基于机载激光雷达数据的森林蓄积量模型研建

【目的】建立变量相同、结构稳定、具有普适性的基于机载激光雷达数据的森林蓄积量预估模型,为规范森林蓄积量建模与评价提供科学参考,为森林资源调查提供计量依据。【方法】利用东北林区落叶松林、红松林、杨树林和桦树林4种森林类型790块样地的激光雷达数据和地面实测蓄积量数据,首先采用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模型,通过对比分析,确定具有相同变量和统一结构形成的普适性模型;然后采用哑变量建模方法,建立基于相同激光雷达变量的不同森林类型蓄积量模型。【结果】4种森林类型线性蓄积量回归模型的解释变量个数在2～6之间,确定系数(R~2)在0.701～0.827之间;非线性蓄积量回归模型的解释变量个数在2～4之间,R2在0.707～0.818之间。基于点云平均高度和平均强度的落叶松林、红松林、杨树林、桦树林非线性二元蓄积量模型,其R~2分别为0.679、0.814、0.698和0.703,平均预估误差分别为4.26%、2.90%、3.68%和3.83%,平均百分标准误差分别为24.44%、18.23%、21.47%和23.26%。【结论】基于机载激光雷达数据估计森林蓄积量,非线性模型优于线性模型;基于点云平均高度和平均强度的二元蓄积量模型具有普适性,可作为森林蓄积量估计的标准模型;本研究建立的4种森林类型蓄积量模型,其预估精度均达到森林资源调查相关技术规定要求,可在实践中推广应用。     

北京市主要森林类型蓄积量生物量碳储量模型研建

林分水平的蓄积量、生物量和碳储量模型,是开展森林资源规划设计调查的计量基础。基于北京市2016年森林资源连续清查的1 425个乔木林样地数据,分别利用非线性独立回归估计、误差变量联立方程组和含哑变量的误差变量联立方程组方法,建立了油松林、侧柏林、栎树林、桦木林、榆树林、刺槐林、杨树林、其他硬阔林、其他软阔林、乔木经济林等10种主要森林类型的林分蓄积量、生物量和碳储量模型。结果显示:10种主要森林类型的蓄积量、生物量和碳储量模型的确定系数(R~2)都在0.93以上,总体相对误差(TRE)和平均系统误差(ASE)都在±3%以内且多数趋近于0,平均预估误差(MPE)都在5%以内,平均百分标准误差(MPSE)都在15%以内。结果表明:不同森林类型的蓄积量主要取决于林分断面积和平均高,生物量主要取决于蓄积量和林分平均高;含哑变量的非线性误差变量联立方程组方法,是建立林分水平三储量(森林蓄积量、生物量和碳储量)模型系统的可行方法;所建北京市10种主要森林类型的蓄积量、生物量和碳储量模型,其预估精度达到相关技术规定要求,可以在实践中推广试用;为进一步提高模型的准确度,可采用基于二元模型计算的蓄积量和生物量样地数据对所建模型进行修正。     

北京市二类调查小班蓄积量预估模型研究

为解决当前北京市二类调查通过角规绕测技术预估林分蓄积量存在的问题,基于北京市二类调查数据,根据优势树种(组)的不同,将北京市森林划分成10个不同的树种组。在此基础上,利用一类清查数据,以林分蓄积量为因变量,林分参数及立地参数为自变量构建非线性蓄积量预估模型,计算确定系数(R~2)、总相对误差(TRE)、估计值的标准差(SEE)、平均系统误差(MSE)、平均预估误差(MPE)和平均百分标准误差(MPSE),并对模型拟合效果进行评价。结果表明:构建的蓄积量预估模型拟合效果较好,各树种组蓄积量预估模型的确定系数(R~2)均大于0.94,MPE均小于5%,MPSE基本在10%以下,可以应用于北京市二类调查中蓄积量的预估。     

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。     

机载激光雷达大区域亚热带森林参数估测的普适性模型式

【目的】针对当前森林参数估测模型受研究区条件、森林类型限制不具备普适性的问题,从森林三维结构分析描述出发,构建森林参数估测多元乘幂模型式,并测试其在不同森林类型不同森林参数估测中的表现,检验其推广能力,以期发现一个适用于不同森林类型不同森林参数估测的模型结构式,为激光雷达森林参数的一致性估测提供实践案例。【方法】以面积2.21万km~2的南亚热带丘陵山地区域为研究区,以面积法为基础,将刻画森林冠层三维结构的7个离散回波Li DAR变量进行组合,构建5个森林参数估测多元乘幂模型式,通过383块样地测试5个模型式在不同森林类型(杉木林、松树林、桉树林和阔叶林)不同森林参数(蓄积量、断面积和平均直径)估测中的表现。【结果】以激光雷达点云平均高、冠层覆盖度、叶面积密度变动系数、激光雷达点云高度变动系数、50%分位数密度为变量的模型结构式表现最好; 4种森林类型蓄积量估测模型的决定系数(R~2)分别为0.667、0.769、0.764和0.602,相对均方根误差(rRMSE)变化范围为18.53%～36.32%,平均预估误差(MPE)变化范围为3.37%～6.95%; 4种森林类型断面积估测模型的R~2分别为0.572、0.582、0.706和0.568,rRMSE变化范围为16.11%～30.82%,MPE变化范围为3.27%～5.89%; 4种森林类型平均直径估测模型的R2分别为0.574、0.501、0.709和0.240,rRMSE变化范围为10.07%～29.01%,MPE变化范围为1.83%～5.55%;最优普适性模型式的R2与各森林类型各森林参数最优模型的R~2的相差小于5%,rRMSE和MPE的相差均小于7%。【结论】本研究提出的模型式变量具有明确的生物物理意义和林学解析意义,可准确刻画林分冠层三维结构,在不同森林类型不同森林参数估测中均取得较好效果,具有良好的普适性,有利于提高不同森林类型估测结果的可比性,可用于机载激光雷达大区域森林资源动态监测。     

