基于TLS数据的单木胸径和树高提取研究

利用TLS测量森林参数(树高、胸径和林分密度等)不仅节省人力,而且还能提高工作效率,目前已成为快速获取树木几何参数的有效方法之一。本文利用地基激光雷达数据,提出了一种半自动方式提取单木参数的方法。首先,利用发射脉冲与接收回波脉冲的形状偏差和强度对原始点云数据中的“飞点”和噪点进行滤除;然后,配准各站点云数据;接下来采用不同目标回波过滤方法滤除部分树叶点和其他非树干点;抽稀、合并各站点云数据,对合并后的点云数据水平分层并生成对应的灰度影像;对灰度影像采用Hough变换方法估测单木位置和胸径;对Hough变换检测层数较少的结果采用椭圆拟合方法重新检测;最后,结合Hough变换和椭圆拟合检测结果从点云数据中提取单木位置、胸径和树高。用小兴安岭凉水自然保护区的白桦天然次生林对算法进行了检验,5块多站扫描样地单木识别的平均精度为72.16%,将所提取的单木位置、胸径和树高与外业实际测量数据对比,结果一致性较高。5块多站扫描样地的胸径和树高均方根误差分别为2.38、2.55、3.58、2.21、1.92 cm和4.31、3.87、2.34、5.00、3.47 m。      

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。     

基于冠幅的杉木人工林胸径和树高参数化预估模型

为了研究杉木生长与形态变量的关系,提高模型预估精度,本文根据福建省65块不同密度、林龄分布于6~35年的杉木人工林样地测量数据,选用了Richards理论方程,分别构建了杉木胸径和树高生长模型。在此基础上,分析理论方程中参数与冠幅(CW)的关系,建立两者间的关系函数;使用参数预估法构造胸径和树高的参数化预估模型,并对原模型和参数化模型进行模型检验、残差分析,讨论了冠幅与林木生长之间的关系。结果表明:胸径和树高Richards方程中,参数a与CW呈正比,参数b与CW呈反比,c则与CW呈现出类似正态分布的关系;与传统的理论方程相比,参数化模型提高了杉木胸径树高预估的精度。本文所构建的模型能间接反映林分因子的状态,同时对于分析林木竞争、光合作用、模拟林木三维可视化等方面也提供了一种模式。      

应用无人机高密度点云对高郁闭度人工林单木分割

为探索机载激光雷达对高郁闭度人工林单木分割的应用潜力,选取黑龙江省森林植物园内红松(Pinus koraiensis)、云杉(Picea asperata)、樟子松(Pinus sylvestris)3块具有代表性的样地作为研究对象,应用多旋翼无人机搭载ZENMUSE L1激光雷达获取密度较高的点云数据,经过去噪、滤波、地面点分类预处理。分别采用标记控制分水岭算法和点云间距聚类算法,并调整相应的参数对试验区内的3块样地进行单木分割。结果表明：采用标记控制分水岭算法的单木分割,冠层高度栅格分辨率为0.1 m时分割效果最好(总体调和值为84.2%),红松、云杉和樟子松样地的调和值分别为87.8%、81.8%、82.4%,调和值随着分辨率的降低而降低;采用点云间距聚类算法的单木分割,距离阈值为平均冠幅半径时分割效果最好(总体调和值为85.9%),红松、云杉和樟子松样地的调和值分别为87.1%、83.5%、87.0%,距离阈值过大过小都导致调和值降低。因此,结合机载激光雷达高密度的点云数据,标记控制分水岭算法和点云间距聚类算法都适用于高郁闭度人工林较精准的单木分割,通过调整参数、高分辨率的冠层...     

利用机载激光雷达数据提取单株木树高和树冠

机载激光雷达是一种主动遥感技术。在林业应用方面,高采样密度激光雷达能够获取单株木三维结构特征,采用不同的数据处理方法,可以得到不同精度的单株木参数。该文利用高采样密度的机载激光雷达数据（离散回波,平均激光点间隔0.52 m、平均光斑直径0.3 m）,研究了单株木的树高提取技术和树冠边界识别算法,针对单株木的树冠特征,提出了一种双正切角树冠识别算法;最后,使用重庆铁山坪林场的9个外业样地数据,对单株木树高和冠幅,以及样地平均树高和平均冠幅进行了验证。结果表明,单株木树高和冠幅的R2分别为0.34和0.03,样地平均树高和平均冠幅的R2分别为0.97和0.71,样地尺度的相关性明显高于单株木尺度的相关性。      

