Estimation of forest parameters based on TM imagery and statistical analysis

One of the primary forestry research interests lies in estimating forest stand parameters by applying empirical or semi-empirical model to establish the relationship between the forest stand parameters and remote sensing data. Using remote sensing image and the inventory data from 2 compartments in northeast Florida, U.S.A., this paper explored the correlation between forest stand parameters and Landsat TM spectral digital number （DN） value. Results showed that less than 50% of the total variance could be explained by linear regression models with only either a single band or such vegetation indices as vegetation index （VI） or normalized difference vegetation index （NDVI） as predicators. In consequence, multi-linear regression models which synthesized more predicators were introduced to estimate forest parameters. Regression results were tested in terms of the other group of data, and verification showed a better capability of explaining over 75% variance except for forest density. The weakness and further improvement of prediction models were also discussed in the article. This paper is expected to provide a better understanding of the relationship between TM spectral and forest characteristics

重参数化YOLOv5s的森林火灾检测算法

目前森林火灾多发,建立日常监测尤为重要,但是边缘智能检测设备算力和内存较低,限制了检测模型的推理和部署。针对以上问题,提出一种改进的重参数化YOLOv5s的森林火灾检测算法,结合重参数化、通道重排和深度可分离卷积(Depthwise Separable Convolution,DSC)等轻量化思想分别设计新的骨干和颈部网络,增强特征提取能力,提高模型检测精度,使参数量和推理权重较大幅度减少。为避免颈部网络的信息丢失,根据空洞卷积提出特征增强模块,增强多尺度特征融合能力。为进一步提高模型性能,加入轻量化的CA注意力机制,更准确定位目标。当前公开的火焰烟雾数据集存在针对性不强的问题,为了更好地提高模型的检测效率,制作了一个新的森林火灾数据集,在数据集上利用结构相似性算法剔除了相似度过高的图片,保证了模型的泛化能力。实验结果表明,改进后的重参数化YOLOv5s以原网络约76%的参数量提高了4.0%的精确度,推理权重下降至10.5 MB,更适合于设备性能差、容量小的边缘设备,提高了森林火灾巡检的效率。

用于立地质量评价的天然林生长模型构建方法

【目的】Fu等提出了一种基于立地生产潜力的天然林立地质量评价方法,该方法从理论上解决了如何结合环境和林分因子对不同立地类型及其生产力进行定量分析。本研究主要围绕该方法中的林分生长模型开展研究,以吉林省森林资源为研究对象,系统给出生长模型的建模方法,例如模型选型标准、模型参数化、参数估计和模型评价等。【方法】假定林分为等株生长,利用数学理论推导出林分断面积模型中直接或间接含有年龄情形时林分断面积连年生长量计算公式,并给出断面积连年生长量与林分断面积指数是否为单调函数的判别准则;基于哑变量方法分析不同分类变量对断面积生长的影响,即模型参数化;利用改进的最小二乘法求解参数化的林分断面积生长模型参数;以吉林省3634个面积为0.06 hm^(2)的固定样地的4次连续观测数据为实例,构建林分断面积生长模型。【结果】本研究提出的方法能有效判断断面积连年生长量与林分密度指数是否为单调函数,从而为断面积模型选型提供捷径;建模时考虑模型参数化既能有效解释变量各等级之间的差异程度,又能提高模型预测精度;提出的改进最小二乘法能有效求解含哑变量的模型参数。【结论】本研究所给出的生长模型构建方法可为Fu等提出的天然林立地质量评价方法提供技术支撑。

陆面过程模式CoLM和NCAR_CLM3·0对中国典型森林生态系统陆气相互作用的模拟 II.不同参数化方案对模拟结果的影响

本研究针对CoLM、CLM3·0模拟结果的差异,就二者采用的不同参数化方案进行了比较分析,认为导致模式模拟结果差异的主要原因在于二者对植被覆盖度、冠层水、热、辐射传输以及光合作用和气孔导度等物理过程的处理有所不同,而CoLM模式对这些过程的处理更吻合实际。将CoLM的相关方案移植到CLM3·0进行的一系列数值试验表明,新方案的引入能够明显改善CLM3·0的模拟效果。此外,两个模式还存在一些共性的问题,例如不同的优化与叶面和冠层空气潜热传导率以及与土壤水文等过程有关的参数化方案,可能是导致模式结果在某些情况下存在偏差的主要原因。

