基于哑变量的不同气候条件下红松树冠外部轮廓模拟研究

以辽宁清原满族自治县大边沟林场及黑龙江桦南县孟家岗红松人工林为研究对象,分别在两个气候区各选取39株和24株样木进行枝条解析,测量所有样木的所有枝条的枝长、弦长、基径、着枝深度等枝条属性因子;利用R语言构建基于哑变量的2个气候区红松树冠轮廓模型,分析林木因子对树冠轮廓的影响,比较2个气候区红松树冠轮廓的差异。结果表明:在幂函数、分段抛物线方程、修正Kozak方程中,幂函数拟合树冠外部轮廓的效果较好,选其作为树冠外部轮廓基础模型;当固定其他变量时,树冠外部轮廓半径随着胸径和冠长率的增大而增大,随着高径比的增大而减小,且CR对树冠半径的影响最小,HD其次,DBH最大;气候区的差异对小树影响最大、中等树木次之、大树最小;优势木树冠半径>平均木树冠半径>劣势木树冠半径。本研究构建的树冠外部轮廓哑变量模型具有良好的拟合优度,能够合理地模拟及预测2个地区的红松树冠外部轮廓。

树冠位置对香樟叶形态性状和异速生长关系的影响

为深入了解树冠位置对植物叶形态性状的影响,在常绿乔木香樟树冠上下2层和东南西北4个方位开展调查取样,系统分析了不同树冠位置间叶形态性状(叶长、叶宽、叶厚、叶柄长、叶柄直径和叶形指数)及其异速生长关系的差异性。结果表明,叶形态性状在不同树冠方位间均差异显著,但上下2层变化趋势不完全一致。在树冠上层,除叶形指数和叶炳长外,其余4个性状均表现为东侧最大。在树冠下层,除叶形指数外,其余5个性状指标均表现为东侧最小。在同一方位上,叶形态性状在上下2层间也存在一定差异,其中叶形指数多为下层高于上层,而其他形态性状多呈相反趋势。此外,树冠层次和方位的交互作用对叶片长、叶片厚、叶柄长和叶柄直径有显著影响。各层次和各方位叶形态性状间多为异速生长关系(即异速生长指数不等于1),且多无显著差异。在所有树冠层次和树冠方位,叶宽与叶厚、叶宽与叶炳长、叶长与叶厚及叶长与叶柄长之间均呈异速生长关系。可见,树冠位置对香樟叶形态性状的影响较大,但形态性状间的异速生长关系相对稳定,这是香樟叶形态性状表型可塑性和内在关系稳定性的重要体现。

三种梨简化棚架栽培树形树冠与产量形成差异比较分析

以梨双臂顺行式树形为对照,对单干单主枝、双干双主枝2种改进型简化棚架栽培树形早期树冠与产量形成进行多年跟踪调查分析.结果表明,与梨双臂顺行式树形相比,单干单主枝、双干双主枝2种树形主干增粗较慢、主枝增长较快,差异达显著或极显著水平;大、中、小型3类结果枝组数量峰值分别出现于定植后第5年、第3年、第3年,均提早1年以上;定植当年至定植后第5年形成花芽数量更多,差异达显著或极显著水平;定植后第2至第6年单位面积累计产量分别增加3009.93、2830.18kg/667m^(2),累计纯收益分别增加23429.44元/667m^(2)与21991.44元/667 m^(2),加快树冠形成与缩短进入盛产期和回收建园成本时间的作用显著.

