长白落叶松单木参数与生物量机载LiDAR估测

采用黑龙江长白山地区长白落叶松人工林LiDAR数据和野外调查补充样地数据,利用树冠高层模型和三维点云分割相结合的方法实现单木识别,选择逐步回归分析法进行单木参数和生物量估算。结果表明：机载LiDAR估测的长白落叶松单木参数与实测数据具有较好的相关性,单木树高、冠幅、胸径和地上生物量的R2分别为0.8732、0.6335、0.7903和0.7992;平均拟合精度分别为88.34%、83.46%、85.11%和86.19%;幼龄林、中龄林、近熟林和成熟林的单木平均生物量分别为25.12、94.08、117.74、279.33kg。     

基于立方体格网法的树冠体积计算与预估模型建立

以北京地区10种常见乔木为研究对象,通过三维激光扫描仪获取其点云数据,利用树冠表面三角网配合立方体格网法计算其树冠体积,与点云中提取所得的林木因子分析建立树冠体积和胸径、树高、平均冠幅、冠高的预估方程,并检验其精度。以银杏为研究目标进行了实验,结果表明:银杏的树冠体积与胸径、树高、平均冠幅、冠高均显著相关,通过分析选取了银杏树冠体积的三因子(胸径、平均冠幅、冠高)最优模型,并对模型进行了检验,检验结果表明,模型拟合效果较好,预估精度达到90.5%,可以使用该模型进行银杏的体积估算;同时对所选其他树种进行三因子模型拟合,模型检验结果表明,三因子模型均能够较好地对该树种的树冠体积进行估测。     

内蒙古敖汉旗北部风沙土区两种灌木地上生物量估算模型

以内蒙古赤峰敖汉旗北部风沙土区两种主要灌木（黄柳、小叶锦鸡儿）为研究对象,利用不同函数和自变量来构建植株个体的地上生物量估测模型,筛选出与生物量相关性最显著、拟合度最好的地上生物量估测模型。研究结果表明:两种典型灌木的最优生物量回归方程均为幂函数方程。判定系数R2为0.626～0.915,SEE值为0.179～0.508,F检验达到显著性水平,黄柳以断面周长（DH）为自变量的模型最优,模型为 y=2.193x1.291（R2=0.915,p＜0.01）;小叶锦鸡儿则以冠幅（S）为自变量建立的幂函数模型最佳,为y=0.008x2.349,（R2=0.878,p＜0.01）。由于灌木的生长状况具有空间异质性,在其他研究区使用该模型时需要精度的检验和校正。      

基于竞争指数的水陆交错带枫杨生长模型

为进行河岸流域水陆交错带植被生长的可视化模拟研究,以漓江流域枫杨树种为模拟对象,基于改进的Hegyi简单竞争指数建立了枫杨树种的单木生长模型,通过将直径分布模型和随机算法运用于全林分,利用C#编程语言、3D Max建模工具、Virtools平台等可视化相关技术,实现了漓江流域枫杨树种在不同全氮含量土壤的生长可视化模拟。研究表明,枫杨胸径年生长量与土壤全氮含量呈显著正相关,相关系数为0.749;竞争指数模型改进前和改进后的竞争指数与胸径年增长量均呈显著负相关,相关系数分别为-0.621和-0.657;模拟过程中,拟合2块样地内枫杨径阶分布时误差率分别为6.25%和11.9%,枫杨树高与胸径模型拟合决定系数为0.703,冠幅与胸径模型拟合决定系数为0.612,枫杨胸径生长模型拟合决定系数为0.734。改进的竞争指数模型和随机算法对构建水陆交错带枫杨树种的生长模拟具有较强的适用性和较高的逼真度。该研究为漓江流域植被恢复和演替模拟提供理论依据和参考。     

