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Hinterval、H80、D10、D20与各组分生物量普遍表现为显著（P < 0.05）或极显著水平（P < 0.01）。（2）MLR模型的R2高于0.82（枝、叶除外）;RF模型的R2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。     

基于机载激光雷达和机器学习的林分平均胸径遥感估测

为探究不同模型对林分平均胸径的预测精度,使用贵州省桂花国有林场马厂工区同步获取的机载激光雷达点云数据和地面实测样地数据,通过提取样地水平的点云特征变量,采用方差膨胀因子分析和皮尔逊相关性检验进行自变量选择,建立机器学习模型估测样地平均胸径。结果表明：1)点云特征变量,如平均冠层高度和高度偏态与林分平均胸径有很强的相关性。2)机器学习模型(随机森林、支持向量机、最近邻算法)优于多元线性回归模型,其中,随机森林的拟合效果最好。随机森林的决定系数(R²)为0.71,均方根误差(RMSE)为2.50。3)通过柳杉纯林、针叶混交林、针阔混交林、马尾松纯林4种森林类型的林分平均胸径预测值与实际值差值,进一步证实随机森林模型精度最高,拟合效果最好。利用机载激光雷达点云数据提取点云特征变量,并构建基于机器学习算法的林分平均胸径估测模型是可行的,该方法的精度能满足森林资源调查的应用需求,可作为辅助林业调查工作的技术手段。     

林分起源对立木生物量模型的影响分析

以杉木和马尾松604株样木的地上生物量和212株样木的地下生物量实测数据为基础,利用非线性混合模型和哑变量模型方法,建立了包含林分起源的立木地上生物量和地下生物量模型,分析了林分起源对模型参数的影响。结果表明:不同起源的立木地上生物量模型没有明显差异,而地下生物量模型则存在显著差异,相同直径和树高天然林木的地下生物量明显高于人工林木;杉木天然林木的地下生物量比人工林木大近30%,而马尾松天然林木的地下生物量比人工林木要大约45%。     

森林地上生物量遥感反演研究进展

森林地上生物量是反映森林生态系统状况的关键性指标之一,对全球气候变化、以及我国实现碳达峰和碳中和目标具有重要意义。遥感技术快速发展并日益成熟,已成为大区域尺度森林地上生物量反演的主要技术手段。通过系统梳理国内外相关文献资料,从数据源和反演模型两方面对森林地上生物量遥感反演研究进展进行讨论：从数据源角度,阐述分析光学遥感数据、合成孔径雷达数据、激光雷达数据等3种数据源提供的有效信息、优势及局限;从反演模型角度,结合实际应用案例讨论分析多元回归模型、机器学习算法、机理模型等3种模型的特点及适用范围。在总结现阶段利用遥感手段反演森林地上生物量存在问题的基础上,分析探讨未来森林地上生物量遥感反演的方向和热点。     

基于机载激光雷达的杉木林分高生长变化分析

机载激光雷达可准确获取林分高生长量,实现林分高生长量在更广阔空间尺度上的年生长监测。为实现杉木（Cunninghamia lanceolata）人工林年生长量监测,通过直升飞机搭载的机载激光雷达系统获取试验区林分点云数据,通过重采样得到10 m×10 m、20 m×20 m和30 m×30 m分辨率的冠层高度模型;分别设置100、200、300和400个随机点,并提取不同分辨率下的杉木林分冠层年高生长量,共获取12个处理;通过比较不同处理杉木林分年高生长量差异,选择最优的重采样分辨率;结合数字正射影像,提取杉木林分不同小班年高生长量。结果表明,400随机点数且分辨率为10 m×10 m处理下获取的数据较准确,出现异常的概率较小。2016—2017年,杉木林分年高生长量均值为0.80 m。总体上,杉木林分年高生长量增长阶段为12～15年,最大值约为2.61 m;下降阶段为15～20年,波动阶段为20～27年,最小值约为0.19m。通过机载激光雷达数据获取冠层高生长量,能有效监测杉木林分高生长情况,可为森林资源管理与监测提供参考。     

基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型构建

森林是全球重要的陆地生态系统,各国普遍采用地面样地调查的方法评估其资源量和生物量。随着激光雷达技术的发展,采用星载大光斑激光雷达估算大区域森林地上生物量将成为另一种选择。为探索利用大光斑激光雷达估算森林地上生物量的方法,提出了一种基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型。比较仿真大光斑激光雷达波形参数13种组合拟合森林地上生物量的效果后,认为多层感知器的估测精度高于多元线性回归。与样地实测地上生物量相比,多元线性回归估测结果的偏差范围为-34.96~23.28t/hm²,多层感知器估测结果的偏差范围更小,为-19.09~20.19t/hm²。因此,多层感知器估测森林地上生物量的效果优于多元线性回归。     

