从森林作业法的发展历史和概念定义开始,19世纪初期在德国执行的作业法技术体系中,第1级产品目标分为两个大类,第2级按森林形态分为5个小类,第3级按作业方式划分出14个具体的作业法。简要说明了森林作业法技术体系在全球不同区域的演化和应用发展情况;在中国多功能森林经营科学定义的基础上,论述了我国三级结构的多功能森林作业法的方法学要点,理解应用“自然与人工协同合力”的核心科学机理和“多层次、多功能、近自然、全周期”的技术关键,阐述了规范经营方式和主导功能的一级森林作业法、规范森林类型或树种组成的二级作业法和规范林分全周期经营计划的三级作业法的体系架构及关键技术要领,展示了技术体系在国家、省级森林经营样板基地的示范应用情况和初步效益结果。综合分析认为,混交林、保留性择伐作业和保障部分优势林木生命过程的经营计划等三方面技术是实现森林生态系统经营的关键技术,是践行“绿水青山就是金山银山”重要思想的现代林业经营模式,持续执行将有利于推动生态文明社会的发展。
国家森林资源(连续)清查是森林资源监测体系的重要组成部分,可为制定国家林业发展战略和调整林业方针政策提供及时有效的科学依据。遥感在推动NFI技术进步方面发挥了重要作用,已成为支撑NFI运行不可或缺的技术手段。在将遥感数据作为辅助数据用于提高NFI总体参数估测精度和效率方面,国内外学者已开展了大量估计模型和方法研究,可概括为4类:设计推断法(design-based inference method)、模型辅助法(design-based and model-assisted method)、模型法(model-dependent method)和混合法(design and model hybrid method)。笔者针对这4类估测方法,总结了国内外研究现状,分析了国内相关研究存在的问题,并就未来重点研发方向和内容提出了建议。在设计推断法方面,国内外技术水平没有太大差距;国外开展了大量模型辅助法研究并已应用于NFI业务,但国内相关研究较少,且业务应用仅体现在面积成数估计,今后应加强该方法的应用示范和推广工作。关于模型法在NFI中的应用国外对多源数据协同应用中的不确定性度量方法进行了深入研究;国内对模型法的研究也很多,但对科学评价模型的拟合效果、度量模型估测结果的不确定性等缺乏系统研究,应作为后续研究重点;国外已针对NFI应用开发了3类混合法,国内对第1类混合法研究较少,对第2类混合法的研究还仅局限于用双重回归抽样法估计地类面积,而对第3类汇合法尚未采用“数据同化”思路开展相关应用研究。建议未来加强这3类混合法在国内NFI中的深入研究和应用示范。
【目的】探究利用地基激光雷达(terrestrial laser scanning,TLS)点云数据估测枝条生物量的可行性,构建预测长白落叶松(黄花落叶松)枝条生物量的最优模型。【方法】以利用孟家岗林场26株长白落叶松点云数据提取出的733个一级枝条的特征因子[枝长(LBL)、弦长(LBCL)、基径(dB)、着枝角度(AB)、弓高(HBAH)、枝条基部断面积(SBAB)、相对着枝深度(dRDINC)]和对应的实测数据为数据源,分别建立枝条水平上的一级枝条生物量基础模型,通过对比基础模型之间的差异来分析利用TLS数据建立枝条生物量模型的可行性。最后利用TLS数据分别对比基础模型、混合效应模型和随机森林模型的预测效果。【结果】基础模型中最终选定的自变量为SBAB和LBCL。利用TLS数据建立的枝条生物量基础模型具有更好的预测精度。对比3种模型预测能力结果显示,随机森林模型无论在训练集还是测试集上都表现出最好的效果,具体顺序为:随机森林模型>混合效应模型>基础模型。其中随机森林模型的决定系数(R2)相较于混合模型和基础模型分别提高了1.32%和4.89%,均方根误差(RMSE)分别降低了11.23%和13.60%。【结论】基于TLS利用随机森林算法能够准确对枝条生物量进行估测,不仅为随机森林算法在林分生长模型上的应用奠定了一定的实践基础,也为TLS在树冠结构研究中的应用提供了重要的参考价值。
【目的】新一代天基测高系统全球生态系统动力学调查(GEDI)对森林观测及经营具有重要意义,为探究GEDI V2(GEDI第2版)数据反演林下地形的性能,利用机载雷达数据验证林下地形反演精度,并探究反演精度的影响因素。【方法】分别以美国西波拉森林与中国帽儿山森林为研究对象,利用G-liht及帽儿山高精度机载雷达数据验证GEDI V2数据在针叶林及针阔叶混交林下反演地形的性能,并分析不同光束强度、光斑时间、坡度及植被覆盖度对地形反演精度的影响。【结果】美国西波拉针叶林地区地形反演精度均方根误差(RMSE)为2.33 m,平均绝对误差(MAE)为1.48 m;帽儿山针阔叶混交林地区地形反演精度RMSE为4.49 m,MAE为3.33 m。随着坡度、植被覆盖度增大,两种森林类型地形反演精度均降低。【结论】GEDI V2数据反演针叶林林下地形精度要优于针阔叶混交林,强光束优于覆盖光束,湿润地区白天效果更优,干旱地区黑夜效果更优;平缓地区数据使用效果极好,陡峭地区精度降低;中低植被覆盖度区域地形反演精度较高,高植被覆盖区域地形测定性能有所下降。
【目的】我国林业目前处于提高森林资源质量和转变发展方式的关键阶段,林分水平的经营决策对科学制订森林经营规程、提高森林质量具有重要意义。利用模拟-优化系统,探究不同林分条件下的最佳经营模式,可为提高黄花落叶松(Larix olgensis)(俗名长白落叶松)人工林多目标经营水平提供理论基础和实施方案。【方法】以标准长白落叶松人工幼龄林为研究对象,利用多属性效用函数和妥协性分析构建包括净现值、大径材产量和林木碳储量的多目标经营模型,链接林分生长模型与粒子群优化算法,优化不同经营方程并提出经营模式。【结果】在不同造林密度(2 500和3 300株/hm2)及不同地位指数(16~22 m)下两种多目标方程(MOF1和MOF2)估算的林分主伐年龄为54~96 a,净现值为38 047.8~109 194.9 元/hm2,大径材年均产量为1.8~4.4 m3/(hm2·a),轮伐期内年均林木碳储量为59.7~103.1 t/(hm2·a)。随着林木碳储量权重的增加(从MOF1到MOF2),大径材产量提高,但净现值降低。【结论】本研究提出的多目标经营模式可以满足对木材产量、质量和经济效益的需求,同时兼顾了森林碳储量,其中多目标经营方程MOF1是权衡各目标效益的折中方案,研究结论对提升我国森林多功能经营管理水平具有重要借鉴意义。