基于移动多线激光雷达扫描的树冠叶面积估计方法

移动单线激光雷达(Laser detection and ranging,LiDAR)扫描(Mobile single-layer LiDAR scanning,MSLS)树冠叶面积估计方法使用单一视角的单线激光雷达采集树冠点云数据,获取的冠层信息不够全面,限制了树冠叶面积估计精度。本文提出一种基于移动多线LiDAR扫描(Mobile multi-layer LiDAR scanning,MMLS)的树冠叶面积估计方法,使用多线LiDAR从多个视角采集树冠点云数据,提升树冠叶面积估计精度。首先,将多线LiDAR采集的点云数据变换到世界坐标系下,通过感兴趣区域(Region of interest,ROI)提取出树冠点云。然后,提出一种MMLS树冠点云融合方法,逐个融合单个激光器采集的树冠点云,设置距离阈值删除重复点,添加新点。最后,构建MMLS空间分辨率网格,建立基于树冠网格面积的树冠叶面积估计模型。实验使用VLP-16型多线LiDAR传感器搭建MMLS系统,设置1、1.5 m 2个测量距离和间隔45°的8个测量角度对6个具有不同冠层密度的树冠进行数据采集,共得到96个树冠样本。采用本文方法,树冠叶面积线性估计模型的均方根误差(Root mean squared error,RMSE)为0.1041 m^(2),比MSLS模型降低0.0578 m^(2),决定系数R^(2)为0.9526,比MSLS模型提高0.0675。实验结果表明,本文方法通过多线LiDAR多视角树冠点云数据采集、MMLS树冠点云融合和空间分辨率网格构建,有效提升了树冠叶面积估计精度。

基于树冠重叠面积的天然混交林林木竞争指数

构建基于树冠重叠面积和林木混交关系的竞争指数,探究天然混交林林分及主要树种竞争的表达方法,并以甘肃省小陇山林区锐齿槲栎天然混交林为研究对象,采用胸径、树高、冠幅、距离等信息的2期调查数据,对新构建的基于树冠重叠面积的天然混交林林木竞争(CIM)指数进行验证,并选取Spearman系数,对CIM竞争指数和传统竞争指数进行相关性分析。结果表明,采用树冠投影重叠和考虑树高关系确定竞争木的方法能有效避免竞争木多选或漏选;CIM1、CIM2、CIM3能够表达出混交林竞争压力变化,表现出竞争压力越大林木蓄积生长量越小的趋势,将树种混交因子引入竞争指数能够提高蓄积生长量与竞争指数的相关性,更加客观的描述林分中竞争状况。竞争指数与蓄积生长量相关性由大到小排序为CIM2>CIM3>CIM1>Bella竞争指数(CIO)>简单竞争指数(CI)>CIO_(2)>CIO1,表明竞争指数CIM2对混交林竞争表达更具参考意义。林分中主要树种锐齿槲栎由于相邻木中同树种相邻木增加,导致竞争压力增大。天然混交林中树种组成复杂多样,林木分布不均匀,在竞争指数中引入树种混交因子能够较为真实的反映林木竞争状况。

基于激光雷达自适应聚类半径的树冠检测研究

为解决丘陵山地果园条件下激光雷达检测过程中面对多尺寸、多距离条件下出现的目标物体漏检、误检等欠分割和过分割问题,提出一种基于激光雷达的自适应目标聚类半径目标物体检测方法。首先,在使用激光雷达感知到周围环境的三维点云后,去除地面点云并且使用体素滤波进行降采样的预处理,在减少数据量的同时去除点云中的噪声点。其次,建立K-d tree模型进行最近邻搜索,以加速欧式聚类的进程,通过自适应确定每颗树冠的聚类半径,使欧式聚类能够得到更好的聚类效果。最后为验证算法准确性和实用性,基于果园履带车平台,采用32线激光雷达对所提算法进行实车测试。结果表明:在丘陵山地果园中该算法可准确聚类果树树冠点云,且实地目标正检率为94.41%。

设施葡萄大树冠“T”形棚架关键栽培技术

在北方地区鲜食葡萄设施促成和避雨栽培中,采用大树冠“T”形棚架栽培技术取得了良好的效果。本文主要总结了该栽培模式中的架式及树形,以及土壤、水肥及花果管理、病虫害防治等关键技术措施。该技术具有降低成本、提质增效、便于机械化和标准化管理的优点,可为生产提供行之有效的技术指导,促进葡萄产业的发展。

