KOSTELEC地区西黄松林木个体胸高断面积生长分析

用Mitscherlich、Logistic、Gompertz和Korf4个理论生长方程分别对引种到捷克Kostelec地区的西黄松林木个体胸高断面积生长过程进行了拟合，由最佳生长方程分别得出了胸高断面连年生长量、平均生长量和相对生长率随时间变化的函数，并对生长过程进行了分析。结果表明：Korf方程具有最高的拟合精度，能很好地描述西黄松胸高断面积生长过程；西黄松胸高断面积连年生长量和平均生长量最大值分别出现在第7a和第15a（胸高年龄）；1－26a的平均相对生长率为0．243；速生期（3-11a)内胸高断面积平均生长量为0．001474m^2。     

火炬松人工林胸高断面积差分模型的拟合与筛选

以148个样地的逐年观测数据为基础,建立了集约经营的火炬松人工林胸高断面积的Schumacher差分生长模型.与传统建模方法不同,本文首先拟合了胸高断面积的Schumacher收获模型,然后用代数差分法导出了相对应的差分生长模型.对随林分变化的参数的识别是以模型拟合结果为标准进行的,并得到了新的代数差分模型.方差结构模...     

基于ICESat-GLAS全波形数据的坡地森林冠层高度估测

地形坡度对星载LiDAR的回波波形会产生很大的影响,并会进一步影响森林结构参数的正确估测.比较两类参数量化地形坡度的能力：辅助地形DEM数据的地形指数和波形自身参数后缘长度,以在反演坡地森林冠层高度时仅从回波波形本身出发,而不需要借助于其他辅助数据.采用估测坡地森林冠层高度的两组对比模型来比较：第1组对比模型是Xing模型和基于未改进的后缘长度的线性模型;第2组对比模型是Xing模型和基于改进的后缘长度的线性模型.结果表明,在两组对比模型中,基于波形自身特征参数的模型结果均优于基于辅助地形DEM数据的地形指数的Xing模型,说明在量化地形坡度时,波形的自身特征参数的量化能力要高于辅助地形DEM数据的量化能力.     

小陇山林区天然林森林调查最小取样面积研究

【目的】分析森林结构参数与取样面积之间的关系,确定评价天然林状态特征的最小取样面积,为指导天然林生态监测与经营提供理论依据。【方法】以小陇山林区天然林作为研究对象,选取3块面积为1hm2的天然林固定监测样地,采用巢式取样法,按照10m×10m,20m×20m,…,90m×90m的嵌套方式设置取样面积,分析树种数、树种多样性(Shannon-Wiener指数)、林木株数、胸高断面积、树种隔离程度(混交度)、林木分布格局(角尺度)与取样面积之间的关系,采用对数模型、幂函数模型和逻辑斯蒂模型,分别对样地树种-面积、Shannon-Wiener指数-面积进行拟合。【结果】树种数、树种多样性与取样面积的曲线特征均为初期急剧上升,而后逐渐趋于平缓,曲线拐点出现在取样面积1 600和2 500m2处。树种-面积模型和Shannon-Wiener指数-面积模型均以逻辑斯蒂模型为最优。不同取样面积下每公顷林木株数和胸高断面积的估算值与实测值比较结果表明,当3块样地取样面积增大到1 600m2时,每公顷林木株数估算值与实测值的误差均降至10%以下;1、2号样地取样面积增大到1 600m2、3号样地取样面积增大到2 500m2时,每公顷胸高断面积估算值与实测值的误差均降至10%以下。混交度分析表明,当取样面积较小时,混交度各频率分布表现为无规律,3块样地平均混交度趋于稳定的取样面积依次为1 600,2 500和900m2。角尺度分析表明,1号样地中各取样面积的平均角尺度均表明林地中林木为聚集分布,但当取样面积2 500m2时平均角尺度上下波动较大;2号样地中当取样面积≥900m2时平均角尺度趋于稳定,林地中林木表现为聚集分布;3号样地中当取样面积≥2 500m2时平均角尺度趋于稳定,林地中林木表现为随机分布。【结论】当取样面积达到2 500m2时,各参数所表现的规律均趋于稳定,因此,在小陇山林区研究天然林结构特征的最小取样面积应不小于2 500m2。     

基于ICESat-GLAS的坡地最大树高估测模型比较研究

地形坡度对星载LiDAR(lightdetection and ranging)估测最大树高具有较大的影响。为了提高坡度条件下树高的反演精度,通过建立坡地条件下5种不同的最大树高估测模型,前3个模型分别使用不同DEM(digital elevation model)数据的地形指数来量化地形坡度的Xing模型,第4个模型使用波形参数-未改进边缘长度来量化地形坡度,第5个模型与第4个模型类似,用改进边缘长度来替换未改进边缘长度。结果可知,波形参数模型的精度要高于使用DEM数据的地形指数的Xing模型的精度,第5个模型的精度要高于第4个模型的精度。表明波形参数量化地形坡度的能力要优于DEM数据的地形指数,而改进边缘长度模型更适合估测坡地的最大树高。     

