点云密度对无人机激光雷达森林参数估测精度的影响

[目的]点云密度是影响无人机激光雷达数据获取和预处理成本和效率的关键因素,探明点云密度对林分尺度无人机激光雷达森林参数估测精度的影响,有助于优化无人机激光雷达森林应用技术方案。[方法]以马尾松、桉树人工林为研究对象,采用百分比重采样方法,对密度为247点·m^(-2)的原始点云按40%、20%、8%、4%和2%的比例降低点云密度,得到1个全密度原始点云数据集和5个稀疏密度点云数据集;每个数据集独立进行点云分类、地面点滤波和数字高程模型生成、点云高度归一化等预处理并提取激光雷达变量;对于同一森林类型的同一个森林参数(林分蓄积量、断面积、平均高和平均直径)的估测,各个数据集都采用相同的乘幂模型结构式进行模型拟合,然后比较分析模型优度统计指标的差异,包括:决定系数(R^(2)),相对根方根误差(rRMSE)和平均预报误差(MPE);采用配对样本t检验方法对各个数据集的森林参数估测结果和激光变量的差异进行统计分析。[结果]当点云密度分别稀疏至100、50、…、5点·m^(-2)时,各个森林参数估测模型的精度保持基本一致;各个稀疏密度点云数据集的森林参数估测值的均值与原始点云数据集的估测值的均值不存在显著性差异(p≥0.05);各个稀疏密度点云数据集激光变量的均值和原始点云数据集激光变量的均值基本上不存在显著性差异(p>0.05)。[结论]在无人机激光雷达森林资源调查监测应用中,点云密度可低至5点·m^(-2)。然而,本试验结果仍需通过不同飞行高度获取不同密度点云数据予以验证。

无人机激光雷达人工林参数估测试验

为探讨小区域森林资源调查监测中先进、可靠和可行的技术路径,对无人机激光雷达(UAV-LiDAR)森林参数估测和制图进行试验。采用13个刻画森林冠层三维结构、具有明确森林计测学和生态学解释意义的UAV-LiDAR变量,通过有规则的穷举法进行变量组合,得到86个森林参数估测模型式,每个模型式含2~5个变量;采用样地数据对全部模型式进行拟合和检验,得到6个森林参数估测优选模型。结果表明:松树、桉树人工林平均高、断面积和蓄积量估测模型的决定系数(R2)为0.616~0.853,相对均方根误差(rRMSE)为10.85%~18.79%,平均预报误差(MPE)为3.80%~9.72%。无人机激光雷达可实现森林参数的精确估测和制图,为小区域森林资源调查提供了全新技术手段,并且有效克服了传统地面调查存在的诸多问题。但是,在无人机激光雷达森林资源调查应用中,为进一步提高精度、降低调查成本,仍有很多技术问题需要加强研究。

广西巨尾桉人工林蓄积量估测及样地尺度效应研究

在广西高峰林场巨尾桉人工林内设置20个(30 m×30 m)方形大样地,每个方形样地中分成9个小样地(10 m×10 m),由4个小样地组成中样地(20 m×20 m),采用参数模型和机器学习算法探索林分平均高和密度等变量估测林分巨尾桉人工林蓄积量。结果表明:巨尾桉人工林林分蓄积量与林分平均高、每公顷株树呈显著正相关。在构建巨尾桉人工林蓄积量的所有模型中,基于林分疏密度和林分平均高构建的变参模型(R2=0.9973,RMSE=4.64 m^(3)/hm^(2))优于基于林分平均高和每公顷株数构建的随机森林模型(R2=0.9617,RMSE=18.53 m^(3)/hm^(2));2个林分蓄积量估测模型的3组测试样地的Pearson残差落主要在[-2,2]带状区域中,2个林分蓄积量模型可以在巨尾桉人工林林分不同面积尺度样地(100、400、900 m^(2))应用。基于林分密度和平均高的蓄积量模型与实测蓄积量的相关性较高(R2在0.9200~0.9973),反演误差值较好(RMSE在4.64~25.16 m^(3)/hm^(2));林分疏密度对林分蓄积量变动的解释能力好于每公顷株数;在100 m^(2)样地尺度上基于林分密度(每公顷株树、林分疏密度)和林分平均高拟合的林分蓄积量估测模型在400 m^(2)和900 m^(2)尺度上有较好的一致性。

