森林结构复杂度对单木分割精度的影响——以田横岛为例

单木分割对于森林资源调查具有重要的意义,不同结构复杂度的森林单木分割算法的选择以及分割参数的选取对分割精度有着很大的影响。以山东田横岛为研究区,基于无人机正射影像与激光雷达数据,首先提取海岛森林典型植被二维与三维特征,然后利用随机森林算法对不同树种的树木进行分类,最后基于分类后的点云数据,选取不同结构复杂度的森林样地,对比分析聚类算法、层堆叠算法、分水岭算法在不同复杂度林区的适用性。结果表明:(1)随机森林算法结合单木二维、三维特征可有效对混交林树木进行分类,模型总体的精度为94.51%,Kappa系数为0.9038;(2)聚类算法对结构简单的林区具有更高的分割精度(F=96.41),但依赖于分割参数的选取;面对复杂单木集群,分水岭算法总体得分波动最小(ΔF=14.56),表现出较强的稳定性;(3)混交林预先进行树种分类可有效改善单木分割环境,相比于直接进行单木分割,聚类算法、层堆叠算法、分水岭算法的分割精度均得到不同程度的提升(ΔF₁=10.06,ΔF₂=9.51,ΔF₃=12.6)。     

中亚热带森林单木地上生物量的机载激光雷达估测

以雪峰山武冈林场为研究对象,利用遥感数据和地面实测样地数据,研究机载激光雷达（LiDAR）估测中亚热带森林乔木层单木地上生物量的能力.利用条件随机场和最优化方法实现LiDAR点云的单木分割,以单木尺度为对象提取的植被点云空间结构、回波特征以及地形特征等作为遥感变量,采用回归模型估测乔木层地上生物量.结果表明: 针叶林、阔叶林和针阔混交林的单木识别率分别为93%、86%和60%;多元逐步回归模型的调整决定系数分别为0.83、0.81和0.74,均方根误差分别为28.22、29.79和32.31 t·hm^-2;以冠层体积、树高百分位值、坡度和回波强度值构成的模型精度明显高于以树高为因子的传统回归模型精度.以单木为对象从LiDAR点云中提取的遥感变量有助于提高森林生物量估测精度.
     

基于多尺度标记优化分水岭方法的油茶冠幅提取

针对尺度对地物空间结构的限制以及传统分水岭分割易产生树冠过分割等问题,选择长沙县明月村油茶基地为研究区,提出一种基于多尺度标记优化分水岭分割油茶树冠的方法。首先使用高分辨率无人机影像采集图像,分析影像特征,构建油茶分类体系,提取油茶林分布区域。其次,运用多尺度区域迭代增长方法提取树冠标记,将标记应用于多阈值尺度的分水岭变换,并结合Johnson指数选取树冠标记增长和分水岭阈值的最优尺度,实现油茶单木的准确识别。结果表明:多尺度标记优化分水岭方法在分离油茶单木时,树冠面积提取值与目视解译参考值的相对误差为9.4%;单木总体识别精度为89.4%,相对于传统的分水岭分割方法精度提高了34.8%;通过Johnson指数确定的最优迭代增长尺度为20,分水岭分割阈值尺度为85,对比不同尺度组合下的油茶冠幅提取结果,最优尺度下的油茶冠幅提取精度最高(R²=0.75)。多尺度标记优化分水岭方法能较准确地分离油茶树冠,将该方法应用于无人机影像树冠分割,可有效提高经济林调查的效率。     

联合U-Net和分水岭算法的高郁闭度杉木纯林树冠信息提取

作为我国重要的用材树种，杉木广泛分布于我国南方地区，其株数和树冠信息对于森林资源的精准监测有重要作用，为此准确掌握杉木林分株数及单木树冠信息尤为重要。对于高郁闭度林分，株数和单木树冠信息正确提取的关键是能够准确分割相互遮挡和粘连的树冠。本研究以福建将乐国有林场为研究区，将无人机影像作为数据源，提出一种基于深度学习方法和分水岭算法的树冠信息提取方法：首先采用深度学习神经网络模型U-Net对杉木树冠覆盖区域进行分割，然后利用传统图像分割算法标记控制分水岭算法进行单木分割得到单木树冠；在保持相同训练集、验证集和测试集的情况下，首先对比U-Net模型与传统机器学习方法[随机森林模型(RF)和支持向量机模型(SVM)]在分割树冠覆盖区域上的表现，接着对比了U-Net模型结合标记控制分水岭算法和只使用标记控制分水岭算法进行单木分割的精度。结果表明：U-Net模型在分割精度、精确率、交互比、精确率与召回率的调和均值4个指标上均高于RF和SVM,与RF相比，4项指标分别提升4.6%、14.9%、7.6%、0.05,与SVM相比，4项指标分别提升3.3%、8.5%、8.1%、0.05。在提取单木株数方面...     

