秃杉人工林树冠轮廓及冠幅模型研究

根据秃杉人工林标准地调查数据,分析因变量与自变量的相关性,筛选最优因子,分别采用异速生长方程、多元线性回归方程构建秃杉树冠轮廓模型和冠幅模型。研究结果表明,最大冠幅深度与胸径、树高、枝下高、冠幅、冠长均显著相关。通过多元线性逐步回归,以胸径、树高拟合的最大冠幅深度模型较优。树冠轮廓模型以三参数幂函数的异速生长方程拟合效果较好。冠幅呈正态分布,以胸径、树高、优势树高、单位面积胸高断面积为模型最佳变量组合,模型残差上下分布比较均匀,不存在明显偏差,且材积随着冠幅的增大而增大,以二次方程模拟效果最佳。经检验,所构建的模型拟合效果较好,精度较高。

输入二维树冠轮廓生成三维树木的研究

提出一种通过二维树冠轮廓生成三维树木的方法,用于自然界三维树木的计算机模拟.根据用户输入的二维树冠轮廓,按照枝条"倒生长"的方式生成三维树木.由用户输入二维轮廓线上的点推算三维轮廓面上的点,再以三维轮廓面上的点为树枝开始生长点,以一定范围内的角度和最短生长长度为限制条件,寻找其在上级枝条的结束生长点,在开始生长点和结束生长点间绘制枝条.该方法输入简单,生成速度快,适合在大规模的场景中构造树木时使用.

基于改进标记控制分水岭方法的树冠轮廓提取

针对密林区和疏林区的林木遥感图像的单木树冠轮廓提取,首先引入改进的同态滤波对图像进行预处理,然后采用标记控制分水岭分割方法进行图像轮廓提取。引入的改进同态滤波能够去除混合噪声且不会破坏边缘信息,因此预处理后的图像边缘信息较为完整,从而保证了良好的轮廓提取效果。最后,结合人工识别结果,将改进的标记控制分水岭分割方法与未改进方法的提取结果进行比较,发现改进方法对疏林区的树冠轮廓提取效果明显好转,提取精度较高且易编程实现。

基于哑变量的不同气候条件下红松树冠外部轮廓模拟研究

以辽宁清原满族自治县大边沟林场及黑龙江桦南县孟家岗红松人工林为研究对象,分别在两个气候区各选取39株和24株样木进行枝条解析,测量所有样木的所有枝条的枝长、弦长、基径、着枝深度等枝条属性因子;利用R语言构建基于哑变量的2个气候区红松树冠轮廓模型,分析林木因子对树冠轮廓的影响,比较2个气候区红松树冠轮廓的差异。结果表明:在幂函数、分段抛物线方程、修正Kozak方程中,幂函数拟合树冠外部轮廓的效果较好,选其作为树冠外部轮廓基础模型;当固定其他变量时,树冠外部轮廓半径随着胸径和冠长率的增大而增大,随着高径比的增大而减小,且CR对树冠半径的影响最小,HD其次,DBH最大;气候区的差异对小树影响最大、中等树木次之、大树最小;优势木树冠半径>平均木树冠半径>劣势木树冠半径。本研究构建的树冠外部轮廓哑变量模型具有良好的拟合优度,能够合理地模拟及预测2个地区的红松树冠外部轮廓。

福建杉木树冠外轮廓和树冠体积相容性模型

[目的] 树冠外轮廓模型不仅能够描述任意位置处树冠半径,而且能够推导预测树冠体积与树木地上部分生物量。根据福建地区98块杉木Cunninghamia lanceolata人工林样地的413株杉木调查数据,构建了具有同一套模型参数的树冠外轮廓模型和树冠体积预测联立方程组系统。 [方法] 选取4种常用的可积分树冠外轮廓备选模型,利用积分法对备选模型进行推导,得到树冠体积预测模型;将模型方程分别两两联立建立树冠外轮廓与体积相容性联立方程组,并利用SAS软件模块中的似乎不相关回归过程估计联立方程组模型系统的参数。为了消除模型异方差,采用加权回归方法拟合模型,并对不同模型系统的拟合精度、预测精度进行对比分析。 [结果] 基于模型4的联立方程组拟合精度高、预测性能好,其树冠外轮廓和体积拟合精度分别达到0.829 5和0.861 0,预测结果精度分别为0.803 9和0.856 0;通过似乎不相关回归法解决了联立方程组共线性问题,加权回归方法一定程度上消除了模型中存在的异方差性。 [结论] 所构建的树冠外轮廓-体积一致性模型方程实现了树冠外轮廓与体积模型之间互相推导,为进一步估测树木地上部分生物量提供了理论依据。