【目的】为了实现对虫害的精准监测,提出了一种融合Swin Transformer的图像实例分割优化方法,以期有效解决复杂真实场景下多幼虫个体图像识别分割困难的问题。【方法】选用Swin Transformer模型,改进Mask R-CNN实例分割模型的主干网部分,对黄野螟幼虫虫害图像进行识别分割。针对不同结构参数的Swin Transformer模型与ResNet模型,调整各层的输入输出维度,将其分别设置为Mask R-CNN的主干网进行对比实验,从定量与定性两个角度分析不同主干网的Mask R-CNN模型对黄野螟幼虫的识别分割精度与效果,确定最佳模型结构。【结果】①该方法在虫害识别框选方面的测度(F1)分数可达89.7%,平均精度(AP)可达88.0%;在虫害识别分割方面的F1分数可达84.3%,AP可达82.2%。相较于Mask R-CNN,在目标框选与目标分割方面分别提升8.75%与8.40%。②对于小目标虫害识别分割任务,该方法在虫害识别框选方面的F1分数可达88.4%,AP可达86.3%;在虫害识别分割方面的F1分数可达84.0%,AP可达81.7%。相较于Mask R-CNN,在目标框选与目标分割方面分别提升9.30%与9.45%。【结论】对于复杂真实场景下的图像实例分割任务,其识别分割效果极大地依赖于模型对图像特征的提取能力,而融合了Swin Transformer的Mask R-CNN实例分割模型,在主干网的特征提取能力更强,模型整体的识别分割效果更好,可为虫害的识别监测提供技术支撑,同时为保护农、林、牧等产业资源提供解决方案。
【目的】植物病虫害准确检测是病虫害精准化防治的关键,笔者构建准确高效的植物病虫害监测模型,为病虫害的早期诊断与预警提供重要依据。【方法】针对现有植物病虫害检测模型泛化能力弱、小目标漏检率高等问题,提出一种基于视觉加强注意力改进的植物病虫害检测模型--YOLOv 5-VE(vision enhancement)。为方便检测实验样本中的小目标采用Mosaic 9数据增强方法;设计出基于视觉注意力的特征加强模块CBAM(convolutional block attention module);为确定不同目标重叠在一起和被遮挡的定位损失引入边界框定位损失函数DIoU。【结果】YOLOv 5-VE模型在实验数据集上的识别精度和检测平均准确率达到65.87%和73.49%,比原模型提高了1.07%和8.25%,在型号为1 080 Ti的GPU上检测速度可达35帧/s。【结论】该方法可以在背景复杂的野外场景快速有效地检测和识别种类多样的病害和虫害,可以提高检测的鲁棒性能,提升模型对病虫害目标的特征提取能力,降低野外复杂场景对检测带来的干扰,表现出良好的应用潜力,可广泛运用于大规模的植物病虫害检测。
【目的】研究气候变化对落叶松人工林生物量及其生长的影响,为落叶松人工林碳估测和适应性经营决策提供依据。【方法】利用华北和东北地区第6~8次森林资源连续清查落叶松人工纯林固定样地数据,基于理论生长方程建立林分生物量生长模型。并将不同种落叶松作为哑变量,建立了气候敏感的林分生物量生长模型,气候因子为年湿热指数(AHM)。模拟未来气候不变、两种温室气体代表性浓度路径(RCPs)(包括RCP 4.5和RCP 8.5)3种气候变化情景下的林分生物量及其连年生长量,采用两种RCP气候情景与当前情景生物量估计结果的相对差值量化气候变化对林分生物量及其生长的影响。【结果】林分生物量的基础模型、含哑变量的模型、含气候变量和哑变量生长模型的决定系数R2分别为0.938 2、0.947 0和0.950 7,采用哑变量和考虑气候因子能够明显改善模型表现。模型模拟结果表明,与当前情景比较,各树种的林分生物量及其连年生长量在RCP 4.5和RCP 8.5气候变化情景下既有增加也有减少的趋势。对于林分生物量,RCP 4.5和RCP 8.5情景下的相对差值的均值区间分别为-3.02%~2.69%和-4.72%~3.41%;对于林分生物量连年生长量,RCP 4.5和RCP 8.5情景下的相对差值的均值区间分别为-1.92%~0.30%和-2.66%~0.72%。【结论】建立的林分生物量生长模型可用于模拟气候变化下落叶松人工林的林分生物量生长过程。在气候变化的背景下,不同种落叶松人工林生物量及其生长量既有增加也有减少。未来气候变化对不同种的林分生物量及生长量的影响存在差异。总体来看,2011-2060年气候变化对华北落叶松和日本落叶松林分生物量的影响为正,其余树种为负;对华北落叶松的林分生物量连年生长量的影响为正,其余为负。
【目的】落叶松在我国东北地区广泛分布,是重要的造林和用材树种,具有生长速度快、耐寒等优点。为了准确地估算落叶松人工林林分生物量,构建了落叶松林分可加性生物量模型。【方法】以落叶松人工林为研究对象,基于黑龙江省的304块人工落叶松固定样地数据,采用非线性似乎不相关回归的方法建立了可加性生物量模型系统,使用留一交叉验证法对建立的模型进行检验。【结果】林分断面积和林分平均高对树干、树枝、树叶和树根生物量模型有显著影响,林龄和海拔也显著影响林分树干、树叶、树根生物量;坡率和坡向对树枝生物量有显著影响。树叶生物量与林分平均高、林龄和海拔呈显著负相关,树干与树根生物量则与之呈显著正相关,树枝生物量与林分平均高呈显著正相关。在所建立的可加性生物量模型中,调整后决定系数( R a d j 2)均在0.94以上,均方根误差(RMSE)较小。检验指标平均误差(MPE)和平均误差百分比(MPE%)均接近0,拟合指数(IF)均大于0.93,平均绝对误差(MAE)较小,且平均绝对误差百分比(MAE%)均小于11%。【结论】建立的落叶松人工林可加性生物量模型的拟合与预测效果均较好,可以进行黑龙江省林分尺度的落叶松人工林生物量预测。
