基于SPOT5和PCA的柞树林地上碳储量的估测模型

以北京市延庆县柞树林为研究对象,利用森林资源二类调查数据和2004年SPOT5遥感影像,选取SPOT5数据的4个单波段,提取差值植被指数(DVI)、比值植被指数(RVI)、归一化植被指数(NDVI)等3种植被指数以及海拔、坡度、坡向和郁闭度共11个遥感及样地因子,提取这11个因子的主成分,建立基于主成分分析的多元线性回归模型估测碳储量。结果表明:模型经方差分析以及相关性检验,达到显著相关水平,相关系数R=0.829,可用于柞树林地上部分碳储量估测。对30个独立样地进行配对样本t检验,结果达到显著相关水平,相关系数R=0.850,地上部分碳储量估算值为27.19 t·hm-2,模型估测精度可达到92.73%。     

不同密度杉木人工林林分生长和林分结构差异研究

探究不同密度杉木人工林林分结构与生长的差异,为杉木人工林的可持续经营提供科学依据。以清远市11年生3个不同密度(2 100、3 100、4 100株·hm^-2)杉木人工纯林为研究对象,每个密度设置6个固定标准样地(20 m×20 m),选取大小比数、角尺度、直径结构、树高结构以及树冠结构5个参数探究林分结构特征,选取林分平均胸径、平均树高、蓄积和林木单株材积等指标探究林分生长特征,通过方差分析探讨林分密度对杉木人工林林分结构和生长的影响。结果表明,1)林分生长指数受林分密度影响差异显著(P<0.05),4 100株·hm^-2杉木人工林的平均胸径、树高、单株材积显著低于其他2种密度林分,3 100株·hm^-2杉木人工林的蓄积显著高于其他2个密度林分。2)林分直径结构和树高结构在较高的林分密度下,小径级的林木较多,其分布曲线呈现为截尾正态分布。3)3 100株·hm^-2的平均冠幅显著大于其他2种林分,4 100株·hm^-2的平均树冠表面积以及树冠体积显著小于其他2种林分,3种...     

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。     

相对树高曲线研究

研究了杉木人工林相对树高曲线基本模型及参数扩展模型,提高了相对树高曲线模型估测精度,初步探讨了树高曲线与林分特征因子间的关系以及标准树高曲线设想的局限性。     

相对树高曲线研究

研究了杉木人工林相对树高曲一基本模型及参数扩展模型,提高了相对树高曲线模型估测精度,初步探讨了树高曲线与林分特征因子间的关系以及“标准树高曲线”设想的局限性。     

基于Richards方程的杉木树高生长模型

利用Richards生长方程构建杉木Cunninghamia lanceolata树高生长模型。以福建省三明市将乐县国有林场杉木人工林为研究对象．基于15块杉木人工林标准地野外调查数据。在分析林分相对胸径（出）和相对树高（hR）规律的基础上,拟合了胸径．树高曲线、胸径一株数累积（％）曲线以及树高一株数累积（％）曲线。根据林分结构现状,应用SPSS20统计软件模拟了杉木树高生长模型。结果表明：在95％置信区间内,模型的相关指数达到了0．993,求得参数A=28．606,B=1．094．k=0．031,m=-0．466,且各参数的估计值符合杉木的生长规律。此模型大大提高了林木树高因子的模拟精度．并为实现森林资源的优化配置提供基础数据。图3表3参30     