点云密度对机载激光雷达大区域亚热带森林参数估测精度的影响

【目的】点云密度是影响机载激光雷达数据获取和预处理成本的关键因素,探明点云密度对森林参数估测精度的影响,为机载激光雷达大区域森林调查监测应用技术方案的优化提供参考依据。【方法】基于我国广西一个亚热带山地丘陵区域获取的机载激光雷达和样地数据,通过系统稀疏方法,将全密度点云(4.35点·m^(-2))分别稀疏至4.0、3.5、3.0、2.5、2.0、1.5、1.0、0.5、0.2和0.1点·m^(-2),得到11个样地尺度的点云数据集,包括1个全密度和10个稀疏密度点云数据集;应用配对样本t检验方法,分析4种森林类型(杉木林、松树林、桉树林和阔叶林)中稀疏密度点云和全密度点云之间12个激光雷达变量的差异;通过变量和结构固定的多元乘幂模型式,分别采用不同密度点云数据集对林分蓄积量(VOL)和断面积(BA)进行估测,比较模型优度统计指标决定系数(R^(-2))、相对均方根误差(rRMSE)和平均预估误差(MPE)的差异,并应用t检验方法分析稀疏密度点云VOL和BA估测值均值和全密度点云相应估测值均值的差异。【结果】1)点云密度较低时,稀疏密度点云分位数高度(ph25、ph50和ph75)的均值与全密度点云相应变量的均值存在显著性差异,但不同森林类型、不同变量出现显著性差异时的点云密度不同,各森林类型中稀疏密度点云平均高(H_(mean))和点云高变动系数(H_(cv))的均值与全密度点云相应变量的均值基本不存在显著性差异,但点云最大高(Hmax)的均值存在显著性差异;2)各森林类型中,稀疏密度点云冠层覆盖度(CC)和中下层分位数密度(dh25)的均值与全密度点云相应变量的均值差异不显著(阔叶林dh25除外),但中上层分位数密度(dh50和dh75)存在显著性差异;3)各森林类型中,稀疏密度点云平均叶面积密度(LAD_(mean))的均值与全密度点云LAD_(mean)的均值存在显著性差异,当点云密度较低时,稀疏密度点云叶面积密度变动系数(LAD_(cv))的均值与全密度点云LAD_(cv)的均值存在显著性差异;4)各森林类型中,不同密度点云VOL和BA估测值差异很小,且均不存在显著性差异,但随点云密度降低,杉木林、松树林和桉树林VOL和BA估测模型的R^(-2)缓慢逐渐减小,rRMSE和MPE缓慢逐渐增大,森林参数估测精度逐渐降低,阔叶林VOL和BA估测模型的R^(-2)、rRMSE和MPE受点云密度变化影响不大。【结论】点云密度降低导致激光雷达变量标准差增大是造成森林参数估测模型精度降低的主要原因,在实际机载激光雷达森林资源调查监测应用中,点云密度以大于0.5点·m^(-2)为宜。

广西森林资源规划设计调查技术回顾与展望

20世纪50年代以来,广西先后完成雅长、九万山等重点林区和国有林场森林资源规划设计调查,及5次全区性森林资源规划设计调查,调查内容不断丰富和完善,调查技术和手段不断创新,为广西林业发展提供了坚实的数据基础。广西森林资源规划设计调查主要经历了目测调查(踏查)、小班抽样调查、基于地形图的小班调查、基于高分辨率遥感影像的小班调查和基于机载激光雷达的天空地一体化森林资源调查5个阶段。该文回顾各阶段广西森林资源规划设计调查的主要技术和发展历程,介绍当前新技术研发进展,并对森林资源规划设计的发展趋势进行展望。

森林资源规划设计调查质量评价方法研究

从调查因子对调查质量影响程度的分析出发,构造了小班调查质量评价函数,在此基础上定义了调查员、总体的质量评价函数,由此形成了一套较为系统的森林资源调查质量评价方法体系.与传统方法相比,本方法更科学严谨,结果更为准确.