基于混合效应模型的杉木人工林蓄积联立方程系统

建立江西杉木人工林基于非线性混合效应方法的林分优势木平均高和断面积模型以及基于对数形式线性混合效应蓄积模型的联立方程组,利用验证数据与传统模型回归方法的模拟结果进行比较分析。结果表明,优势木平均高是联立方程组最基本的组成部分。通过考虑优势木平均高和林分断面积模型中参数的随机效应以及3个因变量间的相关性,则蓄积模型中参数的随机效应可以忽略。优势木平均高决定着林分断面积预测的准确性,而优势木平均高和林分断面积又是预测蓄积的主要误差来源。基于混合效应模型方法的模拟结果明显好于传统回归估计方法。进行预测时,通过解释联立方程组中因变量相互间的相关性,利用已被观测的变量能够提高未观测变量的估计精度。     

采用林分平均高和密度估计人工林蓄积量

采用2015年广西森林资源连续清查第9次复查中人工林样地调查数据,按树种组(杉木、松树、桉树)建立林分每公顷蓄积量与林分平均高、林分密度(郁闭度、每公顷林木株数)二元非线性模型(不变参数和可变参数),用确定系数(R~2)和平均预估误差(MPE)等6个指标对模型进行评价和检验。结果显示:全部12个模型的总相对误差(TRE)、平均系统误差(MSE)均小于15%,MPE均小于10%,表明采用林分平均高和密度估计林分单位面积蓄积量可取得较好的效果,但可变参数模型的参数的变动系数太大,不宜采用;3个树种组中,不论是不变参数模型还是可变参数模型,以平均高和每公顷林木株数构建的模型的R~2均大于由平均高和郁闭度构建的相应模型的R~2,而剩余标准差(SEE)、MPE则相反,说明每公顷林木株数对林分每公顷蓄积量变动的解释能力优于郁闭度。综合考虑6个统计指标和参数的稳定性,3个树种组的每公顷蓄积量的最优估计模型均为由每公顷林木株数、平均高构建的不变参数模型。     

河北省主要树种单木和林分生长率模型研建

利用第六次至第九次全国森林资源清查河北省2001,2006,2011,2016年4个年度的固定样地调查数据,采用非线性回归估计方法,建立了18个树种组的单木胸径生长率和材积生长率模型,以及12个树种组的林分材积生长率模型。结果表明,单木生长率模型的平均预估误差(MPE)基本都在3%以内,而平均百分标准误差(MPSE)、胸径生长率模型大都在10%以内,材积生长率模型大都在20%左右;林分生长率模型的平均预估误差(MPE)基本都在5%以内,平均百分标准误差(MPSE)大都在25%以内。所建模型可为河北省开展森林资源年度更新提供技术支撑。     

基于森林资源连续清查数据的西南地区云南松林分生长模型研究

为掌握西南地区云南松林分生长规律,以森林资源连续清查568块固定样地的云南松林分调查数据为基础,系统研究了云南松林分平均树高、林分断面积、林分立地指数、林分蓄积量因子与林分平均年龄、林分优势木平均高、林分公顷株数等的关系,建立了云南松林分断面积生长和林分收获预估模型。模型拟合结果表明,模型具有较高的精确度和稳定性,可应用于西南地区云南松林的经营管理和收获预估。     

基于无人机LiDAR特征变量的南方集体林区蓄积量估测

基于广西壮族自治区森林资源年度监测评价成果数据,采用逐步回归选择机载激光雷达特征变量,建立多元线性回归、Logistic回归和随机森林模型,预测南方集体林区桉树、杉木和天然阔叶林样地的蓄积量。结果表明:1)桉树和杉木样地的逐步回归特征变量多为高度和强度变量,而天然阔叶林样地则是间隙率、覆盖度、叶面积指数等综合变量;2)桉树和天然阔叶林样地,随机森林模型的蓄积量估测精度(桉树R~2=0.97,RMSE=12.60m~3/hm~2;天然阔叶林:R~2=0.90,RMSE=18.45m~3/hm~2)高于多元线性回归和Logistic回归模型,而杉木样地在多元线性回归模型中得到了最优的蓄积量估测结果(R~2=0.91,RMSE=24.30m~3/hm~2);3)在3种模型估测精度中,人工桉树和杉木样地均优于天然阔叶林样地。可见,高密度的激光雷达点云可以获取更优的特征变量,针对复杂的样地条件需要灵活选择估测模型实现蓄积量调查,以便为林草部门进行森林资源调查、监测和经营管理提供科学依据。