【目的】应用计算机视觉技术提取幼龄沉香的多图像特征,对沉香叶片全氮含量进行估测,为实现沉香氮营养状态的快速无损估测提供新方法。【方法】采用基于色调-亮度-饱和度(HIS)颜色空间的最佳直方图(KSW)熵法和形态学处理对幼龄沉香图像进行分割,并提取了图像的颜色、形状和纹理特征。然后利用偏最小二乘法(PLS)对多图像特征进行有监督降维,提取图像特征主成分。最后构建了天牛须搜索算法(BAS)优化后的Elman神经网络(Elman neural network,ElmanNN)模型对幼龄沉香叶片全氮量进行估测,并将模型验证结果与其他常用模型进行对比。【结果】以幼龄沉香可见光图像为研究对象,应用的基于HIS空间的分割算法效果优于常用的RGB和Lab颜色空间分割;PLS算法对图像特征提取了6个主成分,快速降低了图像特征的维数,并有效消除了特征变量间的多重共线性;提出的PLS-BAS-ElmanNN模型能实现模型参数的自适应选取,且估测效果较好,决定系数R2为0.740 7,均方根误差(RMSE)为1.265 3 g/kg,估测精度略高于偏最小二乘回归(PLSR)模型和偏最小二乘-广义可加模型(GAM)。【结论】提出以幼龄沉香为研究对象的图像处理方法,构建了能够稳定处理高维图像数据的PLS-BAS-ElmanNN估测模型,为幼龄沉香氮营养状态的监测及沉香培育的精准作业提供了新思路。
【目的】 采用深度学习方法开展基于叶片的油茶品种识别研究,开发油茶品系图像识别技术,为油茶品种鉴别提供科学依据。【方法】选择自然光照条件下生长的11个油茶品种叶片作为研究对象,采集完整、无明显病虫害的叶片,以白色硬纸板为背景,利用智能手机对叶片的正、背面进行图像采集,通过可用性筛选去除无效图像,构建图像数量为2 791张的油茶叶片品种数据集,采用深度学习网络(GoogLeNet、ResNet)对11个油茶品种的叶片图像进行识别研究。【结果】GoogLeNet和ResNet网络均能满足基于叶片的油茶品种识别要求,总体识别准确率、召回率的调和平均值(F1)分别达94.0%和80.7%;其中GoogLeNet网络识别效果更好,平均准确率、召回率、多分类模型指标宏观F1(Macro F1)和微观F1(Micro F1)分别为94.1%、94.0%、94.0%和96.9%,其对油茶品种编号1和编号8的识别召回率高达100%。【结论】深度学习网络(GoogLeNet、ResNet)能够实现基于叶片的油茶品种识别,可为基于其他作物的品种识别提供参考。
【目的】研究城市土地类型的变化,分析城市进化过程对环境气候、城市发展以及政府决策产生的影响。【方法】以15~30 m分辨率的NWPU-RESISC45标准数据集和哈尔滨城区Landsat 8遥感影像为实验数据,制作了包含城市建筑及道路、水体、植被、裸地4种土地类型的遥感影像数据集。在实验数据中加入纹理信息,提取SIFT(scale-invariant feature transform, SIFT)特征点。通过K-means聚类算法获取包含大量语义信息的视觉词典,从而构造视觉词袋模型(bag of visual words, BOVW)。然后将BOVW提取的特征点与支持向量机(support vector machine, SVM)分类器结合,对制作的数据集进行分类。最后,利用2013年、2019年同一季节Landsat 8影像,以哈尔滨市松北区为例计算各土地类型的位置及面积变化信息。【结果】基于BOVW和SVM的分类结果与5种单一分类模型和3种“特征提取+分类器”模型对比,发现使用尺寸为550个词汇的视觉词典时,本研究模型的分类与变化监测精确度分别为79.40%、79.29%。结合哈尔滨城市具体数据的监测结果表明,在2013-2019年间,哈尔滨市松北区城市建筑及道路与植被类型的覆盖面积减少明显,水体与裸地类型的覆盖面积增加,这一变化情况符合近年来哈尔滨市政府陆续推出的环境保护五年规划,以及其总体规划中合理控制城市规模的相关政策要求。【结论】对于时间跨度长、分辨率不高的Landsat遥感影像,BOVW和SVM的变化监测模型在土地类型变化监测方面效果良好,在一定程度上可提高分类与变化监测的精度,为土地类型变化监测提供借鉴。
【目的】探究无人机航高对落叶松毛虫(Dendrolimus superans)虫害监测精度的影响机制,以期构建先进的森林虫害监测技术框架,为无人机近地面森林虫害遥感监测提供重要参考。【方法】以大兴安岭落叶松毛虫虫害频发区为试验区,以无人机不同航高下采集的多光谱遥感影像为基础数据,获得健康、轻度和重度虫害的386株落叶松树冠层光谱指数和纹理特征,通过方差分析法(ANOVA)及连续投影算法(SPA)提取对虫害严重程度敏感的光谱特征,结合随机森林(RF)和支持向量机(SVM)算法构建虫害严重程度监测模型,揭示航高对监测精度的影响。【结果】①光谱指数和纹理特征的总体(轻度+重度)监测精度均随航高上升呈下降趋势,而轻度和重度虫害的监测精度却有不同变化态势。②光谱指数(修正型三角植被指数2、绿光归一化差值植被指数2、绿光归一化差值植被指数、差值植被指数、简单比值指数1)+纹理特征(MEA 3)组合的虫害监测精度达到最优(总体精度和Kappa值分别为92.3%和0.891),但其总体和轻度的监测精度随航高上升呈下降趋势(下降速率分别为0.04%/m和0.03%/m),重度的监测精度有上升趋势(上升速率为0.03%/m)。【结论】航高对无人机近地虫害监测精度具有明显影响,并且轻度和重度监测精度随航高的变化速率和趋势有差异。与重度虫害相比,轻度的监测精度随航高的变化速率较快。无人机对虫害早期高精度遥感识别宜选择低航高,而适当提升航高亦能获得对虫害严重度评估监测的预期效果。
【目的】分析混交林中不同树种组成情况对单木树高-胸径关系的影响,构建大兴安岭地区兴安落叶松和白桦的树高曲线模型,为森林质量精准提升提供理论依据。【方法】以大兴安岭中部地区112块兴安落叶松(Larix gmelinii)-白桦(Betula platypiylla)混交林的样地调查数据为基础,采用多元逐步回归建立包含单木、林分和树种组成信息的兴安落叶松和白桦树高-胸径预测基础模型,并采用层次分割方法量化不同变量对单木树高-胸径关系的影响程度。最后,采用混合模型方法解决样地调查数据中存在的嵌套效应和异方差问题。【结果】大兴安岭地区兴安落叶松-白桦混交林中主要树种(兴安落叶松和白桦)单木树高-胸径关系除受自身胸径大小影响,还受林分特征(优势木树高、林分平均胸径和林分平均树高)和树种组成(兴安落叶松、白桦蓄积比例)信息的共同影响,其对各树种树高-胸径变异的解释能力依次为单木胸径(82%)>林分因子(16%)>树种组成(2%);各树种树高-胸径混合模型均以包含3个随机参数、方差协方差结构pdSymm和异方差校正函数varPower的组合最优,兴安落叶松和白桦单木树高-胸径混合模型的调整决定系数(Radj2)分别较基础模型提升约2.50%和3.44%,达到了0.789 5和0.744 7。【结论】在具体的森林经营实践中,可通过采伐或补植的方式来调整林分的树种组成情况以达到促进林木树高生长的作用。