基于树冠竞争因子的落叶松人工林单木生长模型

基于黑龙江省佳木斯市孟家岗林场落叶松人工林14块固定标准地的两期调查数据(2007、2009年),通过分析树冠变量与林木生长的关系,构建了2个树冠竞争指数(CIa、CIb),并将其作为单木竞争指标构建了落叶松人工林与距离有关的单木生长模型。研究结果表明:文中提出的二个树冠竞争指数优于Hegyi竞争指数(CI),落叶松各个竞争指数与林木断面积生长量相关性大小顺序为CIbCIaCI。随着对象木影响圈的扩大,竞争指数趋于稳定,对模型的拟合效果有所提高。林木大小是影响落叶松单木生长的主要因子,胸径越大,单木生长量越大。通过引入与距离有关的树冠竞争指数将单木模型的拟合优度提高了5.6%。本文构建的与距离有关的单木生长模型可以很好地预估人工落叶松单木的断面积生长量。     

近地面激光雷达点云密度对森林冠层结构参数提取准确性的影响

基于激光雷达技术获取冠层结构为森林生态学研究增加了新的维度。搭载于多旋翼无人机的近地面激光雷达相比于固定翼有人机的机载激光雷达,能够更加灵活高效地获取森林群落样地高密度点云。但在实际操作中,往往出现局部低密度点云数据,影响了冠层结构参数提取的准确性。使用4块森林动态样地的近地面激光雷达点云数据;利用航带分解方法分析各样地低密度样方成因;采用点云抽稀模拟算法计算并拟合偏差曲线,对比不同样地、参数和取样尺度间的点云密度对冠层结构参数提取准确性的影响;根据偏差曲线计算各条件下保证参数提取准确性的最低点云密度。结果发现：1)低密度区域主要受地形或(和)近地面遥感设计规划的影响。地形复杂的测区(西双版纳和古田山样地),遥感规划难度大,整体难以获取高密度点云(在30点/m²左右),容易在沟谷和高海拔处出现低密度样方。平坦测区(长白山两块样地)虽可获取高密度点云(均超过150点/m²),但欠佳的遥感规划设计导致长白山1测区北部出现1hm²低密度区域。2)冠层参数提取准确性随点云密度减少而迅速降低,呈负指数幂函数关系。这一变化趋势在不同...     

基于机载激光雷达的小兴安岭温带森林组分生物量反演

使用小兴安岭温带森林机载遥感-地面观测同步试验获取的机载激光雷达(light detection and ranging, Lidar)点云数据和地面实测样地数据, 估测了典型森林类型的树叶、树枝、树干、地上、树根和总生物量等组分的生物量。从激光雷达数据中提取了两组变量(树冠高度变量组和植被密度变量组)作为自变量, 并采用逐步回归方法进行自变量选择。结果表明: 激光雷达数据得到的变量与森林各组分生物量有很强的相关性; 对于针叶林、阔叶林和针阔叶混交林三种不同森林类型生物量的估测结果是: 针叶林优于阔叶林, 阔叶林优于针阔叶混交林; 不区分森林类型的各组分生物量估测与地面实测值显著相关, 模型决定系数在0.6以上; 区分森林类型进行建模可以进一步提高生物量的估测精度。     

落叶松人工林单木模型的研究

根据吉林省松江河林业局所实测的落叶松人工林(Larix olgensis)临时标准地66块、固定标准地18块以及8块团状枝解析样地资料,通过对林分中优势木生长及树冠结构与动态的分析,提出适于树木生长的Korf方程并用来构造林木的潜在生长函数。选择林分密度指数(SDI)作为反映林分中林木之间平均拥挤指标。在单木竞争指标的选择上,通过引进树冠因子,并在与传统的竞争指标相比较的基础上,淡化距离因子的作用,应用优势木相对树冠表面积构造了与距离无关的单木竞争指标,以此建立了落叶松人工林单木生长模型。     

