日光温室葡萄整形修剪应注意的问题

我国西北、东北地区早春温度低,但光照充足,可充分利用日光温室栽培葡萄。日光温室葡萄的整形修剪及新梢管理技术与露地葡萄的不一样,生产中应注意以下几点:1)栽培架式要合理。葡萄日光温室栽培一般空间较小,栽植密度较大,常用架式有篱架和棚架。①篱架式。主要用单臂篱架,一般行距1.5～2.0m,株距0.5～1.0m,架高1.2～1.8m,每行每隔4～6m设一支柱,支柱上每隔40～60cm拉1道铁丝,共拉3～4道铁丝,枝蔓和新梢分别引缚在各层铁丝上生长和结果。单臂篱架的优点是通风透光好,田间管理方便,栽培密度大,早期产量高,进入丰产期早;缺点是树体生长势强,不…     

基于天空地一体化森林资源调查的小班因子设置与信息获取方法

为有效改善现行森林资源规划设计调查中存在的问题,提出并试验了天空地一体化森林资源调查监测新技术体系。此方法虽较传统方法缺少下木植被与天然更新、林分健康状况等需实地调查记录的因子,但仍能够较全面地反映小班林地和林木资源状况(类型、数量、质量和结构)及其所处自然环境条件,完全满足集体林区森林资源经营管理需要和森林资源报表的统计需要,并可满足各种相关应用对森林资源基础数据的需要;除小班基本属性(土地类型、优势树种、林木起源和伴生树种)需要逐一进行图像解译和少量实地补充调查外,新技术体系的其余各项调查因子均可通过编写计算机程序自动获取,这极大地减少了调查工作量、降低了劳动强度、提高了工作效率,并且质量可控,有效地保证了小班调查数据的可靠性,确保了森林资源调查成果质量。     

TM影像决策树分类中的影响因素研究

以云南省西双版纳州一景TM影像为例,分析了影响分类回归树方法的主要因素。结果表明在其他因素均一致的情况下,训练数据如果使用涵盖各类别的外业调查数据比使用系统布设的训练数据分类精度更高,并且多种参数波段的选择也会有效地提高分类的精度。     

基于机载激光雷达冠层高度模型的小班区划

[目的]探究如何有效利用机载激光雷达冠层高度模型(CHM)自动区划小班,提高小班区划工作效率.[方法]在高光谱影像树种信息的辅助下,使用机载激光雷达数据生成的CHM进行两种空间尺度的分割和优化来自动区划小班.先对1?m空间分辨率CHM数据进行过分割,再对降尺度处理并平滑后的5?m空间分辨率CHM数据进行欠分割,结合两种...     

基于分层叠加的机载LiDAR点云单木分割

【目的】提出一种基于分层叠加的单木分割算法,以充分利用高密度激光雷达点云信息,提高林分中下层单木分割精度。【方法】区别于传统将冠顶点作为聚类种子点的单木分割算法,基于分层叠加的单木分割算法以点云水平切片后各层的局部最大值为种子点进行分层聚类,并通过分层叠加与迭代优化,减少枝杈等因素导致的过分割现象,在保证上层树单木分割精度的同时提高对中下层单木的提取能力。【结果】基于分层叠加的单木分割算法在不同密度落叶松林分均有较高单木分割精度,提取单木与实测单木总体匹配成功率最高达94%,在中高密度林分匹配成功率最高达92%,相较其他算法,对中下层单木的匹配率可提高20%～40%;在单木树高提取精度方面,单木提取树高与实测树高相关系数为0.8,相对均方根误差为8.45%,提取冠幅与实测冠幅相关系数最高为0.83,相对均方根误差为16.5%。【结论】通过分层聚类、聚类种子点优化选取,充分利用林分各层次点云信息,可提高单木分割精度,为森林经营管理提供高精度数据支持。     

点云密度对机载激光雷达林分高度反演的影响

以山东省泰安市徂徕山林场和重庆铁山坪林场为试验区,分别于2005年5月和2006年9月获取了低密度和高密度的LiDAR点云数据,分别进行了林分平均高的反演试验.通过两个试验区的对比,分析了不同点云密度对机载LiDAR数据反演林分参数的影响.结果表明:对于两种密度的点云数据,使用分位数法都可以很好地进行林分平均高的估计,高密度点云的反演结果略好一些,但二者结果差异不大;高密度的点云可以进行更小尺度的林分高估计和单木树高的估计,从而可以减少甚至避免对实地树高测量的依赖.     