基于林分高度及郁闭度的森林生物量和蓄积量模型研究

随着激光雷达和立体影像航天航空遥感技术的快速发展,目前,我国虽然具备了快速获得林分平均高、郁闭度等相关信息的能力,但缺少利用林分平均高和郁闭度来准确估测森林生物量和蓄积量的模型,这严重影响了激光雷达和立体影像航天航空遥感技术的推广应用。为了对模型的构建进行探研,利用湖南湘西地区地面调查数据中52块杉木样地的林分平均高、郁闭度、株数等数据,通过因子变量组合不同的自变量形式,并分别构建多个不同函数形式的杉木地上生物量、蓄积量反演模型,用决定系数R~2对模型进行评价。结果表明,基于杉木林分平均高、郁闭度构建的因子变量组合与地上生物量、蓄积量之间有紧密的联系。其中:以e为底数的对数形式变量ln(C×HH~2)作为解释变量的杉木地上生物量模型、蓄积量模型拟合效果最佳;指数函数模型能够精确地表达自变量与地上生物量、蓄积量之间的关系;与一次函数模型、幂函数模型、对数函数模型相比,指数函数模型的拟合效果更佳。对杉木林分平均高、林分郁闭度与地上生物量、蓄积量之间的关系进行了有效探究,构建了杉木地上生物量模型、蓄积量模型,以期为建立林分平均高和郁闭度因子估测其它树种的地上生物量和蓄积量模型提供参考依据。     

考虑地形效应的高山松地上生物量遥感估测模型构建

[目的]研究基于遥感因子与地形因子构建香格里拉市高山松地上生物量非线性混合效应估测模型,提高高山松地上生物量估测精度.[方法]以2015年和2018年Landsat 8 OLI与对应年份样地实测数据为基础,通过二元生物量模型计算出高山松地上生物量.提取植被指数、纹理等遥感因子.将地形因子按照一定等级进行划分后作为模型因...     

基于机载激光雷达的国外松片林蓄积量反演研究

该文基于金坛区碳汇监测山区调查点范围内,第250,77号国外松林小班的LiDAR数据和样地实测数据,利用冠层高度模型与点云分割相结合的方法实现单木识别,以实测胸径作为因变量,估测树高作为自变量,通过建立非线性回归方程的方式进行林分胸径反演和公顷蓄积量估算.结果表明:机载LiDAR估测的国外松数据与实测数据具有较好的相关...     

基于机载激光雷达数据估计林分蓄积量及平均高和断面积

基于东北林区191个红松林(Pinus koraiensis)样地的机载激光雷达数据和地面实测数据,首先,通过多元线性回归和非线性回归估计方法,确定林分蓄积量及平均高、断面积的基础回归模型;然后,利用误差变量联立方程组方法,建立基于激光雷达变量的林分蓄积量与平均高、断面积的模型系统。结果显示:建立的多元线性、多元和二元非线性林分蓄积量回归模型,其确定系数R²分别为0.858,0.846和0.821,平均预估误差MPE分别为2.57%,2.66%和2.85%,平均百分标准误差MPSE分别为26.35%,16.35%和17.88%;利用模型系统对林分平均高、断面积和蓄积量进行估计,其R²分别为0.597,0.750和0.822,MPE分别为1.90%,2.52%和2.84%,MPSE分别为10.85%,15.28%和17.73%。结果表明:基于机载激光雷达数据估计林分蓄积量、平均高等主要森林参数,非线性模型优于线性模型,而且基于点云高度变量(中位数)和强度变量(75%分位数)的二元非线性模型就能达到比较理想的预估效果;误差变量联立方程组方法,是建...     

基于树高和树冠因子的立木材积与地上生物量相容模型研究

【目的】无人机机载激光雷达能够准确地测定单木、林分乃至大尺度森林结构参数(树高和树冠因子)。为应用无人机激光雷达技术准确估测森林蓄积量、生物量和碳储量提供计量依据和技术支撑。【方法】以150株实测马尾松生物量样本数据为研究对象,采用非线性回归估计方法和度量误差联立方程组方法,分析立木材积和地上生物量与树高、树冠因子的相关性,并在此基础上研究建立基于树高和树冠因子的立木材积与地上生物量相容模型。【结果】单株材积和地上生物量与树高因子的相关性最为紧密,其次才是树冠因子;基于树高和冠幅因子的二元材积和地上生物量模型预估精度较高,达到92%以上,再考虑冠长因子的三元模型预估精度改进不大;基于树高和冠幅因子的二元立木材积与地上生物量相容模型估计效果更好,相对于一元相容模型系统而言,二元相容模型拟合效果有较大幅度提高,预估精度达到92%以上。【结论】采用度量误差联立方程组方法可以有效解决基于树高和树冠因子的立木材积与地上生物量相容问题,并且预估精度达到92%以上,所建二元立木材积与地上生物量相容模型可为应用激光雷达技术反演森林蓄积量和生物量提供计量依据。     

