基于CCD超站仪的森林样地建立与精测方法研究

为了能够快捷、精准地进行固定样地定位和样木胸径测量,提出一种利用CCD超站仪按测带进行像对观测的方法,在GPS/RTK确定或假定的观测点上架设仪器,借助全站仪坐标测量和角度测量功能精确记录CCD摄影瞬间的外方位元素,并确定出其他观测点坐标,选择合适基线长建立像对进行观测,提取目标位置的相对三维坐标,以"S"形路线按测带进行测量,配合少量的人工补测和相关坐标系的旋转变换,实现森林固定样地精准建立和胸径精测的目的。通过实地测试,表明利用该方法能够以较少的站点实现固定样地的建立,并将图像解算的胸径值与实地调查值进行对比,其平均相对误差为3.9%,解算均方根误差为1.2 cm。该方法在森林样地建立中有较好的应用前景。     

利用手持式超站测树仪测量林分空间结构参数

针对传统测量方法准确度不高和外业投入大,该文提出了一种基于手持式超站测树仪测量空间结构参数的原理与技术方法。其原理是通过测量参照树和4株邻近木的坐标,解算夹角并计算角尺度;混交度和大小比值测量数据由仪器自动记录并计算、显示结果。在北京市奥林匹克森林公园内选择1块样地开展试验,结果表明:角尺度测量与传统直接判读法相比,测量结果相对误差在2%以内。混交度测量结果与传统方法完全一致,测量效率是直接判读法的3倍左右;大小比数测量结果均值与直接判读法测量均值相对误差小于4%。该文方法测量林分空间结构参数具有角尺度、大小比数和混交度值可以由单人测量、现场获得,由仪器电子化存储的特点,克服了传统角尺度测量中无法测量参照树和临近木胸高树心坐标导致角尺度计算错误问题;且在测量角尺度时参照树和临近木分布图可以根据测量数据由内业绘制、直观显示。该研究为林分空间结构参数测量提供参考。     

基于三维激光点云数据的树冠体积估算研究

树冠体积是预估树木生物量的重要参数之一。为了实现对树木冠体体积无损高精度量测,随机抽取了6个树种、共计30棵树木的三维激光点云数据作为数据源,对树冠体积的求算方法进行研究。首先,对三维激光点云数据进行匹配、拼接、去噪及压缩等处理,提取冠体点云数据;其次,提取每一棵样木树冠的边缘特征点;最后,应用不规则三角网TIN的原理算法计算冠体体积。本文所提取的边缘特征点能够最大限度地维持树冠冠体的整体不变形,还能够继续去除部分冗余数据,缩短了不规则三角网TIN的构建时间,提高了计算效率;此外,树种包含有针叶树和阔叶树,在冠形上既有针叶树所特有的冠体体态特征,又有阔叶树的冠体体态特征,其研究结果具有一定的代表性。本文采用的方法与已有文献计算结果对比表明:均方根误差为0.832,平均绝对误差为0.49,平均相对误差为1.75%,可看出二者之间差异较小;同时在30个样木中随机抽取5个样木的人工测量结果与本研究相比较,取得的精度相对较好。采用本研究所得结果精度较高,能够满足生产需求。     

