柳杉人工林林分生长模型的研究

利用标准地材料建立柳杉人工林林分生长模型并提出预估方法。当森林经理调查获得小班各林分因子后,应用本文研制的林分生长模型及相应的预估方法,可对无人为干预的柳杉人工林的蓄积量、断面积、优势高、平均高、平均胸径、株数等因子进行连续预估,为及时有效地更新柳杉人工林的小班资源数据并掌握其资源动态变化提供了一种切实可行的技术方法。     

探讨利用航空象片信息估测小班调查因子的方法

利用航空象片信息提取小班调查因子。首先利用航片对每个小班的林分类型、龄组、郁闭度和最大冠幅进行判读;其次根据以往的资料,建立林木株数分布,每公顷株数预测,直径与最大冠幅及胸径与树高、年龄等相关模型;最后由判读因子和上述模型借助于计算机求出林分蓄积量、断面积、各径阶株数,平均直径、平均高、平均年龄等因子。该试验是在我国北方次生林区进行的,多数小班因子可由航片提取,蓄积量估测的精度达到85％以上,可提高工作效率1—2倍。为我国二类森林调查提出了一种新的方法。     

航空像片设计带状样地调查小班森林蓄积量精度和工效探索

采用4种不同方法对小班杉木林蓄积量进行调查,分别记录工时,其结果表明用航空像片设计带状样地调查小班森林蓄积量实际精度达到97.7％,工效为标准地调查的1.7倍,模拟样地的2.7倍,全林实测的5.7倍。所以用航空像片设计带状样地,是调查小班森林蓄积量的较好方法之一。     

依据多种抽样技术对二类调查蓄积量精度控制及比较

森林资源总蓄积量和平均每公顷蓄积量估计是森林资源二类调查的主要内容。为了准确反映森林资源二类小班调查的精度,通常采用不同抽样方式布设固定样地,样地数量要满足抽样控制精度要求,通过总体抽样调查方法获取的蓄积量与小班调查计算的蓄积量进行比较以实现二类小班调查蓄积量精度控制。以东北林业大学帽儿山实验林场为研究区域,2016年帽儿山实验林场森林资源二类小班调查数据和布设在实验林场的256块固定样地数据,采用系统抽样、事后分层抽样和自助法抽样技术进行小班调查蓄积量总体精度控制,并比较几种不同抽样方法的精度和特点。结果表明：有林地小班总蓄积为3 263 235.87 m³,系统抽样估测有林地总蓄积为3 991 105.77 m³。事后分层抽样按照龄组、林型、郁闭度估测有林地总蓄积分别为3 899 872.16、4 036 672.73、3 988 058.20 m³。自助法抽样在N=20时有林地总蓄积估计值为3 948 893.46 m³。结果均超出3倍标准误,初次小班调查不符合调查标准要求,应当重新调查小班,...     

基于GIS技术的生态公益林与商品用材林质量评价

利用临川区魏坊林场森林资源二类调查小班材料,分别生态公益林与商品用材林构建评价指标,以小班为单元,结合GIS技术,采用综合评价法,对各评价指标及森林资源质量进行评价,并将评价结果落实到小班.结果表明:林场生态公益林总体质量差(综合得分值50.3),主要原因在于林分树种结构不合理,林分生长质量差,林分平均胸径、平均高、郁闭度及单位面积蓄积量偏低;商品用材林质量总体属中等偏下水平(综合得分65.2),主要原因在于用材林林地质量较差,萌芽林多,经营粗放等方面.评价结果可为制定并实施小班经营法等提供理论依据.     