基于激光雷达数据的东北林区航空林分材积表编制

利用东北林区云冷杉林、落叶松林、樟子松林、红松林、栎树林、桦树林、杨树林、榆树林、椴树林和水胡黄林10种森林类型的1947个样地的激光雷达数据和地面实测蓄积量数据,首先通过多元线性回归和非线性回归方法,分别建立基于机载激光雷达数据的森林蓄积量回归估计模型,并通过对比分析,确定统一形式的基础回归模型;然后利用哑变量建模方法,建立基于不同森林类型参数和相同激光雷达变量的蓄积量模型。结果表明,研究建立的10种森林类型的线性蓄积量回归模型的解释变量个数在2~7之间,确定系数在0.460~0.858之间;非线性蓄积量回归模型的解释变量个数在2~4之间,确定系数在0.461~0.846之间。基于点云平均高度和平均强度建立的10种森林类型的二元蓄积量模型(研究称之为标准模型),其确定系数在0.440~0.815之间,平均预估误差在2.88%~4.42%之间,平均百分标准误差在16.76%~25.52%之间,预估精度基本达到森林资源规划设计调查技术规定要求。依据研究建立的10种森林类型的蓄积量模型,可以编制基于激光雷达数据的航空林分材积表,在森林资源调查实践中推广应用。     

基于Landsat 8影像的汝城县森林地上生物量遥感估算研究

精确估测森林生物量是分析森林碳动态和碳循环的基础。本研究采用汝城县森林资源连续清查数据,结合Landsat 8遥感影像,分析了森林地上生物量的空间自相关和空间异质性,并选取显著相关的植被指数因子,分别构建普通最小二乘模型、空间滞后模型以及地理加权回归模型,并绘制汝城县森林地上生物量的空间分布图。结果表明:通过对森林地上生物量的空间效应分析,发现样地生物量的空间自相关和空间异质性不容忽视。与普通最小二乘回归相比,空间滞后模型和地理加权回归模型可以减少空间效应对森林地上生物量估测的影响。地理加权回归模型可以最大程度地减少过高或过低估计,估测森林地上生物量的精度最高,决定系数达到0.756,均方根误差和平均相对误差最小,分别为17.288 t·hm^-2和-8.542%。因此使用Landsat 8遥感影像结合地理加权回归方法在改善森林地上生物量的估测中具有巨大潜力。     

点云密度对机载激光雷达大区域亚热带森林参数估测精度的影响

【目的】点云密度是影响机载激光雷达数据获取和预处理成本的关键因素,探明点云密度对森林参数估测精度的影响,为机载激光雷达大区域森林调查监测应用技术方案的优化提供参考依据。【方法】基于我国广西一个亚热带山地丘陵区域获取的机载激光雷达和样地数据,通过系统稀疏方法,将全密度点云(4.35点·m^-2)分别稀疏至4.0、3.5、3.0、2.5、2.0、1.5、1.0、0.5、0.2和0.1点m^-2,得到11个样地尺度的点云数据集,包括1个全密度和10个稀疏密度点云数据集;应用配对样本t检验方法,分析4种森林类型(杉木林、松树林、桉树林和阔叶林)中稀疏密度点云和全密度点云之间12个激光雷达变量的差异;通过变量和结构固定的多元乘幂模型式,分别采用不同密度点云数据集对林分蓄积量(VOL)和断面积(BA)进行估测,比较模型优度统计指标决定系数(R²)、相对均方根误差(rRMSE)和平均预估误差(MPE)的差异,并应用t检验方法分析稀疏密度点云VOL和BA估测值均值和全密度点云相应估测值均值的差异。【结果】1)点云密度较低时,稀疏密度点云分位...     

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.     

甘肃亚高山云杉人工林地上部分生物量研究

通过对甘肃省白龙江林区沙滩林场的22块云杉人工林标准地进行调查研究,以胸径、树高、D2H分别为自变量拟合建立云杉人工林树干、树冠及地上部分生物量模型。通过假设检验,所拟合的生物量具有统计学意义,方程为W树干=0.146 D2.065,W树冠=0.029 D2.431,W地上=0.155 D2.214。     

基于照相技术的枸杞地上生物量模型研究

以内蒙古托克托县枸杞灌木作为研究对象,利用照相技术和图像处理软件获取各植株侧面宽度D、植株高度H、侧面照相面积S等参数,建立起基于这些参数或参数组合的枸杞地上生物量拟合方程。经过检验,以植株侧面照相面积S为自变量的幂函数回归模型可用来估算枸杞地上生物量。侧面照相面积S与植株的生长状况密切相关,通过照相技术和图像处理软件获取S等参数相对简便、准确,在实际操作中能提高工作效率。     

基于无人机遥感的胡杨地上生物量估测模型构建

为了构建胡杨冠幅及地上生物量估测模型,在胡杨分布区设置的样地中选取328株样木,以无人机遥感数据提取的胡杨冠幅为自变量,以胡杨生物量模型获取的地上鲜生物量为因变量,通过相关及回归分析方法,构建不同函数形式的估测模型并进行精度分析。结果显示,墨玉县、巴楚县、轮台县,以无人机遥感估测胡杨生物量的最优模型均为三次曲线函数形式,精度分别为94.93%,95.63%,92.24%。研究确定了处于不同林龄胡杨样地的地上生物量的最优估测模型。可见,运用无人机遥感估测生物量是可行的,可为胡杨林的经营管理和生态价值评估提供技术支撑。