【目的】基于多模型模拟预测土地利用碳存储,为权衡环洞庭湖区的土地利用发展模式和提升区域固碳能力提供科学依据。【方法】以环洞庭湖区2005、2010、2015年土地利用变化为切入点,基于InVEST模型与人工神经网络CA(ANN-CA)模型,对碳存储进行量化和空间情景模拟,探讨环洞庭湖区水环境保护情景、生物多样性保护情景以及碳中和情景下的土地利用及其碳储量变化模式。【结果】①到2035年,环洞庭湖区在水环境保护情景下的主要土地利用变化为水域面积增长1.50 km2(增加0.02%),带来的碳储量变化程度极小;在生物多样性保护情景下的主要地类变化为林地增长10.78 km2(增加0.05%),可使碳储量增长27.10×106 t(增长44.28%);在碳中和情景下主要地类变化为耕地缩减432.02 km2(减少1.63%),导致碳储量减少0.81×106 t(减少1.64%);土地利用面积与碳储量变化呈正相关关系。②环洞庭湖区高程、坡度、到公路距离与碳储量呈负相关,向阳坡碳储量高于阴坡;影响环洞庭湖区土地利用变化的主要驱动因子为坡度、高程和人口密度。【结论】基于InVEST与ANN-CA模型可模拟多情景下的土地利用及碳储量,可为环洞庭湖区土地利用结构的优化配置以及生态保护和区域发展的权衡提供情景参考。
【目的】尝试融合多视图特征来最大化特征信息,提出多视图级联集成卷积神经网络(MVC-CNN)鸟鸣音分类方法,构建泛化性较强的鸟鸣分类模型,以促进鸟类物种多样性保护和生态环境智能监测的深入研究。【方法】以16种鸟鸣音频数据为研究对象,采用短时傅里叶变换(STFT)、小波变换(WT)和希尔伯-特黄变换(HHT)等特征提取方法生成鸟鸣音的3类谱图以构成多视图特征数据,并作为卷积神经网络(CNN)的输入,训练不同视图的基分类器STFT-CNN、WT-CNN和HHT-CNN;分别采用Bagging和Stacking集成方法构建了多视图Bagging集成卷积神经网络(MVB-CNN)模型和多视图Stacking集成卷积神经网络(MVS-CNN)模型。以CNN强大的特征提取能力,提出了多视图级联集成卷积神经网络(MVC-CNN)模型,将不同视图经CNN提取得到的深度特征级联融合,以支持向量机(SVM)为最终分类器获得分类结果。【结果】构建的基分类模型WT-CNN、STFT-CNN、HHT-CNN的准确率分别为89.11%、88.36%和81.00%;多视图集成模型MVB-CNN和MVS-CNN的准确率分别为89.92%和93.54%,多视图级联集成模型MVC-CNN的准确率为95.76%。MVC-CNN模型准确率比单一视图基分类模型提升6.65%~14.76%,比MVB-CNN和MVS-CNN提升5.84%和2.22%。【结论】研究提出的MVC-CNN模型能充分结合鸟鸣多视图特征的优势,有效提升鸟鸣分类效果,具有较高的稳定性和更好的泛化能力,为多视图鸟鸣音分类研究提供技术方案。
【目的】中国东北虎豹国家公园是东北地区重要的生态安全屏障,其植被对气候变化较为敏感,且易受人类活动影响。探究该地区植被时空变化及其成因,为园区生态环境科学管理提供依据。【方法】借助GEE(Google earth engine)云平台,基于2001—2020年生长季(4—10月)中分辨率成像光谱仪(MODIS) NDVI数据,辅以数字高程模型(DEM)数据、气象数据、土地利用数据和植被类型数据,采用Sen+Mann-Kendall趋势分析,揭示不同时间尺度下中国东北虎豹国家公园植被时空变化特征;考虑到不同植被类型对气候变化的时滞效应及差异,运用偏相关分析、改进的残差分析与相对作用分析法,量化植被对气候变化和人类活动的响应机制,厘清不同情景下气候变化和人类活动在植被演变过程中的相对作用。【结果】①时间上,20 a来园区生长季归一化植被指数(NDVI)呈速率为0.003 2/a的显著增长趋势(P<0.05),在生长季内的不同季节,NDVI均值依次为夏季>春季>秋季,NDVI增长速率依次为春季>秋季>夏季;空间上,2001—2020年NDVI变化趋势具有明显的季节和区域差异,但总体均为改善区域面积大于退化区域面积,且随生长季内季节循环变化,NDVI改善区域面积先减少后增加,NDVI主要变化趋势类型由明显改善向轻微改善转化。②不同时间尺度下园区NDVI对气候的响应空间异质性明显,但整体上NDVI与气温和降水均呈正相关,且NDVI对气温的响应均强于降水,其中春季和生长季NDVI与气温呈显著正相关的区域面积较大(P<0.05),分别占比83.558%、42.241%,各时间尺度下园区大多数区域NDVI与降水均呈不显著正相关(P≥0.05);不同植被类型NDVI对气温和降水的最大响应滞后期不同,除栽培植被和草甸外,其余植被类型对降水响应的滞后性均强于气温。③人类活动对园区NDVI的影响具有双重效应,其中正向促进与负向干扰NDVI变化的区域分别占比94.087%、5.913%,实施林业工程是NDVI增长的关键,而建设用地扩张是NDVI减少的重要原因。④园区NDVI变化主要受气候变化和人类活动共同驱动,但整体上气候变化对NDVI变化的相对作用均值为32.699%、人类活动的相对作用均值为67.301%,且在NDVI改善及退化区域,人类活动的相对作用均值均大于气候变化。【结论】2001—2020年中国东北虎豹国家公园植被状况总体向好发展,不同时间尺度下植被时空变化趋势存在显著差异。气温是各时间尺度下促进园区植被生长的主导气候因子,气候变化和人类活动对植被变化的影响区域异质性明显,但均以积极作用为主,其中人类活动对园区NDVI变化的贡献度相对更高。建议在园区未来的植被维护中,除提升植被对气候变化的适应能力外,还应更加注重生态修复措施的持续落实,遏制土地资源的过度开发。