资中森林生态旅游现状和发展对策

文章在介绍资中县森林生态旅游业现状的基础上,总结分析了资中森林生态旅游建设管理中存在的主要问题和制约因素;提出以发展森林旅游经济为基础,把森林生态旅游作为一项重要社会公益事业来建设,加强组织领导,加大森林生态旅游的开发及管理力度等相应的对策和措施。     

高精度DEM支持下的多时期航片杉木人工林树高生长监测

【目的】集成多时期航片数据和由机载激光雷达数据获取的密集林区数字高程模型,估测多时期杉木人工林冠层高度,并对其生长情况进行定量监测,为多时期航片监测森林生长趋势和评价林地生产力提供可能。【方法】首先基于分类后的激光雷达点云数据获得林下高精度数字高程模型和森林数字表面模型,利用航片数据构建立体像对,通过自动立体匹配算法生成森林冠层的摄影测量数字表面模型,然后借助数字高程模型将2种数字表面模型进行高度归一化,提取研究区多时期森林冠层高度。利用1996、2004年历史航片和2014年数字航片以及激光雷达数据,构建18年内皖南杉木人工林3期森林冠层高度,并对其精度进行分析。【结果】1)由2014年数字航片和激光雷达数据获取的森林冠层高度的R^2为0. 52,RMSE为1. 79 m; 2)由2014年数字航片处理得到的森林冠层高度与对应样地实测上层木的平均高验证精度较高,平均绝对误差1. 59 m,平均相对误差15%,最大绝对误差3. 45 m,最大相对误差30. 80%,测量精度85. 00%; 3)由1996、2004、2014年航片得到3期杉木人工林冠层高度,其增长趋势与树高生长曲线预测趋势一致。【结论】在多山复杂地形条件下,利用航片可准确定量反映山脊向阳面的森林冠层高度变化,但对于山谷阴影处,则会出现冠层高度被低估情况,利用多期航片结合高精度DEM数据可定量反映上层木的冠层高度变化。     

机载激光雷达和航空数码影像单木树高提取

用激光雷达(LiDAR)数据和航空数码影像相结合进行单木水平树高反演.对研究区的LiDAR点云数据进行滤波和分类,根据地形特点、地表植被状况以及其他地类的分布,采用Tin Filter滤波算法提取地面回波点和植被回波点.用面向对象的方法对高空间分辨率(25 cm)的航空数码影像进行单株木检测.通过多尺度、树冠模式的分割创建影像对象和类层次,用最邻近距离和成员函数法进行影像对象的分类,并基于分类结果进行再分割.对分割后的树冠多边形进行边缘优化,以准确识别单株木.将植被回波点和影像分割后得到的树冠多边形进行叠加,计算多边形内的LiDAR数据最大高程差值,与实测树高进行相关分析,建立单木树高估测回归方程,平均估测精度为74.89%.     

基于机载激光雷达的落叶松组分生物量反演

[目的]构建基于机载LiDAR的落叶松组分生物量反演模型,讨论不同方法对模型构建的影响。[方法]以地面实测样地数据和同步获取的机载LiDAR点云数据为数据源,分别采用多元线性回归(MLR)和随机森林(RF)方法,估测了长白落叶松的组分生物量,利用"刀切法"评价了模型的泛化能力。[结果]表明:(1)MLR筛选得到的H_(interval)、H_(80)、D_(10)、D_(20)与各组分生物量普遍表现为显著(P0.05)或极显著水平(P0.01)。(2)MLR模型的R~2高于0.82(枝、叶除外);RF模型的R~2均高于0.91,且均拥有较小rRMSE、TRE值。(3)MDI和MDA方法的变量相对重要值排序均能较好地体现LiDAR变量与生物量之间的关系,MDI在趋势性判断和阈值设定方面更具优势。[结论] LiDAR变量与组分生物量具有显著的相关性。RF拥有更好的拟合效果和泛化能力,MLR则对LiDAR和组分生物量的关系有更明确的解释能力。反演模型能较好地反映林分的现势特征,生物量被低估的现象会随着林龄的增加而逐步增多。