森林区域机载LiDAR点云数据的改进八叉树滤波算法研究

目的利用机载LiDAR点云数据能准确获取地物点三维坐标的特点,本文对森林区域LiDAR数据进行滤波分析,旨在提高点云滤波精度。方法基于改进的八叉树模型,将复杂地形分解为大量山坡地形,通过改变节点尺寸,既保留了点云的原始信息,又增强了点云数据分割的准确性。针对森林区域地形起伏不定的实际情况,在滤波算法中引入坡度判断,在一定程度上改善了山坡低矮植被易被错分为地面点的情况。结果对于3组不同地形下的点云数据,滤波总错误率分别为4.57%、4.75%和5.83%。这一结果对森林区域不同地形下的点云滤波具有一定的实用性。结论本文提出的改进八叉树滤波算法可以充分利用数据结构特征实现快速、高精度的滤波,从而节约时间成本和运行成本,也为后续森林参数的提取奠定基础。      

基于Hyperion数据的香格里拉森林郁闭度遥感估测研究

基于Hyperion高光谱数据,采用2种方法进行波段选取,将选择的波段数据进行特征提取变量,采用偏最小二乘法分别对2种方法选择的特征变量建立香格里拉主要树种郁闭度遥感估测模型,并进行精度检验评价。结果表明：基于实测样地郁闭度差异特征分析选择的Hyperion特征波段建立的模型R²为0.837、估测精度为82.09%,基于遥感影像进行分段主成分分析选择的Hyperion特征波段建立的模型R²为0.764、估测精度为78.4%,基于样地数据郁闭度变化敏感性分析模型优于基于Hyperion影像的分段主成分分析模型;分段主成分分析法所选出的特征波段虽然包含了较多的波段信息,但是很多为连续波段或者波长较近的波段,波段之间的相关性较高,导致建模精度不如预期。     

基于中巴资源卫星数据的森林郁闭度估测研究

森林资源分布具有辽阔性、复杂性、通达性差等特点,而遥感技术具有宏观、动态、便捷、可周期重复和成本低等优点,成为研究森林资源状况的理想手段。目前,在森林遥感应用中,多源遥感数据的提供能力越来越强。但由于遥感信息的综合性、复杂性,遥感信息处理技术相对落后。基于不同区域、不同季相和不同背景特征的森林遥感分类技术远未成熟。利用中巴资源卫星遥感数据,经过图像处理(包括图像的校正、图像的增强和图像的分类等),获取样地的灰度值,结合少量地面实测样地资料,通过线性回归建立森林郁闭度的数学模型,并进行检验以确保估测的精度,为林业生产和建设提供依据。     

基于中巴资源卫星数据的森林蓄积量估测研究

用中巴资源卫星遥感数据,经过图像处理（包括图像的校正、图像的增强和图像的分类等）,获取所需要的数据,结合少量地面实测样地资料,通过多元线性回归来建立森林蓄积量的数学模型,并用数学方法进行检验,使估测的精度达到要求,为林业生产和建设提供依据。     

基于无人机载LiDAR数据的玉米涝灾灾情评估

【目的】基于无人机平台的遥感技术是目前研究的热点,也是推动现代化农业快速发展的主要力量之一。笔者欲通过分析涝灾研究区激光雷达点云数据反演的玉米冠层高度,快速准确实现玉米涝灾受灾范围监测和灾情评估,为防灾减灾、高产稳产、农业保险理赔等提供依据。拓展无人机载LiDAR数据在农业领域的应用价值,为农业等相关部门快速有效掌握农情信息提供保障。【方法】2016年7月19—20日,以因大暴雨导致涝灾的北京市昌平区一块玉米大田作为研究区,基于无人机平台获取研究区激光雷达数据。通过冠层高度模型(canopy height model,CHM)反演出玉米冠层高度,采用正态统计理论的双阈值划分策略确定阈值,构建基于玉米冠层高度差异的涝灾灾情遥感监测模型,评价玉米涝灾灾情严重程度,并基于地面实测数据进行精度评价。【结果】涝灾发生后,玉米长势存在一定差异,最明显的差异体现在玉米植株高度。基于正态统计理论和野外测量,最终确定严重涝灾玉米冠层高度为0.30—0.84 m,中度涝灾玉米冠层高度为0.84—1.70 m,冠层高度1.70 m以上为轻度受灾区域。通过野外实测样本对无人机载LiDAR数据估算结果进行混淆矩阵分析,总体分类精度达到72.15%,Kappa系数为0.44。结合数码影像做进一步验证,结果表明研究区玉米涝灾遥感空间制图结果与数码影像结果基本一致。【结论】通过无人机载LiDAR数据能实现玉米冠层高度反演,结合涝灾后玉米植株高度差异特征能有效反映不同涝灾程度,实现区域尺度下玉米涝灾受灾范围监测和灾情等级评估,有利于便捷高效获取灾情灾害信息。     

