基于无人机影像的天山云杉林树高提取及蓄积量的反演

【目的】提取影像高程数据建立模型反演天山云杉林分蓄积量,为天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰西森林公园的天山云杉(Picea Schrenkiana var. tianshanica)为研究对象,无人机航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法提取无人机影像高程数据得到天山云杉树高,根据样地实测数据建立胸径树高模型,最终根据胸径树高模型反演天山云杉林林分蓄积量。【结果】利用无人机影像提取树高与实测树高存在显著正相关关系,提取平均精度为88.42%,建立天山云杉胸径-冠幅模型的相关系数为0.696,而胸径-树高模型的相关系数为0.730;验证胸径-树高模型,计算RMSE值为12.386,拟合效果显著。基于胸径-树高模型反演林分蓄积量精度为87.66%,与实测值比对,残差值大部分落在(-2,+2)残差区间。【结论】采用局部最大值算法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了无人机不能对胸径直接测量的缺陷,进而反演天山云杉林林分蓄积量。     

应用无人机可见光遥感技术估测林分蓄积量

以云南省富民县典型天然云南松(Pinus yunnanensis)纯林为研究对象,结合无人机影像获取和外业样地调查对林分蓄积量估测。结果表明：利用目视解译方法提取云南松单木冠幅,精度达72%;采用11种模型拟合得到云南松林分不同郁闭度的胸径-冠幅最优回归模型;3个郁闭度等级林分的平均蓄积量估测精度分别达53.12%、78.65%和81.16%。由此可见,中、高郁闭度林分的平均蓄积量估测精度较高,说明了无人机遥感估测林分蓄积量的可行性和适用性。     

基于机载激光雷达影像的天山云杉林树高提取及蓄积量反演

【目的】研究提取影像高程数据建立模型反演天山云杉林分蓄积量,获得便捷、快速提取森林蓄积信息的技术方法,为研究山地天然林精准监测与评价提供技术途径。【方法】以新疆天山中部北坡天格尔森林公园天山云杉(Picea Schrenkiana var.tianshanica)为研究对象,机载激光雷达航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法对激光雷达影像高程数据进行提取获得天山云杉树高,根据样地实测数据构建胸径-树高模型,并根据胸径-树高模型天山云杉林林分蓄积量进行反演。【结果】激光雷达影像分辨率较高,经过点云分类后,采用克里金插值法提取的树高平均精度可达89.64%,幂函数曲线模型拟合度最高,R²为0.908,结合二元材积公式,基于激光雷达影像估测蓄积量与样地实测蓄积量对比,精度达到87.43%。【结论】采用克里金插值法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了激光雷达不能对胸径直接测量的缺陷,反演天山云杉林林分蓄积量,该模型可满足对新疆山地天然林数字经营管理的标准。     

基于树影与快鸟图像的单木树高提取

利用黑龙江省塔河地区2008年的快鸟影像,研究了基于高空间分辨率的卫星影像的单木树高提取方法.在试验区内,实测孤立木的树高、胸径和冠幅,并在遥感图像对应位置上一一标记.在对快鸟影像进行裁剪、几何校正等处理的基础上,提取孤立木树冠顶点区域在遥感图像上的灰度值,然后建立灰度值与其树高之间的回归模型,其决定系数达到0.88,...     

基于无人机倾斜摄影技术的单木参数提取及胸径模型构建

以南京森林警察学院校园内丁山脚下的行道树区域为研究区域,通过旋翼无人机搭载五目摄像机获取该区域的三维立体影像,在该影像上提取样木的树高、冠幅2个参数,并用全站仪获取相同的样木数据,验证2个参数的测量精度,建立胸径的反演模型。结果表明：通过无人机提取的样木树高的平均相对误差为3%,提取冠幅的平均相对误差为2%。建立模型的48组样本数据中,以冠幅、树高为自变量,胸径为因变量建立的二元胸径反演模型的效果最好,其决定系数高达0.9,均方根误差最小,为0.83;12组用于检测的数据样本中,平均误差均在正常范围内,树高&冠幅−胸径的二元反演模型的平均误差低至0.63 cm,误差率4.8%,因此二元胸径反演模型是本研究中最优胸径反演模型,且精度较高。本研究可为快速准确的获取研究区域的样木参数,进而计算出精度较高的胸径值,降低林业工作人员的外业强度,为精准林业调查、林地检测提供了新的技术参考。     