塔里木河下游林地树冠QuickBird影像信息提取与分析

基于QuickBird影像,采用人机交互方法提取了塔里木河下游不同离河距离胡杨、柽柳树冠信息,以实测数据为真值检验遥感提取冠幅、郁闭度及混交比精度;并建立了胡杨冠幅、胸径、树高关系模型,为塔里木河流域植被调查、生物量估测及生态恢复评价提供依据和方法借鉴.结果表明:胡杨、柽柳冠幅提取精度分别为84.00%、76.24%;林分郁闭度、混交比提取精度分别为69.45%、66.96%.基于实测数据建立的冠幅与胸径、胸径与树高模型相关显著(R2>0.8,P<0.01);根据遥感解译因子反演胡杨胸径、树高的平均精度分别为80.33%、89.25%.     

基于线性分位数混合效应的辽东山区红松冠幅模型

冠幅是反映单木生长状态及构建林木生长收获模型的重要变量。本研究以辽东山区大边沟林场10～55年生红松人工林为对象,基于66块固定样地的2763株红松的每木检尺数据,选取冠幅基础模型,采用再参数化的方法引入单木竞争指标(R_d),利用哑变量的方法引入了林分密度、林层变量,构建不同分位点(0.50、0.90、0.93、0.95、0.96、0.99)的冠幅分位数回归模型,并与传统方法进行比较,选取模拟林分最大冠幅的最优分位点。为反映林分中单木冠幅在林木个体之间的差异,建立了基于样地水平的最优分位点的线性混合效应分位数回归冠幅模型,分析各变量对单木冠幅的影响。结果表明: 基于F统计检验,不同林分密度和林层的冠幅模型具有显著差异,在基础模型中引入林层、林分密度和竞争后,模型R_a²提高0.0104,均方根误差降低0.0115,均方误差降低为7.4%;与最小二乘法比较,分位数回归模型能够较好地模拟林分状态下的单木最大冠幅,并选出0.96分位点和0.93分位点作为上林层和下林层的分位数回归模型的最优分位点。引入混合效应的线性分位数回归模型的赤池信息准则、贝叶斯信息准则、HQ信息准则等评价指标优于传统分位数回归,参数标准误显著降低,混合效应的引入很好地解释了样地之间的差异。就上林层和下林层而言,林分密度越大,最大冠幅越小;相对直径越大,最大冠幅越大,其中林分密度对下林层的冠幅影响大于上林层,当林分密度足够大时,冠幅随着胸径的增大先增大后降低。本研究构建的基于混合效应的分位数回归模型能有效提高模型的拟合优度,今后可通过调控林分密度、适度抚育间伐等措施,实现对辽东山区红松人工林的科学营建和可持续发展。     

利用机载激光雷达技术估测东北林区典型针叶林的蓄积量

为了推广激光雷达技术在森林蓄积量估测计量方面的应用,本研究以东北林区云冷杉林、落叶松林、红松林和樟子松林4种典型针叶林为对象,基于机载激光雷达获取的点云数据提取特征变量,结合800块地面样地数据,采用逐步回归方法和偏最小二乘方法,建立4种针叶林的蓄积量模型.结果 表明:偏最小二乘法建立的模型精度优于逐步回归方法(ΔR2...     

无人机高光谱联合LiDAR估测林分与单木尺度叶绿素含量

叶绿素是表征植被健康状况的重要指标,它的准确估计对森林碳汇评价研究至关重要。本研究通过无人机高光谱数据联合激光雷达点云估计针叶林、阔叶林和针阔混交林林分与单木水平的叶绿素含量,提升叶绿素无损估测精度,全面分析不同尺度叶绿素含量空间分布规律。在无人机高光谱数据与激光雷达点云融合的基础上,结合地面样地实测数据,通过相关性分析筛选与叶绿素含量相关的36个光谱特征变量,采用统计模型多元逐步回归、BP神经网络、萤火虫算法优化的BP神经网络、随机森林和混合数据驱动的机理模型PROSPECT模型构建多个叶绿素估算模型,选取最优模型估算森林叶绿素含量,分析其在林分和单木尺度上水平方向与垂直方向的空间分布规律。结果表明：在统计模型中,随机森林(R²=0.59～0.64,RMSE=3.79～5.83μg·cm^-2)优于多元逐步回归、BP神经网络和萤火虫算法优化的BP神经网络构建的模型;机理模型验证精度最高(R²=0.97,RMSE=3.40μg·cm^-2)。不同林分类型叶绿素的含量存在较大差异,阔叶林叶绿素含量为25....     

