云蒙山典型森林群落垂直结构研究

采用以树冠光竞争高度为基础的林分垂直层数量化方法研究了云蒙山几种典型森林群落的垂直结构特征,并将不同群落的垂直层划分结果与树高系统聚类分析结果相比较,发现在森林群落垂直层划分过程中,树冠光竞争高度附近的树被误划的几率较高;截止系数a=0.4时,平均误划率最低,为10.10%。对几种森林群落结构指标相关性分析表明:森林群落垂直分层数与乔木高度多样性指数、树高变异系数及乔木物种多样性指数呈显著正相关;乔木高度多样性指数和树高变异系数与灌木层多样性指数呈极显著正相关,而与草本层多样性指数却均呈显著负相关。几种描述林分垂直结构的指标能很好地描述森林群落的垂直分层情况,同时森林群落的垂直结构对下层植物的物种组成具有重要影响。

机载激光雷达点云数据处理研究

随着社会的发展,人们对森林的关注程度逐渐的提高,对于森林的研究传统的方法越来越不能够满足我们的研究需求,由于森林面积大,植物种类广,所处地理环境位置的特殊,在研究的过程中带来了诸多的不便。在森林研究方面,越来越多的使用到机载激光雷达提供的数据。本文利用机载激光雷达数据进行了DSM和DEM研究,并利用CHM对森林密度、单木参数等植被参数进行反演研究,可帮助林业部门准确、及时掌握森林资源等信息。

基于激光雷达数据的热带森林冠高模型生成及平均树高估计

激光雷达(LiDAR)是一种适用于大范围快速获取森林三维数据的新手段,但是基于Li DAR的林业参数估计算法和提取精度仍有待进一步提高。以海南省三亚市热带区域森林为研究对象,基于其扫描获取的Li DAR点云数据提出了改进的动态移动窗口搜索算法,进行冠高模型建模与生成,并提出了基于此模型进行林木平均高度估计的方法。通过改进的算法,利用C#编程、Las Tools、Arc GIS等相关工具对点云数据进行网格化,从而进行DEM和DSM提取、CHM生成、平均树高等参数估计。结果表明:经过算法的改进,大面积森林的数字地面模型(DEM)、数字表面模型(DSM)和冠高模型(CHM)可以从Li DAR数据中快速提取,但Li DAR点云获得的树高值比实际值低。这是由于Li DAR数据树顶的错失及点云的低密度所导致的,然而通过最低树高值的不断增加,其实测值与估计值的差值也在逐渐缩小。

基于增强Frost局部滤波及单木距离图重构标记的CHM树冠分割

【目的】利用增强Frost局部滤波和单木距离图重构标记技术对冠层高度模型(CHM)进行分割,以提高无人机激光雷达在单木树冠分割的精度和效率。【方法】选取江西分宜山下实验林场阔叶混交林、针叶混交林和针阔混交林3个不同类型的林分为研究对象,以无人机激光雷达数据为数据源,构建CHM。针对高分辨率CHM树冠区域孔隙较多的问题,利用增强Frost局部滤波处理优化CHM,优化结果与不同滤波方法进行了比较分析;然后应用距离图重构标记分割技术对增强Frost局部滤波优化后的0.1、0.2、0.5及1.0m分辨率的CHM进行分割与分析;最后确定最佳分辨率的CHM,并其将分割结果与同等分辨率下分水岭算法以及点云分割均值偏移算法结果进行比较。【结果】采用增强Frost局部滤波处理的CHM优化效果显著,在有效抑制树冠噪音的同时,也能较好地保留图像细节信息。0.2m分辨率的CHM分割效果最佳。距离图重构标记分割方法分割针叶混交林、针阔混交林、阔叶混交林3种不同林分类型的分割精度(OA)分别为0.96、0.84、0.75;根据树冠分割结果计算单木冠幅,冠幅估测的决定系数R^(2)分别为0.83、0.82、0.71。【结论】基于增强Frost局部滤波及距离图重构标记技术可实现对激光点云CHM的单木分割和树冠估算,能够满足森林调查和监测的基本需求。