森林公园林分结构特征对空间热环境的影响

通过对野外标准地实测与分析获取森林公园林分结构特征和温度的相关信息,研究林分非空间结构特征与林分空间结构特征对热环境的影响.结果表明:林分非空间结构及空间结构特征对空间热环境模型的影响占比分别为66.25%、33.75%.林分非空间结构中的郁闭度、树高、枝下高对空间热环境的影响最显著,而胸径、林分胸高断面积、植株密度对空间热环境的影响不显著.郁闭度与气温呈线性负相关,树高、枝下高与空间热环境存在显著正相关,郁闭度每增加0.1,空气温度降低0.4℃;而树高每增加0.1 m,温度增加0.013℃;枝下高每增加0.1 m,温度增加0.017℃.空间结构特征中混交度与空间热环境呈正相关,混交度每增加0.1,温度增加0.19℃;开阔比与空间热环境呈负相关关系,开阔比每增加0.1,温度下降0.22℃.     

应用无人机影像提取毛竹林立竹度

采用无人机航拍影像,依据毛竹冠幅几何特点,依据面向对象多尺度分割原理构建毛竹株数量识别单元,比对分析K邻近法(KNN)、支持向量机(SVM)、随机森林(RF)的提取效果,确定毛竹立竹度提取的最优算法.结果表明:1株毛竹几何形状趋近圆形,2株趋近于长椭圆形,3株以上近似于长条形,与图像中毛竹的冠层形状特征与毛竹识别单元类型具有一致性.验证结果KNN、SVM、RF提取立竹度总体精度平均值分别为90.70％、89.64％、94.56％,对应的Kappa系数分别为0.8597、0.8306、0.9456,其中RF的精度最高.整体上,基于毛竹立竹度识别单元的构建,结合RF分类方法比其他两类分类方法更具优势,实现了有效的毛竹林立竹度提取.     

杉木人工林冠层高度无人机遥感估测

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机（UAV）的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型（DSM）,利用1:10 000地形图生成数字高程模型（DEM）;基于DSM和DEM叠加相减得到树冠高度模型（CHM）,实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数（R2）分别是0.97,0.84和0.78,标准误差分别是0.67,1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。