基于面向对象变化向量分析法的遥感影像森林变化检测

为探讨用于森林资源数据库更新的森林变化空间信息采集方法,以林地变化频繁快速、变化图斑多且小的广西上思县局部区域为研究区,以资源三号(ZY-3)和高分一号(GF-1)高空间分辨率卫星遥感图像和小班专题图为数据源,采用面向对象的变化向量分析(change vector analysis,CVA)方法,基于马氏距离、欧氏距离和相对误差距离度量变化强度,通过目标函数确定最佳检测阈值,以小班为单元进行森林变化检测。结果表明,用欧氏距离、马氏距离检测的森林变化结果都不甚理想,漏检率和误检率高,总体精度较低,Kappa系数较小;用相对误差距离检测的结果较好,漏检率(21.0%)和误检率(32.5%)均最小,总体精度最高(89.6%),Kappa系数最大(0.664);误检测的图斑多为成林地和无林地(建设用地、林区道路等),各个变化类型都出现了少量漏检图斑。

机载激光雷达大区域亚热带森林参数估测的普适性模型式

【目的】针对当前森林参数估测模型受研究区条件、森林类型限制不具备普适性的问题,从森林三维结构分析描述出发,构建森林参数估测多元乘幂模型式,并测试其在不同森林类型不同森林参数估测中的表现,检验其推广能力,以期发现一个适用于不同森林类型不同森林参数估测的模型结构式,为激光雷达森林参数的一致性估测提供实践案例。【方法】以面积2.21万km2的南亚热带丘陵山地区域为研究区,以面积法为基础,将刻画森林冠层三维结构的7个离散回波LiDAR变量进行组合,构建5个森林参数估测多元乘幂模型式,通过383块样地测试5个模型式在不同森林类型(杉木林、松树林、桉树林和阔叶林)不同森林参数(蓄积量、断面积和平均直径)估测中的表现。【结果】以激光雷达点云平均高、冠层覆盖度、叶面积密度变动系数、激光雷达点云高度变动系数、50%分位数密度为变量的模型结构式表现最好;4种森林类型蓄积量估测模型的决定系数(R^(2))分别为0.667、0.769、0.764和0.602,相对均方根误差(rRMSE)变化范围为18.53%~36.32%,平均预估误差(MPE)变化范围为3.37%~6.95%;4种森林类型断面积估测模型的R^(2)分别为0.572、0.582、0.706和0.568,rRMSE变化范围为16.11%~30.82%,MPE变化范围为3.27%~5.89%;4种森林类型平均直径估测模型的R^(2)分别为0.574、0.501、0.709和0.240,rRMSE变化范围为10.07%~29.01%,MPE变化范围为1.83%~5.55%;最优普适性模型式的R^(2)与各森林类型各森林参数最优模型的R^(2)的相差小于5%,rRMSE和MPE的相差均小于7%。【结论】本研究提出的模型式变量具有明确的生物物理意义和林学解析意义,可准确刻画林分冠层三维结构,在不同森林类型不同森林参数估测中均取得较好效果,具有良好的普适性,有利于提高不同森林类型估测结果的可比性,可用于机载激光雷达大区域森林资源动态监测。

基于统计检验的面向对象高分辨率遥感图像森林变化检测

【目的】探讨基于统计检验的面向对象高空间分辨率卫星遥感图像森林(地)变化的自动检测,为准确、快速、高效采集森林变化信息,及时更新森林资源数据库提供一种有效方法。【方法】以森林(地)覆盖变化频繁和快速、变化图斑多而小的广西壮族自治区上思县局部区域为研究区,以2013年12月资源三号卫星图像、2015年1月高分一号卫星图像和2013年小班专题图为数据源,试验基于统计检验的面向对象森林变化检测方法:1)对两时相图像进行多尺度分割,提取图像对象(图斑)各波段的灰度均值和标准差;2)鉴于两时相图像图斑灰度均值、标准差的差值的频率均近似呈正态分布,采用图斑的灰度均值、标准差的差值构造一个服从卡方分布的随机变量;3)根据假设检验,在事先给定一个置信度后,通过一个自动的反复迭代计算流程逐次将统计量异常的变化图斑检测出来。【结果】1)对于一个事先给定的置信度,检测出来的变化图斑数量随着迭代次数的增加而迅速减少;2)当置信度分别为0.95、0.98、0.99和0.999时,分别通过25、23、20和15次迭代可将全部变化图斑检测出来,迭代次数随着置信度的增大而减少;3)当置信度为0.95~0.99时,随着置信度提高,漏检率升高、误检率降低,总体精度提高;4)当置信度为0.99时,总体精度达92.6%,Kappa系数为0.764 8,检测结果最好。【结论】基于统计检验的面向对象高分辨率遥感图像森林变化检测方法具有严密的统计学基础,直接对分割图像进行计算,不需建立训练样本,不依靠任何外来信息,不需人为干预,整个检测过程自动完成,并且检测效果良好,在森林(地)变化检测中具有良好的应用前景。