基于改进的像元二分模型估测郁闭度

目的郁闭度是森林资源调查的一个重要因子,它不仅可以反映森林冠层的郁闭程度和树木利用空间的程度,并且能够指示林分密度。遥感为区域和全球尺度精确估测郁闭度提供了前所未有的契机,使得大面积郁闭度监测制图成为可能。本文旨在利用资源三号卫星影像数据结合模型对区域尺度上落叶松林进行郁闭度估测。方法以黑龙江省佳木斯市桦南县孟家岗林场落叶松人工林为研究对象,首先采用像元二分模型对植被覆盖度进行估算,通过探寻植被覆盖度与郁闭度的关系,对像元二分模型进行改进,通过计算不同累积频率归一化植被指数（NDVI）的值作为模型参数,对比不同参数取值时模型拟合效果得到最优模型,并利用模型估测郁闭度。结果拟合结果表明,2%累积频率下模型拟合效果最好,模型R2为0.838,RMSE为0.045,最后利用该模型得出孟家岗林场落叶松人工林郁闭度分布图。结论利用改进的像元二分模型可以较为准确地估测郁闭度。本研究对探索我国北方落叶松人工林郁闭度遥感估测提供了更有效的途径,同时也为森林资源和参数的调查提供一定的参考依据。      

不同坡向望天树人工林径级和高度级结构分布

[目的]分析不同坡向望天树人工林的径级和高度级结构分布,揭示其生长发育规律,为望天树人工造林立地条件选择和树高估测提供参考依据.[方法]在北坡向和南坡向分别选取具有代表性的望天树人工林样地进行每木检尺,采用上限排外法划分径级和高度级,分析两个坡向的径级和高度级结构分布;使用线性函数、对数函数、二次函数、幂函数、指数函数和Logistic等6种模型拟合胸径(D)—树高(H)生长曲线.[结果]北坡向和南坡向望天树人工林的径级结构分布差异不明显,均在第Ⅵ径(32.00 cm≤D<36.00 cm)分布株数最多,分别占各坡向总株数的32.26%和35.09%,总体上呈正态分布,低、高径级株数较少,中等径级株数相对较多.北坡向望天树人工林高度级结构呈正态分布,在第Ⅴ高度级(27.00m≤H<30.00 m)出现峰值;南坡向望天树人工林高度级结构呈右偏正态分布,在第Ⅶ高度级(33.00 m≤H<36.00 m)出现峰值,且明显高于北坡向高度级峰值.对两坡向的望天树人工林胸径—树高曲线进行拟合,最优的是幂函数,其方程为H=3.096D0.656(R2=0.809).[结论]南坡向对望天树人工林树高生长具有一定的促进作用,幂函数H=3.096D0.656(R2=0.809)可作为望天树人工林树高—胸径生长曲线,用于树高估测和造林立地选择.     

杉木人工林冠层高度无人机遥感估测

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机（UAV）的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型（DSM）,利用1:10 000地形图生成数字高程模型（DEM）;基于DSM和DEM叠加相减得到树冠高度模型（CHM）,实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数（R2）分别是0.97,0.84和0.78,标准误差分别是0.67,1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。     

杉木多代连栽采伐迹地营造秃杉研究

以福建洋口（顺昌）林场杉木多代连栽迹地改植的14 a生秃杉人工林和连栽的杉木人工林为研究对象,比较分析了2种人工林的生长量和造林后1~14 a的平均树高、胸径（去皮）、单株材积（去皮）生长过程。研究结果表明,14 a生秃杉林平均胸径、平均树高、平均单株材积和平均蓄积量分别为15.54 cm、12.03 m、0.11484 m3/株和269.88m3/hm2,分别比密度相近的杉木林高16.32%、10.27%、29.37%和25.37%。秃杉平均木胸径、树高和单株材积前3 a总生长量与杉木相近;秃杉3 a生时胸径总生长量略小于杉木,4~14 a生超过杉木;秃杉树高总生长量在10 a生前与杉木接近,但10 a生后明显大于杉木,且差异有逐年增大趋势;秃杉单株材积总生长量始终大于杉木。说明在福建顺昌杉木多代连栽采伐迹地上轮作秃杉可以提高林地生产力。     

杉木人工林自疏过程密度变化与环境因子关系的数量分析

收集了１１８块杉木人工样地的林分生长和环境因素资料,用环境因子中１０个定性和４个定量因子对杉木人工林自然稀疏具有较大影响的因子,应用数量化理论Ⅰ建立了杉木要人工林自疏过程密度变化的预防模型。经复相关系数的Ｆ检验表明模型达到极显水平,可应用于杉木人工林自然稀疏预报,并对各环境因子的偏相关系数进行了ｔ检验,结果表明海拔、坡位和林分平均胸径是影响杉木人工林自疏过程密度变化的重要因子（ａ＝０．０１）,而     

