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。

天目山常绿阔叶林胸高断面积生长量影响因子研究

【目的】研究常绿阔叶林胸高断面积生长模型,探究影响胸高断面积生长量的因素,为常绿阔叶林经营提供理论依据。【方法】以天目山常绿阔叶林为对象,先对胸高断面积生长量与胸径、竞争和地形因子进行相关性分析,随后对不同径级、冠幅等级和竞争等级的胸高断面积生长量进行差异性分析,最后基于岭回归分析法,建立以胸高断面积生长量对数为因变量的单木生长模型,定量描述胸高断面积生长量与胸径、竞争和地形因子的关系。【结果】胸径、冠幅、竞争与胸高断面积生长量的斯皮尔曼(Spearman)相关系数分别为0.531、0.427、-0.340。林木胸高断面积生长量随着林木胸径的增大而增大,不同径级间差异极显著(P<0.01)。林木胸高断面积生长量随着林木冠幅的增大而增大,不同冠幅等级间差异极显著(P<0.01)。不同竞争等级的林木胸高断面积生长量差异极显著(P<0.01),且低度竞争时的林木胸高断面积生长量最大。基于径阶平均值的单木生长模型优于基于单株林木的单木生长模型,且2类模型中胸径因子的回归参数均达极显著水平(P<0.01)。【结论】在天目山常绿阔叶林中影响胸高断面积生长量的主要因子是胸径、冠幅和竞争指数。

华北地区栓皮栎根径相关模型及材积表研建

基于华北地区149株栓皮栎解析木的数据,先建立了3个表现良好的独立模型,包括带皮胸径-去皮根径线性模型、带皮胸径-树高幂函数模型和基于自然对数转换变量的带皮胸径、树高-去皮材积线性模型。之后基于这3个独立模型,运用误差变量联立方程组的方法建立了1个相容性根径-胸径-树高-材积模型系统,并由此得到基于根径、胸径和胸径树高的相容材积式（表）。相容性模型系统中,各模型的6项统计指标、模型残差图、Shapiro Wilk检验及独立数据检验结果表明：各模型均无异方差现象,模型残差服从正态分布,且各模型在拟合阶段和检验阶段的残差范围都较因变量的范围窄。上述材积式（表）的精度在96.9%以上,可用于华北地区栓皮栎林木材积的估测,且为华北地区栓皮栎林区解决和处理盗伐、滥伐案件提供依据。带皮胸径-树高模型作为森林生长与收获模型系统的一个重要组分,可被用来在已知胸径的情况下推算平均树高,进而推算森林蓄积量和生物量等因子,对森林调查具有重要意义。本研究建立的模型及数表仅适用于胸径范围在5~21 cm之间的华北地区栓皮栎树木的估测。