红皮云杉人工林树冠特征与生长形质的关系及间伐与修枝对其影响

为了解红皮云杉(Picea koraiensis)人工林树冠特征与生长形质的关系,分析不同间伐与修枝组合对红皮云杉人工林树冠特征与生长形质影响规律,明确抚育管理措施强度,为红皮云杉大径材培育技术的建立提供参考依据。以黑龙江省佳木斯市孟家岗林场47 a红皮云杉人工中龄林木为研究对象,利用多目标一维比较法对林木生长形质进行综合评价,采用通径分析方法分析树冠特征与生长形质及综合评价值之间的关系,明确不同间伐与修枝组合对林木生长的影响。结果表明,冠幅、冠形率对树高、胸径、单株材积、活枝下高与生长形质综合指标具有显著正向作用,但冠长率对其具有显著负向作用(P<0.05);冠幅、冠形率对胸高形数具有显著负向作用,冠长率对其有显著正向作用(P<0.05);树冠特征因子对红皮云杉生长形质性状影响作用与重要性不尽相同,对生长形质综合指标的相对重要性由大到小顺序为冠幅、冠长率、冠形率。不同间伐与修枝组合对树冠特征、活枝下高、胸高形数、生长形质综合指标影响不显著(P>0.05);随着间伐强度的增加及修枝强度的降低,林木树高、胸径、单株材积增加,且具有显著差异(P<0.05)。因此,树冠形态特征因子对红皮云杉生长形质性状因子具有显著直接作用。培育红皮云杉大径材首先要有宽大的冠幅,其次要有狭长的冠形和较小的冠长率。高强度间伐低强度修枝(30%间伐,1/5树高修枝)的管理方式可促进红皮云杉中龄林树高、胸径的生长。

城市森林树冠覆盖特征与景观生态变化——以南昌市为例

为揭示南昌市城市森林树冠覆盖特征及景观生态变化,进一步为生态建设提供参考,本研究利用ERDAS 2014、eCognition Developer 9.0和Fragstats 4.2.1等软件解译并分析了南昌市主城区2015―2019年林木树冠覆盖特征和景观格局变化。结果表明:在景观水平上,2015―2019年间,南昌市主城区景观斑块数量从51344个增长至71707个,斑块密度从0.527个·hm^(-2)增长至0.740个·hm^(-2),景观形状指数从237.7增长到260.4。在斑块类型水平上,2015年南昌市主城区不透水地表面积最多,为43289.9 hm^(2);林木树冠覆盖面积次之,为21129.5 hm^(2);裸地面积最少,为1255.8 hm^(2)。2019年不同地类面积发生了不同程度的变化,草地和裸地面积分别减少了45.9%和34.2%,林木树冠覆盖面积增加了2.7%。总之,研究期间南昌市主城区城市森林呈现总面积增长和景观破碎化现象,建设用地面积仍在增长。

不同林分密度降香人工林生长量与树冠层因子的关系

为给降香(Dalbergia odorifera)人工林经营措施优化提供理论依据,以降香人工林为研究对象,采用相关性分析法和通径分析法研究生长量与树冠层因子的关系。结果表明,随林分密度增大,降香人工林的胸径、冠幅和树冠体积均减小,树高和冠长率均呈先升后降的趋势,冠形率增大。相关性分析结果表明,不同林分密度降香人工林生长量和树冠层因子大多呈显著或极显著相关性。通径分析结果表明,冠幅、冠形率和冠长率对树高和胸径的直接影响和间接影响均较复杂,冠幅对胸径和树高的影响均较大。