基于稀疏型机载激光雷达数据的风景林参数估测

稀疏型机载激光雷达（LiDAR）数据,由于点云密度低,难以对单木尺度的森林参数进行估测,在森林资源监测领域的潜在应用价值没有得到充分发挥。以江苏省南京市紫金山国家森林公园为研究区,以2007年机载激光雷达Optech ALTM LiDAR数据、2007年森林资源规划设计调查数据为主要信息源,在机载LiDAR数据预处理、特征参数提取的基础上,采用多元线性回归、随机森林、支持向量机3种方法,估测小班林分平均树高、平均胸径和单位蓄积量并进行对比分析,同时对森林参数进行空间制图。结果表明:1） 高度百分位数和累计高度百分位数是影响小班平均胸径、平均树高和平均蓄积量的主要特征参数;2）3个遥感估测模型精度对比分析表明,平均胸径、平均树高、单位蓄积量3个参数的估测精度,均是随机森林算法最高,支持向量机次之,多元线性回归最低;3）平均树高、平均胸径、单位蓄积量的空间分布规律一致,人为干扰严重的公园边缘地区和土层瘠薄、立地条件差的山脊较低,山南及山北中部最高。稀疏型机载激光雷达（ALS）数据在林分尺度的森林参数估计中具有较高的精度,可以用于森林资源规划设计调查小班的测树因子估测。本研究应用稀疏型机载激光雷达数据估测风景林森林参数,为稀疏型LiDAR数据在森林资源规划设计调查中的推广应用提供参考。     

利用LiDAR离散点云估测针叶林叶面积指数

通过对小光斑激光雷达离散点云数据进行处理,提取了6个变量参数分别用于估测针叶林叶面积指数,为了提高模型估测精度及弥补单变量模型的不足,在单变量模型的基础上尝试多变量组合共同用于估测森林叶面积指数,经过对比得出单变量模型中OGF模型最好,拟合相关性R=0.897,预测精度p=0.959;多变量预测模型结果差异不大,拟合相关性均＞0.905,估测精度均＞0.957。同时为了验证模型的推广性,对点云数据进行随机稀释操作获得4种不同密度的点云数据,分别用于验证点云密度对OGF模型及OGF与LPI组合模型的影响,结果表明点云密度对模型结果的影响不大,即使在0.125倍点云密度时模型仍能较好的估测针叶林叶面积指数,满足生产需要。     

基于机载LiDAR和光学遥感数据的热带橡胶林叶面积指数反演

叶面积指数（LAI）作为表征植被冠层结构的重要参数,一直是气候变化和生态研究中的热点,遥感技术的发展为大范围叶面积指数的获取提供了可能。以景洪市热带橡胶林为研究对象,以机载LiDAR和Landsat8/OLI为信息源,结合44块样地实测数据,使用支持向量机回归(SVR)、BP神经网络(BPNN)和偏最小二乘回归(PLSR) 3种模型,在前期建立基于林分水平的LAI估测模型的基础上,进一步构建区域尺度的LAI反演模型,实现景洪市橡胶林LAI的反演。结果表明,基于LiDAR的林分水平模型中,SVR模型最优,决定系数（R²）为0.76,相对均方根误差（rRMSE）为17%,估测精度（P）为83%;以SVR模型估测结果作为区域尺度遥感反演模型的先验样本,结合Landsat8/OLI数据的BP神经网络模型反演效果最好,估测精度达76%。     

基于LiDAR数据的单木提取算法研究

有效了解森林生长变化信息对森林资源的保护以及生态环境的研究具有重要意义。近年来,激光雷达数据是森林清查中主要的LiDAR数据源。但是现有机载LiDAR数据单木分割算法在密集林区应用精度较低,尤其在中下层冠层单木提取精度不高,存在漏检的现象。针对以上问题,采用归一化割（normalized cut,Ncut）方法直接对激光点云数据进行初始分割,然后设定冠层的形状参数与点云数量阈值,利用全局最大值重复Ncut方法,对林区下层冠层进行探测,实现单木的精确提取。结果表明,与只利用归一化割方法提取单木结果相比,本研究方法使单木提取误判率由22.66%降至3.9%,识别率由原先的68.49%提升至86.63%,有效规避了上层冠木对下层遮盖导致的下层单木漏检情况,提高了在冠层中间层和下层树木的识别率,可为今后森林清查、森林资源管理提供分割方法的选择,也为森林分类、单木分割提供样例。     

