关于提高立木材积表精度问题的探讨

近几年来,数理统计抽样方法广泛应用于我国森林资源清生工作中,而立木材积表是森林抽样调查估测蓄积量的主要尺度。虽然,材积表所引起的误差不包话在抽样蓄积误差之内,但实际上,它是客观存在的。它直接影响到森林资源清查的总成果。对这种非抽样误差     

立木材积表编制方法的研究

立木材积表,是我国各类森林资源清查中测定森林蓄积量的主要计量依据,因而也是影响森林蓄积量清查结果准确度的主要误差来源之一。众所周知,就单位面积蓄积量估测而言,实行误差来源主要有两大类:一是抽样误差,它可以根据精度要求通过样木容量的协调加以控制;二是非抽样误差,是一种非调查总体变动而引起的误差,它受测     

用F值检验材积表的适应性

立木材积表是森林抽样调查估计蓄积量的主要依据,虽然计算的估计精度中不包括由于材积表引起的误差,但在事实上是存在的,谁也不能否认,其精度的高低给各项计算工作以很大的影响,因此,在进行森林抽样调查或测定林分蓄积量时,如果缺少本地区的地方材积表,而采外地或通用材积表,“有表就用”而不去分析、考虑材积表的适应性和误差是不     

广东省湿地松二元材积表及林分蓄积量方程

根据在全省主要栽培区收集的伐倒木和解析木区分段求积材料，编制了广东省湿地松立木二元材积表。利用临时样地材料（蓄积量由二元材积表法推算），建立了林分蓄积量估测方程，最后利用独立的供检样本进行检验，表明所提出的二元材积表和林分蓄积量方程估测精度可靠。     

基于多距离度量kNN模型的森林蓄积量反演

【目的】森林蓄积量是衡量森林质量和生长状况的重要指标。利用遥感技术进行森林蓄积量反演相比传统的森林调查能显著提高森林资源调查效率,对快速获取区域范围森林生长状况,进行高效的资源利用和森林经营管理具有重要意义。【方法】以陕西韩城市为研究区,利用森林资源二类调查数据库提取森林蓄积量实测数据,结合Sentinel-2遥感影像进行森林蓄积量反演。通过线性逐步回归法和重要性评价法分别进行变量筛选,构建多元线性回归模型、支持向量机模型、随机森林模型和基于欧式距离、曼哈顿距离和马氏距离构建的kNN模型进行森林蓄积量估测,通过精度评价比较最终选择估测精度最高的模型进行研究区森林蓄积量反演。【结果】1）马氏距离是最适合构建kNN模型的距离度量。基于马氏距离构建的kNN模型在所有模型中实现了最高的估测精度,决定系数R2为0.66,均方根误差RMSE为10.02 m3/hm2,均方根误差相比随机森林模型、支持向量机模型和多元线性回归分别下降了3.9%、7.8%和29.9%;2）非参数模型在森林蓄积量估测中的精度显著优于参数模型。基于马氏距离构建的kNN模型、随机森林模型、支持向量机模型均方根误差相比多元线性...     

森林蓄积量遥感估测研究的现状及展望

论述了森林蓄积量遥感估测的研究现状,介绍了森林蓄积量遥感估测已经取得的进展,以及近年出现的新的蓄积量遥感估测方法。随着改进型的神经网络模型的优化,人工神经网络模型在森林蓄积定量估测领域应用的研究将会是森林蓄积量遥感定量估测的发展趋势。     

基于GF-1的森林蓄积量遥感估测

森林蓄积量是评价森林资源数量的一个重要指标。结合遥感影像和地面调查数据估测森林蓄积量受遥感影像、遥感因子、预处理方法、估测方法等多方面的影响。为研究国产GF-1遥感影像估测森林蓄积量的最佳遥感因子组合方式和较优估测方法,并绘制森林蓄积量空间分布图,为我国森林蓄积量的研究提供理论基础和科学依据。为研究GF-1遥感影像估测森林蓄积量的遥感因子和估测方法,以湖南省醴陵市为研究对象,以国产GF-1遥感影像为数据源,通过对遥感图像预处理,获取光谱信息、纹理因子、植被指数作为特征变量,结合同时期的二类调查样地数据,从GF-1遥感影像像元与样地不匹配角度出发,应用移动窗口的方法解决像元与样地的对应关系,采用多元逐步回归、偏最小二乘回归和随机森林模型对研究区森林蓄积量进行估测,采用建模精度和估测精度进行分析评价。实验结果表明:1)3个模型选择的因子都包含了NDVI、 Band2、DI3、CO1和DVI等5个遥感因子,说明其对森林蓄积量的估测比较敏感;2)随机森林模型优于偏最小二乘回归和多元逐步回归,其决定系数R2为0.73、估测精度为83.69%。利用GF-1遥感影像结合随机森林模型应用于森林蓄积量的估测结果趋于真实分布,效果较理想;采用移动窗口法,利用国产GF-1遥感影像并结合随机森林进行森林蓄积量估测具有较好的应用前景。     

