依据多种抽样技术对二类调查蓄积量精度控制及比较

森林资源总蓄积量和平均每公顷蓄积量估计是森林资源二类调查的主要内容。为了准确反映森林资源二类小班调查的精度,通常采用不同抽样方式布设固定样地,样地数量要满足抽样控制精度要求,通过总体抽样调查方法获取的蓄积量与小班调查计算的蓄积量进行比较以实现二类小班调查蓄积量精度控制。以东北林业大学帽儿山实验林场为研究区域,2016年帽儿山实验林场森林资源二类小班调查数据和布设在实验林场的256块固定样地数据,采用系统抽样、事后分层抽样和自助法抽样技术进行小班调查蓄积量总体精度控制,并比较几种不同抽样方法的精度和特点。结果表明：有林地小班总蓄积为3 263 235.87 m³,系统抽样估测有林地总蓄积为3 991 105.77 m³。事后分层抽样按照龄组、林型、郁闭度估测有林地总蓄积分别为3 899 872.16、4 036 672.73、3 988 058.20 m³。自助法抽样在N=20时有林地总蓄积估计值为3 948 893.46 m³。结果均超出3倍标准误,初次小班调查不符合调查标准要求,应当重新调查小班,...     

基于3阶段抽样方法的森林面积估测——以北京市延庆县为例

为了优化我国的森林资源监测体系,以北京市延庆县为估测对象,利用美国森林资源清查方法(3阶抽样方法),在部分改进的基础上,通过设置正六边形抽样框架及群团样地,估测延庆县的森林面积。结果表明:估算出北京市延庆县的森林总面积为1 202.739 km~2,与延庆县政府报告的森林总面积对比,总体精度达到94.22%。分层随机抽样和分层双重抽样下的估计精度分别为99.96%和99.94%,这种面积估测方法具有较好的总体精度和稳定性。     

应用Sentinel-2A卫星遥感影像估测森林蓄积量

为了探讨应用Sentinel-2A遥感影像进行森林蓄积量估测的可行性,以内蒙古自治区某林业局的一类清查样地数据、二类调查小班数据、数字高程模型(DEM)以及林地数据为数据源,以遥感影像的波段灰度信息、比值波段及地形信息为自变量,采用k-近邻法(k-NN)、稳健估计及偏最小二乘估计等方法,分林型构建研究区域的森林蓄积量估测模型,从林业局、林场及小班尺度进行估测精度评价.结果表明:k-NN方法在林业局、林场和小班等3个尺度中的估测精度分别达到了97％、93.2％和83.6％,均表现出良好的估测效果;稳健估计法在3个尺度中的估测精度分别为89.3％、72.4％、69.3％;偏最小二估计法在3个尺度中的估测精度分别为85.7％、75.8％、71.7％.k-NN方法估测效果明显优于稳健估计方和偏最小二估计法,因此,Sentinel-2A遥感影像能够有效应用于森林蓄积量估测.     

应用三阶抽样技术和四点群团样地方法对森林资源调查最优样圆尺寸的确定——以北京市延庆区为例

为了优化我国森林资源监测体系,以北京市延庆区为研究区,应用美国FIA三阶抽样技术和四点群团样地方法,通过对不同尺寸的样地方案的抽样总体方差、变动系数、标准误差、绝对误差和估计精度计算,分析四点群团样地的尺寸对单位面积蓄积量的抽样精度的影响,以及限定精度下的最小样地尺寸设计方案。结果表明:最优子样圆方案为半径为7 m,总体精度90%,与二类调查数据相比精度为80%。     

基于总体表面属性特征的森林资源抽样调查方法比较

以南京紫金山国家森林公园的6个景区为抽样总体,以GIS为分析平台,以2002年数字化的森林资源二类调查数据为主要信息源,在分析各个总体相关性、异质性、聚集性3个表面属性特征基础上,分别采用简单随机抽样、系统抽样、空间简单随机抽样、空间分层抽样、空间平衡抽样方法对单位面积蓄积量进行了抽样估计,并从抽样平均误差、抽样效率2...     