多源遥感数据协同的景洪橡胶林叶面积指数光饱和特征研究

本研究以云南省景洪市机载激光雷达飞行范围内的热带橡胶林为研究对象,基于LiDAR和Landsat 8 OLI数据,利用机载LiDAR点云数据提取地面LAI,借助地统计学中的半方差函数,对叶面积指数各原始波段光谱饱和特性进行分析。结果表明：近红外波段的反射率随着叶面积指数的增大而增大进而达到饱和,其余波段反射率随着叶面积指数的增大而减小进而达到饱和;在可见光范围内叶面积指数饱和值随着波长的增加而增加;在近红外和短波红外波段叶面积指数饱和值随着波长的增加而减小,结果虽然呈现出一定的规律性,但是差异并不是很明显。Landsat 8 OLI的1～7波段的饱和值分别为5.08、5.19、5.22、5.42、7.51、5.62、5.62,最大值为近红外波段,饱和值为7.51,最小值为海岸波段,饱和值为5.08,除近红外波段饱和值较大之外,其余波段的饱和值均介于5～6之间。     

河北张家口坝上地区退化林修复碳排放估算

基于河北张家口坝上地区退化林修复各机械设备的燃料品种、基本燃料消耗量,肥料种类、肥料施用量等活动水平数据,以及相应的排放因子等参数,采用IPCC法（一种以详细技术为基础的部门方法）,分别估算了油锯伐木、油锯造材、汽车运材、机械整地、汽车运苗、汽车运肥、洒水车运水和复合肥等各排放源的碳排放量,然后相加得出碳排放总量。再由碳排放总量除以修复面积,得出单位面积碳排放量。结果表明,河北张家口坝上地区退化林修复项目CO₂排放总量为182 315.1 t,单位面积CO₂排放量为2.2 t/hm²。研究成果有助于森林经营活动的碳汇计量与监测,以及省级乃至国家级温室气体清单的编制。通过研究,建议各地在退化林修复过程中应充分利用自然,选择自然恢复为主的修复方式开展修复。在辅以补植等人工措施时,还要采取科学设计栽植密度、选择更为节水的灌溉方式等措施,以减少对化石燃料的消耗,降低碳排放量,促进节能减排工作。     

三峡库区森林资源空间结构分析

以三峡库区森林资源作为研究对象,从水平结构和垂直结构两方面进行空间结构分析。水平结构方面借鉴景观生态学原理,选取面积指标、边缘指标、形状指标、密度指标进行分析;垂直结构方面则选取海拔、坡度、坡向3个指标进行分析。并结合分析结果,提出库区森林经营建议。研究结果表明,库区森林资源在水平层次上,以针叶林、阔叶林、灌木林为主体,混交林、竹林为次的景观结构;垂直层次上,以低海拔—中等坡度—阴坡为主体,高海拔—陡坡—阳坡景观结构为重点经营对象。研究为三峡库区森林资源合理化经营及决策提供理论依据。     

林区风景区天然次生林间伐木控制技术研究

根据区域风景区天然次生林结构特点、生长与演替规律及经营目标,选择林木被确定为间伐木的5个定量指标:林木类别,空间密度指数,林木大小比数,美景度,自由度。应用层次分析法得到5个定量指标的权重。当林区风景区次生林林分蓄积或密度达到间伐要求时,在确定间伐强度后,调查林分每株林木指标值,得到林分中各林木间伐几率,按照间伐几率大小排序来选择与控制间伐木,为林区风景区次生林间伐提供间伐木量化选择技术方法。     

基于多传感器数据融合的早期林火识别

针对我国林火监测现状,为加强近地面监测中的早期林火发现,提出采用多传感器数据融合算法对早期林火进行识别的方法。通过设计林火仿真试验,采集CO₂浓度、CO浓度、烟雾浓度与空气温湿度等多传感器数据,并通过初步分析从中选取关键贡献率传感器数据。然后分别采用BP神经网络算法、神经模糊系统算法与支持向量机算法对数据进行识别与分析, 并在每个算法中均设置三输入与九输入2种不同输入向量数以进行比较。最后通过定义的识别性能评价参数对识别效果进行比较,得出支持向量机算法在一定范围内能较好地实现对早期林火的识别。