【目的】对山东沿海7地市防护林树种分布适宜性进行分析,可综合反映不同立地因子对各防护林树种的影响,为更加科学地进行防护林树种规划提供理论依据。【方法】利用LandUSEM模型,以山东省森林资源管理“一张图”调查数据为基础,以1∶100万数字化土壤图和DEM数据为辅助数据,对山东沿海7地市防护林树种分布适宜性进行分析。【结果】受地貌因子影响较大的树种有26种,土壤类型对各优势树种的影响相对敏感,不同林种条件下各优势树种的适宜性差异较大。7种因素对49种优势树种影响的平均相对权重分别为地貌(0.19)>土壤类型(0.15)=坡度(0.15)=土层厚度(0.15)>林种(0.14)>坡位(0.13)>坡向(0.09)。目前在以黑松、赤松和刺槐为优势树种的防护林中,黑松、赤松分布的相对适宜度较高,90.48%的刺槐林分布不适宜或临界适宜。建议在刺槐林分布适宜性较差的低山丘陵区种植黑松、油松、麻栎、山楂、杜仲、蒙古栎、栎类、樱桃、酸枣等树种与其混交,提升刺槐林的生态效益。【结论】山东沿海7地市防护林树种分布适宜性整体较好,利用LandUSEM模型进行树种分布适宜性分析结果可靠。
【目的】研究遗传效应和气候变化对日本落叶松(Larix kaempferi)树高生长的影响,为开展精准立地质量评价和制定合理的经营方案提供支持。【方法】基于湖北省建始县长岭岗林场5~18年生日本落叶松树高生长数据,以Logistic作为基本理论生长模型,将体现遗传效应的种源变量和气候变量引入,以重复作为随机效应的随机参数,构建基于遗传和气候效应的日本落叶松树高生长模型,并分析遗传效应和气候变化对树高生长的影响。【结果】温度和降水是影响该地区树高生长的主要气候因子,引入种源哑变量和气候变量后,模型的拟合精度高于基础模型;以重复作为随机效应构建的非线性混合模型的拟合效果(Radj2=0.820 3)优于考虑遗传和气候因素的生长模型(Radj2=0.806 2)及Logistic基础模型(Radj2=0.798 9);不同种源树高生长均符合“慢—快—慢”的生长规律,但达到速生点的时间t0不同,各时间节点上不同种源树高生长存在极显著差异。【结论】遗传和气候效应对日本落叶松树高生长存在一定的影响,构建基于遗传和气候效应的混合模型,能有效提高模型的拟合精度。
【目的】 利用遥感与地理信息技术,剖析不同植被类型植被指数与海拔的关系,实现山地植被垂直带的准确划分,获取山区植被分布空间格局。【方法】 以秦岭主峰太白山南坡为研究区,依据夏秋两季植被垂直带归一化植被指数(NDVI)的差值构建DEM-NDVI散点图,并利用半峰宽计算法将垂直带边界量化。【结果】 夏秋NDVI差值与DEM构建的散点图能够很好地体现出山地植被垂直带分布格局。太白山保护区南坡可划分6个植被垂直带,保护区下界至海拔1 919 m为栎林,1 919~2 331 m为松栎混交林,2 115~2 585 m为桦林,2 516~3 150 m为冷杉林,3 109~3 551 m为红杉林,3 551 m至山顶为高山灌丛草甸。DEM-NDVI散点图与遥感影像解译植被分类结果相比,二者的植被分布格局基本一致,但DEM-NDVI散点图能够体现植被的群体平均分布状况且能更准确地表达植被垂直带随海拔的变化特征。【结论】 利用夏秋NDVI差值与海拔所构建的散点图可快捷准确地划分山地植被垂直带。
【目的】 针对森林碰撞检测研究中存在碰撞检测对象冗余、碰撞响应模式单一性等问题,研究突破碰撞检测算法时间复杂度高、响应模式缺乏与环境因子交互的技术瓶颈,实现虚拟森林场景快速碰撞检测与真实响应。【方法】 以亚热带林业实验中心山下林场的典型林分杉木(Cunninghamia lanceolata)人工纯林为研究对象,选择碰撞检测总消耗的时间t1、包围盒交叉测试时间t2、包围盒构建时间t3、包围盒更新时间t4作为评价指标,比较单一包围盒树(axis-aligned bounding box, AABB)、混合包围盒树体(mixed bounding volume tree, MBVT)算法及引入最近4株树搜索法的MBVT优化算法的碰撞检测效率,分析不同规模大小(20、50、100、200、400、600、800、1 000)及林分株行距(1 m×1 m、2 m×2 m、3 m×3 m、4 m×4 m)双因子对碰撞检测效率的影响机制,最后模拟验证考虑光照因子碰撞响应策略的可行性。【结果】 ①相对MBVT算法,基于最近4株树搜索法的混合包围盒层次树MBVT优化算法耗时缩短了13.75 ms,约为原MBVT算法耗时的29%,能有效减少层次包围盒(bounding volume hierarchies, BVHs)交叉测试时间消耗t2与BVHs构建消耗时间t3,而更新时间t4无明显差异。相对单一包围盒层次树AABB,MBVT算法与基于最近4株树搜索法的MBVT优化算法,分别缩短了124.93、138.68 ms,约为单一包围盒层次树法AABB总耗时的73%、81%。②种群规模大小与BVHs碰撞检测总消耗时间t1、BVHs交叉测试时间t2及构建时间t3均表现为正相关性;株行距大小与碰撞检测总耗时间t1与相交测试时间t2呈负相关性,与BVHs构建时间t3无明显关联性;随种群规模增大,株行距减小,总碰撞时间消耗t1、BVHs交叉测试时间t2呈增加趋势,而BVHs构建时间t3几乎没有变化。③相比传统的碰撞响应模式,提出的顾及光照因子碰撞响应模式,考虑了植物的趋光性生长特征,模拟的杉木林虚拟场景更为真实。测试虚拟场景的帧率为8.6 帧/s,准确度为100%,能很好地实现相邻树木之间碰撞检测及其响应。【结论】 引入最近4株树搜索法的MBVT优化碰撞算法,优化混合包围盒层次树法MBVT的碰撞检测对象数量,减少了BVHs交叉测试和构建消耗时间,从而有效提高杉木林虚拟场景的碰撞检测效率;顾及树木生长趋光性的相邻树木碰撞响应算法,通过兰伯特光照模型Lambert Model计算碰撞点周围的光照强度,结合碰撞响应函数完成树木碰撞后可能发生的趋光生长情景模拟,有效解决了森林碰撞响应缺乏与环境因子交互的问题,提高了杉木林虚拟场景的真实感。
【目的】 地面激光扫描仪(terrestrial laser scanning, TLS)通过获取植物的稠密激光点云,以精细刻画森林的结构参数,如树木骨架和叶面积等。真实叶面积是林学和植物学中表型研究的一个重要参数,而目前在植物科学领域,还没有很好的表型特征测量手段。因此,本研究提出了一种新颖的地面激光点云的叶面积估算方法来评估树木的表型特征指标。【方法】 首先,设计了一种基于小平面区域定位与生长的植物点云的单叶分割算法,实现精准的单叶点云分割提取;其次,以每片叶片法向量与扫描仪入射激光线的夹角、扫描仪与叶片的距离和单叶的点云数量3个参量为输入特征,并结合训练样本与L1+L2正则化多元回归方法获取拟合系数,以反演树冠内所有叶片的面积。最后,将校园内实验树(紫薇、樱花、银杏和香樟)作为研究对象,并将计算结果与实测值进行比对。【结果】 本研究方法相较最小二乘拟合算法,取得了更优的叶面积反演结果。对于两棵小树而言,本研究方法与实测值比对取得了较好的结果:紫薇(R2=0.95,RMSE为0.42 cm2)、樱花(R2=0.92,RMSE为1.87 cm2);对于两棵具有更大树冠和枝叶的大树,本研究方法也取得了较好的结果,分别为银杏(R2=0.83,RMSE为1.24 cm2)、香樟(R2=0.86,RMSE为1.10 cm2)。【结论】 本研究方法面向林木激光点云数据,运用计算机视觉与机器学习技术准确计算树冠内叶片面积,为林木的叶面积计量提供新颖的思路。