大比例尺(1:10000)航空像片测树和双重抽样回归估测试验

采用大比例尺航空像片进行测树判读,配合一定数量的地面实测,通过回归方法修正像片测树的误差,满足一定的精度要求,是一种高效率的森林调查方法。以多数像片样地为第一重样本,从像片样地中抽取的少数地面实测样地为第二重样本,通过回归方法进行修正。这种双重抽样回归估测的方法就是像片估测和地面实测配合的调查方法之一。 本次试验目的是为了探讨在大比例尺航空像片上,应用一般的像片测树技术可能达到的精度;摸索与本地区适合的,与蓄积量相关的辅助因子;采用双重抽样回归估测的     

基于不同立地质量的森林蓄积量遥感估测

森林蓄积量遥感估测在森林资源管理中具有十分重要的意义。以建德市为研究区,利用2007年TM遥感影像和2007年森林资源2类调查数据,对杉木树种分立地质量等级和不分地位等级2种类型建立蓄积量的遥感估测模型,并进行精度检验。其中立地质量等级依据小班平均高和平均年龄建立的地位级表划分为好、中、差3种类型,以每个小班的总蓄积量为因变量,小班各单个遥感因子信息总量为自变量。结果表明:以TM遥感影像主成分分析中第1主成分为自变量的模型拟合效果最好,相关系数R均在0.67以上,最高为0.868;利用预留独立样本对模型精度进行验证,不分地位级总体估测精度为90.31%,分立地质量等级好、中、差3种类型总体的估测精度分别为96.1%、97.24%、95.56%,分立地质量类型建模的精度明显优于统一建模的精度。研究结果为森林蓄积量遥感估测提供一种改进的思路,且为提高森林生物量和碳储量遥感估测精度提供一种参考方法。     

基于k-NN方法和GF遥感影像的森林蓄积量估测

综合利用黑龙江省某林业局的一类样地调查资料、GF-1号卫星影像、数字高程(DEM)模型以及土地利用类型图,采用k-近邻(k-nearest neighbor,k-NN)法进行森林蓄积量估测研究,分析k-NN方法及GF-1卫星数据在森林资源调查与监测中的应用效果。为对比k-NN方法的估测精度,对相同试验数据也进行了最小二乘估计和稳健估计建模。采用GF-1号16 m分辨率的多光谱数据,在林业局级尺度上分别应用这3种方法进行森林蓄积量建模估测,生成了监测区域森林蓄积量分布图并统计得到监测区域总的蓄积量值。将3种方法估测结果与二类调查实测结果进行比较,k-NN方法估测精度达到97.3%,略优于传统的最小二乘估计和稳健估计建模估测精度。因k-NN方法不受Gauss-Markov假设限制,且能有效克服建模变量间的复共线性问题,研究成果可用于县/林业局级尺度的森林蓄积量估测,且国产GF-1卫星影像能有效应用于森林资源监测。     

不同抽样比例的土壤侵蚀因子调查精度比较

利用RS、GIS等遥感技术对2009年陕北吴起县SPOT多光谱波段遥感影像进行目视解译,获取全县及4％抽样比例的土地利用、坡度及坡长因子等土壤侵蚀因子调查精度,结合2009年以1％、0.25％、0.062 5％抽样比例实地调查的数据,分析不同抽样比例下土壤侵蚀因子的精度损失.结果表明:1)4％、1％抽样比例与全县相比,土地利用类型分布相似度均达到95％以上,0.25％和0.062 5％抽样比例下精度损失率最大达到-19.49％、-10.03％;2)4％和1％抽样比例下,与全县坡度分布相似度均达到99％以上,0.25％和0.062 5％抽样比例下精度损失率最高达-4.42％;3)4种抽样比例下与全县坡长因子分布相似度均在95％以上.总之,吴起县按照1％的抽样比例调查土壤侵蚀因子既能保证调查精度又能减少工作量.     

陕西黄牛群体血液蛋白位点的遗传分化

应用系统随机整群抽样法，对陕西４个黄牛群体６个血液蛋白位点估测的基因频率进行遗传变异分析。证实黄牛群体的遗传变异主要由系统内血液蛋白质的多态现象所造成，系统间的遗传差异仅在５．２８％以下。不同的群体遗传变异程度亦有差异，基因分化程度与各总群育种水平呈明显的反应关系。同时研究表明，系统随机整群抽样是进行黄牛群体遗传变异分析的最适抽样方法。     

东北云杉相容性立木材积和地上生物量模型研建

以东北云杉为研究对象,利用立木材积和地上生物量实测数据,通过利用总量直接控制和度量误差模型方法,研建相容的立木材积方程、地上生物量方程、生物量转换函数及各分项生物量模型。结果表明:地上生物量模型在引入树高因子后,改善了模型的精度和平均预估误差;所建立的东北云杉一元相容性方程,其立木材积和地上生物量模型的确定系数分别为0.94和0.97,平均预估误差分别为5.36%和3.55%;而二元相容性方程,立木材积和地上生物量模型的确定系数均在0.98以上,平均预估误差控制在3.06%以下。所建立的模型可以用于我国东北云杉林地上生物量的估计。      