面向对象遥感图像森林变化检测的工程化应用方法

在多年遥感图像森林变化检测研究和大规模实际应用的基础上,提出了面向对象高空间分辨率遥感图像森林变化检测工程化应用的流程和方法体系,包括图像预处理、小班专题图整理、图像分割与信息提取、面向对象图斑分类、分类结果修正、变化图斑提取、外业工作图制作。该方法体系无需复杂计算,简单易学,便于流程化操作,非遥感专业人员通过短期培训即可完成某个步骤的操作。针对1期遥感图像和2期遥感图像的两种情况,分别介绍了该方法体系的具体应用。

基于林区GPS控制网的手持式GPS空间定位试验

在林区建立GPS控制网,求解高精度的坐标转换参数,然后采用手持式GPS进行样地中心定位和小班边界定位的方法进行了试验。结果表明:在实际应用中宜选择5个已知差分基准站来求解坐标转换参数;手持式GPS的样地中心定位最大综合误差为3.86 m,小班边界平均位移和中心位置绝对位移分别为3.23 m和3.72 m,小班面积测量精度达98%以上,完全能满足林业生产中实际应用的需要,且操作简单、实用性强,可极大地提高森林资源调查和监测的工作效率。

基于光谱纹理信息和知识挖掘的SPOT5遥感图像分类研究

为探讨高分辨率遥感图像用于中小尺度森林分类的模式,利用SPOT5遥感数据、地面样地调查数据和前期森林资源规划设计调查G IS资料,以图像的光谱和纹理信息为主、历史调查数据的知识为辅构建专家知识分类系统对SPOT5图像进行森林分类,并探讨了历史调查数据在该模式中的贡献率。结果表明,对于所选取的8个类别,总体分类精度达到了92.97%,各类别的分类精度均达到87%以上,分类效果良好;历史调查数据在分类过程中的总体贡献率为11.55%,对提高SPOT5图像分类有较大的帮助作用,尤其对竹林、八角和玉桂、灌木林分类的辅助作用表现更为明显。

广西西端海岸四种红树植物天然种群生境高程

在广西防城港市东湾渔洲坪、石角、交东3个样地平行海面方向共设置18条剖面对4种红树植物白骨壤(Avicenniamarina)、桐花树(Aegiceras corniculatum)、秋茄(Kandelia obovata)、木榄(Bruguiera gymnorhiza)在沿海滩涂生长带高程测量和群落调查。调查结果表明:由于人类活动造成东湾渔洲坪和交东两个样地的坡度变化较大,分别从-0.37变化为-0.05和-0.72变化为-0.10,而地处北仑河口保护区内的石角样地受到保护,没有人为因素的影响,坡度从-0.23变化为-0.10变化不大。石角和交东两个样地中的桐花树集中出现在高程15至40 cm和33至36 cm范围内;秋茄集中出现在高程43至60 cm和37至51cm范围内;木榄集中出现在高程94至106 cm和111至119 cm范围内。所有样地中的白骨壤在高程60至80 cm范围内,树高最高达到220 cm,且分布密集;桐花树在高程20至40 cm范围内,树高最高达到200 cm,且分布密集;秋茄在高程40至80 cm范围内,树高最高达到200 cm,且分布密集;木榄在高程60至100 cm范围内,且分布密集,树高最高达280 cm。通过对各样地剖面上红树植物种类出现频度的分析和林木高度的测量,4种红树植物天然林临界滩涂高程分别为:桐花树为-7 cm;秋茄为+33 cm;白骨壤为+23和+26 cm;木榄为+44 cm。对应的浸淹时间分别为8.5、7.0、7.0、6.0h。在石角和交东分别有30.0%和56.7%的桐花树分布于平均海平面以下,秋茄也能分布在此高程下,平均株高也达1.75 m。根据现场实际调查结果,桐花树、秋茄可以大量生存在平均海平面以下的滩涂上。