基于快鸟影像树冠特征的天山云杉材积反演1）

基于QuickBird高分辨率遥感影像,利用面向对象分类法提取了果子沟林场实验区的低林分密度的天山云杉的树冠信息,以实测数据为真值检验遥感方法提取的树冠大小的精度;在此基础上建立了基于遥感影像树冠与实测胸径的关系模型,利用模型估计的胸径和一元材积模型,计算云杉单木材积。结果表明：研究区内天山云杉的树冠遥感方法分类的生产者精度为914．7％,用户精度为90．9％。基于实测胸径和提取冠幅面积所建立的回归方程的决定系数R2＝0．7533,树冠面积提取精度为89．17％,胸径的预估精度为87．91％,材积的预估精度为87．36％。     

不同方法提取无人机影像树冠信息效果分析

以无人机航空拍摄的影像为数据源,采用目视解译和面向对象法提取胡杨、柽柳树冠信息,获得树木冠幅及林分郁闭度.结果表明,单木冠幅、林分冠幅、样地郁闭度的实测值、面向对象法估测值和目视解译法估测值无显著差异（P＞0．05）,表明面向对象与目视解译法都可有效获取单木冠幅、林分冠幅和样地郁闭度信息;面向对象法与目视解译法估测精度无显著差异（P＞0．05）,表明这两种方法获取森林单木冠幅、林分冠幅、样地郁闭度参数效果相当.但基于无人机航拍数据的面向对象树冠提取,能克服人机对话目视解译速度慢、误差大小因人而异的弊端,具有进行大面积林分调查因子定量提取的优势.     

北京市13 个常见树种胸径估测研究

随着高分辨率遥感数据、LiDAR 技术在森林资源调查中应用的日益普遍,以及自动快速提取树木冠幅、树高 方法的日益成熟,需要建立新的树木模型来估测其他林分因子,以适应林业调查手段更新和发展的需求。在参考 国内外大量文献的基础上,选择常用的胸径鄄冠幅模型和树高鄄胸径曲线模型,根据北京市178 块森林样地调查数 据,建立了北京市13 个常见树种的胸径鄄冠幅模型,胸径鄄树高模型,胸径鄄冠幅、树高综合模型。结果表明:并不是 所有树种的冠幅、树高都与胸径有高相关性;13 个树种中,只有臭椿、雪松、栾树和加杨的胸径鄄冠幅模型的R2 大于 0郾7,胸径鄄树高模型R2 大于0郾5,胸径鄄冠幅、树高综合模型达到0郾8 以上;油松、杨树、槲栎、圆柏4 个树种的胸径鄄 冠幅模型的R2 小于0郾3;核桃、油松、火炬树、柳树、国槐5 个树种的胸径鄄树高模型R2 低于0郾3。并提出在下一步工 作中,把林龄,林分密度,立地条件如坡度、坡向、海拔、地位级等林分因子与树木冠幅、树高联合建立估测模型来提 高胸径估测的精度。该方法可用于现代遥感技术快速获取树木冠幅、树高之后,根据已有的数据库资料,用树种的 冠幅、树高估测胸径,再推算其他林分因子,实现森林资源的快速调查与更新。      

