应用地基激光雷达三维点云数据构建长白落叶松树干削度方程

使用地基激光雷达(TLS)三维点云数据提取的落叶松干形数据,构建树干削度方程,为落叶松干形精准预测提供依据。以吉林省一面山林场和杨木林林场落叶松人工林为研究对象,获取71株落叶松点云信息,并提取树干干形数据。选择简单、可变指数、三角函数和分段函数等9个基础削度方程进行比较,利用分位数回归和广义加性模型方法构建削度方程。结果表明:在9个基础削度方程中,Bi(2000)削度方程的拟合效果最好,多重共线性指标条件数也小于100;Bi(2000)基础削度方程构建的分位数回归模型,在9个分位点(τ=0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9)处均能收敛,其中在τ=0.5的分位点处的拟合效果最好,略优于非线性回归的拟合结果。在以相对直径为因变量,以相对高的平方根、胸径的平方和树高为自变量的广义加性削度方程中,6种光滑样条函数(三次回归样条函数(CR)、B-样条函数(BS)、薄板回归样条函数(TP)、P-样条函数(PS)、Duchon样条函数(DS)和高斯过程平滑样条函数(GP))的拟合效果相差不大,但广义加性削度方程使用(DS+CR)光滑样条函数比一种光滑样条函数的拟合效果好(相对误差4.407、均方根误差1.158、确定系数0.966),广义加性削度方程的各检验统计量均优于基础削度方程和分位数回归削度方程,且在树干相对高度10%~80%,广义加性削度方程也表现最优(相对误差4.534、均方根误差1.191、确定系数0.964)。因此,(DS+CR)组合光滑样条函数的广义加性削度方程预测精度最高,可用于该区域的落叶松干形预测。