林分碳贮量测算方法的研究

利用换算因子连续函数法构建了林分蓄积量与生物量的转换模型.首次提出了木材气干密度与全干密度的不同及对碳密度求算的影响,并给出了修正系数.由木材的化学物质构成比例和分子量导出了由林分生物量估算林分碳贮量的实用模型,从而实现了在林分尺度上由二类调查的小班每公顷蓄积量到小班碳贮量的转换.利用该模型计算得到研究地区的有林地平均碳密度1994年为85.06 t/hm2,2002年为88.13 t/hm2,将其间因抚育采伐损失的碳贮量158 785 t计入其中,则碳密度的增长量为1.10 t/ (hm2#8226;a).利用GIS对1994年和2002年的碳密度的分布进行了表示和叠加,结果显示碳密度增加的面积略大于减少的面积,森林抚育采伐和非法采伐是碳密度减少的主要原因.      

林分结构与水源涵养功能耦合关系研究——以北京八达岭林场为例

利用2004年北京市八达岭林场的森林资源二类调查数据,选取了林分起源、乔木平均高、郁闭度等14个林分结构因子,通过因子分析的方法,研究了林分结构因子与森林水源涵养功能之间的关系,建立林分结构与功能耦合关系的模型,并根据模型的计算结果,对研究地区各小班进行了综合分析。结果表明,阔叶林小班的水源涵养功能优于针叶林小班,天然林小班优于人工林小班,水源涵养功能较好的小班多具有以下结构特征:天然起源、阔叶林或者混交林,植被总盖度＞75%,林分郁闭度在0.5~0.8,林层结构为复层林,林龄为中龄林及以上。     

尤溪县马尾松人工林标准表制定的研究

在尤溪县马尾松人工林郁闭度0.8以上的林分设置标准地,调查测定林分平均胸径、平均高、优势高、单位面积上的蓄积量、胸高断面积和株数等因子。以林分优势高为辅助变量,林分蓄积量为因变量,采用免疫进化算法建立标准林分蓄积量模型;再以林分形高为因变量,林分优势高为辅助变量,通过多方程的拟合对比,建立合适的林分形高模型,据以编制了尤溪县马尾松人工林标准表,为森林资源清查中林分疏密度和蓄积量的确定提供了科学依据。     

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。     

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。     

北京低山油松、侧柏生态公益林的经营——以北京海淀七王坟油松×侧柏×栎类块状镶嵌林为例

对北京西郊120~130 a油松×侧柏×栎类以及其他针阔叶林组成的块状镶嵌混交林进行了样地调查,结果表明,林分具有复层、异龄、混交特征,是一个比较理想的经营模式。提出北京低山油松、侧柏公益林经营应借鉴这个模式,依据森林立地类型的研究成果,以林班或小班为基础,促进生态与生产功能协调发展,同时维护生物和景观多样性,因地制宜进行分类经营。     

帽儿山实验林场森林资源矢量数据的叠置分析

以东北林业大学帽儿山实验林场为调查对象,以1983年和2004年森林经理调查林相图和森林经理调查小班数据为基础,以地理信息系统技术为支持,将两期(1983年和2004年)的矢量数据专题图叠置,生成两期森林资源变化图,包括林场区域、林班区域、龄组变化、树种起源变化分布图.进而直观、鲜明地反映出研究区域两个时期间森林类型空间分布上的变化特征,既能反映出前期的森林资源状况,又能显示森林资源现状,为可持续经营森林资源提供科学依据.     

遂昌县湖山林场森林资源二类调查

以林场为总体,采用抽样控制和小班调查相结合的方法,调查了103个面积为0.06hm~2的正方形固定样地、322株测高样木和36株平均解析木。结果表明:湖山林场现有森林资源总蓄积量为89736m~3,年总生长率20.48％,以中幼林为主。     

基于森林功能分区的经营小班划分研究

基于湖南省慈利县二类调查数据,根据森林主导功能的差异、森林林种种类和坡度的不同,将慈利县森林划分成不同的森林功能区,并基于森林功能区按照树种的不同将其进一步划分成不同的经营小班。最后,在地理信息系统的支持下绘制出森林功能分区图和经营小班划分图。结果表明,公益林的面积多于商品林的面积,其中特殊公益林区和一般公益林区面积为1 290 hm²,限制性商品林和一般性商品林面积为1 144 hm²,马尾松和杉木是主要的经济树种。划分经营小班有利于森林的分类经营,为实现林业从传统的以木材生产为主向发挥森林的多功能、多效益的经营方式转变提供条件,进而实现森林的可持续经营,并为促进森林经营单位的可持续发展提供数据支持。     