利用无人机遥感测定岷江冷杉单木树干生物量

无人机获取的高分辨率遥感影像,已成为单木生物量估算的有效手段。本文以四川省王朗自然保护区岷江冷杉为研究对象,利用本项目组自行研制的无人机获取无阴影遥感影像。设置2块样地,其中plot 1为建模样本,plot 2为验证样本。通过人机交互的方式提取单木树冠面积(CA)数据,并结合野外实测的胸径(DBH),建立DBH遥感估算模型。最后基于CA-DBH模型的有效性,结合已有DBH-SB(树干生物量)经验方程,计算plot 2岷江冷杉单木树干生物量。结果表明:基于无人机遥感影像提取的单木CA与实测DBH存在较好的非线性相关关系,所建立的模型有较好的拟合度,R2达到0.752(P<0.001,n=94)。采用t检验验证CA-DBH模型预测值与观测值的差异,同时计算皮尔森相关系数(Pearson Correlation Coefficient),检验结果表明:该模型估算的DBH与实测值偏差差异不显著(P>0.05),其皮尔森相关系数可达0.879,证明利用无人机获取的遥感影像,通过提取的CA估算DBH是可行的。本次实验表明:利用无人机遥感获取影像,通过提取的单木CA进行树干生物量的估算是有效的。      

应用混合效应法建立的杂种落叶松人工林单木冠幅预测模型

应用2015年调查的黑龙江省江山娇实验林场48块杂种落叶松人工林样地的4129株样木数据,分析了冠幅(C_W)与胸径(D_BH)的相关关系,选出较好的冠幅—胸径线性关系模型作为基础模型;经过再参数化分析,选入对冠幅影响较大的单木因子和林分因子构建冠幅的通用线性模型;再采用混合效应模型的方法建立精确的冠幅预测模型。结果表明:冠幅与胸径呈较好的线性相关,冠长率(C_R)、高径比(H_DR)和林分断面积(B_AS)对冠幅的影响最大,最终构建了样地水平的线性混合效应模型为杂种落叶松人工林单木冠幅预测模型。模型的修正决定系数R_a²为0.6567,比基础模型(R_a²为0.5701)增加了15.19%;均方根误差(R_MSE)和赤池信息准则与基础模型相比,均减少了10%以上;模型采用留一交叉验证法进行检验,其平均绝对偏差(M_AE)为0.3491 m、平均相对偏差绝对值(M_APE)为18.36%,拟合效率(E_F)为0.6164。考虑该模型的实用性,基于留一法,利用随机抽样,对比分析了不同样本量(2,3,4,…,30株树)对随机效应校正下的模型预测效果,结果表明每个样地随机调查5株树的冠幅,即可达到较好的预测效果。     

桉树人工混交林林分生长与土壤养分研究

【目的】研究桉树人工混交林中各树种的生长状况、蓄积量和土壤养分含量,探索适于桉树生长的最佳混交模式。【方法】在广东省雷州半岛,选择尾巨桉(DH32-29)分别与团花、马占相思、湿加松混交的试验林和桉树纯林为研究对象,采用随机抽样法测定各树种的胸径、树高、枝下高和冠幅;并在各样地四角以及中心设5个土壤采样点,采集表层0～20 cm的土壤,测定试验林地土壤pH及有机质、全氮、全磷、全钾、碱解氮、速效磷、速效钾、有效硼含量。【结果】(1)团花、马占相思、湿加松均可促进桉树胸径、树高和单株材积生长,促进作用大小表现为马占相思团花湿加松;4个林分间桉树胸径存在显著差异,树高、枝下高、冠幅和单株材积均存在极显著差异。(2)团花和马占相思的平均胸径、平均冠幅和平均单株材积皆大于同一林分内的桉树,而湿加松的平均胸径、平均树高、平均冠幅和平均单株材积均远小于同一林分内的桉树。(3)各类型混交林中,桉树的单位面积蓄积量大小为桉树湿加松混交林桉树马占相思混交林桉树团花混交林,混交树种的单位面积蓄积量大小为团花马占相思湿加松,总的单位面积蓄积量则以桉树马占相思混交林最大,桉树团花混交林次之。(4)桉树与团花混交后,林地土壤pH及有机质、碱解氮、速效钾含量均极显著高于桉树纯林地;桉树与马占相思混交后,林地有机质、碱解氮、全钾和速效钾含量显著或极显著高于桉树纯林地;桉树与湿加松混交后,林地仅土壤pH和全磷含量显著或极显著高于桉树纯林地。【结论】桉树与马占相思混交后,桉树的胸径、树高、单株材积生长最好,林分整体蓄积最大,林地表层土壤养分含量最高,林分质量最好,林分结构最稳定。     