滇中云南松低质低效人工林疏伐的密度及生长动态研究

在滇中宜良禄丰村林场，以0、25.8％、31.5％和27.7％的株数疏伐强度对密度为7311、4933、6733株/hm2和4211株/hm2的4块30 m×30 m林龄25年生塘状直播造林的云南松人工林样地进行首次疏伐。疏伐后1.0a和5.3a时，进行每木调查，计算林分密度、活立木生长量和枯立木数量。结果表明，疏伐有效地促进了林木生长，其中：1）疏伐1.0 a和5.3 a后，样地1-4的林分密度降低至6744、3604、4579、2989株/hm2和3856、3000、4278、2611株/hm2；2）疏伐5.3 a后，样地1-4的林分平均胸径和树高分别从疏伐前7.7、6.2、8.1、8.9 cm和6.4、5.7、8.5、8.5 m，提高至9.6、9.6、10.3、11.0 cm和9.2、9.5、10.5、12.1 m；3）对照样地的蓄积量比疏伐后的增加13.6％，而疏伐样地2-4则分别增加156.8％、49.5％和37.5％，均高于对照。对照林分的枯立木高达55.0％，疏伐林分的为8.0％-19.6％，揭示了此类林分的实际疏伐强度还可以相应地提高。     

基于IMU的细粒度奶牛行为判别

针对奶牛行为判别自动化水平不足、准确率低的问题,采用惯性测量单元(IMU)和卷积神经网络(CNN),对细粒度奶牛行为判别进行研究.结果表明:1)在KNN、SVM、BPNN、CNN和LSTM 5个模型中,CNN模型在奶牛行为分类测试集上的准确率最高.2)含有三轴加速度计、陀螺仪和磁力计的IMU更加适用于奶牛行为分类,其分...     

油松林分断面积与蓄积量生长模型研究

对北京地区油松林分断面积、蓄积量生长模型进行研究,为建立通用的、相容的断面积、蓄积量生长模型奠定基础。利用北京市油松一类清查数据,以Richards和Shumacher 为基础模型,通过选取不同的密度指标,分别拟合油松林分的断面积、蓄积量生长模型,并选取最优的断面积、蓄积量模型,引入哑变量,将间伐林分和未间伐林分合并建立林分断面积、蓄积量生长模型。结果表明,油松林分的断面积、蓄积的模拟效果都较好,R²分别最高达0.900 0、0.890 0,而且不同的密度指标直接影响模型的预估效果,林分断面积生长模型选用林分密度指数作为密度指标的预估效果更好;林分蓄积量生长模型选用林分断面积作为密度指标时预估效果更好,当在模型中的渐近值参数引入密度指标后,Schumacher模型对林分蓄积量的预估精度又要略优于Richards模型,通过模型的独立性检验,预测精度均在91%以上;而在最优的模型上引入哑变量后的林分断面积、蓄积量模型的R²、预测精度都比常规的模型稍高,R²均在0.900 0以上,预测精度在0.950 0以上。引入哑变量能适当的提高模型的精度,可以用来描述北京地区油松林分在不同措施下的生长变化规律,也解决了不同类型林分合并建模不相容的问题。     

基于智能手机单目视觉的多株立木高度提取方法

  目的  提出一种智能手机单目视觉下的多株立木高度提取方法。  方法  该方法以智能手机为采集设备,利用Graph Cut 算法对输入的立木图像进行分割定位,实现单幅图像中多株立木轮廓的自动获取;再通过智能手机相机对摄像头进行标定,从而基于几何相似法获取智能手机相机图像的深度信息。在不同角度下拍摄标靶,进行深度提取模型的精度优化,进而确定信息提取的最优方位。同时,结合高精度陀螺仪获取相机俯视角,根据提取的深度信息和相机俯视角实现非接触条件下的多株立木高度测量。  结果  使用型号为MI 2S的小米智能手机为试验设备,在本方法中的立木高度测量模型具有良好的稳定性,并且试验中最高相对误差为2.45%,树高测量精度可达97.55%。  结论  基于智能手机单目视觉下的立木高度提取方法精确度高、操作简便,能够有效满足国家森林资源二类调查中对于树高测量精度的要求。      