不同密度下小陇山蒙古栎次生混交林树冠结构与密集度的关系

[目的]林木树冠结构与密集度具有一定关联性。密度效应一直是森林经营关注的问题,本研究通过探究蒙古栎次生林林分密度与树冠结构、密集度的关系,以期深入掌握蒙古栎次生林结构特征,为蒙古栎林可持续经营提供充分的科学依据。[方法]于2020年8月在小陇山蒙古栎次生混交林中选取立地条件均一、不同密度的典型样地进行调查,采用最小显著性差异法、Pearson相关系数和最优结构方程模型,分析不同密度下树冠结构与密集度的关系。[结果]不同密度蒙古栎林中树冠体积的变异最强,其次为冠长与树冠面积,冠幅、冠长率和冠形率的变异最弱,树冠结构特征的变化趋势随林分密度的改变呈单峰型分布。随着林分密度递减,冠幅、树冠面积、树冠体积分别与胸径的相关性趋势近似于“L”型,而冠长和胸径的相关性趋势与林分密度的变化保持了一致,林分密度对冠长率、冠形率与胸径相关性的影响不大。蒙古栎林密集度处于中等密集至很密集状态,但不同密度林分内林木树冠的挤压与重叠程度有差异,其中优势树种蒙古栎、白桦、华山松和椴树起了决定性作用。蒙古栎林中林分密度对树冠结构与密集度关系的影响包含两种路径:林木竞争—树冠结构共同介导的间接影响;林木竞争—胸径—树冠结构共同介导的间接影响。[结论]不同密度蒙古栎林树冠结构有差异,树冠结构特征与林木胸径有关,林分密度影响了蒙古栎林树冠结构与密集度的关系。要实现蒙古栎林的可持续经营,不仅要考虑林木胸径大小,更要关注林木树冠结构特征,通过调整林分密度可优化树冠结构,改善林冠层挤压状况,以促进森林更新与增加物种多样性。

基于多光谱无人机不同飞行高度下苹果树冠幅信息的提取

【目的】利用无人机多光谱影像分割并提取苹果树树冠冠幅信息,实现无人机遥感技术监测苹果树树冠信息,并分析无人机飞行高度对冠幅提取精度的影响。【方法】利用大疆精灵4多光谱无人机分别获取30、60和90m飞行高度的苹果树多光谱影像,经大疆智图(DJI Terra)软件处理生成DOM和DSM影像数据,利用多尺度分割法和阈值分类对苹果树树冠进行分割并提取目标树的东西、南北冠幅值,以目视解译分割树冠和实地测量的100株果树冠幅值为参考进行精度验证。【结果】30 m飞行高度的单木树冠分割准确率为84.00%,东西、南北冠幅平均提取精度为91.15%,平均R^(2)为0.7859,平均RMSE为0.2166 m;60 m飞行高度的单木树冠分割准确率为81.00%,东西、南北冠幅平均提取精度为90.31%,平均R^(2)为0.7376,平均RMSE为0.2416 m;90 m飞行高度的单木树冠分割准确率为73.00%,东西、南北冠幅平均提取精度为88.88%,平均R^(2)为0.7102,平均RMSE为0.2676 m。【结论】利用多光谱无人机遥感技术可以实现对苹果树树冠信息的监测;飞行高度对提取结果有一定的影响,随着无人机飞行高度的增加,单木分割准确率和冠幅提取精度逐渐降低。无人机遥感技术成本低、快速、准确,可以提高果园的管理效率。

基于Mask R-CNN和迁移学习的无人机遥感影像杉木单木树冠提取

【目的】利用无人机遥感影像对树冠进行自动化提取,获取高精度树冠信息。【方法】该研究提出一种基于Mask RCNN和迁移学习的无人机影像单木树冠提取方法。首先,选用在Faster R-CNN基础上改进优化的Mask R-CNN实例分割模型,特征提取网络在ResNet50残差网络和ResNet101残差网络二者间选取最优。其次,引入迁移学习与Mask RCNN一起训练,联合迁移学习的导向作用降低训练时间,提高训练精度。【结果】Mask R-CNN模型的总体精度为93.59%,用户精度为65.46%,F1分数为76.05%,平均精度均值为0.31;载入迁移学习后的Mask R-CNN模型在同等训练条件下比原模型的用户精度提升29.53%,F1分数提升19.63%,平均精度均值提升0.21;分别以ResNet50和ResNet101为特征提取网络的Mask R-CNN模型中,ResNet50+Mask R-CNN模型的总体精度、用户精度、F1分数、平均精度均值各为96.94%、95.57%、96.17%、0.54,ResNet101+Mask R-CNN模型的总体精度、用户精度、F1分数、平均精度均值各为96.20%、94.41%、95.19%、0.49;其中载入迁移学习的ResNet50+Mask R-CNN模型在预测东西冠幅、南北冠幅、树冠面积与样方郁闭度的预测决定系数分别为0.87、0.84、0.93和0.83。【结论】本研究提出的基于Mask R-CNN和迁移学习的方法得到了较为精准的树冠参数结果,为无人机遥感影像评估树木资源提供了一种快速高效的解决方案。