基于地面LiDAR数据的塔里木河下游胡杨林结构参数反演

以塔里木河下游天然胡杨林为研究对象,利用Riegl VZ-1000型地面激光扫描仪(Terrestrial Laser Scanning, TLS)获取离河道不同距离的8个样方内513棵胡杨的三维点云数据,通过建立冠层高度模型、Hough变换等方法获取单木株数和结构参数,并与传统的每木检尺实测数据和无人机(Unmanned Aerial Vehicle, UAV)低空影像进行对比,验证激光雷达方法的测树精度;对TLS获取的胡杨树形参数进行相关性分析,并建立关系模型;探讨不同水胁迫条件(不同离河道距离,不同地下水埋深)对胡杨单木结构参数的影响;最后按不同径级划分胡杨的年龄,得出各龄级胡杨所占比例。结果表明:(1)TLS能够高精度获取不同密度和长势的胡杨单木株数和结构参数,单株准确分割比率为94%—100%,相对于UAV低空影像更为准确;(2)TLS获取的胡杨树高(Tree height,TH)、胸径(Diameter at breast height, DBH)、冠幅直径(Crown diameter,CD)和冠幅面积(Crown area,CA)与传统实测值拟合度R~2较高,分别为0.95、0.97、0.77和0.84,表明实测数据和TLS获取数据无明显差异;(3)胡杨CD、CA分别与TH呈显著正相关,其相关性系数为0.73、0.67;基于此构建了胡杨TH与CD的关系模型,即TH=2.6274×CD~(0.706),R~2为0.64;(4)根据径级划分胡杨年龄段可知,DBH为15—30 cm的近熟林比例最大,占8个样方内监测胡杨总株数的47%,表明胡杨种群年龄结构相对稳定并总体态势良好,呈现了生态输水对塔河下游胡杨种群恢复有明显的促进作用。总之,激光雷达技术能够客观反映胡杨树形结构参数,可替代耗力、耗费、耗时的传统实测方法,为时时掌握胡杨林生长发育、长势动态以及多尺度、多时相生态耗水研究提供高精度信息,为干旱区荒漠河岸林的有效保护与可持续管理提供科学依据。     

基于高分辨率与高光谱遥感影像的北亚热带马尾松及次生落叶树种的分类

利用遥感数据开展森林资源树种的分类对森林资源的监测、森林可持续经营及生物多样性研究都有重要意义。该文以江苏南部丘陵地区的北亚热带天然次生林为研究对象, 利用LiCHy (LiDAR、CCD、Hyperspectral)集成传感器同期获取的高分辨率和高光谱数据, 进行冠幅识别和多个层次的树种分类: 首先, 对高分辨率影像进行基于边缘检测的多尺度分割, 提取出单木冠幅; 其次, 对高光谱影像进行特征变量提取, 并对提取出的特征变量利用信息熵原理选取优化特征变量; 然后, 分别利用全部特征变量和经优化的重要特征变量对森林树种及森林类型进行预分类; 最后, 在预分类结果中加入单木冠幅信息对森林树种及森林类型进行重分类, 并分析分类结果的精度。研究表明: 1)利用全部特征变量进行4个典型树种分类时, 总体精度为64.6%, Kappa系数为0.493; 而针对森林类型的分类精度为81.1%, Kappa系数为0.584。2)利用选取的优化特征变量分类精度略低于利用全部特征变量的分类精度, 其中对4个典型树种分类时, 总体精度为62.9%, Kappa系数为0.459; 而针对森林类型的分类精度为77.7%, Kappa系数为0.525。通过集成传感器同期获取的高分辨率和高光谱数据可以有效地进行北亚热带森林的树种分类及森林类型的划分。     