光泽县止马国有林场森林资源发展趋势灰色预测

应用邓聚龙教授创立的灰色系统与方法,以光泽县止马国有林场森林资源调查统计数据为基础,建立灰色预测GM(1,1)模型,对光泽县止马国有林场森林资源主要指标(森林覆盖率、有林地面积、活立木蓄积量、用材林蓄积量、近成过熟林蓄积量)的发展趋势进行预测。经检验,预测结果精度好,可信度高,可为福建省光泽县止马国有林场森林资源研究提供切实可靠的分析工具。     

应用杉木削度方程进行理论造材

采用削度方程对福建顺昌130株杉木样木进行7种造材方式的理论造材,同时将理论造材的结果与实际造材进行比较,分析理论造材的精度.研究结果表明,理论造材具有较高的精度,出材量系统误差仅为3.08%-3.96%,销售价系统误差仅为4.28%-5.12%,完全可以代替实际造材进行造材方式的选优、出材量和销售价的预测.采用第7种造材方式(遇到根部有缺陷的,则截1 m段头,4 m段造材,根部无缺陷的,则不截头,4 m段造材)实际与理论销售价均最大,为最佳的造材方式.     

墨西哥柏52个优树自由授粉子代遗传测定

对52个墨西哥柏优树自由授粉家系进行子代测定,结果表明:墨西哥柏速生,10年生树高、胸径、材积、冠幅年均生长量分别为1.04 m,1.43 cm,0.009 6 m3和0.22 m;生长性状和结实性状家系间差异达显著水平,树高、胸径、材积、冠幅、结实量家系遗传力分别为0.76,0.66,0.68,0.74和0.65,单株遗传力分别为0.27,0.16,0.18,0.23和0.16;生长性状和结实性状呈显著的负相关,选择了9个优良家系,22个优良单株,其材积遗传增益平均为13.47%和25.20%;对墨西哥柏10年生的生长规律进行了分析.     

3D volumetric modeling of grapevine biomass using Tripod LiDAR

Tripod mounted laser scanning provides the means to generate high-resolution volumetric measures of vegetation structure and perennial woody tissue for the calculation of standing biomass in agronomic and natural ecosystems. Other than costly destructive harvest methods, no technique exists to rapidly and accurately measure above-ground perennial tissue for woody plants such as Vitis vinifera (common grape vine). Data collected from grapevine trunks and cordons were used to study the accuracy of wood volume derived from laser scanning as compared with volume derived from analog measurements. A set of 10 laser scan datasets were collected for each of 36 vines from which volume was calculated using combinations of two, three, four, six and 10 scans. Likewise, analog volume measurements were made by submerging the vine trunks and cordons in water and capturing the displaced water. A regression analysis examined the relationship between digital and non-digital techniques among the 36 vines and found that the standard error drops rapidly as additional scans are added to the volume calculation process and stabilizes at the four-view geometry with an average Pearson's product moment correlation coefficient of 0.93. Estimates of digital volumes are systematically greater than those of analog volumes and can be explained by the manner in which each technique interacts with the vine tissue. This laser scanning technique yields a highly linear relationship between vine volume and tissue mass revealing a new, rapid and non-destructive method to remotely measure standing biomass. This application shows promise for use in other ecosystems such as orchards and forests.     

3D volumetric modeling of grapevine biomass using Tripod LiDAR

Tripod mounted laser scanning provides the means to generate high-resolution volumetric measures of vegetation structure and perennial woody tissue for the calculation of standing biomass in agronomic and natural ecosystems. Other than costly destructive harvest methods, no technique exists to rapidly and accurately measure above-ground perennial tissue for woody plants such as Vitis vinifera (common grape vine). Data collected from grapevine trunks and cordons were used to study the accuracy of wood volume derived from laser scanning as compared with volume derived from analog measurements. A set of 10 laser scan datasets were collected for each of 36 vines from which volume was calculated using combinations of two, three, four, six and 10 scans. Likewise, analog volume measurements were made by submerging the vine trunks and cordons in water and capturing the displaced water. A regression analysis examined the relationship between digital and non-digital techniques among the 36 vines and found that the standard error drops rapidly as additional scans are added to the volume calculation process and stabilizes at the four-view geometry with an average Pearson's product moment correlation coefficient of 0.93. Estimates of digital volumes are systematically greater than those of analog volumes and can be explained by the manner in which each technique interacts with the vine tissue. This laser scanning technique yields a highly linear relationship between vine volume and tissue mass revealing a new, rapid and non-destructive method to remotely measure standing biomass. This application shows promise for use in other ecosystems such as orchards and forests.