小二乘法建模,所建模型预测性能最好:验证集相关系数0.927,均方根误差2.08,相对标准偏差为3.99%。结果表明竞争性自适应重加权算法筛选变量结合偏最小二乘法建模,所建模型简单,精度较好,可用于油桐籽含油率的快速检测。     

基于哑变量非线性联立方程组模型的林木参数遥感反演

以湖南省攸县黄丰桥林场Worldview-2影像和地面样地调查数据为基础,采用Mean shift算法对影像进行多尺度分割,提取杉木人工林林木冠幅信息,共提取有效林木冠幅227个,并对提取的冠幅边界信息进行平滑处理。分析调查数据中实测冠幅与影像提取冠幅之间的相关性,结合实测胸径、树高与冠幅的关系,应用曲线估计、非线性联立方程组以及基于哑变量的非线性联立方程组分别建立树高和胸径的最优估算模型,并进行了精度评价。结果表明:将树高与胸径作为哑变量,并进行数量化分级建立的影像冠幅与胸径、树高的非线性误差变量联立方程组模型的拟合效果要优于其他2种方法,树高和胸径模型决定系数R2H和R2D分别为0.899和0.913。模型的适用性检验表明,模型的变动系数、平均百分标准误差均在10%以内,具有较强的稳健性。     

3种异速生长方程对生物量建模的对比分析

利用5个树种的1 055株样木的生物量实测数据,对3种常用的异速生长方程的建模效果进行比较分析。结果表明,二元生物量模型M=aDbHc的拟合效果通常要好于一元生物量模型M=aDb;基于组合变量的常用二元模型M=a(D2H)b并不适合于各类生物量的估计,仅对树干生物量和干材生物量的估计是有效的,对其它生物量的估计其效果还不如一元模型;建立树冠、树枝和树叶生物量模型时,采用组合变量D3/H可能是合适的。     

基于GIS技术的喜树快速繁育研究

简要的介绍了GIS支持下喜树快速繁育技术的方法.运用区域作物模型反映大范围地区气候、土壤等地理信息的变量对作物产量的影响,同时采用了大区域网络为单元的模拟.为喜树生长提供了预测环境,能够更好的服务生产.     

非线性混合效应模型参数估计方法分析

非线性混合效应模型是针对回归函数依赖于固定效应和随机效应的非线性关系而建立的.一阶线性化算法(FO)和条件一阶线性化算法(FOCE)为2种计算非线性混合效应模型参数的常用线性化算法.本文基于FOCE算法,提出一种改进的随机效应参数计算方法,并利用树高生长数据和模拟数据对3种算法进行分析和比较.结果表明:改进的FOCE算法得到的随机效应参数更能反映个体间的随机差异,并且拟合效果更好.