【目的】 评估声学指数在神农架国家公园内对动物声音多样性动态变化的响应,探究神农架国家公园声音多样性的变化特征,为当地生态保护提供量化依据。【方法】 在神农架国家公园较大区域内部署了9个声音采集点,连续采集了2021年5—7月的样点声音数据,采用生态声学的方法,从声音数据中提取了声学复杂度指数(ACI)、生物声学指数(BI)、归一化声景差异指数(NDSI)3个声学指数,并探究这3个声学多样性指数夏季的动态变化特征。【结果】 ACI指数在夏季变化的总体趋势并不显著,BI指数呈双峰变化趋势,NDSI指数呈3峰或4峰变化趋势;经Mann-Kendall突变性检验的结果表明,气候和人为干扰是引起指数值突变的主要原因;日变化结果显示ACI指数不能很好地反映日变化趋势,但BI指数和NDSI指数具有明显的日变化趋势,且变化趋势符合物种黎明/黄昏合唱的习性;声学指数随海拔梯度的空间变化结果表明,ACI、BI指数在中海拔区域具有最大值,且ACI指数与海拔相关性较强,NDSI指数没有显著的变化趋势。【结论】 BI、NDSI指数能较好地反映动物声音多样性随时间动态变化趋势,气候变化和人为活动会造成声音多样性的突变。ACI指数能较好说明动物声音多样性随空间的变化,研究区域内声音多样性在中海拔区域最大。
【目的】 探究亚热带地区典型森林类型可燃物载量分配规律,明晰不同森林类型组分单位面积可燃物载量与乔木层蓄积量的关系,为森林可持续经营提供科学依据。【方法】 依据湖州市森林防火普查及补充调查数据,9种亚热带典型森林类型为研究对象,通过样方调查及烘干法,实际测定和计算不同森林类型各组分的单位面积可燃物载量,采用单因素方差分析法分析不同森林类型及各组分的单位面积可燃物载量差异,并对典型森林类型组分的单位面积可燃物载量与乔木层单位面积蓄积量进行线性或非线性回归拟合,分析其相关性。【结果】 绝大多数森林类型的乔木层单位面积可燃物载量显著高于枯倒木层的(P<0.05),枯倒木层的又显著高于灌木层等其他组分(P<0.05),而毛竹(Phyllostachys edulis)纯林枯倒木层单位面积可燃物载量显著高于其他组分(P<0.05);栎类(Quercus spp.)纯林、木荷(Schima superba)纯林及针阔混交林的乔木层单位面积可燃物载量相对其他森林类型较高,针阔混交林、木荷纯林和其他软阔叶林的枯落物层的单位面积可燃物载量较其他森林类型高;回归分析结果表明,绝大多数森林类型单位面积乔木层可燃物载量与蓄积量之间存在着显著的线性正向相关关系,其中栎类纯林相关性最高(R2=0.89),但灌木层、草本层单位面积可燃物载量随着蓄积量的增加呈下降趋势。【结论】 亚热带地区森林的经营管理应充分考虑不同森林类型可燃物载量的分配特征差异及组分间的相互联系。乔木层树种组成对森林地表可燃物的分配具有重要影响,单位面积蓄积量与单位面积可燃物载量关系密切,是森林组分可燃物载量分析和预测的重要参考指标。
【目的】 中蒙边境地区二连浩特市、东乌旗和新巴尔虎右旗草原易发生火灾,对当地生态环境和周边城市安全造成极大威胁。研究中蒙边境草原无风条件下可燃物燃烧火行为参数,可为中蒙边境草原可燃物管理和草原火灾预防提供理论依据。【方法】 通过外业调查、样品采集,运用燃烧床以及热电偶等室内模拟并测定无风条件下可燃物的火行为,对可燃物火行为指标进行模拟分析。【结果】 无风条件下,二连浩特市、东乌旗和新巴尔虎右旗室内模拟燃烧的火强度分别为780.44、805.80和1 195.60 kW/m,蔓延速度分别为0.61、0.45和0.67 m/min,火焰平均高度分别为30.30、35.53、33.90 cm,火焰平均温度分别为481.97、529.33、389.93 ℃,热辐射分别为0.45、1.20、1.44 kW/m2。【结论】 二连浩特市、东乌旗、新巴尔虎右旗草原可燃物阻滞时间分别为28、15、22 s;二连浩特市在发生火灾时温度波动维持的时间较长,火灾隐患大;东乌旗草原可燃物阴燃热辐射接近火焰热辐射,持火力强,具有较大的复燃可能性。
【目的】 研究森林火灾发生的时空特征,掌握云南省林火发生的时空分异特征,定量分析林火发生规律,识别林火高发区和易发区,以进行森林火险分布科学区划。【方法】 基于云南省2001—2020年中分辨率成像光谱仪(MODIS)火灾位置/热异常产品数据(MCD14DL),利用火位置信息中所具有的关联性与异质性等,采用统计分析、中心点分析、标准差椭圆法、Ripley’s K 函数、核密度等方法,分析云南省林火发生的时空分布特征。【结果】 ①云南省2001—2020年间林火发生的年际波动较大,2010年出现火点高峰值;季节变化显著,林火主要集中在冬、春两季,春季火点最多且在3月出现高峰值。②林火发生具有显著的区域性特征,林火高发区主要分布在云南省西南部,其次是东南和西北部,东北部林火发生数最少。普洱市是林火发生的中位数中心,其西北部森林火点分布密度最高,核密度值约为0.43;其次是西双版纳州中西部区域,核密度值约为0.34;再者是大理州西北部和文山州东北部区域,这两处核密度值均约为0.26,这4个区域为云南省森林火点分布的热点区。③20年间,林火空间分布的方向性明显,云南省森林火点的总体重心位置正逐步由普洱一带向大理—楚雄—玉溪—红河州一带偏移。④云南省林火的整体空间分布类型为凝聚模式,但聚集程度不高且在逐渐分散。【结论】 2001—2020年云南省林火发生不是完全随机分布的,而是呈现一定的时空分布规律。该特征规律有助于强化区域火情管理,增强重点防火区域的防火建设与宣传,科学安排防火工作,降低林火发生率,实现森林可持续发展。