无人机遥感影像提取的单木冠幅数据在桉树林分蓄积量估测中的应用

以广西壮族自治区南宁市树木园坛里管理区为研究区域、以桉树(Eucalyptus spp.)人工林为研究对象,在坛里管理区内设置6块20 m×20 m的典型样地,实地测量单木树高、胸径(1.3 m高)、冠幅直径,获得287株桉树样木数据;样地调查同时进行无人机航拍数据采集,获取分辨率为8 cm像素影像(110张),通过正射校正、倾斜校正、投影差校正对无人机影像进行处理,消除环境因子的影响,采用面向对象的影像分析方法对遥感影像上的桉树林提取林分单木冠幅;根据样地实测数据建立冠幅-胸径模型、冠幅-树高模型,将无人机影像提取的修正后的桉树单木冠幅数据代入构建的模型中,选择相关系数最高的模型推算胸径和树高,利用桉树二元材积公式估算样地的蓄积量,分析依据无人机遥感影像提取桉树单木冠幅数据估算林分蓄积量的可行性与精确度。结果表明：利用无人机影像提取冠幅与实测冠幅之间存在显著正相关,提取的平均精度为90.85%,建立的桉树冠幅-胸径曲线估计模型,其中对数函数方程拟合效果最好(决定系数为0.799);桉树冠幅-树高模型,拟合效果最好的是三次方函数方程(决定系数为0.755)。影像提取的单木冠幅,通过模型...     

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FVSM的核聚类算法在文本聚类中的应用

针对信息挖掘中的文本自动聚类问题,提出了一种基于模糊向量空间模型的核聚类算法。首先对聚类文本进行模糊特征提取得到模糊特征项集,然后依据模糊特征项集对每篇文本计算特征项的文档频数,进而得出每篇文本的模糊特征向量。最后利用高斯核函数将每篇文本的特征向量映射到高维特征空间,在高维特征空间中利用核聚类算法实施文本聚类。该方法在特征提取时充分考虑了特征项在文档中的位置信息,使自动聚类原则更接近手工聚类方法。以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性。     

基于直方图局部信息和Gath-Geva模糊聚类的彩色图像分割方法

针对Gath-Geva模糊聚类算法对初始给定的聚类中心等先验信息较敏感,提出了一种基于直方图局部信息的模糊Gath—Geva聚类新算法．实验结果表明,新算法在彩色图像分割方面,与传统模糊C—Means算法相比,具有较强的分割精度．     

基于AP聚类算法的图像分割应用与研究

针对传统聚类算法在图像分割中对聚类中心选择敏感,可靠性差的缺点,本文采用AP聚类算法研究图像分割问题。AP(Affinity propagation)聚类算法是通过数据点之间的信息传递产生高质量的聚类中心,避免了聚类初始中心选择难的问题。本文通过与K均值算法和模糊C均值算法在图像分割中的实验比较,得出本算法优于其他两种算法,对图像可取得良好的分割效果。     

不同林龄杉木胸径树高与冠幅的通径分析

为了解杉木林分不同发育阶段冠幅因子的变化规律,以及胸径和树高对冠幅因子的影响程度,运用通径分析方法分析了福建将乐林场5种杉木纯林中胸径和树高与冠幅因子之间的关系。结果表明:1)冠幅的增长主要是在中龄到接近成熟这个阶段,冠幅范围主要在0.3~1.8 m;2)杉木林发育不同阶段的冠高率分布在区间0.3~0.9,总平均冠高率为0.50;3)胸径对冠幅具有显著的正向作用,且随着林分的发育,正向作用逐渐增强,树高只在幼龄和过熟阶段对冠幅起正面作用;4)胸径与树高对冠形率均具有显著的负作用,其中,对冠形率起显著作用的主要是树高,这种负作用在近熟林时最小,成熟林时最大。     

长白落叶松人工林单木冠幅模型

以黑龙江省伊春市朗乡林业局的49块样地共2 499棵长白落叶松为研究对象,基于区组和样地嵌套二水平构建非线性混合效应冠幅模型。从10种常用的冠幅—胸径模型中选出一种最好的作为建模的基础模型,从其他林分因子中选取与冠幅相关性较高的作为协变量参与建模。结果表明:与基础模型相比,混合模型的赤池信息准则(AIC)、贝叶斯准则(BIC)、负二倍的最大似然值(-2LL)和剩余均方根误差(RMSE)值均降低,调整决定系数(Radj2)提高,冠幅预测值的残差分布和密度分布相对更集中,说明模型的预测精度和拟合能力均有所提高。研究发现,以逻辑斯蒂模型作为基础模型,将树高、冠长率和高径比作为协变量,考虑区组和样地嵌套二水平的混合模型有利于提高冠幅模型的预测精度,从而有助于更好地模拟长白落叶松的冠幅胸径关系。     

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,...     