基于无人3D摄影技术的雪松(Cedrus deodara)群落高度测定

植物群落高度是反映植物群落特征的重要指标,植物群落高度的测定能给植物群落多样性分析、生物量估算、功能形状研究提供重要的数据基础。传统的森林调查主要由生态调查工作者通过目测或者利用激光测高仪对每个个体进行逐一测定,因此劳动强度大,耗时费力,并且难以进行大面积的植物群落高度调查。近年来,随着无人机(Unmanned Aerial Vehicle,UAV)技术的飞速发展,催生了无人机低空摄影测量和遥感技术,该技术已被应用于农作物植株高度测定和生物量估测等。然而针对植被类型多样、树木种类繁多且地形复杂的山区如何精确的获取植物群落高度仍然是一个较大挑战。以缓坡地形的云南大学呈贡校区为研究区,选取校区内人工种植的雪松(Cedrus deodara(Roxb.)G.Don)林为研究对象,利用无人机搭载可见光相机平台获取研究区近地面航空影像,利用高分辨的影像匹配加密获得的点云数据生成数字表面模型(Digital Surface Model,DSM)。依据点云分类提取非植物类点,消除少数因植被与非植被相接的边缘模糊而错分类的部分,内插后生成数字地面模型(Digital Terrain Model,DTM)。将DSM和DTM叠加相减得到树木高度变化模型(Canopy Height Model,CHM),即获得研究区各个雪松的高度。然后利用激光测距仪测定研究样地内100棵雪松的高度,将此测定的树高与无人机航测技术生成的CHM模型测定的树高值进行精度检验。结果表明无人机测定的树高值与激光测距仪测定的树高值线性拟合度较高,r2值在0.904以上。此方法基于无人机影像生成空间模型,提取树高,受外界环境因素影响较小,且成本较传统测树方法低廉,可广泛运用于各种植物群落的调查研究当中,有极好的应用前景。     

基于多源遥感数据的植物物种分类与识别: 研究进展与展望

物种分类与识别是生物多样性监测的基础, 明确物种的类别及其分布是解决几乎所有生态学问题的前提。为深入了解基于多源遥感数据的植物物种分类与识别相关研究的发展现状和存在的问题, 本文对2000年以来该领域的研究进行了总结分析, 发现: 当前大多数研究集中在欧洲和北美地区的温带或北方森林以及南非的热带稀树草原; 使用最多的遥感数据是机载高光谱数据, 而激光雷达作为补充数据, 通过单木分割及提供单木的三维垂直结构信息, 显著提高了分类精度; 支持向量机和随机森林作为应用最广的非参数分类算法, 平均分类精度达80%; 随着计算机技术及机器学习领域的不断成熟, 人工神经网络在物种识别领域得以迅速发展。基于此, 本文对目前基于遥感数据的植物物种分类与识别中在分类对象复杂性、多源遥感数据整合、植物物候与纹理特征整合和分类算法技术等方面面临的挑战进行了总结, 并建议通过整合多时相监测数据、高光谱和激光雷达数据、短波红外等特定波谱信息、采用深度学习等方法来提高分类精度。     

基于随机效应的兴安落叶松材积生长模拟

基于黑龙江省带岭林业局大青川林场80株人工兴安落叶松解析木数据和Logistic生长模型,分别考虑单木效应和样地效应,利用S-PLUS软件中的NLME过程拟合非线性材积生长模型,采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、对数似然值和似然比检验等模型评价指标对不同模型的精度进行比较.结果表明：当考虑单木效应影响时,b₁、b₂、b₃（分别代表Logistic模型中的渐进、尺度和形状的随机参数）同时作为随机参数时模型拟合效果最好; 当考虑样地效应影响时,b₁作为随机参数时模型拟合效果最好.基于单木效应和样地效应的混合模型的拟合精度高于基本模型（Logistic生长模型）,考虑单木效应影响的混合模型的精度高于考虑样地效应影响的模型.模型检验结果表明,随机效应模型不但能反映单木材积的总体平均变化趋势,还能反映个体之间的差异;随机效应模型通过校正随机参数值能提高模型的预测精度.     