塞罕坝华北落叶松人工林树冠外部轮廓模型

【目的】构建树冠最大外部轮廓非线性混合效应模型和非线性分位数回归模型,为准确预测树冠生长发育规律及预估生产力提供科学依据。【方法】以河北省塞罕坝机械林场华北落叶松人工林为研究对象,基于58株解析木数据和1789个枝条解析数据,利用幂函数、修正Kozak方程、修正Weibull方程选取基础模型,构建华北落叶松人工林树冠外部轮廓非线性混合效应模型和非线性分位数回归模型。【结果】在幂函数、修正Kozak方程和修正Weibull方程中,幂函数拟合树冠外部轮廓效果较好,作为树冠外部轮廓基础模型;林分年龄(Age)、冠长(CL)、胸径(DBH)、树高(HT)、冠高比(CHR)、高径比(HDR)对树冠外部轮廓影响较大。在混合效应模型中,两水平混合效应模型优于单水平混合效应模型,可明显提高模型拟合精度,HDR相关的参数a 6考虑样地效应,相对着枝深度(RDINC)、CHR相关的参数a 4、a 5考虑样木效应,模型确定系数(R 2)为0.873,均方根误差(RMSE)为0.319 m,平均相对误差(MRE)为6.642 m。在分位数回归模型中,当分位数q=0.90时模型曲线最接近树冠最大外部轮廓,R 2为0.672。【结论】混合效应模型拟合精度较高,可准确描述树冠最大枝条的平均趋势。分位数回归模型可确定树冠最外部轮廓,在预测条件均值之外的研究中发挥重要作用。

基于无人机LiDAR的杉木树冠上部外轮廓模拟与可视化研究

[目的]基于无人机激光雷达(LiDAR)点云数据提取杉木树冠上部结构参数(树冠顶点、树高、冠幅和上部冠长),并进行树冠上部外轮廓模拟与可视化,为树种识别提供树木冠形特征。[方法]利用LASTools开源工具从激光雷达点云数据生成无孔洞的冠层高度模型,使用LiDAR360软件,采用局部最大值法检测树冠顶点,基于CHM种子点对点云进行单木分割,并在ArcGIS下手动选取杉木单株点云样本,用Python编程对“欠分割”样本进行单木纯化(之后全部编程方式自动化处理);提取纯化后单株样本的树冠上部结构参数(树冠顶点、树高、冠幅和上部冠长),再对单木点云按照一定高度间隔进行分层切片,使用宽度百分位数法提取单木树冠上部的相对着枝深度、枝条长度作为模型变量,以相对着枝深度分层分别建模与验证样本按照3倍标准差法剔除异常外轮廓点,选取二次多项式、幂函数和指数函数3个基础模型进行模型拟合与验证,最后采用最优拟合模型进行样地尺度的三维可视化。[结果]无人机激光雷达综合单木检测率为79.63%,结合实测参数与提取结果进行相关分析,树高线性回归R^(2)为0.8905,冠幅线性回归R^(2)为0.8456;二次抛物线、幂函数和对数函数拟合R^(2)分别为0.8070、0.8170、0.8060,幂函数对杉木树冠上部外轮廓的拟合效果更优。[结论]在高林分密度条件下,单木点云的有效提取纯化对客观描绘树冠形状非常重要;基于无人机激光雷达拟合的杉木树冠上部外轮廓反映了杉木的树冠上部形态,可为杉木的树种识别提供参考。

树型喷洒靶标外形轮廓探测方法

为了在线探测靶标外形并为变量喷药提供基础支持,研究了树型喷洒靶标外形轮廓探测方法。该文基于超声传感器搭建了靶标外形轮廓探测试验平台,该平台能够驱动步进电机精确匀速运动,以0.02m为步长密集测量树冠形状,将获得的数据传给计算机实时显示,并能够在Access数据库中长期存储。使用该测试平台针对自制规则树树冠和花期樱桃树树冠分别进行了试验。试验结果显示规则树冠和樱桃树冠体积探测精度分别为92.8%和90.0%,表明该方法具有较高探测精度。