【目的】 利用增强Frost局部滤波和单木距离图重构标记技术对冠层高度模型(CHM)进行分割,以提高无人机激光雷达在单木树冠分割的精度和效率。【方法】 选取江西分宜山下实验林场阔叶混交林、针叶混交林和针阔混交林3个不同类型的林分为研究对象,以无人机激光雷达数据为数据源,构建CHM。针对高分辨率CHM树冠区域孔隙较多的问题,利用增强Frost局部滤波处理优化CHM,优化结果与不同滤波方法进行了比较分析;然后应用距离图重构标记分割技术对增强Frost局部滤波优化后的0.1、0.2、0.5及1.0 m分辨率的CHM进行分割与分析;最后确定最佳分辨率的CHM,并其将分割结果与同等分辨率下分水岭算法以及点云分割均值偏移算法结果进行比较。【结果】 采用增强Frost局部滤波处理的CHM优化效果显著,在有效抑制树冠噪音的同时,也能较好地保留图像细节信息。0.2 m分辨率的CHM分割效果最佳。距离图重构标记分割方法分割针叶混交林、针阔混交林、阔叶混交林3种不同林分类型的分割精度(OA)分别为0.96、0.84、0.75;根据树冠分割结果计算单木冠幅,冠幅估测的决定系数R2分别为0.83、0.82、0.71。【结论】 基于增强Frost局部滤波及距离图重构标记技术可实现对激光点云CHM的单木分割和树冠估算,能够满足森林调查和监测的基本需求。
【目的】探究利用地基激光雷达技术(Terrestrial Laser Scanning,TLS)评价树干形状的可行性,并分析不同间伐方案对人工黄花落叶松(长白落叶松,Larix olgensis)干形的影响。【方法】在黑龙江省佳木斯市孟家岗林场选取5块采用不同间伐处理方案的长白落叶松人工林样地进行地基激光雷达扫描,对预处理后的点云进行单木分割与单木枝干分离,并进一步提取出单木胸径、树高及不同高度处直径等参数,最终计算单木干形的指标并进行理论造材,分析不同间伐方案对人工长白落叶松干形及林分经济价值的影响。【结果】通过与样地实测单木数据对比,基于TLS数据提取得到的单木特征参数精度较高,胸径提取的平均误差仅为-0.39 cm,平均绝对误差百分比达到2.86%,树高提取的平均误差为-0.26 m,平均绝对误差百分比为3.12%;所有间伐措施均能提高林木的胸径和材积,而树高在不同间伐方案之间没有明显差异;林木的干形指标如胸高形数(f1.3)、胸高形率(q2)及材积分配方式等在不同的间伐方案中表现有所不同,两次高强度间伐的方式使树干材积更多地分配在树干中部;同一林分内不同大小的树木之间干形并无显著性差异;不同的间伐方案对树木根张程度并无影响;不同的间伐方案均可以不同程度的提高林分经济价值。【结论】地基激光雷达对单木参数提取精度较高,能够在无损情况下获取较为准确的单木干形特征;不同间伐方案对树木干形及林分经济价值有不同程度的影响,两次高强度间伐可以最大限度地提升林分的经济价值。
【目的】分析不同空间分辨率影像各季节林地植被覆盖度 (fractional vegetation cover,FVC) 提取的精度差异,为选择遥感影像提取林地植被覆盖因子提供理论支持和参考。【方法】选择江苏溧阳市林地为研究区,以Sentinel-2、Landsat-8、MODIS等几种常用的不同空间分辨率的遥感影像为数据源,基于像元二分模型提取FVC,利用半变异函数阐明不同季节FVC的空间变异特征,通过混淆矩阵对比分析各个季节不同分辨率影像提取FVC的精度差异。【结果】①用半变异函数可以有效描述FVC的空间变异特征,空间变异程度的季节差异表现为冬季>春季>秋季>夏季。②用不同分辨率影像提取的FVC在水陆交界处及林地斑块边缘差异最为显著,各个季节FVC的提取精度表现为夏季>秋季>春季>冬季。其中,夏季30、250以及500 m空间分辨率影像提取FVC的精度分别为90.99%、76.28%、76.71%。③植被盖度等级对FVC提取精度有显著影响,高覆盖等级提取精度较高,低覆盖等级提取精度较低。低分辨率影像FVC提取精度在植被生长茂盛的夏季显著提升。【结论】不同FVC等级地表对高分辨率影像的监测需求有较大的分异性,夏季利用低分辨率影像提取FVC的可替代性最高,本研究结果有利于提高植被动态监测的精度和效率。
【目的】构建并优化Rothermel-惠更斯原理模型对森林火线蔓延进行预测模拟,探索林火蔓延规律,为森林火灾防治提供有效方案。【方法】对黑龙江省典型易燃树种林下细小可燃物开展点烧实验,利用图像的阈值分割算法和Canny边缘检测算法提取火线并计算林火蔓延速率。收集了8种影响林火蔓延的因子,使用皮尔逊相关分析和偏相关系数对林火蔓延因子进行相关分析。在此基础上构建了Rothermel-惠更斯原理模型对森林火灾蔓延过程进行模拟,并与实际实时所获取的火线轮廓进行对比分析。【结果】相关分析的结果表明,风速、坡度、火场温度与林火蔓延速率呈显著正相关,可燃物含水率、可燃物厚度、可燃物载量与林火蔓延速率呈显著负相关。所构建的Rothermel-惠更斯模型的室内点烧实验的总体精度达到79.25%,灵敏度为78.42%,调和平均数为79.11%,Kappa系数为0.804。室外点烧实验的总体精度达到85.15%,灵敏度为82.31%,调和平均数为82.85%,Kappa系数为0.832。这也证明了Rothermel-惠更斯原理模型可以较好地对森林火灾蔓延进行准确预测,且模型性能稳定。【结论】风速、可燃物含水率、坡度等是影响黑龙江森林火灾蔓延速率的主导因素。所构建的Rothermel-惠更斯原理模型在模拟森林火灾蔓延方面具有很好的适用性,该模型在室内与室外点烧中模拟结果均良好且能准确预测并捕捉火线位置。
【目的】森林地上生物量(aboveground biomass,AGB)是森林生态系统健康状态和碳汇潜力评估的重要指标,本研究提出了一种快速、准确地获取区域尺度 AGB 信息的制图方法。【方法】基于 Landsat 5 TM、ALOS-1 PALSAR-1、STRM DEM和国家森林资源清查数据,提取光谱特征、纹理指数、后向散射系数和地形因子等特征因子,采用随机森林进行AGB建模。考虑到AGB是典型的具有空间自相关特性的生物物理参量,针对模型残差,使用以高程为协变量的克里金空间插值法分离残差项中的结构化成分,并将其叠加到随机森林模型预测值上形成最终的AGB预测值,从而提高区域尺度的AGB制图精度。【结果】协同克里金法将高程数据作为协变量,在预测AGB残差结构化成分方面的性能优于普通克里金法,协同克里金法与随机森林协同的AGB预测性能明显提升。经独立AGB数据的模型验证表明,随机森林模型预测的AGB与实际观测的AGB间的决定系数 R2为0.46,随机森林结合普通克里金的验证 R2提高到了0.51,而随机森林结合协同克里金模型的验证R2为0.57。相应的均方根误差(RMSE)分别从32.48 t/hm2降低到31.58、29.80 t/hm2,平均绝对误差(MAE)从27.28 t/hm2 降低到26.63、25.12 t/hm2,相对改进指数为0.03和0.08。【结论】总体而言,本研究提出的随机森林协同克里金模型提供了一种更准确、可靠地进行复杂地形区域的亚热带森林AGB制图新方法,所生成的AGB专题图有助于发展针对固碳效能的森林经营方法,为全球气候变化背景下的森林碳增汇和森林可持续经营提供参考。