基于可见光植被指数的面向对象湿地水生植被提取方法

利用ESP分割工具确定最佳分割尺度,通过多尺度分割算法创建最优分割影像,基于微型无人机影像数据生成可见光植被指数,从一系列可见光植被指数中选取一组最优植被指数,建立决策树规则,利用隶属度函数对研究区自动分类,生成水生植被分布图.结果表明: 监督分类法的总体精度为53.7%,面向对象分类法总体精度为91.7%,与基于像元的监督分类法相比,面向对象分类法显著改善了影像分类结果,并大大提高了水生植被提取精度,监督分类法的Kappa系数为0.4,而面向对象分类法的Kappa系数为0.9.这表明利用微型无人机数据生成的可见光植被指数结合面向对象分类方法提取水生植被在该研究区是可行的,并能够应用到其他类似区域.     

基于无人机激光雷达遥感的亚热带常绿阔叶林群落垂直结构分析

森林植被高度与树木分布格局是植物群落重要结构特征,也是计算森林生物量分布的重要参数。传统的森林群落调查方法耗费大量人力物力难以进行较大尺度的群落结构测量,而一般的遥感影像也难以获得精确的地形信息及垂直结构。近年来激光雷达(Light Detection and Ranging,LiDAR)技术快速发展,能够较好的进行植被三维特征的提取并被广泛应用于森林生态系统检测模拟。且随着无人机低空摄影技术的发展催生的无人机激光雷达(UAV-Lidar)更增加了激光雷达的灵活性以及获取较大范围植被冠层信息的能力。而受限于激光的穿透性以及不同植被类型郁闭度的影响,该技术的应用多局限于在针叶林群落的垂直结构研究,而在常绿阔叶林的研究中应用较少。为探究现有无人机激光雷达设备及垂直结构提取分析技术应用于常绿阔叶林的可行性,利用无人机载激光雷达遥感技术对哀牢山中山湿性常绿阔叶林3块面积1hm~2的样地进行基于数字表面模型以及数字地表高程模型做差得到树冠高度模型测量的植被冠层高度、基于局部最大值法进行单木位置提取并使用Clark-Evans最近邻体分析方法进行样地内高大乔木分布格局的计算。分析结果显示,植被高度提取精度平均大于95%,与地表实测的植被高度值拟合度较高,相关系数R~2介于0.833—0.927之间;3个样地冠层高度平均值分别为18.79、19.08、17.03 m,标准差分别为8.10、7.34、7.17 m。单木探测百分比平均86.3%,用户精度以及生产者精度平均分别为75.69%和65.15%。实测得出三个样地全部高大乔木空间分布格局均为聚集分布,而激光雷达测量结果显示为随机分布或均匀分布。实验显示基于无人机激光雷达技术能够很好地提取植被冠层高度信息并能够较好地获取树木位置,但对于树木空间分布格局判定的准确性有待于进一步探索。未来研究应从多角度对激光雷达测量造成的误差原因予以分析(如环境因素),并进一步研究更为精确的单木提取以及植被高度提取方法,为通过无人机激光雷达测算森林生物量及各种生态过程提供更加精准的指标数据。     

红松人工林优势木竞争指数影响因子

在温带湿润气候区东段不同立地条件下的红松人工林内设置面积为600 m~2(20 m×30 m)的70块矩形固定样地。在每个样地内,选取5颗最高且长势较好的优势木作为研究的对象木,用Voronoi图确定优势木相应的竞争木,测定每一块样地内优势木与竞争木之间的距离。采用Hegyi单木竞争指数模型,分析优势木在不同样地水平上的种内竞争强度,探讨林分生长因子、地形因子、土壤养分因子对优势木竞争指数的影响,并对这3类因子与优势木竞争指数进行相应的拟合和相关性分析。结果表明：红松人工林优势木竞争强度随着优势木胸径的增大而变小,并且两者之间的关系服从幂函数;红松优势木的竞争指数与其树高、胸径、冠幅呈极显著的相关关系(P<0.01);坡向、坡位、海拔对竞争指数影响极显著(P<0.01);红松人工林优势木竞争指数的大小与土壤氮磷钾含量均呈极显著的相关关系(P<0.01);pH值对优势木竞争指数的影响不显著。当红松人工林优势木平均胸径达到45cm,优势木平均树高和冠幅大于周围竞争木时,其对周围资源的利用程度增大,林木会发生自然稀疏现象,其所受的竞争压力减小。红松喜光性强,对水分的要求高,...