用MK—56微机计算林分调查因子

在1986—1990年和1986—2000年苏联经济与社会发展基本方针中,计划生产个人微型电算机。这种电算机可以促使科技、统计、工程技术等工作的自动化,并能促使国民经济各部门的开发利用。科斯特罗姆林业试验站已编制出在“

基于高分辨率航空遥感影像的林分因子智能识别技术研究

森林资源监测的数字化和智能化是未来发展的主要趋势。基于高分辨率航空、多光谱遥感数据和数字地表模型(DSM)等数据,利用计算机深度学习方法,研究乔木林小班的郁闭度、平均树高、总株数3项主要林分调查因子的数字化智能提取方法。结果表明,郁闭度判读的平均准确率可达到98.6%;平均树高判读的平均准确率可达到90%;株数判读的平均准确率可达到82.36%。

长白落叶松林冠空隙度随林木因子的变化

为了确定控制人工长白落叶松林林冠空隙度(crown shyness)的林分调查因子,调查了林分郁闭度、冠幅、冠长、树高、胸径、形数、相对密度及疏密度等因子,分析了不同林分因子与树冠因子之间的关系,并采用树冠空隙形状复杂性指数(C)分析了调查区域的林冠格局。结果表明:该地区落叶松林林冠空隙结构基本属于高形状复杂性,树木之间的竞争较大。林分郁闭度随着林分高的增加而减小,随着相对密度的增大而增大。树高达15m时,冠幅和冠长基本趋于平稳的状态。冠幅和冠长随着林分高和立地指数的增大而增大,但冠幅随着相对密度和干形的增大而减小,冠长随着形数的增大而变小。

北京市二类调查小班蓄积量预估模型研究

为解决当前北京市二类调查通过角规绕测技术预估林分蓄积量存在的问题,基于北京市二类调查数据,根据优势树种(组)的不同,将北京市森林划分成10个不同的树种组。在此基础上,利用一类清查数据,以林分蓄积量为因变量,林分参数及立地参数为自变量构建非线性蓄积量预估模型,计算确定系数(R 2)、总相对误差(TRE)、估计值的标准差(SEE)、平均系统误差(MSE)、平均预估误差(MPE)和平均百分标准误差(MPSE),并对模型拟合效果进行评价。结果表明:构建的蓄积量预估模型拟合效果较好,各树种组蓄积量预估模型的确定系数(R 2)均大于0.94,MPE均小于5%,MPSE基本在10%以下,可以应用于北京市二类调查中蓄积量的预估。

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。

杨树人工林生物量估计方法与应用

为了以杨树人工林的森林资源调查资料估算其生物量，利用SPSS12．0软件，根据林术相对生长法则对河南省武陟县23株I-72杨样木生物量实测值进行模型拟合，并结合样地资料，拟合了生物量扩展因子（BEF）、树根生物量与地上部分生物量的比值（RSR）及与林分调查因子的回归方程，最后利用林分蓄积及木材密度等算出杨树林的生物量。结果表明，杨树的生物量扩展因子BEF值为1．3左右、RSR值为0．14～0．6，并随着林分平均高、胸高断面积、林龄、林分蓄积的增大而减小。经检验，利用生物量扩展因子法估算杨树人工林的生物量具有很好的精度，说明可以利用森林资源调查资料估算杨树人工林的生物量。

多边形样地法的最优株数选取

为了实现森林资源的精准快速计测,以在北京市内平原区县及周边山区县选取的5块标准样地内布设的175块不同树木数量构成的多边形样地为研究对象,按照多边形样地法的原理进行观测,将测算出的样地蓄积量、平均树高和平均胸径与标准样地每木检尺的结果进行对比分析。结论表明:当多边形样地由9株树组成时,在人工林中,样地蓄积量估测精度可达到93.2%,平均树高和平均胸径的估测精度也可达90%以上,满足森林二类调查精度。研究说明9株树的多边形样地法是一种快速准确的森林资源调查方法。

天然次生林直径分布的研究

该研究应用东北林区调查的119天然林标准地数据,通过绘制各林分直径分布直方图,分析林分的直径分布规律,运用SB分布、指数分布、正态分布、Weibull分布和β分布函数对其进行拟合,建立直径回归模型,并采用矩解法求解参数,更精确地比较各种分布函数对实际数据的拟合效果。研究结果表明:林木株数随着直径的增大呈减少的趋势;指数分布和Weibull分布的拟合效果较好,但指数分布优于Weibull分布。观察指数分布函数的各参数的变化规律,发现参数a基本不变,而参数b在变化。绘制参数b与林分调查因子间的散点图,发现指数分布中的参数b与林分平均直径有显著的相关性。通过相关性分析,选择函数进行拟合,结果表明:幂函数的拟合效果最好,相关系数最高。通过对参数b的再参数化建立模型,最终得到最优的天然次生林林直径分布模型。

长白落叶松林生物量的模拟估测

利用样木收获法收集了34个样地中长白落叶松林分地上部分生物量信息,选取其中29个样地生物量信息分别与样地林分因子信息和TM遥感影像信息拟合建立生物量模型,利用其余5个样地的生物量信息进行模型精度检验和误差分析.结果表明:长白落叶松地上部分生物量均可用林分因子和遥感因子进行线性拟合;林分因子线性模型对长白落叶松中幼林地上生物量的估测精度较高(林分P=94.33%,遥感P=92.32%),且检验误差较小(林分MRE=6%,遥感MRE=31%),模型模拟效果较好;若只考虑长白落叶松中龄林,这2种模型的估测效果相当(林分模型和遥感模型的误差分别为329.9和313.6t).整体而言,林分因子模型估测长白落叶松树皮、干材和总生物量的效果优于遥感因子模型,对于中龄林来说,遥感模型估测叶花果、树枝和树冠生物量的效果较好.