运用机载LiDAR数据对橡胶林地上生物量估测的采样尺度效应分析

气候变化下,森林生物量遥感监测是当前研究的热点,机载LiDAR作为重要的遥感信息源,其采样大小对生物量估测精度有着一定的影响。以机载LiDAR数据为信息源,以44块30m×30m的方形橡胶林实测样地数据为基础,对机载激光雷达数据进行不同尺寸采样(共21个采样尺寸,边长从10m至30m,间隔为1m),提取不同采样尺寸下的激光雷达参数,并与橡胶林地上生物量建立PLSR模型,就机载激光雷达采样大小对橡胶林地上生物量估测精度的影响进行研究。研究表明:当采样尺寸小于18m时,估测精度随着采样尺寸的增大而增大;而当采样尺寸大于18m时,估测精度随着采样尺寸的增大而减小,进而趋于平缓。结果虽然呈现出一定的规律性,但是差异并不是很明显。当采样尺寸为18m时估测效果最佳,模型决定系数(R^2)为0.718,均方根误差(RMSE)为17.830 t/hm^2;交叉验证精度P和RMSEcv分别为82.741%和18.874t/hm^2。相较于实际样地(30m)尺寸下的估测结果,18m采样尺寸下的R^2提高了1.989%,RMSEcv降低了2.611%。因此,生物量的估测精度受机载激光雷达数据采样尺寸大小的影响,在生物量估测过程中需结合研究对象和研究区的实际情况对采样尺寸进行选择,从而提高生物量估测精度。     

Recovery of non-target plants affected by airborne bromoxynil-octanoate and metribuzin

The present study was conducted to evaluate the recovery potential of non‐target plants affected by two airborne herbicides. Sunflower at the two‐leaf stage was used as a test plant and exposed for 24 h in a wind tunnel to a range of concentrations of airborne bromoxynil‐octanoate and metribuzin. Quantum yield (φ_PSII) of exposed leaves and of the second leaf pair developed after exposure was determined at a particular time up to 16 days following exposure. Maximum depression in quantum yield of exposed leaves from which a complete recovery occurred within 16 days was 63% for bromoxynil‐octanoate and 60% for metribuzin respectively. The corresponding maximum concentrations were 1.310 and 0.390 μg m^?3 respectively. The second leaf pair was also affected and showed a similar recovery potential. From the results it can be concluded that the significance of airborne bromoxynil‐octanoate and metribuzin must not be overestimated, as sunflower and non‐target plants with a similar sensitivity are likely to recover from air concentrations of both herbicides reported under field conditions.     

基于机载LiDAR数据的玉米叶面积指数反演

以机载LiDAR离散点云数据为数据源,基于植被冠层孔隙率与叶面积指数的关系,提出一种反演大田玉米叶面积指数的方法。对反演LAI和实测LAI进行对比分析,结果表明:基于Axelsson改进的不规则三角格网加密方法可以将地面点和非地面点分开,结合高分辨率影像能够提取出玉米冠层点云;基于孔隙率反演LAI,尼尔逊参数的选择对结果影响很大,利用扫描天顶角模拟尼尔逊参数,LAI反演结果接近于真实情况。利用机载LiDAR点云数据能精确地反演大田玉米LAI,该研究方法适用于中等高度的农作物,可以扩展到甜菜、甘蔗等其他中等高度农作物。     

激光雷达技术在林业科学研究中的进展分析

基于Web of science 数据库检索平台,应用科学引文分析方法对检索到的1 355 篇2000 年以来激光雷达技术 在林学上的应用的文章进行了全面分析,主要涉及发表年份、国家分布、作者排行、期刊分布、作者单位分布、提取 参数等,对该领域所涉及到的主要国际国内会议进行了总结。分析了激光雷达的主要传感器类型和2 种数据结构 (波形和点云),系统总结了主要森林参数的提取方法,包括波形分析、点云分析、参数预测和数据融合。分析认为: 激光雷达技术的林学应用研究的深度和广度均呈现快速上升趋势,研究方法渐成体系,有系统化的国际会议;但研 究水平的地域差异较大,参数提取的机理性、实用性不足,尚未达到成熟,还有很大的提升空间。最后,从理论、应 用及组织3 个方面提出了建议。      