六盘山林区华北落叶松林测树因子相关性分析

[目的]对宁夏林区华北落叶松人工林树高-胸径等林分特征结构进行相关性分析.[方法]采用野外观测的方法,得到华北落叶松人工林树高、胸径、冠幅等林分结构特征指标.[结果]冠幅-胸径存在极弱相关,树高-胸径最优曲线模型为H=2.411+1.425D-0.039D2+0.000427D3(H为树高,D为胸径),树高-冠幅最优曲线模型为H=0.299G0.814(H为树高,G为冠幅),材积-胸径最优曲线模型为V=0.000204D2.406(V为材积,D为胸径).[结论]幂函数曲线模型能够很好地拟合胸径-材积相关性(R2=0.957),所选最优曲线模型V=0.000204D2.406可用来估算华北落叶松人工林胸径、材积的值,从而提高模型预测能力.     

应用高斯聚类的单木分割及树高和冠幅的提取

针对机载激光雷达点云中基于栅格化的冠层高度模型(CHM)所导致的原始点云数据丢失问题,提出了一种应用高斯模型聚类的单木信息提取方法。采用形态学开运算和高斯平滑方法形成高斯冠层最大模型(GCMM)能减少无关局部最大值对单木分割的影响,利用局部最大值法初步探测树冠顶点,通过最速下降法建立混合高斯模型得到树木位置和冠幅。利用聚类分析划分临近点云归属,进而实现单木参数准确提取,并提取单木最高点为树高。将点云分割方法应用于美国蓝岭地区6块圆形针叶林样地(r=30 m)。结果表明:单木分割F为0.89,正确分割单木树高提取精度95%,冠幅提取精度91%。结合实测数据对提取到的树高和冠幅进行相关性分析,树高R2=0.92,平均误差为-0.83 m;冠幅R2=0.84,平均误差为-0.42 m。相比于分水岭算法,高斯模型聚类方法F提高了11.2%,正确分割单木树高及冠幅提取精度提高了5.5%、5.8%,树高R2提高0.08,平均误差减少0.58 m;冠幅R2提高0.11,平均误差减少0.63 m。     

基于无人机三维信息的杉木新造林林分参数遥感估测研究

以福建顺昌埔上国有林场的杉木新造林为研究对象,采用大疆Phantom 4 Multispectral无人机分2次获取研究区的无人机影像,并以无人机影像为数据源,从研究区的数字表面模型（DSM）中提取冠层高度模型（CHM）。根据局部最大值算法和分水岭算法,从CHM中获取研究区杉木的树高和冠幅数据;同时在研究区设立15个标准地,采用测量杆测定各标准地内所有杉木的树高和南北冠幅;以随机选取、且在影像中具有精确位置的265棵杉木为单木水平的实测数据,以及各标准地内杉木的平均树高和平均南北冠幅为林分水平的实测数据,分别从单木和林分角度对杉木树高和冠幅的遥感估测精度进行评价。结果表明：2次飞行作业之间树高的估测精度分别为90.86%和91.34%,南北冠幅的估测精度分别为83.55%和83.95%;在单木水平上,遥感估测的树高精度为R²=0.89、RMSE=22.37 cm、EA=91.00%;南北冠幅精度为R²=0.70、RMSE=27.33 cm、EA=82.22%;在林分水平上,树高的估测精度为R²=0.95、RMSE=12.27 cm、EA=94.61%;南北冠幅的估测精度为R²=0.82、RMSE=11.24 cm、EA=92.20%。遥感估测的树高均值比野外测量的树高均值小0.07 m,南北冠幅均值比野外测量的均值小0.04 m。基于无人机三维信息实现了研究区杉木树高和冠幅的精确估测,且在飞行参数一致的情况下,不同飞行区域和飞行批次之间的估测精度相近。研究可以为杉木新造林快速、稳定的监测和经营管理策略的科学制定提供基础数据。     