柚木冠幅与树高、胸径的回归分析

为考察柚木生长因子与冠幅的关系,准确反映各生长因子与冠幅之间的关系,建立冠幅预测模型,为柚木人工林目标树经营提供理论依据。以广西凭祥、云南德宏、云南景洪、海南乐东4个地区不同林龄阶段的柚木人工林中优势木为研究对象,以胸径、树高、冠长、林龄4个因子作为变量与冠幅进行回归分析,筛选关键因子建立柚木冠幅生长的预测模型。结果表明,胸径(R=0.5342,P=0.0001)、树高(R=0.1798,P=0.0026)是影响柚木冠幅的关键因子;胸径、树高与冠幅的一元回归方程:冠幅与胸径y=15.7893x+1.84766(F=516.4180,P=0.0001),冠幅与树高y=0.3717x-0.60189(F=174.2954,P=0.0001)。并应用胸径、树高2个关键因子与冠幅建立回归模型:y=13.5658x1+0.1064x2+0.35866(F=279.5048,P=0.0001),计算结果与实际测量结果差异性较小(F=0.0140,P=0.9072)。可以根据目标树的培育目标胸径、树高因子,利用该模型来预测该目标树的冠幅,从而确定单位面积内保留目标树的数量。     

小兴安岭天然林不同树种的树高曲线模型

选用10种树高曲线模型作为候选模型,以决定系数(R~2)、残差平方和(S_(se))和均方差(M_(se))作为模型优劣的评价指标,对小兴安岭天然林中的云杉(Picea asperata)、红松(Pinus koraiensis)、水曲柳(Fraxinus mandschurica)、椴树(Tilia tuan)4种树种的树高曲线模型进行优选。结果表明:云杉、红松和椴树的最优模型均为Logistic模型,水曲柳的最优模型为抛物线模型;云杉和红松两种针叶树种,最优模型的优势不明显,水曲柳和椴树两种阔叶树种最优模型的优势较明显;比较R~2的大小,得出较适合小兴安岭云杉和红松两种针叶树种的树高曲线模型(R~20.8),对小兴安岭阔叶树种的适用程度不具有普遍性,对椴树的适用性好(R~2最大达0.94),对水曲柳的适用性较差(R~20.8)。对水曲柳的树高进行分段研究得出:水曲柳在树高低于9 m时,树高曲线模型较适宜(R~20.8),其中抛物线模型为最优模型;树高较高时,没有适用的树高曲线模型。     

数据挖掘方法在树高模型建立中的应用

采用粗集理论求得以决策属性（树高）所对应的条件属性的最小简约集,并使用Apriori算法提取决策属性和条件属性的对应关系建立树高模型。与传统统计方法建立的树高模型相比,该模型具有较优的有效性和可行性。     

用分位数回归建立的混交林树高生长模型

依据黑龙江省大兴安岭地区落叶松白桦混交林的树高、胸径、活枝高以及树冠的东、南、西、北冠幅数据,利用最小二乘法建立了两树种树高与胸径、树高与活枝高之间的数学模型,并利用线性分位数回归方法建立了不同分位点(τ=0.10、0.25、0.50、0.75、0.90)两树种树高与胸径、树高与活枝高之间的数学模型,分析τ∈(0,1)间距相同的19个分位数点的两树种树高与胸径、树高与活枝高之间的数学模型,得出不同分位数点处胸径、活枝高与树高之间的关系,比较了对照组与间伐组数据所建立模型的差异。     

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。     

空间前方交会中外方位元素误差对测量立木高度的影响

从理论上推导了外方位元素包含误差的情况下,利用空间前方交会法对测量树高的影响,并对影响树高测量精度的外方位元素误差进行了实践检证。结果表明,外方位元素在一定误差范围内,利用空间前方交会理论测量树高,精度较高。     

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。