福建将乐林场杉木人工林多功能评价初探

运用主成分分析法,选取小班面积(x1)、树种组成(x2)、郁闭度(x3)、年龄(x4)、平均胸径(x5)、平均树高(x6)、小班蓄积(x7)、坡度(x8)共8个指标构建福建将乐林场杉木人工林结构与风景游憩(Y1)、木材生产(Y2)、涵水保土(Y3)功能的模型:Y1=0.001x1-0.174x2+0.221x3+0.216x4+0.238x5+0.237x6+0.137x7-0.024 x8;Y2=0.584 x1+0.044x2-0.045x3-0.126x4-0.043x5-0.053x6+0.485x7-0.021x8;Y3=0.022x1-0.044x2+0.099x3-0.113x4+0.047x5+0.027x6+0.007x7+0.980x8,并对436个小班进行多功能的等级划分与评价.结果表明:多功能等级为优、良、中等、差、极差的小班比重分别为1.1%、13.8%、60.6%、15.4%、9.2%.评价结果为中等的小班最多,良和优的小班比重小,杉木人工林的整体多功能水平偏低.     

基于BP神经网络的油松人工林树高模型研究

通过分析比较不同算法以及不同输入层因子,构建出最佳的黄龙山区油松人工林树高预测BP神经网络模型。以陕西省延安市黄龙县44块油松人工林样地实测数据为数据源,通过对6种BP神经网络的训练方法进行训练,经过反复筛选找出最优模型并与传统胸径-树高模型作比较;最后将BP神经网络中的输入因子从2个增加到6个后,经过反复训练筛选出最优模型与2因子的BP神经网络模型作比较。结果表明:1）贝叶斯归一化（BR）算法在6种算法中表现最佳,R²和MSE分别为0.963 0和1.168;2）不同隐含层节点数的选取会对BP神经网络模型的建立产生一定的影响,BP神经网络模型的决定系数（R²）随着隐含层节点数的增加呈现先上升后下降的趋势;均方误差（MSE）呈现先下降后上升的趋势,两者都在节点数为10时有极值,此时的模型为最优模型;3）当输入因子为胸径和优势树高时,油松人工林的最优模型结构为（输入层节点数:隐含层节点数:输出层节点数为2∶10∶1）,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.761 0和1.984 7;当输入因子为胸径、优势树高、林分密度、竞争指数、坡度和坡向时,最优模型结构为6∶10∶1,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.844 7和1.955 7。由此得出,在建立油松人工林树高BP神经网络模型方面优化类算法要优于启发式下降算法;BP神经网络模型与传统模型相比,BP神经网络模型不需要目标方程结构,并且模拟和预测的精度均要优于传统模型;在原有BP神经网络模型的基础上再引入林分密度、竞争指数、坡度、坡向这些输入因子后所得到的新的BP神经网络模型对树高模型的建立和预测要优于原有BP神经网络模型。     

杉木人工林自疏过程密度变化分析方法的研究

采用二次正交旋转组合设计方法 ,建立了影响杉木自疏的海拔、坡位及林分平均胸径与杉木人工林自疏过程密度变化关系的数学模型 ,结果表明林分平均胸径对杉木人工林自然稀疏存在极显著影响 ,坡位与林分平均胸径的交互作用对自疏存在显著影响 .运用遗传算法优化了模型参数 ,在检验模型适应性的基础上应用计算机模拟技术 ,分析了杉木人工林自疏过程密度变化随坡位及林分平均胸径变化的内在规律 ,为杉木人工林密度定量管理提供了科学基础     