北京松山自然保护区主要树种冠幅预测模型研究

冠幅作为林业研究的关键因子,开展冠幅的研究对于精准林业发展具有重要意义。为了更好地利用冠幅对树木其他因子进行预测,选取了北京市松山自然保护区油松、白蜡、蒙古栎等14个常见树种作为研究对象,基于6种回归方程,借助样地实测数据分别建立每个树种的胸径 冠幅和树高 冠幅模型,并针对每个树种筛选出的最优方程进行了精度检验。结果表明,研建的14个树种的模型具有较好的拟合精度,决定系数R2绝大多数都大于0.5,其中,核桃的胸径 冠幅模型最高,R2=0.951,树高-冠幅模型R2=0.887,蒙古栎树高-冠幅模型最低,R2=0.506,也超过了0.5。所建模型的精度评价指标具有一定的统计学意义,对北京市松山地区大面积林分参数的预测预估有重要的参考价值。     

基于尤溪县一类资源调查样地数据的回归估计

该文利用2008年尤溪县一类资源调查样地资料进行回归分析,结果表明:建立的线性回归方程,样地平均胸径对标准木胸径的回归方程:y?=1.594+0.905x,样地平均树高对标准木树高回归方程:y?=0.331+0.985x,样地平均胸径对标准木树高的回归方程:y?=2.800+1.026x,样地平均树高对样地平均胸径的回归方程:y?=-0.482+0.803x,样地平均树高对标准木胸径的回归方程:y?=0.555+0.748x,标准木树高对标准木胸径的回归方程:y?=0.191+0.762x,其方差检验F值分别为345.05、1 123.09、278.83、439.42、212.37和291.77,相关系数t值分别为18.589、34.065、16.695、20.942、14.590、17.091,主要调查因子间的相关性极显著,调查资料可靠性很强;以样地标准木的胸径、树高与样地平均胸径、平均树高为基础数据,建立样地标准木胸径与样地标准木立木材的回归关系,其幂函数回归方程为V=0.00016753D2.357595639,相关系数r值为0.892 9,具有极显著差异,可应用于杉木为优势树种的林分利用样地蓄积量估算值推算林分蓄积量。     

长白落叶松等几个树种冠幅预测模型的研究

以20块落叶松云冷杉林为对象,采用多元逐步回归方法,研究其组成树种的单株木冠幅预测模型.因变量为单株木冠幅,自变量包括胸径、树高、枝下高、树冠比、竞争因子和林分密度.共测定了3 099株树木,全部参加了建模.最终建立了长白落叶松、冷杉、红松、云杉、枫桦、水曲柳、色木、白桦和椴树9个树种的冠幅预测模型.结果表明:胸径和林分密度是所有树种中影响冠幅的重要因子;模型的调整决定系数在0.34～0.75之间;绝对误差在-0.000 114～0.054 m之间;相对误差在-0.054 43%～3.440%之间;均方根误差在0.360～0.510 m之间,相对均方根误差在27.4%～37.4%之间.      