甘肃省山杏山杨相容性一二元材积模型研建

为建立适用于甘肃省的立木材积模型,获取更为准确的材积表,以甘肃省山杏、山杨为研究对象,采用电子经纬仪进行无损立木精测获取数据,并通过误差变量联立方程组方法,建立了两个树种的二元立木材积方程、一元立木材积方程以及树高-胸径回归模型,为准确估计相应树种的森林蓄积量提供了科学依据。利用经典的二元材积模型山本和藏式及指数树高模型进行联立得到相容性立木材积方程,通过6项指标对所得模型进行综合评价,结果表明:二元材积模型、一元材积模型都能取得良好效果,其中山杏二元材积表、胸径一元材积表的平均预估误差分别为2.12%,2.58%;山杨二元材积表、胸径一元材积表的平均预估误差分别为1.57%,2.01%;所建相容性一二元材积模型可用于甘肃省山杏山杨蓄积量估计。     

基于TerraSAR-X和ALOS PALSAR数据的森林蓄积量估测研究——以云南省勐腊县为例

基于2014年12月3日获取的X波段Terra SAR-X数据和2008年10月19日获取的L波段ALOS PALSAR数据,引入树种类型为哑变量,采用逐步回归的方法,对云南省勐腊县森林蓄积量进行估测。结果表明,与X波段Terra SAR-X数据相比,基于L波段ALOS PALSAR数据建立的森林蓄积量模型具有更高的决定系数,R~2为0.843,模型估测精度为68.8%,均方根误差RMSE为38.8 m3·hm~(-2),最终结果证明波长较长的L波段ALOS PALSAR数据对森林蓄积量具有更好的估测效果。     

一元立木材积表计算蓄积量误差的探讨

正利用一元立木材积表计算蓄积量误差,一般是根据《数理统计原理》,计算出其标准差,以95%可靠性求算其误差。但由于此方法计算过程比较复杂,因此,在实际工作中一般不求算调查蓄积量误差。通过长期的工作实践,我们总结了一种通过常用的《山东省一元立木材积表》结合径阶区划求算蓄积量     

基于高分二号的旺业甸林场蓄积量估测模型研究

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。     

福建桉树人工林材积表和蓄积量表编制的研究

通过对桉树人工林83块标准地和164株样木进行调查,选择V=aDbHc和V=aDb方程并进行多方程拟合对比,编制桉树人工林二元材积表和一元材积表,结果表明:该表可在森林调查中应用,且误差小,能满足林业生产上的精度要求。同时为提高林分蓄积量的测定效率,选择林分平均高和断面积为辅助变量,建立桉树人工林林分蓄积量预估模型,该模型经检验适用,可用于林业生产实践。     

森林蓄积量遥感估测的研究进展

传统的森林资源调查是一项周期长、任务重、劳动强度大,需大量经费的工作。随着遥感技术广泛应用于森林资源调查工作,特别是森林蓄积量的遥感估测,将比传统方法省时、省力,节约经费。目前,利用遥感进行森林蓄积量的估测研究已取得了一系列重要进展,文章则简要综述了国内外在光学遥感和微波遥感范围内的森林蓄积量遥感估测方面的研究进展,认为利用遥感技术进行森林生物量估测对于了解和监测全球生态系统对气候变化和人类活动的反应具有重要的意义。     

临沂市杨树立木生长模型建立与材积精确测定研究

测定立木材积、计算林分蓄积量,是森林资源清查工作中的一项主要任务。在大面积的森林资源清查工作中,为了迅速准确地得到蓄积量的数据,常应用立木材积表来计算蓄积量。多年来我市的立木蓄积量调查中,一直使用山东省的一元或二元立木材积表计算,无本地市编制的材积表,因此,造成所调查的数据计算结果与实际立木蓄积量存在较大的误差,为了提高调查精度,我们搜集整理了多年来积累的2124株解析木求积数据,编制了临沂市测定立木材积表,为今后在森林资源调查各项工作中提供了精确的计算依据。     

马尾松人工林相对树高曲线模型及其应用研究

利用标准地调查数据 ,建立马尾松人工林相对树高曲线模型 ,结合二元材积表测算标准地蓄积量。误差分析表明 :应用相对树高曲线模型测定林分蓄积量 ,精度高于一元材积表 ,可达到接近用二元材积表的测算水平 ,且不增加野外调查工作量 ,在实践上有一定应用价值。     

