机载LiDAR航带旁向重叠对针叶林结构参数估测的影响

【目的】研究机载LiDAR航带旁向重叠对针叶林林分平均高和森林叶面积指数(LAI)估测的影响,为机载LiDAR点云数据区域森林结构参数估测提供参考。【方法】野外分别测定30块樟子松、33块长白落叶松样地的林分平均高和LAI,对原始LiDAR点云数据进行去噪、点云分类、高程归一化和重叠点移除等处理,从重叠点移除前、重叠点和重叠点移除后的点云数据中分别提取一系列样方点云高度分位数(HP1、HP5、HP10、…、HP99、Hmax和Hmean)和激光穿透指数(LPI),借助留一交叉验证建立并评价樟子松和长白落叶松林分平均高和LAI估测模型的精度,通过对比分析估测模型的决定系数(R2)和均方根误差(RMSE)揭示机载LiDAR航带旁向重叠对针叶林林分平均高和LAI估测的影响。【结果】对樟子松林分平均高估测而言,重叠点移除前林分平均高的最高估测精度(R2=0.873,RMSE=0.940)出现在HP90处,重叠点林分平均高的最高估测精度(R2=0.892,RMSE=0.866)出现在HP80处,而重叠点移除后林分平均高的最高估测精度(R2=0.892,RMSE=0.868)出现在HP55处;对长白落叶松林分平均高估测而言,重叠点移除前、重叠点和重叠点移除后林分平均高的最高估测精度均出现在HP99处,R2分别为0.725、0.719和0.741,RMSE分别为1.196、1.209和1.161。对樟子松LAI估测而言,重叠点移除前估测结果 R2为0.666,RMSE为0.220,重叠点估测结果 R2为0.551,RMSE为0.255,重叠点移除后R2提高到0.794,RMSE降低为0.172;对长白落叶松LAI估测而言,重叠点移除前估测结果 R2为0.654,RMSE为0.110,重叠点估测结果 R2为0.640,RMSE为0.112,与樟子松估测结果一致,重叠点移除后长白落叶松LAI估测精度大幅度提高,R2变为0.762,RMSE变为0.091。【结论】无论是林分平均高还是森林LAI,相邻航带旁向重叠点移除后的估测精度均高于重叠点移除前和重叠点,且樟子松的估测精度高于长白落叶松。对林分平均高而言,樟子松和长白落叶松达到最高估测精度时所对应的点云高度分位数不同。机载LiDAR点云数据相邻航带旁向重叠点的移除可有效提高森林结构参数的估测精度,在未来机载LiDAR点云数据预处理时应加入重叠点移除操作。     

小兴安岭天然针阔混交林择伐后土壤呼吸动态变化

采用LI-8100土壤CO2排放通量全自动测量系统,针对小兴安岭带岭林业局东方红林场不同择伐强度的针阔混交林样地,测定林地生长季土壤呼吸速率以及10cm土深处的温度和湿度,探讨生长季土壤呼吸的日变化、季节变化和年通量。结果表明：土壤呼吸日变化动态与土壤温度日变化动态基本一致,呈明显的单峰曲线。采伐强度不同间接影响着土壤呼吸速率。研究表明：针阔混交林土壤呼吸速率均值在0．6—8．2μml·m^-2·s^-1之间,高于同纬度其他地区;雨季（6月、7月、8月、9月）土壤呼吸明显大于旱季（5月、10月、11月）;针阔混交林生态系统土壤呼吸不同月份通量值在1．68～18．82mol·m^-2之间,最大值和最小值分别出现在7月和11月。与北半球温带森林生态系统土壤呼吸变化趋势基本一致。2006年针阔混交林生态系统土壤呼吸通量为84．37mol·m^-2,与朝鲜半岛硬阔混交林土壤呼吸相似,但比一些热带地区的结果偏大。     

基于星载LiDAR波形数据的森林胸高断面积估测研究

为探索星载LiDAR在森林胸高断面积上的应用潜力,利用星载激光雷达ICESat/GLAS波形数据对吉林汪清林区的森林胸高断面积进行估测。通过对ICESat/GLAS波形数据波形进行处理,提取一系列波形特征参数,利用回归估计方法分析波形特征参数与胸高断面积的相关关系,建立预测模型对森林胸高断面积进行估测。结果表明:在所提波形特征参数中,波形长度、H₅和H₁₀与胸高断面积在三次函数拟合时具有明显的相关性,判定系数R₂分别为0.813、0.737和0.613,预测精度P分别为0.951、0.932和0.901,综合分析最终确定波形长度估测模型最好,该模型可稳定准确地估测出胸高断面积。表明星载LiDAR是未来估测森林胸高断面积一种有效的方法,并为进一步的森林蓄积量研究提供了一种技术手段。     

