专题报道

智慧林业之森林参数遥感估测

执行主编：李凤日

默认 最新文章 浏览次数

Please wait a minute... 选择: 导出引用 EndNote Ris BibTeX 显示/隐藏图片 Select 1. 基于TLS的红松树冠半径提取及其外轮廓模型构建 王帆, 贾炜玮, 唐依人, 李丹丹 南京林业大学学报（自然科学版）    2023, 47 (1): 13-22.   DOI: 10.12302/j.issn.1000-2006.202105050 摘要 （1087）   HTML （30）    PDF（pc） （9253KB）（567）    可视化    收藏 【目的】 探究基于地基激光雷达(Terrestrial Laser Scanning,TLS)点云数据提取人工林中红松不同树冠深度处最大树冠半径(crown radius,RC)的精度,建立基于TLS点云数据的树冠外轮廓模型,为基于TLS点云数据研究树冠结构奠定实践基础。【方法】 以30株人工林红松解析木的TLS的点云数据以及实测枝条因子为数据源,采用点云分层投影法提取不同树冠深度处的最大树冠半径,并与根据30株解析木各轮最大枝条计算出的半径对比进行精度分析。最后,基于TLS所提取的树冠半径进行红松树冠外轮廓模型的构建。【结果】 最大树冠半径总提取精度为86.17%,不同树冠深度处提取精度存在差异,提取效果最好的相对冠深范围为0.15~1.00,精度均在90%左右;提取效果最差的相对冠深范围为0~0.15,精度为60.27%~75.79%。3种常用的树冠外轮廓模型(单分子式、二次抛物线、3参数Weibull方程)均具有较好的拟合效果。3参数Weibull方程为最优模型,对最优模型再参数化后引入的变量为胸径(DBH)和高径比(HD),拟合效果明显提高。【结论】 基于TLS点云数据,采用点云分层投影法提取树冠半径的精度满足模型建立的要求,因此利用TLS数据可以近似代替实测数据进行树冠外轮廓模型的研究。 图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0） Select 2. 基于4-Scale模型的人工林郁闭度遥感估测 何萍, 于颖, 范文义, 杨曦光 南京林业大学学报（自然科学版）    2023, 47 (1): 23-30.   DOI: 10.12302/j.issn.1000-2006.202108045 摘要 （1069）   HTML （23）    PDF（pc） （26232KB）（529）    可视化    收藏 【目的】 为了寻找受区域影响较小、精度较高且鲁棒性较好的郁闭度遥感估算模型,采用4-Scale几何光学模型估算人工林树冠孔隙率及郁闭度。【方法】 选择内蒙古旺业甸林场和广西高峰林场为实验区,首先对4-Scale模型进行参数敏感性分析,模拟林分在不同敏感性参数下的树冠孔隙率Pvg_c(树冠为刚体时的冠间孔隙率)和Pvg(考虑树冠内部孔隙的孔隙率),建立Pvg_c、Pvg与敏感性参数的一一对应关系数据库。其次,根据数据库建立Pvg_c和Pvg与敏感性参数的统计关系模型。然后根据获得的敏感性参数估算Pvg_c和Pvg,进而估算林分郁闭度。最后,分别采用样线法与鱼眼相机测定法测量的郁闭度检验基于Pvg_c和Pvg估算的林分郁闭度。【结果】 基于 Pvg_c和Pvg估算的人工林郁闭度精度分别为88.17%和92.8%。Pvg_c与敏感性参数林木株数和冠半径相关性更高,模型的R2和均方根误差(RMSE)分别为0.814和0.043。Pvg与敏感性参数LAI的相关性更高,模型的R2和RMSE分别为0.795和0.040。【结论】 Pvg_c和Pvg均可以用来估算人工林郁闭度,虽然Pvg估算郁闭度的精度更高,但是其估算的郁闭度不是林业上定义的郁闭度,林业上定义的郁闭度指树冠为刚体时冠层垂直投影面积比。因此,采用Pvg_c估算人工林郁闭度更加准确。应在获得树木株数与树冠半径的基础上,采用Pvg_c估算人工林郁闭度。 图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0） Select 3. 基于机器学习算法的樟子松立木材积预测 孙铭辰, 姜立春 南京林业大学学报（自然科学版）    2023, 47 (1): 31-37.   DOI: 10.12302/j.issn.1000-2006.202104014 摘要 （1358）   HTML （25）    PDF（pc） （1588KB）（571）    可视化    收藏 【目的】 通过非线性和多种机器学习算法构建并对比不同的立木材积模型,为樟子松(Pinus sylvestris var. mongolica)立木材积的精准预测提供理论依据。【方法】 以大兴安岭图强林业局184株樟子松伐倒木数据为基础,建立非线性二元材积模型(NLR),并通过十折交叉检验和袋外数据(OOB)误差检验的方法得到3种最优机器学习算法,包括:反向神经网络(BP)、ε-支持向量回归(ε-SVR)和随机森林(RF)。