基于BP神经网络的华北落叶松小班蓄积预估模型研究与应用

林分蓄积是衡量小班林分生产力的重要指标。选择华北落叶松人工林小班数据,对以年龄、公顷株数和立地指数为自变量,小班公顷蓄积为因变量的BP (back propagation)神经网络模型和多元回归模型进行研究。研究结果表明:①BP神经网络参数最优组合:三层网络结构包括输入层3个神经元,隐含层10个神经元和1个神经元,输出层1个神经元,R语言算法选用含有动量的自适应梯度下降法,MATLAB软件算法选择Levevberg-Marquardt法;②多元回归模型中,生长理论方程为基础修正函数"Logistic+幂函数"组合的修正模型V=SI~(0.977 2)N~(0.510 3)0.500 1/[1+44.226 1exp(-0.146 6t)]表现最优,其决定系数R~2为0.721 8;③BP模型预测精度最高,其次是多元回归模型和材积表法。基于以上研究,为了提高BP模型的实用性,通过JAVA和R语言编程方式,将构建BP神经网络小班蓄积预估模型存储到收获预估模型的模型库中,在人工林收获预估中实现BP模型的调用,实现从经典的数学模型形式向智能化软件方向发展,提高BP模型在实际生产中的可操作性,为森林经营作业提供决策支持。     

基于森林资源二类调查数据的杉木人工林收获表编制

应用旌德县庙首林场198个杉木人工林小班数据,选用3种林分因子生长模型拟合杉木人工林林木生长过程,用非线性麦夸特迭代求解法,确定各模型参数、剩余离差、相关指数等;根据相关指数最大、剩余离差最小原则,确定最佳杉木人工林林分因子最佳生长模型。结果表明,理查德模型拟合效果最好,直径(D)=455.409 9SI0.197 6(1-e-0.000 2 t)0.753 4,树高(H)=8.926 8SI0.370 2(1-e-0.029 4 t)1.103 9,蓄积(M)=98.808 5SI0.306 3(1-e-0.132 3t)4.709 7。根据上述模型编制的杉木人工林经验收获表,可以为庙首林场杉木人工林林分收获预估及森林经营决策提供依据。     

固定小班是实行森林资源资产化的基础

本文从森林资源产权界定与森林资源资产化的关系，提出固定小班是森林资源资产化必然的森林区划单位．介绍了固定小班概念，区划方法和森林资源资产核算方法．     

Automatic combination of forest subcompartment polygons

该文以森林分布图为例讨论了林业调查规划数字专题图编制的一般方法和步骤，确定了森林小班多边形聚合的原则，提出了属性势能和属性势差概念及小班多边形聚合的算法，研究了基于MapBasic的多边形自动聚合数据处理流程和程序设计的关键技术，并在此基础上研制了森林小班多边形的聚合程序.运行结果表明，该程序不仅全面实现了小班多边形自动聚合的目的，而且与人机交互操作相比，具有速度快、精度高等特点.      

基于高分辨率卫星图像的小班勾绘精度检验

小班是森林资源规划设计调查的基本单元,其勾绘精度决定了森林空间分布定位的准确性和面积调查精度,过往对此缺乏深入的研究.为此以QuickB ird高空间分辨率卫星遥感图像为基础,对以1∶10 000地形图为手图的小班勾绘精度进行检验.结果表明,63个小班的面积平均误差25.0%,中心位置平均位移77.1 m,边界平均位移9.3 m,小班边界平均最大位移26.0 m.此外,还讨论了提高小班勾绘精度的技术方法.