择伐对生长季针阔混交林土壤分室呼吸的影响

采用LI-8100土壤CO2排放通量全自动测量系统和与之配套的土壤温度、湿度传感器,对小兴安岭带岭林业局东方红林场观测样地不同强度择伐后,测定林地生长季土壤分室呼吸速率以及10 cm土深处的温度和湿度,探讨生长季土壤各分室呼吸的年际变化.结果表明:枯枝落叶层土壤呼吸速率生长季平均值呈逐年增加的趋势,观测期内枯枝落叶层土壤呼吸速率均值与采伐强度呈二次相关的关系(R2=0.806);根系呼吸速率生长季平均值逐年变化较复杂,差异较大,观测期内根系呼吸速率均值与采伐强度亦呈二次相关的关系(R2=0.415);矿质土壤呼吸速率生长季平均值呈逐年增加的趋势,与采伐强度相关性不显著.土壤温度和湿度是影响土壤分室呼吸速率变化的2个重要因素.枯枝落叶层和矿质土壤层是控制择伐后林地土壤呼吸变化的关键组分.为降低择伐后林地CO2排放增加速率,应选用中小强度(52%以下)的择伐作业.     

基于机载LiDAR点云估测林分的平均树高

以内蒙古上库力农场为研究区,基于高程归一化后的植被点云数据计算了植被点云高度阈值平均值,建立林分平均树高线性回归模型,并进行精度评定。结果表明,模型估测平均树高精度最高为99.81%,最低为87.09%,总体平均精度为94.56%。利用植被点云高度阈值平均值估测林分平均树高具有较高的可靠性。     

基于TM遥感影像的森林类型分类方法比较

以吉林省汪清林业局为例,基于Landsat5-TM影像,充分利用遥感影像光谱信息,分别采用动态聚类法和组合监督分类法对该林区的森林类型进行分类,并对分类结果的精度进行比较分析.研究结果表明,利用组合监督分类的精度比动态聚类法分类的精度要高,总体分类精度高11％,其中针叶林、阔叶林、混交林和其他用地的分类精度分别高8％、11％、17％和10％.     

基于LiDAR点云能量信息的樟子松郁闭度反演方法

为提高小光斑激光雷达估测针叶林郁闭度的精度,采用回归分析法建立多变量回归模型,通过对小光斑激光 雷达点云数据进行处理,分别提取3 个数量比值变量、3 个能量比值变量,并建立郁闭度单变量反演模型,接着在单 变量的基础上进行多元线性回归分析,建立郁闭度多变量反演模型,最后用剩余数据对所建立的反演模型进行精 度评价。结果表明:在郁闭度单变量反演模型中I2反演模型最好, 拟合相关性为R2 =0.818, Adj R2 =0.810, RMSE = 0.016,模型精度为P =0.978;多变量反演模型中LPI' 和I'3 组合的模型最好, 拟合相关性为R2 = 0.898, AdjR2= 0.889, RMSE =0.012,模型精度为P =0.972。由最终所得模型可知,能量比值变量模型所得结果相对数量比值变 量模型结果要好且稳定,多变量反演模型的拟合相关性及精度都比单变量模型要高。本研究所提取的参数相对较 少,且能量比值变量的提取有一定的局限性,未来研究中应提取更多的高效参数且进一步加强能量比值变量的探究。      

小光斑激光雷达数据估测森林生物量研究进展

小光斑激光雷达可以直接获取森林的垂直和水平结构参数,因此广泛应用于森林树高、生物量和郁闭度等结构参数估计。本文主要分析小光斑激光雷达在森林生物量估测中的应用,根据研究尺度的不同,分别对小光斑激光雷达在单木、样方水平森林生物量的反演技术和方法进行详细分析,并对小光斑激光雷达与其他类型遥感数据进行融合,共同用于森林生物量研究的潜能进行阐述,通过对上述分析得出小光斑激光雷达用于森林生物量研究中存在的问题进行总结并对其未来的研究进行展望。     

基于LiDAR离散点云能量信息的针叶林叶面积指数反演方法

叶面积指数是森林的重要结构参数,对于研究与植被叶片相关的生物物理活动具有重要意义。为了提高针叶林叶面积指数的估测精度,以吉林省长春市净月潭国家森林公园为研究区,通过对小光斑激光雷达离散点云进行滤波分类处理、拟合波形数据,从中提取5个能量参数,分别用于估测针叶林样方的叶面积指数,通过分析得出I2预测模型最好,R=0.911,P=0.968。结果表明小光斑激光雷达离散点云的能量信息能够较好地估计针叶林的叶面积指数,未来应加大小光斑激光雷达能量参数的应用。     

基于ICESat-GLAS的坡地最大树高估测模型比较研究

地形坡度对星载LiDAR(lightdetection and ranging)估测最大树高具有较大的影响。为了提高坡度条件下树高的反演精度,通过建立坡地条件下5种不同的最大树高估测模型,前3个模型分别使用不同DEM(digital elevation model)数据的地形指数来量化地形坡度的Xing模型,第4个模型使用波形参数-未改进边缘长度来量化地形坡度,第5个模型与第4个模型类似,用改进边缘长度来替换未改进边缘长度。结果可知,波形参数模型的精度要高于使用DEM数据的地形指数的Xing模型的精度,第5个模型的精度要高于第4个模型的精度。表明波形参数量化地形坡度的能力要优于DEM数据的地形指数,而改进边缘长度模型更适合估测坡地的最大树高。