纹理特征对森林蓄积量反演模型的影响

【目的】蓄积量是反映森林资源质量的重要指标,传统人工蓄积量调查方式费时耗力。遥感技术在林业中的应用能有效地弥补人工调查的缺陷,采用遥感技术进行森林蓄积量的反演是区域范围内蓄积量估测的一种重要手段。现有的遥感蓄积量估测方法中,对于纹理特征因子的选取没有得到足够的重视。随着高分辨遥感影像的不断涌现,影像纹理特征越来越明显,将纹理特征引入到森林蓄积量估测模型当中,是一个很好的尝试。但纹理特征是否有利于森林蓄积量的估测,以及如何影响森林蓄积量的估测,目前并不清楚。【方法】利用国产GF-1号为数据源,在数据预处理基础上,采用不同窗口大小提取的纹理信息,以及对纹理因子进行改进,研究其对于森林蓄积量反演模型精度的影响。【结果】1)改进纹理特征能有效提高蓄积量反演模型的精度。通过计算出遥感影像纹理均值改进指数、波段纹理均值改进植被指数和均值改进植被指数,结合地理因子,采用多元逐步回归方法构建森林蓄积量反演模型,结果精度有较大改善。2)纹理窗口大小为9×9时,森林蓄积量反演模型精度最高。提取3×3、5×5、7×7、9×9、11×11这5种窗口大小的纹理特征参数,分别构建森林蓄积量估测模型,并进行不同窗口下蓄积量反演精度进行检验。当窗口大小为9×9时模型效果最好,R2最大,达到0.652,RMSE值最小(25.354 5 m3/hm2),说明此时的窗口大小是最优模型窗口。【结论】当窗口为9×9时模型效果最好,此时的窗口大小是最优模型窗口。但是对于不同研究区在同一数据源下使用9×9窗口模型并不一定效果是最好的,纹理因子在建模中仍需根据研究区实际情况进行使用。     

基于偏最小二乘回归的森林蓄积量遥感估测

森林蓄积量受遥感因子与地形因子的影响,但这些因子间存在多重相关性,会影响模型稳定性与精度。针对森林蓄积量遥感估测自变量间存在多重共线性问题,采用异于传统最小二乘的偏最小二乘方法建立密云县森林蓄积量遥感估测模型。先对可能影响蓄积量的因子进行分析,选取既存在相关性又对模型显著性有影响的因子为森林蓄积量估测的自变量。用预留的样本对模型进行检验,预测值与实测值相比精度达到90.1%。将通过检验的模型对整个密云县进行反演,得到密云县估测森林蓄积量为2 447 695.203 m3。     

利用遥感数据估测森林蓄积量

以吉林省柳河县为研究区,以Landsat-5 TM遥感影像为基础数据,提取相关因子,建立柳河县森林蓄积量遥感估测模型,经过精度检验,模型的预测精度达到82.36%。利用模型进行森林蓄积量反演,得出该县森林蓄积量为1 226×104m3,实际精度为80.00%。利用遥感技术进行森林蓄积量估测是可行的。     

利用航片判读郁闭度优势木高估测蓄积量

以落叶松天然林地面调查标准地为材料,选择航片上易于判读的优势木高、郁闭度为自变量,实际调查森林蓄积量为因变量,建立了森林蓄积量的估测模型,经29个小班的适用性检验,证明估测模型是适用的,为估测森林蓄积提供了简单易行的方法。     

基于国产高分数据的森林蓄积量反演研究

以内蒙古旺业甸林场为研究区,结合地面调查,对高分二号遥感数据进行预处理,并提取光谱信息、植被指数及纹理信息等48个遥感因子,采用Pearson相关系数法筛选出8个因子进行建模。采用多元线性回归、多层感知机、K-近邻、支持向量机、随机森林模型估测森林蓄积量,得到研究区内森林蓄积量反演图。结果表明:1)高分二号影像提取的遥感因子中,基于二阶矩阵的纹理特征均值(Mean)与森林蓄积量的相关性较高;2)随机森林相对于多元线性、多层感知机、K-近邻、支持向量机等方法具有更好的森林蓄积量估测精度,其相对均方根误差(rRMSE)为25.40%;3)研究区内森林蓄积量高的地区主要分布在西部和东南部;森林蓄积量低的地区主要分布在西北部、中部及北部,与实际调查情况一致。国产高分二号影像利用随机森林算法在森林蓄积量反演方面具有一定的潜力。