手持式GPS在遮挡条件下提高定位精度的研究

目的提高手持式GPS在遮挡条件下定位精度.方法通过建立林区GPS控制网,求解高精度的坐标转换参数,然后采用手持式GPS进行样地中心定位和小班边界定位的实验.结果手持式GPS样地中心定位最大综合误差为3.86 m,小班边界平均位移和中心位置绝对位移分别为3.23 m、3.72 m,小班面积测量精度达到98%以上.结论在实际应用中宜选择5个已知差分基准站求解坐标转换参数;利用此参数可有效提高遮挡条件下手持式GPS的测量精度,且操作简单,实用性强.

不同样地面积对人工林林分参数的影响

在杉木、松树、桉树、一般阔叶树人工林中分别设置25-31块共110块30m×30m样地(分为9个10m×10m样方)进行每木调查,每块样地分别组合为100m^2、200m^2、300m^2、400m^2、600m^2和900m^26个不同面积的样地,分析了不同样地面积的林分平均直径()、平均高()、优势高(DH)、每公顷断面积(G)、每公顷株数(N)、每公顷蓄积量(M)的变化情况。结果表明,各个优势树种中,不同面积大小样地的、、G、N、M总平均值均十分接近,最大值和最小值的相对相差均在8%以内(松树、桉树和一般阔叶树绝大部分在5%以内);随着样地面积的增大,DH呈增大的趋势,样地间各个林分参数的变动系数均呈逐渐减小的趋势;不同面积大小样地林分参数值与900m^2样地相应参数值的平均相对偏差,随着样地面积的增大呈逐渐减小的趋势,当样地面积达到600m^2时,所有树种组的、、DH、G及桉树的N、M平均相对偏差均小于5%,杉木、松树和一般阔叶树的N、M偏差略大,但均小于8%;当样地面积逐渐增大时,其林分参数与900m^2样地相应参数偏差大的样地数量逐渐减少;不同面积大小样地的林木直径变动系数的总平均值十分接近,但随着样地面积增大,样地间的变化系数呈减小的趋势。根据以上结果,在采用抽样方法进行森林资源调查时,样地面积以300-600m^2为宜,在进行林分参数建模样地设置时,600m^2的样地即可足够。

角规测树与方形样地调查结果的差异分析

利用110块临时方形样地(900 m^2)每木检尺调查和角规绕测调查资料及1 830块固定方形样地(667 m^2)每木检尺调查和角规控制检尺调查资料,以方形样地调查结果为参考,分析角规测树的断面积(G)、林分平均高(H)和每公顷蓄积量(M)的偏差并作配对t检验分析。结果表明:角规绕测G,H,M的平均偏差分别为-15.88%,5.27%和-12.16%;角规绕测G的偏差服从正态分布,但H和M的偏差不服从正态分布;角规绕测的G,H,M与方形样地每木检尺调查结果均存在显著性差异(可靠性为95%);角规控制检尺G的平均偏差为-4.59%;角规控制检尺G的偏差不服从正态分布,并与方形样地调查结果也存在着显著性差异(可靠性为95%)。角规测树偏差主要是操作不够规范、欠认真细致造成的。在森林资源调查中,需要研究和发展先进、可靠、可行的新技术新方法,如机载激光雷达。

采用林分平均高和密度估计人工林蓄积量

采用2015年广西森林资源连续清查第9次复查中人工林样地调查数据,按树种组(杉木、松树、桉树)建立林分每公顷蓄积量与林分平均高、林分密度(郁闭度、每公顷林木株数)二元非线性模型(不变参数和可变参数),用确定系数(R^2)和平均预估误差(MPE)等6个指标对模型进行评价和检验。结果显示:全部12个模型的总相对误差(TRE)、平均系统误差(MSE)均小于15%,MPE均小于10%,表明采用林分平均高和密度估计林分单位面积蓄积量可取得较好的效果,但可变参数模型的参数的变动系数太大,不宜采用;3个树种组中,不论是不变参数模型还是可变参数模型,以平均高和每公顷林木株数构建的模型的R^2均大于由平均高和郁闭度构建的相应模型的R^2,而剩余标准差(SEE)、MPE则相反,说明每公顷林木株数对林分每公顷蓄积量变动的解释能力优于郁闭度。综合考虑6个统计指标和参数的稳定性,3个树种组的每公顷蓄积量的最优估计模型均为由每公顷林木株数、平均高构建的不变参数模型。