基于SPSS的果树农学参数模型构建

果树农学参数分别指树叶稀密程度、冠幅、叶面积指数(LAI),通过同时对应检测三个时期不同健康状况的175株果树的三个农学参数。以SPSS为平台进行果树农学参数模型构建,利用最大轮廓矩形法检测的果树树叶稀密程度作为自变量,冠幅和叶面积指数分别为因变量来构建果树农学参数模型:树叶稀密程度与冠幅之间的最优关系模型为对数模型:y=1.839+1.306lnx,树叶稀密程度与LAI之间的最优关系模型为S模型:z=7×e(-0.137-0.336 x)。该农学参数关系模型的构建将为实现果树农学参数的实时检测提供算法依据。     

基于地面激光雷达点云数据的树种识别方法

为了能够更有效地利用地面激光雷达的点云数据识别树种,以北京林业大学为研究区域,利用FARO Photon 120型地面激光雷达在研究区内获取4个树种、共92棵树木的点云数据。依据点云的三维坐标值提取研究区内立木的胸径、枝下高、树高、冠高、最长冠幅、垂直最长方向冠幅6个测树因子,同时提取由测树因子组合而成具有鲁棒性的6个树形特征参数,包括冠长树高比、胸径树高比、冠高树高比、分枝角、冠长最大冠幅之比、最长冠幅与垂直方向冠幅之比。分别使用测树因子和组合特征参数,采用支持向量机、分类回归决策树和随机森林的方法,对树种进行冠幅自动识别。研究结果表明：使用测树因子树木识别方法,识别平均准确率为0.765,平均召回率为0.778,3种识别方法中,分类效果较好的依次为分类回归决策树、随机森林、支持向量机;使用组合特征参数树木识别方法,识别平均准确率为0.891,平均召回率为0.896,分类效果较好的方法是随机森林和支持向量机,其次是分类回归决策树;总体上来看,不论是对于单个树种还是总体的准确率和召回率,组合特征参数法均高于测树因子法,而对于3种不同的分类方法,随机森林相对最好。研究结果表明,结合地面激光雷达获取的点云和不同机器学习分类方法进行树种识别分类可以达到满意的效果,且能节省大量时间和人力。     

荒漠草原人工草地豆科与禾本科牧草生物量分配模型研究

利用荒漠草原人工草地豆科与禾本科牧草地上和地下生物量及根长数据,分析并建立生物量分配比例模型。结果表明:两种牧草地上-地下生物量分配模型明显不同,豆科牧草单株生物量明显高于禾本科牧草,地上-地下生物量具有明显的线性关系,拟合参数R2优于禾本科牧草,符合等速生长模型,而禾本科牧草地上-地下生物量呈幂数异速生长关系,异速生长模型的相关系数均在0.368 0以上,与WBE预测模型3/4次幂函数出现偏差;豆科牧草根冠比(R/S)为0.75,接近于中国草地R/S均值0.78,禾本科牧草R/S(1.73)明显高于中国草地R/S均值,表明豆科牧草倾向于将更多的生物量分配到地上,禾本科牧草将更多的生物量分配到地下;不同大小个体的两种牧草R/S均存在明显的可塑性,表现出种内和种间差异,均未出现最优分配理论调节地上-地下生物量分配模式;豆科牧草随个体的增大R/S逐渐变小,禾本科牧草随个体的增大R/S逐渐变大;利用牧草根长拟合其生物量模型,最优预测模型为三次曲线,相关系数在0.511 2~0.906 0。     

基于多时相无人机影像的高郁闭度森林采伐生物量估算

为准确估算森林采伐生物量实现森林碳汇的精准计量，针对采用单一时相可见光无人机影像估算高郁闭度森林采伐生物量较困难的问题，基于伐区采伐前后多时相可见光无人机影像，研究森林采伐生物量高精度的估算方法。以福建省闽侯白沙国有林场一个针叶林采伐小班为试验区，采集分辨率优于10 cm的采伐前后多时相可见光无人机影像，采用动态窗口局部最大值法得到高精度的采伐株数与单木树高信息，再基于采伐后无人机影像，运用YOLO v5方法检测并提取伐桩直径信息，根据胸径-伐桩直径模型来估算采伐木胸径信息，再利用树高和胸径二元生物量公式估算采伐生物量，以实测数据进行验证。根据动态窗口局部最大值法获取株数与平均树高精度分别为96.35%、99.01%,运用YOLO v5方法对伐桩目标检测的总体精度为77.05%,根据伐桩直径估算的平均胸径精度为90.14%,最后得到森林采伐生物量精度为83.08%,结果表明这一新方法具备较大的应用潜力。采用采伐前后多时相无人机可见光遥感，可实现森林采伐生物量的有效估算，有助于降低人工调查成本，为政府及有关部门进行碳汇精准计量提供有效的技术支持。     