对比分析不同模型间的差异,得到最优立木材积模型。【结果】 机器学习算法在立木材积的拟合和预测中均优于传统二元材积模型,具体拟合结果排序为RF>BP>ε-SVR> NLR。其中RF的决定系数(R2)比传统模型的提高了2.00%,均方根误差(RMSE)、相对均方根误差(RMSE%)、平均绝对误差(MAE)分别降低了22.90%、22.93%、36.34%,且与真实值相比平均相对误差(MRB)的绝对值更低,证明了RF在立木材积预测中的优越性。【结论】 机器学习算法作为一种新兴的建模方法可以有效地提高立木材积的预测精度,为森林资源的精准调查和经营管理提供新的解决方案。 图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0） Select 4. 结构方程模型在兴安落叶松林生长中的应用 高羽, 李静, 刘洋, 乌雅瀚, 巩家星, 辛启睿 南京林业大学学报（自然科学版）    2023, 47 (1): 38-46.   DOI: 10.12302/j.issn.1000-2006.202104028 摘要 （1180）   HTML （29）    PDF（pc） （1871KB）（716）    可视化    收藏 【目的】 通过结构方程模型,确定气候、土壤和海拔对兴安落叶松林生长指标的影响以及路径关系。【方法】 选取年平均气温、年平均降水量、太阳辐射、土壤全氮含量、土壤有机碳密度和海拔作为影响因素,探究兴安落叶松地上生物量、地下生物量、树高与这些影响因素的关系,并利用AMOS 21.0软件构建衡量兴安落叶松生长的3个指标与气候、土壤和海拔的结构方程模型。【结果】 兴安落叶松的地上生物量、地下生物量随着海拔、年平均降水量的增大呈现先增大后减少的趋势,树高随着海拔的增加而增加。地上和地下生物量随着土壤有机碳密度的增加而增加。海拔对兴安落叶松生长的总效应系数为0.200且是正向效应,海拔对兴安落叶松生长的直接效应(0.224)大于间接效应(-0.024);气候因子对兴安落叶松林生长的总影响系数为-0.771且是负向效应;土壤因子对兴安落叶松生长的总影响系数为-0.216,其对兴安落叶松林生长起到一定的抑制作用。【结论】 根据结构方程模型的路径系数,气候因子的总影响系数绝对值最大,其次是土壤和海拔,兴安落叶松林静态生长主要受到气候因子的制约。 图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0） Select 5. 基于气候因子的杉木单木胸径生长模型构建 郭常酉, 郭宏仙, 王宝华 南京林业大学学报（自然科学版）    2023, 47 (1): 47-56.   DOI: 10.12302/j.issn.1000-2006.202108030 摘要 （1266）   HTML （20）    PDF（pc） （5651KB）（695）    可视化    收藏 【目的】 为准确预测湖南杉木的生长及制定经营管理措施,构建了考虑气候因子的杉木单木胸径生长混合效应模型。【方法】 基于湖南省第七、八次全国森林资源连续清查中73块样地的3 638株杉木数据,运用多元逐步回归的方法,考虑林木大小、竞争、立地和其他林分因子以及气候因子对杉木胸径生长的影响,分别以5年胸径增长量(D2-D1)、5年胸径增长量的自然对数[ln(D2-D1+1)]、5年胸径平方增长量的自然对数[ln(D22-D21+1)]、胸径平方增长量(D22-D21)为因变量构建模型,选择最优基础模型。在最优模型的基础上,引入样地随机效应,构建单水平线性混合效应模型,并引入3种常用的异方差函数和3种常用的自相关结构来消除模型的异方差和自相关,最后采用十折交叉验证的方法对模型的预估效果进行检验。【结果】 与其他3种因变量相比,因变量为ln(D22-D21+1)时模型表现最好,因此,因变量为ln(D22-D21+1)的模型为最优基础模型。根据模型结果可以看出,显著影响杉木胸径生长的变量主要包括期初胸径、大于对象木胸高断面积之和与期初胸径之比、每公顷断面积、坡向正弦值与海拔自然对数之积、年平均降雨量和1月平均最低温度。与最优基础模型相比,混合效应模型显著提高了模型的预测精度。同时,异方差函数和自相关矩阵的加入也明显改善了模型的拟合效果,其中以指数函数(exponent)和自回归移动平均结构[ARMA(1,1)]表现最好。在模型十折交叉检验中,混合效应模型也表现出较好的拟合效果。【结论】 气候因子对于湖南杉木单木胸径的生长有显著影响。与基础模型相比,引入样地随机效应构建单水平线性混合效应模型可以显著提高模型效果,所构建的模型可以为该区域杉木的科学经营提供支持。 图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0）