红树林幼林空间分布信息遥感提取——以广西茅尾海为例

为探索局地尺度红树林幼林空间分布信息准确提取的适用方法,以广西钦州茅尾海一个天然红树林幼林典型分布区作研究区,选择World View-3为数据源,采用非监督分类、面向对象最邻近分类的方法进行实验。结果表明:非监督分类和面向对象分类的总体精度分别为95.8%和96.2%,Kappa系数分别为0.906 8和0.913 7,说明2种较为简单的图像分类方法都可准确地提取红树林幼林信息;但前者得到的仅仅是幼树个体树冠覆盖的信息,不包含幼树间的滩涂,"椒盐"效应明显,后者得到的信息不仅包含幼树个体,也包含幼树间的滩涂,反映了红树林幼树的分布范围,因此,红树林幼林空间分布信息提取以面向对象分析方法为宜。红树林幼林树冠小,其空间分布信息提取需采用高空间分辨率遥感数据,一般宜优于1.0m,最好达到0.3m,并且宜选用处于低潮位、红树林裸露的遥感数据。

基于无人机激光雷达的人工林碳储量线性与非线性估测模型比较

【目的】森林碳储量是生态系统结构与功能的重要指标,掌握森林碳储量现状有利于森林资源管理。激光雷达能够用于监测森林资源,但是存在森林参数估测的模型多、变量不确定和缺乏林分三维结构解析意义的变量等问题,因此,需要选择合适的林分解析变量和模型。【方法】借助无人机激光雷达点云数据与样地调查数据,以内蒙古自治区赤峰市喀喇沁旗旺业甸人工林为研究对象,分别使用多元线性模型与多元乘幂模型以不同变量对林分碳储量进行估测,选出最优模型并进行精度评价。【结果】研究表明:(1)模型方法而言,非线性模型的检验效果优于线性模型的检验效果:非线性模型(R2为0.66~0.86,rRMSE为23.51%~9.91%),线性模型(R2为0.52~0.85,rRMSE为27.70%~12.38%)。(2)模型使用平均高、郁闭度为基础变量,以穷举法筛选出来的变量组合,估算森林参数得出最佳模型,其中非线性模型以激光点云平均高、郁闭度、高度变动系数和叶面积变动系数的估算精度最高(R2=0.86,rRMSE=9.91%)。【结论】通过激光雷达估测人工林碳储量时,加入垂直结构变量可以提高模型拟合效果,非线性模型比线性模型更适合人工林碳储量的估测。

基于机载LiDAR数据估测林分平均高

[目的]以2016年9月广西壮族自治区高峰林场实验区获取的机载LiDAR点云数据为基础,通过提取30 m×30 m空间林分尺度下的LiDAR点云特征变量实现对林分平均高的估测。[方法]首先将105块实测林分平均高度的样地数据按照3:1的比例随机划分为训练样本(79)和检验样本(26),采用随机森林回归(RFR)和支持向量回归(SVR)两种机器学习算法对79个训练样本与对应的林分LiDAR点云特征变量回归建模。建模方案包括随机森林模型、支持向量机模型及随机森林+支持向量机组合模型。其次利用26个检验样本数据评价模型预测精度。最后统计3个模型中训练样本和检验样本对应的精度评价指标,以一个预测精度高、泛化能力强的模型作为最终模型进行林分平均高制图。[结果]表明:随机森林模型的训练样本和检验样本的决定系数(R2)分别为0.8861和0.8375,均方根误差(RMSE)分别为1.22和1.56;支持向量机模型的训练样本和检验样本的决定系数(R2)分别为0.8864和0.8409,均方根误差(RMSE)分别为1.21和1.54;组合模型的训练样本和检验样本的决定系数(R2)分别为0.8598和0.8532,均方根误差(RMSE)分别为1.35和1.48;[结论]组合模型的泛化能力及预测精度最好,支持向量机次之,最后为随机森林。利用组合模型可有效完成研究区林分平均高制图。