结合无人机可见光和激光雷达数据的杉木树冠信息提取

以年珠实验林场为研究区,以无人机可见光正射影像和激光雷达数据为数据源,采用分水岭分割与面向对象结合的方法提取不同郁闭度下杉木单木树冠信息,并对提取精度进行验证首先采用面向对象法基于无人机可见光影像提取树冠区域,然后基于构建的CHM进行分水岭分割获取单木树冠初步分割结果,最后基于初步分割结果对树冠区域进行二次分割,提取单木树冠信息。结果表明：不同郁闭度林分条件下单木树冠信息提取效果较好,其中单木树冠提取F测度分别为88.07%～95.08%和78.57%～88.29%;提取的树冠面积与实测面积建立的线性回归模型,R²分别为0.8591和0.7367,RMSE分别为2.49 m²和3.29 m²;提取的冠幅与实测冠幅建立的线性回归模型,R²分别为0.8306和0.7246,RMSE分别为0.46 m和0.57 m。基于无人机可见光影像采用面向对象多尺度分割法提取树冠区域很好的消除了样地内裸地及林下灌木等因素的影响;同时,无人机LiDAR数据能够更加精确的区分单木信息,2种数据源结合发挥了二者的优势,提高了单木树冠的提取精度。本研究可为快速获取不同郁闭度林分下单木树冠信息提供参考。     

基于偏最小二乘回归模型的高山松蓄积量遥感估测

以Landsat 8影像为遥感数据源,以遥感因子、GIS因子、林分因子、郁闭度等为自变量,在前期野外样地调查的基础上,采用偏最小二乘法(PLS),建立香格里拉县高山松蓄积量遥感估测模型。试验结果表明,郁闭度对香格里拉县高山松蓄积量估测的影响极其显著,第5、6波段对其影响较为显著;运用偏最小二乘法建立的样地蓄积量估测模型,调整决定系数R2为0.777 5,均方根误差RMSE为36.90 m3/hm2,总预报偏差的相对误差RE为23.18%,模型精度为73.08%。以像元为单位提取高山松林所对应的自变量因子,利用估测模型得到研究区高山松林总蓄积量为1 372.406万m3。     

红松树高-胸径的非线性混合效应模型研究

以吉林省汪清林业局的蒙古栎阔叶混交林和云冷杉阔叶混交林24块固定样地中的2598株红松为研究对象,利用Chapman-Richards方程建立了不含随机效应与含随机效应的单木树高-胸径简单模型和广义模型。模型拟合和检验的评价指标主要包括调整决定系数(R2a)、平均相对误差绝对值(RMA)和均方根误差(RMSE)。对于混合效应模型,设计了随机抽取、抽胸径最大的树、抽胸径最小的树和抽平均木4种抽样方案计算随机参数,通过对比4种抽样设计下模型的误差统计量,分析了不同抽样设计下样本数量和预测精度的关系。结果表明:基于混合效应模型的红松单木树高-胸径模型拟合效果(简单模型的R2a在0.753~0.886之间,RMA在11.3%~15.1%之间,RMSE在1.38~2.01m之间;广义模型的R2a在0.754~0.886之间,RMA在11.1%~15.0%之间,RMSE在1.38~2.01m之间)优于不含随机参数的红松单木树高-胸径模型(简单模型的R2a在0.502~0.868之间,RMA在12.2%~17.8%之间,RMSE在1.42~2.65m之间;广义模型的R2a在0.711~0.877之间,RMA在11.6%~17.2%之间,RMSE在1.41~2.10m之间);包含随机效应的简单模型和广义模型拟合效果没有明显的差异,表明基于混合效应模型的单木树高-胸径简单模型可以很好地描述树高-胸径关系在不同森林类型、不同样地间的差异,因此不需要在树高-胸径模型中增加其他自变量;抽取平均木的抽样设计优于其他3种抽样设计,且抽取4株平均木时,预测精度提升最为明显,综合预测精度和调查成本的考虑,在实践中应用包含随机效应的红松树高-胸径模型时,推荐在样地中抽取4株平均木测量其树高来估计随机参数。