量子粒子群优化最小二乘支持向量机的立木材积估算

基于材积方程建立的材积表是森林资源调查工作中重要的工具,估算立木材积的精度是编制材积表的关键。为了解决已有立木材积方程复杂多样、测算准确率低等不足,以北京地区侧柏Platycladus orientalis和落叶松Larix principis-rupprechtii为研究对象,提出利用量子粒子群优化最小二乘支持向量机（QPSO-LSSVM）算法建立材积方程的方法。通过伐倒解析法结合电子经纬仪无损立木材积精测法获取建模样本,对250株侧柏与300株落叶松数据分别建立一元与二元材积方程,计算得到侧柏与落叶松的一元材积方程测试集的决定系数（R2）为0.978 6和0.946 1,二元材积方程测试集决定系数（R2）为0.987 0和0.990 1,均在0.940 0以上,总体相对误差（T_RE）依次为0.75%,-0.16%,0.64%,-0.50%,均满足国家规程小于±3%的要求,表明QPSO-LSSVM模型估算效果良好。最后引用传统一、二元材积方程、BP神经网络和粒子群优化最小二乘支持向量机（PSO-LSSVM）算法建立材积方程并与之进行对比分析。结果表明:QPSO-LSSVM材积方程在估测精度、收敛速度和稳健性等综合性能指标上优于其他材积方程。该方法在高精度材积估测中具有较好的应用前景。     

实时动态多功能双目立体摄影测树仪设计

为了实现林木精准实时定位,满足森林资源调查中多因子精准计测的需求,研发了一种集单木像对解算和林分点云测量于一体的多功能、高精度、实时定位的实时动态(real-time kinematic, RTK)双目立体摄影测树仪。该仪器以摄影测量和全球导航卫星系统(global navigation satellite system, GNSS)空间定位技术为基础,利用三角函数原理、双目摄影测量解算原理和基于运动结构(structure from motion, SfM)视觉算法,通过内嵌操作软件,实现了林木位置实时定位及林分样木还原、胸径测量、树高测量、株树密度测量、林分空间结构参数测量等功能。通过试验验证,在单木测量模式下,能快速实现林木定位,其胸径测量精度为97.11%,树高测量精度为94.72%;在林分测量模式下,依"仿航线法"观测,能快速建立林分点云模型,并实现了林分调查因子和林分空间结构参数的高效提取,其中林分胸径提取精度达到97.18%。该仪器测量精度符合林业调查的精度要求,可在森林资源调查及精准林业工作中推广使用。     

基于PSO-LSSVM的森林地上生物量估测模型

为提高森林地上生物量估测精度,从建模因子和建模方法出发,提出了一种综合考虑影像纹理特征、地形特征、光谱特征的粒子群优化最小二乘支持向量机生物量估测方法。以松山自然保护区为研究区域,以资源三号遥感卫星数据为数据源,配合194块调查样地实测数据、森林资源二类调查数据、数字高程模型数据,通过分析46个特征变量与森林地上生物量间的Pearson相关性,进行特征变量优化提取,建立PSO-LSSVM模型并在Matlab 2014a上编程实现。以决定系数R2和均方根误差RMSE为指标,对比分析了PSO-LSSVM和多元线性回归地上生物量模型精度。研究结果表明:PSO-LSSVM模型在针叶林、阔叶林、灌木林3种类型中预测决定系数分别为0.867、0.853、0.842,比多元线性回归模型分别提高了23.15%、19.13%、14.40%。PSO-LSSVM地上生物量模型具有良好的自学能力和自适应能力,它取代了传统的遍历优化方法,在全局优化及收敛速度方面具有较大优势,预测精度较高。     

激光摄影测树仪设计与试验

针对传统测量胸径、树高和林分空间结构参数的非智能化、非集成化、效率低等不足,以摄影测量学、测树学、图像处理技术和传感器技术原理为理论基础,设计了激光摄影测树仪。该仪器由CCD镜头、激光器、光源笔、PDA和云台组成,测量时获取方位角、倾角及图像等参数,通过在Android Studio 2.2开发平台下利用Java语言进行编译的3个模块化程序,实现胸径、树高和林分结构参数测量功能。对21株立木进行胸径、树高测量,对1块样地内15株中心树进行林分空间结构参数测量试验,并与传统测量方法进行对比,结果表明:胸径测量相对误差绝对值的平均值为2.55%,树高测量相对误差绝对值的平均值为2.82%,角尺度与大小比数测量相对误差绝对值的平均值分别为2.50%和2.86%,混交度测量与传统测量法测量结果相同,能够满足林业调查的精度要求。