林下套种及坡位和弱光环境对南方红豆杉人工林早期生长及林分分化的影响1）

为高效栽培南方红豆杉人工林,采用方差分析、径阶分布拟合和林木分级等方法,在福建省明溪县进行林下套种及不同坡位和弱光环境的南方红豆杉人工林早期生长及林分分化研究。结果表明：林下套种模式的12年生南方红豆杉林分的胸径、树高、冠幅显著大于迹地更新造林,其胸径、树高、冠幅变异系数较小。10年生林下套种南方红豆杉林分生长有着显著的坡位效应,除下坡与中坡间冠幅无显著差异外,其它均有着显著性差异,3个生长性状生长量和变异系数从大到小依次为下坡、中坡、上坡。在相同林分密度条件下,马尾松林下弱光环境10年生南方红豆杉林分的胸径、树高、冠幅显著大于杉木林下,但马尾松林下弱光环境南方红豆杉的胸径、树高、冠幅变异系数较小。不同培育模式及林下套种时,不同坡位和弱光环境的南方红豆杉人工林径阶分布采用Weibull分布函数拟合,效果较好;林下套种模式及其不同坡位和弱光环境均呈倒J型分布,即其林分结构相对稳定,竞争较合理;而迹地更新造林的林分径阶呈单峰左偏山状分布,表明其处于竞争的自然稀疏后期。南方红豆杉林分林木分级显示,除迹地纯林造林和林下套种的上坡位出现Ⅴ级木外,其它尚未出现Ⅴ级木。因此,营建南方红豆杉人工林应该进行培育模式、坡位和弱光环境选择,其培育模式宜选择林下套种,并在林下套种时优先选择马尾松林下弱光环境和中下坡。     

扁枝槲寄生在茶树群落中分布的影响因子

基于单数茶树与样方尺度对影响扁枝槲寄生分布的因子进行回归模拟分析。结果表明:1)扁枝槲寄生的平均寄生株率达40%,株高频度分布为生态分布,分支数为左偏正态分布,常分布在树高的1/3~3/4处;扁枝槲寄生的分布对茶树因子的依赖程度高于环境因子。2)基于单株茶树尺度,影响扁枝槲寄生分布的因子大小顺序为:冠幅地径树高枝下高苔藓/地衣覆盖率。具有较大冠幅、地径≥11 cm、树高≥3.1 m、枝下高在23~55 cm且苔藓覆盖率较高的茶树上寄生较多。3)基于群落样方尺度,影响扁枝槲寄生分布的环境因子大小顺序为:海拔坡向郁闭度坡度。扁枝槲寄生在调查地区主要分布海拔1 420 m以上,山顶或山谷并无分布,西北、东南坡及郁闭度高的环境下更适合生长,坡度越大越有利于其生长。4)光照、水分是影响扁枝槲寄生的主导环境因子,寄主群落因子导致了光照、水分的再分配,从而影响着扁枝槲寄生在茶树上的分布位置。      

坡度对应用机载激光雷达估测人工针叶林单木参数的影响

以黑龙江省佳木斯市桦南县孟家岗林场为研究对象,利用2017年的机载激光雷达(ALS)数据构建冠层高度模型(CHM),探索坡度对单木参数估测的影响。研究区域内坡度分为4级,Ⅰ级为平坡:坡度<5°;Ⅱ级为缓坡:坡度5°~14°;Ⅲ级为斜坡:坡度15°~24°;IV为陡-急-险坡:坡度≥25°。每一级选取8块高郁闭度的人工针叶林样地(50 m×50 m),应用基于区域的分层横截面分析法(RHCSA)进行单木树冠提取,估测单木位置、树高和冠幅信息,利用目视解译的单木树顶和树冠作为参考数据进行精度检验(包括单木树冠提取精度和单木参数估测精度检验)。结果表明:不同坡度下单木树冠提取和单木定位估测均有显著差异(p<0.05)。其中,平坡上的单木树冠提取总体精度最高(均值为84.61%),陡-急-险坡上的总体精度最低(均值为41.31%);缓坡上的单木定位精度最高,平均的均方根误差为1.16 m,陡-急-险坡上单木定位精度最低,平均均方根误差为1.58 m。但是,不同坡度下单木树高和冠幅的估测结果差异并不显著(p>0.05)。因此,应用CHM进行单木参数估测时,虽然进行了地形标准化,但还是需要考虑坡度对单木树冠提取和单木定位的影响,而其对树高和冠幅的影响不大。     