杉木不同龄组树冠形态模拟模型研究

为了对杉木不同龄组树冠形态进行数学模拟,运用非线性回归筛选有效变量的方法将相对树冠半径(RCRj)和相对树冠长度(RCLj)确立为树冠形态模型的因变量和自变量。选取福建省顺昌县297株杉木标准木的1 485个树冠半径测量值,基于8大类模型分别建立不同龄组的树冠最优模型。对最优模型进行误差和残差分析、模型检验、生物学意义评估,结果表明:幼龄林、中龄林和近成熟林时期拟合效果最优的模型分别是Cubic、Poly4和Gauss Amp。使用本文建立的树冠轮廓模型预估树冠形态时,只需测量全树高、最大树冠半径和最大树冠长度。树冠轮廓模型是生长和收获模型的重要组成部分,同时对于评价林木间的竞争、森林小气候和生物多样性也至关重要。

北方天然次生林主要阔叶树种树冠建模及应用

选择黑龙江省帽儿山林场天然次生林内176株10个阔叶树种的解析木,共收集了3 401个枝条的详细数据,建立了一种树冠轮廓模型。分析发现,树冠的形状随着枝深度变化,在树冠上部、中部逐渐扩展,在下部收缩,每个树种呈现不同的曲线形式,天然次生林主要阔叶树种树冠模型可分为上中层和下层两部分建模,上中层模型为hRPCA=a0+a1/ln(RB)+a2/ln(RB)2+a3/ln(RB)3,下层轮廓模型因种不同而有不同,即hRPCB,白桦=b0+b1·(exp(b2)·ln(RB)-1)/b3;hRPCB,黄菠萝=b0+b1·ln(RB)+b2·ln(RB)2;hRPCB,其他=b0+b1·ln(RB)+b2·ln(RB)2+b3·ln(RB)3。经过验证,所建立的树冠轮廓模型拟合和检验效果较好,相关系数都在0.97以上。

基于主动轮廓演变模型的遥感影像单棵树木检测

单木检测是一种将遥感影像和计算机视觉技术相结合自动或半自动获取单棵树木信息的方法。针对复杂森林场景中大量树木相互覆盖的现象,以及树冠内部大量弱边缘导致的树冠顶点过度提取和树冠轮廓描绘不精细的问题,提出了一种基于主动轮廓演变模型的遥感影像单棵树木检测方法。该方法基于树荫和树木数量正相关的先验知识划分阴影控制区域并将区域形心作为树冠顶点;接着使用光照角度优化的形态主动轮廓演变模型(Snake模型)进行树冠轮廓描绘,使其可以越过弱边界点;最后依照形状特征优化树冠轮廓。实验结果表明,该方法提高了复杂森林场景下的单棵树木信息提取的准确度,降低了树冠顶点提取过程的误识率,使树冠轮廓形状更加准确。

基于TLS的红松树冠半径提取及其外轮廓模型构建

【目的】探究基于地基激光雷达(Terrestrial Laser Scanning, TLS)点云数据提取人工林中红松不同树冠深度处最大树冠半径(crown radius,RC)的精度,建立基于TLS点云数据的树冠外轮廓模型,为基于TLS点云数据研究树冠结构奠定实践基础。【方法】以30株人工林红松解析木的TLS的点云数据以及实测枝条因子为数据源,采用点云分层投影法提取不同树冠深度处的最大树冠半径,并与根据30株解析木各轮最大枝条计算出的半径对比进行精度分析。最后,基于TLS所提取的树冠半径进行红松树冠外轮廓模型的构建。【结果】最大树冠半径总提取精度为86.17%,不同树冠深度处提取精度存在差异,提取效果最好的相对冠深范围为0.15~1.00,精度均在90%左右;提取效果最差的相对冠深范围为0~0.15,精度为60.27%~75.79%。3种常用的树冠外轮廓模型(单分子式、二次抛物线、3参数Weibull方程)均具有较好的拟合效果。3参数Weibull方程为最优模型,对最优模型再参数化后引入的变量为胸径(DBH)和高径比(HD),拟合效果明显提高。【结论】基于TLS点云数据,采用点云分层投影法提取树冠半径的精度满足模型建立的要求,因此利用TLS数据可以近似代替实测数据进行树冠外轮廓模型的研究。