地基激光雷达单木树冠体积提取球坐标积分法

树冠体积是地表生态监测研究的关键因子,激光点云可精细描述单木空间形态,为树冠体积提取提供了数据基础,但现有的激光点云单木树冠提取方法存在参数敏感、自动化程度不高等不足。文章在分析单木三维空间形态结构的基础上,提出了一种基于地基激光点云数据的单木树冠体积提取球坐标积分法。首先,根据激光点云高程分布特性,采用可视高程阈值分割得到树冠点;然后,将激光点云投影至三维球坐标空间并进行四棱锥形微元分割;最后,利用三维球坐标积分确定树冠体积。选择6种不同类型的单木激光点云数据进行试验,结果表明:文章方法能较好地顾及树冠形态、点云密度等因素,单木树冠体积提取绝对误差绝对值最大值为2.33 m^(3),相对误差最大值为3.40%,相比已有方法具有树冠提取精度高、稳定性好的优势。该研究对激光点云林木参数提取具有重要的参考价值。

树种及其树冠尺寸对街谷内污染物分布特征的影响

本研究运用数值模拟方法分析了树冠尺寸、树种的变化对街道峡谷内气流结构及污染物扩散的影响。采用平均无量纲浓度(K)和空气交换率(ACH)对街道峡谷内通风能力与污染状况进行评估。结果表明:树冠尺寸和树种压力损失系数的变化均会影响街谷内的气流流动结构和污染物扩散规律。其中,树冠尺寸和树种压力损失系数的增大都会使树冠对气流的阻碍作用增强,不利于街谷内通风及污染物扩散,导致街谷内特别是背风墙附近污染物浓度明显上升,并且树冠尺寸变化对污染物扩散的影响相较于树冠压损系数的变化更为显著。

基于无人机可见光影像的坐果期枣树冠层SPAD值估算

以坐果期枣树为研究对象,利用无人机可见光影像,对田间尺度的枣树冠层SPAD值进行监测,基于14种植被指数与枣树冠层实测SPAD值的相关性,优选植被指数构建单变量回归、多元逐步回归和随机森林回归的枣树冠层SPAD值估算模型,以期探讨无人机可见光遥感影像估算枣树冠层SPAD值的可行性。通过相关性分析发现,红绿比值指数(RGRI)、超绿指数(EXG)、改进型绿红植被指数(MGRVI)、可见光波段差异植被指数(VDVI)、可见光大气阻抗植被指数(ARVI)与枣树冠层SPAD值的相关性极显著,其中EXG与枣树冠层SPAD值的相关系数达到-0.578。基于枣树冠层SPAD值的相关性极显著的5种植被指数构建的单变量反演模型的r^(2)在0.111~0.604之间,RMSE在1.936~3.085之间。其中,以EXG构建的线性模型为单变量反演模型中效果最优的模型,r^(2)达到0.604,RMSE为1.936。基于RGRI、MGRVI、EXG协同构建的多元逐步回归模型效果优于任何单一植被指数构建的单变量反演模型,R 2达到0.635。与使用单变量构建的线性或非线性模型相比,基于随机森林算法构建的枣树冠层SPAD值反演模型效果最佳,其r^(2)达到0.804,RMSE为1.317。基于随机森林算法的枣树冠层SPAD值反演模型表现出了对实测值较高的拟合能力和较优的模型预测能力,表现出了对枣树特殊种植结构比较健壮的反演能力,以及对土壤等背景因素的抗干扰能力。研究结果为低空遥感监测林果长势和健康评估提供了技术支撑。

