并行计算模型对比分析

随着集群式系统的发展,并行计算模型在估计和评价系统的性能、引导集群的体系结构以及指导并行算法和程序的设计等方面都显得越来越重要。对于目前已有的并行计算模型的设计思想和原理的了解和分析,非常有利于新的模型的设计与研究。本文首先介绍了目前比较常见的5种并行计算模型,接着在同步性、通信方式和参数等3个方面分析比较了它们的异同和优缺点,最后得出结论,指出了下一代并行计算模型的发展趋势是与具体应用相关的并行计算模型。

定量结构模型的地面激光雷达单木分割应用

针对传统每木检尺的小班调查因子测量方法耗时长、效率低、人为操作误差大等问题,该文研究了一种定量结构模型(QSM)实现单木的三维重建,并基于地面激光雷达(TLS)所获取的点云数据提取研究区单木的胸径、树高参数。该算法重构了单木的三维模型,且TLS数据所求得的胸径、树高与实测数据具有较好的一致性,提取结果精度较高。本研究采用的方法在提取林分特征因子方面具有有效性和可行性,可为未来森林资源动态监测方法提供参考。

地基LiDAR林木点云估算枝干材积

材积是森林清查工作的一个重要参数,基于地基激光雷达点云的树木定量结构模型(QSM)重建方法能够实现林木材积的非破坏性获取,解决了传统森林原位调查方式耗时耗力的问题。但由于伐木材积真值的获取较难实现,使得量化结构模型方法的材积获取能力在树干及各级树枝水平上尚未开展研究,且仅应用于单木尺度地基激光雷达点云中,缺乏基于样方尺度扫描点云进行材积获取的探究。因此本文分别在单木及样方尺度完成QSM重建方法在树干及各级枝材积估算结果评估。实验结果表明,基于单木及样方尺度地基激光雷达点云均能有效地获取树干和一级枝的材积,而次级枝的材积估算存在明显的偏差:样方扫描尺度点云的树干及全树材积估算精度与单木尺度相当,估算偏差均为5%及10%左右,而一级枝材积估算偏差略大,其中单木尺度一级枝估算偏差在10%左右,样方尺度一级枝材积估算偏差在15%左右;此外,林分密度与样方尺度枝干材积估算精度呈负相关关系,在较低林分密度(425株/ha、625株/ha和925株/ha)的样方中树干材积估算误差均在5%以内,一级枝材积估算误差在15%左右,另外受树干及一级枝材积低估与各次级枝材积高估的部分中和效应影响,样方内总蓄积量估算偏差均在10%左右,因此在较低林分密度的森林中,样方尺度扫描数据能够很好地估算树干、一级枝及全树材积。