环境因子对大兴安岭天然落叶松次生林主要树种更新的影响

以大兴安岭2018-2019年57块天然落叶松(Larix gmelinii)次生林样地调查数据为基础,将更新苗按高度级(h)划分为幼苗(h<30 cm)、小苗(30 cm≤h<130 cm)、幼树(h≥130 cm);选取25个环境因子,其中12个林分因子、13个土壤因子;采用冗余分析对标准地不同高度等级的大兴安岭落叶松、白桦(Betula platyphylla)更新苗密度与环境因子之间的关系进行排序分析,并运用变差分解方法对影响林分更新的林分因子、土壤因子进行量化,分析林分因子、土壤因子对大兴安岭天然落叶松次生林主要树种更新的影响。结果表明:①影响大兴安岭天然落叶松次生林主要树种更新的关键因子为林分平均高、林分郁闭度、枯落物厚度、草本盖度、腐殖质层全氮质量分数;这5个环境因子对落叶松、白桦更新密度的影响,累计贡献率达57.1%,林分因子对更新密度的影响大于土壤因子。②整体上,落叶松、白桦更新密度,与林分平均高、草本盖度呈负相关,与枯落物厚度、郁闭度、腐殖质层全氮质量分数呈正相关。大兴安岭地区幼苗更新严重不足,大部分区域缺乏幼苗更新,整体更新不良。

基于高光谱和激光雷达数据的林分类型识别

【目的】探讨随机森林、支持向量机分类器下机载高光谱影像和激光雷达点云数据源对林分类型识别的影响,并检验叶绿素在林分类型识别中的作用,为提高林分类型分类精度提供科学依据,为森林资源管理和监测提供技术支持。【方法】以东北林业大学帽儿山实验林场老山施业区为研究区,以机载高光谱影像和激光雷达点云为数据源,在多尺度影像分割基础上,从高光谱影像中提取光谱、纹理和叶绿素指数等特征,从LiDAR点云中提取高度、强度等特征。通过随机森林的特征选择,选取重要性较高的特征变量,在随机森林和支持向量机分类器下,以影像分割数据为试验样本,设置6种分类方案(随机森林分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据,支持向量机分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据),对阔叶混交林、樟子松林、落叶松林、红松林和蒙古栎林5种林分类型进行识别,比较不同分类器下不同数据源的分类效果。【结果】高光谱影像数据共提取34个特征变量,激光雷达点云数据共提取72个特征变量,经特征选择后,高光谱影像数据和激光雷达点云数据各选取11个重要性较高的特征(共22个),其中高光谱影像数据提取的归一化植被指数(NDVI)重要性最大。6种分类方案中,随机森林分类器下高光谱影像与激光雷达点云数据结合的分类精度最高(88.02%),支持向量机分类器下激光雷达点云数据的分类精度最低(76.19%)。多源数据协同的平均分类精度(86.22%)高于单源数据(79.98%),随机森林分类器的平均分类精度(82.92%)高于支持向量机分类器(81.19%)。叶绿素指数参与分类后,分类精度提高约3.32%。5种林分类型中,阔叶混交林分类效果最好,平均分类精度为92.62%,红松林分类效果最差,平均分类精度为49.67%。【结论】多数据源较单源数据可更好地提高分类精度,即2种数据协同可以提高林分类型识别精度;单一数据源相比,高光谱影像数据源的分类效果更好,光谱特征是林分类型识别的重要影响因子;林分类型识别时,不同机器学习模型相比,随机森林分类器较支持向量机分类器分类效果更优;叶绿素作为生物化学参数对林分类型识别有积极影响。