基于深度学习的树冠分割及生物量估算

地上生物量反映植被生长状况和碳储量的大小,该参数的准确性对于碳循环研究以及减缓气候变化至关重要。以芭蕉树为研究对象,提出一种利用深度学习实现芭蕉树冠检测分割和地上生物量估算的新思路。首先,以深度学习算法YOLOv8s-seg为基础框架改进,并应用无人机遥感影像,实现芭蕉树冠检测分割;然后,提取芭蕉树冠覆盖面积,结合实测地上生物量数据进行拟合,使用线性回归、K最近邻算法(K-NearestNeighbor,KNN)、支持向量机、随机森林和XGBoost(eXtreme Gradient Boosting)方法分别建立芭蕉地上生物量估算模型;最后,对模型估测结果进行比较分析确定最优模型。结果表明,改进后的YOLOv8s-seg模型可以快速有效地对芭蕉树冠进行检测分割。通过验证发现,基于XGBoost的地上生物量估算模型拟合效果和预测误差优于其他模型,决定系数(R^(2))为0.8814,均方根误差(RMSE)为231.37 kg,平均绝对误差(MAE)为140.47 kg,能够更准确地预测地上生物量,更适于进行芭蕉地上生物量的反演,进一步验证了利用无人机和深度学习方法提取树冠信息实现估算地上生物量的可行性。

乡土景观树冠空隙度点云数据提取再生算法

树冠空隙度点提取的过程中,会产生大量噪声点,导致树冠空隙度点云数据细节特征大量丢失。为了保证点云数据的完整度和精确度,提出乡土景观树冠空隙度点云数据提取再生算法。利用三维激光扫描技术,获取乡土景观树冠点云数据,计算树冠空隙度,并参照树冠空隙度分割点云数据,组建树冠空隙度点云数据再生样本。利用改进小波阈值函数和RBF神经网络,消除点云数据噪声、填补点云数据空洞,实现乡土景观树冠空隙度点云数据提取再生。实验结果证明,所提方法提取再生效果好,且所需时间仅为1.002s,表明所提方法的效率高。

树冠喷白对沃柑病虫害和果面色泽的影响

树冠喷白是夏季高温期果实易日灼柑桔产区的常见管理措施。为探究喷白处理对其他病虫害及果实外观的影响,在南宁市西乡塘区以6年生沃柑为试材,测定喷白处理对柑桔全爪螨(红蜘蛛)、柑桔锈壁虱(柑桔锈螨、锈蜘蛛)和溃疡病的防控效果,以及对果实色泽度的影响。喷白方法为将树脂喷白粘剂、轻质CaCO_(3)和水以一定比例配制成喷白液,在夏季高温季节利用机械喷洒设备将喷白液均匀喷洒于沃柑树体结果部位。试验结果表明,喷白处理能够有效防控红蜘蛛和锈蜘蛛,对降低溃疡病发病程度有一定作用,对果面色泽影响较小。

基于树冠最高点和地面树干中心的森林影像点云配准方法

为了弥补无人机和地面不同观测视角导致的森林信息缺失以及不同平台摄影测量影像点云难以高效配准的问题,该研究基于无人机和地面摄影测量构建森林三维影像点云数据,以提取的无人机树冠最高点和地面树干中心为关键特征点,参考由粗到精的配准思路,借助特征点在3D和2D的映射关系以及改进的模拟退火算法和迭代最近点算法,提出了一种适合于无人机和地面不同观测平台的森林影像点云配准框架。测试结果表明,相较于银杏树和楸树而言,杨树对关键点匹配影响较大(杨树1.13 m>楸树0.75 m>银杏树0.52 m),不同树种对粗配准影响较小(杨树0.13 m>银杏树0.08 m>楸树0.07 m);所提方法在不同树种组成的6块典型样地上表现出色,平均精配准误差分为0.06 m,有效实现了无人机和地面平台影像点云的精细化配准。研究结果可为森林资源调查、森林三维重建以及影像点云的推广应用提供有力的支撑。