基于峰谷分析算法用针刺仪测定树木年龄的可行性分析

[目的]介绍峰谷分析算法在树木针刺仪抗钻阻力数据中的应用,推进微损测定树木年龄方法的研究进程。[方法]以吉林省汪清县林业局金沟岭林场天然林中红松、冷杉为研究对象,钻取树木生长芯,同时使用针刺仪获取104组抗钻阻力数据。利用峰谷分析算法,根据树芯的实测年龄选定恰当的阈值Det,记录抗钻阻力的峰和谷的个数为估算的树木年轮数。[结果]根据树芯的实测年龄选定阈值后,利用峰谷分析算法估计树木年龄与实际年龄很接近。该算法估计年龄平均绝对误差是-2,范围在-5年至5年之间,平均相对误差为-2.69%,范围在-6.73%至6.73%之间。经过成对数据t检验得到t值为1.31,说明该算法估计树木年龄均值与真实年龄均值之间无显著差异。[结论]峰谷分析算法应用于针刺仪抗钻阻力序列来估计树木年龄是可行的,确定存在恰当的阈值使针刺仪估计树木年龄精度很高,阈值的选择依据是下一步研究的重点内容。     

基于无人机高分辨率影像的油松新造林健康树冠提取

【目的】基于新造林健康树冠的光谱特征和空间交错情况,探讨复杂地面植被条件下健康树冠的光谱增强方式和多尺度分割阈值,为造林核查的日常监测工作提供技术支撑。【方法】以冬奥核心区新造林地无人机航拍影像为试验数据,首先,基于健康树冠与其他干扰地物的不同颜色特征,采用同态滤波增强影像并使用ExG光谱指数进行变换;然后,采用最大类间方差方法得到二值图像,并使用多尺度形态学滤波方法进行分割并融合分割结果,以分割交错的树冠区域对应提取原始图像中可能的健康树冠区域;最后,基于颜色向量、灰度共生矩阵和局部二值模式共同构建的特征向量,采用随机森林识别提取区域,从而检测图像中的健康树冠。【结果】基于光谱指数变换、多尺度形态学滤波方法能够有效分割交错连续的树冠区域,排除与健康树冠颜色相近的地物干扰,较为准确提取出可能为树冠的区域。采用该方法对不同造林密度、光照条件下的17幅无人机正射图像进行试验,使用目视解译方式标记出树冠中心,运用精确度、召回率和F1分数3个评价指标对随机森林和支持向量机的识别效果进行定量对比分析,结果表明,多尺度形态学滤波方法可提取96.78%的树冠,随机森林的F1分数高于97%,而支持向量...     

基于频谱分析用针刺仪测定树木年龄的算法

[目的]研究离散谱分析在针刺仪抗钻阻力序列中的应用,为活立木年龄的微损测定提供方法.[方法]以山西省羊圈沟林场落叶松为对象,使用针刺仪在同一水平位置不同方向钻入落叶松,获取323组抗钻阻力值序列作为研究样本,并在针刺位置5 cm内截取104个圆盘作为参考样本.选择恰当的窗口,将抗钻阻力值序列去趋势后,进行离散谱分解,寻...     

微钻阻力法间接测量木材密度

【目的】探究微钻阻力仪钻针阻力与木材密度之间合适的模型形式,以及不同树种之间和同类树种之间的数学模型适应性,为微钻阻力法间接测量木材密度提供依据。【方法】1)使用Resistograph 650-S微钻阻力仪测量包含软木和硬木8个树种木材样品的钻针阻力和绝干密度,每个树种2/3的测量数据作为建模数据集,1/3的测量数据作为测试数据集;2)基于总体建模数据集,建立所有树种钻针平均阻力与木材绝干密度之间的线性模型、对数模型以及线性模型与对数模型相结合的混合模型,选用决定系数最高的模型形式作为总模型反映钻针平均阻力与木材绝干密度之间的关系;3)基于软木类和硬木类建模数据集,使用选定的模型形式分别建立软木类和硬木类木材钻针平均阻力与木材绝干密度之间的类模型;4)基于每个树种建模数据集,使用选定的模型形式建立每个树种钻针平均阻力与木材绝干密度之间的分模型;5)基于测试数据集,计算总模型、类模型和分模型的估计标准误差和平均估计精度,分析各级别模型之间估计标准误差和平均估计精度是否存在显著性差异。【结果】1)基于总体建模数据集建立的线性模型、对数模型以及线性模型与对数模型相结合的混合模型的决定系数分...     

冬奥核心区华北落叶松和白桦单木冠幅预测模型——组级贝叶斯模型、加性模型和混合效应模型比较

【目的】构建冬奥核心区华北落叶松和白桦单木冠幅预测模型,对比不同模型的优缺点,给出模型选择建议,为获取更多的单木和林分参数提供支撑,为华北落叶松和白桦科学经营决策提供理论依据。【方法】以冬奥核心区4 537株华北落叶松和2 603株白桦为研究对象,首先,选取10种常用冠幅-胸径模型作为备选模型分别拟合华北落叶松和白桦数据,从中选出AIC和BIC最小的模型作为基础模型;然后,在基础模型中进一步添加与冠幅相关系数大的变量作为协变量构建修正模型;最后,在修正模型基础上分别构建华北落叶松和白桦冠幅的非线性最小二乘模型、单水平非线性混合效应模型、加性模型和组级贝叶斯模型。【结果】4种华北落叶松冠幅模型中,加性模型的预测精度最高(R²＿mean=0.704 3,RMSE＿mean=0.512 7),4种白桦冠幅模型中,非线性混合效应模型的预测精度最高(R²＿mean=0.664 3,RMSE＿mean=0.794 4)。在变量方面,华北落叶松和白桦冠幅均随其胸径递增,华北落叶松冠幅随其树高缓慢递增、枝下高递减,白桦冠幅随其冠长率先减小后增大,并受林分密度...