【目的】森林各发育阶段的经营方式有所不同,温带森林虽占全球森林面积的近20%,但分布分散且多位于易受干扰的人口密集地区,面临物种多样性丧失等生态问题。如何准确划分温带森林的发育阶段,为各阶段森林经营提供方法和理论依据,实现温带森林的高效经营,是亟待解决的问题。【方法】本研究以2017年吉林省汪清县森林资源二类调查中5 124个小班的树种组成为研究对象,采用双向指示种分析方法(TWINSPAN)进行数量分类,划分森林发育演替阶段揭示该地区温带森林的演替阶段与生长发育规律。【结果】通过选取林分年龄、平均胸径、平均树高、每公顷蓄积量、总蓄积量、每公顷株数等林分结构和生长变化指标,确定演替发育阶段,并将研究区温带森林分为:白桦(Betula platyphylla)阔叶混交林、柞树(Quercus mongolica)阔叶混交林、柞树针阔混交林、白桦云杉(Picea asperata)针阔混交林、云杉白桦针阔混交林、红松(Pinus koraiensis)云杉针阔混交林、阔叶红松云杉混交林等7类。其中,红松云杉针阔混交林面积占比最大,是该地区的主要森林类型。各森林类型演替特征明显,演替过程中以红松、云杉为代表的顶极树种和以椴树(Tilia tuan)、色木槭(Acer pictum subsp. mono)为代表的伴生树种由弱变强,数量占比逐渐扩大,以白桦、山杨(Populus davidiana)为代表的先锋树种逐渐变少,最终形成阔叶红松云杉混交林顶极群落。【结论】本研究基于大量调查数据,应用TWINSPAN分类方法,在汪清县温带森林中划分出7种演替阶段,总结各演替阶段特征,证实各演替阶段在时间梯度上符合生长发育的特点,为在不同演替阶段中开展高效营林措施提供理论支持,同时也为维持森林结构和功能的相对稳定及形成优质高产林分提供参考。
【目的】针对目前森林变化检测中高精度标签样本缺失或不足的问题,提出一种基于全卷积神经网络和低分辨率标签的森林变化检测方法,旨在实现林地区域内森林变化的简易快速提取。【方法】首先对获取的数据进行去云、筛选、标签融合等预处理,利用全卷积神经网络模型分别提取2020年和2021年研究区森林高分遥感影像,并评价模型精度;利用分类后比较法获取森林变化区域,得到变化结果并与目视解译结果进行对比,基于像素面积计算森林变化检测的精确率等评价指标。【结果】所用全卷积神经网络(FCN)模型在2020年森林提取结果的精确率和召回率的调和均值(F1分数)为97.09%,2021年森林提取结果的F1分数为95.96%,与分割网络模型(U-Net、FPN、LinkNet)相比更优。比较两期森林提取结果得到变化区域,森林增加与森林减少的合计变化精确率为73.30%,召回率为77.37%,F1分数为75.28%。【结论】该方法实现了基于低分辨率标签对高分遥感影像森林变化区域进行快速、准确的获取。采用少量的低分辨率标签完成森林变化检测任务,同时可为大面积林地变更调查提供参考。
【目的】探明大兴安岭北部天然林森林生态系统恢复过程中森林生态系统结构、功能、气候和立地类型因子的动态变化,筛查出关键影响因素,对其森林生态系统恢复能力进行科学评估,为探索大兴安岭天然林有效经营措施从而提升生态功能提供参考。【方法】以野外调查数据为基础,采用区分效度检验确定森林生态系统恢复能力评价指标体系,依据传导机制建立森林生态系统恢复能力评价的结构方程模型并进行指标权重确定,基于K-means聚类分析和等距划分法,建立大兴安岭森林生态系统恢复能力等级划分标准。【结果】大兴安岭森林生态系统恢复能力评价指标体系中的4个准则因子森林生产力、林分结构、气候因子、立地类型的权重分别为0.339、0.192、0.256和0.213。研究区2种森林生态系统恢复能力评价的综合分值为1.70~3.53,恢复能力等级分布符合正态分布,恢复能力等级主要集中在差、较差、良好3种状态;总体上,2种森林生态系统恢复能力等级为混交林>纯林。【结论】森林生态系统恢复能力主要受森林生产力的影响,林分结构、气候因子和立地类型对生态系统恢复能力的影响相对较小,大兴安岭部分地区的生态系统恢复能力仍然较差。混交林有利于森林生态系统恢复能力的提升,合理的林分改造措施可改善森林生态功能发挥。
【目的】针对行道树树冠在线检测问题,研究基于移动激光扫描(mobile laser scanning,MLS)的行道树树冠点云逐点检测方法,构建能够在线、快速、准确检测出行道树树冠点云的高性能树冠检测器,为行道树对靶施药提供基础数据。【方法】应用搭载一个2D激光雷达(light detection and ranging,LiDAR)的MLS系统实时采集街道轮廓线测量数据,从中提取点云三维坐标、一次回波强度和回波次数等属性;构建点云半径为δ的球域搜索方法,实现点云邻域在线快速查询;从待识别点δ球域中提取宽度、深度、高度、维度、密度、次数和强度7类点云局部特征;采用监督学习算法融合点云局部特征、训练树冠检测器,预测待识别点的类别。采集一段长137 m街道的点云数据,开展了邻域搜索方法、监督学习算法、点云局部特征和树冠逐点检测器4个对比实验。【结果】构建的δ球域搜索方法的搜索时间为k-D树法的10.90%;在神经网络(neural network,NN)、支持向量机(support vector machine,SVM)、Boosting和随机森林(random forest,RF)4种监督学习算法中,RF算法得到的树冠检测器分类精度最好;与单类特征相比,组合特征具有更好的泛化性能;本研究方法设计的树冠逐点检测器在检测精度和效率上均优于已有方法,球域半径δ在0.1~1.0 m范围内变化时,测试集F1分数≥97.74%。【结论】提出的方法能够从实时采集的MLS点云数据中快速、准确地检测出行道树树冠点云,为行道树对靶施药提供数据支撑。