发酵床垫料翻耙结合网床养殖改善鸭舍空气质量与鸭生产性能

为解决规模化肉鸭生产中粪污影响鸭健康和污染环境的问题,研发了一种发酵床结合网床架养新技术及其配套的可移动式网床下发酵床垫料翻耙系统,并研究了该模式在控制舍内气载微生物数量和提高鸭生产性能中的优势。结果显示:1)可移动式发酵床垫料翻耙系统实现不同发酵床体共用一台翻耙机。2)与发酵床平养相比,鸭26日龄之前未翻耙垫料时,发酵床网养舍内需氧菌总数(1.531×105 CFU/m3)和大肠杆菌数量(1.298×104 CFU/m3)显著升高(P0.05);鸭27~34日龄时每4 d翻耙垫料,发酵床网养舍内需氧菌总数(2.304×105 CFU/m3)和金黄色葡萄球菌数量(1.353×105 CFU/m3)显著降低(P0.05);鸭35~39日龄时每天翻耙垫料,发酵床网养舍内需氧菌总数(1.255×105 CFU/m3)和"沙门+志贺"氏菌数量(14.13 CFU/m3)显著降低(P0.05)。3)在发酵床平养舍内,与每4 d翻耙1次垫料相比,每天翻耙1次垫料舍内需氧菌总数(2.688×105 CFU/m3)、大肠杆菌(2.038×104 CFU/m3)、金黄色葡萄球菌(8.90×104 CFU/m3)和"沙门+志贺"氏菌(47.11 CFU/m3)数量显著(P0.05)降低,而在发酵床网养舍内,每天翻耙1次垫料舍内需氧菌总数(1.255×105 CFU/m3)和"沙门+志贺"氏菌(14.13 CFU/m3)数量显著降低(P0.05)。4)与发酵床平养相比,发酵床网养增加鸭体质量(P0.05),降低死亡率和上市淘汰率(P0.05)。结果表明研发的肉鸭养殖新模式能更好地减少舍内空气中病原菌浓度,改善鸭舍内空气环境,提高鸭生产性能。该研究为发酵床结合网床架养新模式在规模企业中推广应用提供技术支持。     

基于车载三维激光雷达的玉米点云数据滤波算法

为支持表型参数测量和数字植物相关研究,对车载三维激光雷达获取的玉米点云数据进行分析处理,提出了一种基于统计分析的两次滤波算法。以大喇叭口期的京农科728和农大84玉米为研究对象,使用VLP-16型三维激光雷达采集田间玉米点云数据;对点云数据进行直通滤波预处理,去除无关点后,进行第1次点云数据滤波处理,设置精确率和召回率阈值,选取参数组合;再对点云进行第2次滤波处理,确定精确率和召回率最优组合(110,0. 9)、(6,1. 2),边际组合(100,1. 0)、(6,1. 2)和(110,0. 8)、(5,0. 9),共3组参数组合;以3组验证集数据进行测试,结果表明:最优组合性能最优,可在京农科728和农大84玉米点云数据滤波中通用。     

基于无人机LiDAR的天然林与人工林林隙提取

为研究主动遥感进行森林地物分类和林隙提取的效果,分别在天然林和人工林中比较了无人机激光雷达(Li DAR)数据的阈值法、逐像元法和面向对象法3种方法的分类精度和适用性。选取天然林(黑龙江省哈尔滨市帽儿山林场)和人工林(内蒙古自治区赤峰市旺业甸林场)两处试验区,应用阈值法、逐像元法和面向对象法3种方法,对两个试验区采集的无人机Li DAR数据进行林隙、非林隙、其他类型划分。研究结果表明,面向对象法在天然林和人工林试验区中的分类精度和Kappa系数均最高,天然林为82. 43%、0. 73,人工林为91. 74%、0. 88;逐像元法次之,天然林为76. 62%、0. 64,人工林为78. 68%、0. 68;阈值法的分类精度和Kappa系数差异较大,在天然林中的精度极低,为50. 54%、0. 27,人工林的精度较高,为79. 12%、0. 69。面向对象法和逐像元法在天然林和人工林普遍适用,均可以达到理想的分类精度和Kappa系数。阈值法在天然林的精度较低,更适合于人工林的分类,即林分高度趋于一致,且建筑、道路等其他类型干扰较少的区域。天然林的最佳分类方法为面向对象法,人工林的最佳分类方法为阈值法。