阔叶红松混交林立地因子和林分因子对松梢象甲发生及危害的影响

抽样调查黑龙江省伊春地区上甘岭林业局2013年度阔叶红松混交林遭受松梢象甲危害的24个林班、59个小班内177块样地的立地和林分因子、受灾情况等,计算有虫株率、虫口密度、Simpson多样性指数,分析阔叶红松混交林立地因子和林分因子对松梢象甲发生及危害的影响。结果表明:在上甘岭林业局阔叶红松混交林中,南坡受松梢象甲的危害较北坡严重,南坡虫害发生数是北坡的189.80%,占总有虫样方的52.54%,为主要受灾区域;将受灾样地的有虫株率与郁闭度值进行一元二次方程拟合,y=–12.689x~2–11.713x+27.843,R~2=0.666 4;将受灾样地的有虫株率与Simpson指数进行一元二次方程拟合,y=0.001 3x~2–0.060 4x+1.084 1,R~2=0.720 8;随着Simpson多样性指数的增加和郁闭度的增加,有虫株率有明显降低的趋势。松梢象甲虫口密度与受灾林地的乔木平均树高和平均胸径呈显著相关。     

造林密度对黄梁木幼林生长和林分蓄积的影响

【目的】通过分析造林密度对3年生黄梁木Anthocephalus chinensis幼林的树高、冠幅、枝下高、胸径、单株材积和林分蓄积等的影响,探究造林密度与黄梁木人工幼林生长的关系。【方法】采用完全随机区组设计,共设5个造林密度,分别为625、667、833、1 667和2 500株·hm~(-2)。采用每木检尺法,测量每个小区内9株试验树主要生长指标。采用单因素方差分析和Duncan’s多重极差检验法比较不同造林密度间的差异,采用相关性分析对不同数据组间的相关性进行分析。【结果】造林密度对黄梁木的树高、冠幅、枝下高和林分蓄积生长有极显著影响(P0.01)。树高(y)与密度(x)呈极显著正相关关系,回归方程为y=-4.000 0×10~(-7)x~2+0.001 6x+8.270 3;林分蓄积(y)与密度(x)呈极显著正相关关系,回归方程为y=-1.000 0×10~(-5)x~2+0.112 7x-12.664 0;冠幅(y)与密度(x)呈极显著负相关关系,回归方程为y=15.942 5~(-4.000 0×10~(-5)x)。研究还发现,胸径(y)与冠幅(x)存在极显著正相关关系,回归方程为y=9.661 3x~2-103.950 0x+293.870 0。【结论】就黄梁木幼林而言,造林密度为2 500株·hm~(-2)幼林的树高和林分蓄积最大。     

基于模糊层次分析法的落叶松人工林生境评价系统

以黑龙江省佳木斯市孟家岗林场为研究区域,以落叶松人工林为研究对象,采用模糊层次分析法(FAHP)确 立生境评价模型指标层次结构,计算与分析人工林生境评价模型各层次指标权值。1)准则层确定立地条件因子评 价指标和生境管理因子评价指标,相应权值分别为70%和30%。2)生境评价模型二级评价指标权值:坡度(I1 )为 0.190 1;坡向(I2 )为0.163 3;坡位(I3 )为0.170 1;土壤类型(I4 )为0.163 3;土层厚度(I5 )为0.180 1;郁闭度(I6 )为 0.133 3;基础设施(I7 )为0.3997;法规建设(I8 )为0.3169;科研水平(I9 )为0.2833。构建了人工林生境评价模型, 在此基础上研究建立了人工林生境评价系统。