基于Hyperion高光谱影像的冬小麦地上干生物量反演

在黄淮海粮食主产区选择河北省衡水市深州市为试验区,以冬小麦地上干生物量为研究对象,以作物冠层高光谱和EO-1 Hyperion高光谱卫星数据为主要数据源,在分析冠层高光谱构建的窄波段植被指数(N-VIs)与实测冬小麦地上干生物量间相关性基础上,提出了利用拟合精度R2极大值区域重心确定冬小麦干生物量敏感的光谱波段中心的方法,并运用该方法确定了冬小麦生物量敏感波段中心。在此基础上,以敏感波段中心筛选结果为指导,利用窄波段植被指数及相关波段开展Hyperion高光谱卫星遥感区域冬小麦干生物量遥感反演和精度验证。最终,按精度最高原则优选区域冬小麦地上生物量反演结果。其中,研究采用了冬小麦孕穗期Hyperion数据,涉及的植被指数包括窄波段归一化植被指数(N-NDVI)、窄波段差值植被指数(N-DVI)和窄波段比值植被指数(N-RVI)。结果表明,通过与实测冬小麦地上干生物量对比,利用冠层高光谱冬小麦地上干生物量反演敏感波段筛选结果及其相应波段构建的Hyperion窄波段植被指数进行孕穗期作物干生物量估算取得了较好结果,其精度由大到小为:NNDVI、N-RVI、N-DVI。其中,以波段B18(波长528.57 nm)、波段B82(波长962.91 nm)构建的Hyperion N-NDVI估算区域冬小麦地上干生物量精度最高,相对误差(RE)和归一化均方根误差(NRMSE)分别为12.65%和13.78%。     

基于Hyperion高光谱遥感影像的冬小麦地上干生物量反演

在中国黄淮海粮食主产区选择河北省衡水深州市为试验区,以冬小麦地上干生物量为研究对象,以作物冠层高光谱和EO-1 Hyperion高光谱卫星数据为主要数据源,在分析冠层高光谱构建的窄波段植被指数(N-VIs)与实测冬小麦地上干生物量间相关性基础上,提出了利用拟合精度R~2极大值区域重心确定冬小麦干生物量敏感的光谱波段中心的方法,并运用该方法确定了冬小麦生物量敏感波段中心。在此基础上,以敏感波段中心筛选结果为指导,利用窄波段植被指数及相关波段开展Hyperion高光谱卫星遥感区域冬小麦干生物量遥感反演和精度验证。最终,按精度最高原则优选区域冬小麦地上生物量反演结果。其中,研究采用了冬小麦孕穗期Hyperion数据,涉及的植被指数包括窄波段归一化植被指数(N-NDVI)、窄波段差值植被指数(N-DVI)和窄波段比值植被指数(N-RVI)。结果表明,通过与实测冬小麦地上干生物量对比,利用冠层高光谱冬小麦地上干生物量反演敏感波段筛选结果及其相应波段构建的Hyperion窄波段植被指数进行孕穗期作物干生物量估算取得了较好结果,其精度由大到小为:N-NDVI、N-RVI、N-DVI。其中,以波段B_(18)(波长528.57nm)、波段B_(82)(波长962.91nm)构建的Hyperion N-NDVI估算区域冬小麦地上干生物量精度最高,相对误差(RE)和归一化均方根误差(NRMSE)分别为12.65%和13.78%,证明本研究提出的区域冬小麦地上干生物量反演方法具有一定可行性,为高光谱遥感卫星数据敏感波段选取和提高农作物生物理化参数定量遥感精度提供了一定思路借鉴。