黑龙江省红松和长白落叶松人工林树冠外部轮廓模拟

【目的】红松和长白落叶松是黑龙江省主要的造林树种,构建两个针叶树树冠外部轮廓预估模型,为进一步科学合理地经营人工林提供参考。【方法】采用黑龙江省红松和长白落叶松人工林中各50株解析木的枝条解析数据,以分段抛物线方程、修正Kozak和Weibull方程为基础模型,构建以样木为单一水平树冠外部轮廓的非线性混合效应模型,并对两树种的树冠轮廓进行比较。【结果】两树种树冠外部轮廓的分段抛物线预估模型包含的变量均为DBH(胸径)、CL(冠长)、CR(冠长率)、HD(高径比),修正Kozak和Weibull预估模型包含的变量为DBH、CR、HD。加入混合效应后,各模型的拟合效果较基础模型均有所提高。修正Weibull方程对红松和长白落叶松的拟合效果最好,但与分段抛物线和Kozak方程之间的差别不是很大。对于红松,分段抛物线方程预估的树冠半径在靠近树冠基部要低于修正的Kozak方程和修正的Weibull方程;对于长白落叶松,各模型之间的拟合效果差别较小。【结论】分段抛物线方程、修正Kozak和Weibull方程均能够对黑龙江省红松和长白落叶松人工林树冠外部轮廓进行比较准确的模拟。修正Kozak方程和Weibull方程包含的树木变量较少,参数估计相对简单,容易通过积分计算树冠体积及表面积。

用地基激光雷达提取单木结构参数——以白皮松为例

以白皮松(Pinus bungeana Zucc)为研究对象,针对地基激光雷达TLS扫描的3维点云数据在单株木垂直方向的分布特征,提出了一种基于体元化方法的树干覆盖度变化检测方法,获取单木枝下高;然后根据获取的枝下高引入2维凸包算法获取垂直方向分层树冠轮廓,并计算树冠体积和冠幅;同时获取的单木参数还有胸径与树高。结果表明:单木枝下高的估测精度较高,R2与RMSE分别为0.97 m和0.21 m;胸径估测结果的R2与RMSE分别为0.79 cm和1.07 cm;采用逐步线性回归方法建立单木树冠体积与其他单木参数的相关关系,模型变量包括冠幅、叶子填充树冠长度和胸径,样本数为20,模型的R2与RMSE分别是0.967 m3和2.64 m3。本文方法能较准确地估测枝下高,TLS数据具有对树冠结构3维建模的潜力。

基于边际回归的沈阳市绿化树种人工油松冠形模拟

构建城市典型绿化树种树冠外部轮廓预估模型,可以为城市绿化树种的空间配置优化奠定基础。本研究以辽宁省沈阳市典型绿化树种人工油松为对象,基于Crown Window装置获取60株样木树冠形状,利用幂函数、分段抛物线方程和修正Kozak方程选取基础模型,通过再参数化引入树冠结构因子(最大树冠半径)和相邻木竞争变量(相邻木平均树高、平均胸径、平均冠幅、相邻木株数,以及样木与其相邻木平均树冠接触高),构建耦合相邻木竞争及树冠结构因子的油松树冠外部轮廓预估模型。结果表明:修正Kozak方程R^(2)最大、均方根误差(RMSE)最小,模型稳定性良好,选取其为构建油松冠形模型的基础模型。通过再参数化在基础模型中引入最大树冠半径和相邻木平均胸径后,模型的R~2提高0.0693,MSER为14.4%。分析最大树冠半径和相邻木竞争对油松树冠形状的影响发现,最大树冠半径对树冠形状影响较大,树冠半径随最大树冠半径增大而增大;相邻木平均胸径对树冠形状影响相比最大树冠半径较弱,树冠上半部分随相邻木竞争增强而增大,树冠下半部分随相邻木竞争增强而变小。本研究构建的耦合相邻木竞争及最大树冠半径的油松树冠外部轮廓边际回归模型具有良好的拟合优度,能够合理地模拟及预测沈阳市典型绿化树种人工油松的树冠形状。