虚拟森林场景的构建

解决了构建符合林分结构规律的虚拟森林场景的两个关键问题 :①森林空间数据的分析与仿真 ,主要研究林分中树木各特征因子如树高、胸径在林分空间位置上的分布状况 ;②在森林空间数据给定的情况下 ,采用交互式参数建模方法构建三维几何树模型 。

基于WRF模式的风电场短期风速集成预报方法研究

风能始源于大气的运动,具有很大的随机性和间歇性。风速预测是风电场风功率预测的基础,其准确性具有重要的意义。对于复杂地形条件下,风速的预报一直是各国研究的难点和重点。为了提高风电场短期风速预报的准确性,本研究采用多种边界层参数化方案来集成预报风速,将各单一边界层参数化方案预报的风速及相应的实测风速数据,应用随机森林算法建立集成预报模型,对风电场的短期风速进行集成预报研究。试验结果表明,采用集成预报风速方法,预报的风速误差相比于单一边界层参数化方案预报的风速误差明显减小,对研究区域的风速、风向等气象要素有着较好的模拟效果,能够有效提高风速预报的准确率。

湖南栎类次生林林分断面积生长模型

【目的】构建湖南栎类次生林林分断面积生长模型,为其经营措施和生长收获预估提供理论依据。【方法】以湖南省6期国家连续清查数据(1989—2014年)中以栎类为优势树种或主要树种的样地为研究对象。选用7种常用的生长理论方程,以林分断面积为因变量,年龄为自变量构建基础模型。通过评价指标选出最优基础模型,构建含有地位指数、林分年龄和林分株数的混合效应模型(林分株数为随机变量)和参数化模型(林分株数为连续变量),比较基础模型、混合效应模型和参数化模型拟合效果的差异。【结果】3种模型的预估精度由高到低为:参数化模型(98.36%)、混合效应模型(97.71%)、基础模型(92.84%),最终将参数化模型作为湖南栎类次生林林分断面积生长模型。在林分年龄、林分株数及地位指数中任意两个影响因素相同时,林分断面积总生长量(林分断面积5 a的生长量)随着另外一个因素的增加而增加,且密度越大,相邻两个密度的断面积总生长量差距越小;5 a的生长量到最大值后密度越大生长量减少速度越快;其他因素相同时,林分株数越多,生长量最大值出现的越早(20 a),地位指数越大,断面积5 a的生长量越大。【结论】以林分株数为连续变量的参数化模型生成的湖南栎类次生林林分断面积总生长量曲线、5 a的生长量曲线符合林分生长规律,且预测精度较高,可以为湖南栎类次生林的经营措施提供科学理论依据。

北京蟒山森林区稀疏短草地表湍流通量观测与计算比较

利用2007年9月20日-12月8日北京蟒山森林区稀疏短草下垫面近地层湍流和辐射资料， 首先分析了动量、 感热、 潜热通量和辐射各分量的日变化特征； 然后采用Businger71方案、 Launiainen95方案和Gao方案对动量通量、 感热通量和潜热通量进行了计算， 进一步将计算结果与涡度相关系统测量值进行对比。结果表明： （1） 对于蟒山森林区稀疏短草地表而言， 感热通量约为潜热通量的2倍， 说明感热是地表可用能量的主要消耗部分； （2） 森林区稀疏短草地表反射率在0.1~0.25之间变化， 由秋季到冬季反射率略有升高； （3） 三种方案对动量通量的计算值与测量值最为接近， 相关性最高（其中， Gao方案对动量通量的计算值与测量值的相关系数达0.80）， 其次为感热通量, 潜热通量的计算结果偏差最大， 相关性最低。

基于轻量化卷积神经网络的森林火灾烟雾检测算法

现有的基于卷积神经网络的森林火灾烟雾检测算法,存在烟雾特征提取结构过于复杂、烟雾多尺度特征融合方法过于繁琐、计算复杂度大以及应用场景单一等问题,而且其部署所需硬件配置高且难以适应多变的森林环境,这阻碍了其在森林防火领域的实际应用。为此,设计了一种基于轻量化卷积神经网络的森林火灾烟雾检测算法。首先,为提高烟雾特征提取的能力和速度,基于重参数化技术与跨阶段局部网络,提出一种轻量化烟雾特征提取结构。其次,基于简化的特征金字塔网络和路径聚合网络,设计出轻量化烟雾多尺度特征融合方法,实现不同尺度烟雾特征的高效融合。然后,提出一种烟雾检测后处理方法并增加类似烟雾图像进行算法模型训练,避免不同应用场景中非火灾烟雾图像和类似烟雾图像对检测算法的影响。最后,采用本文构建的烟雾图像数据集对算法进行验证。实验结果表明,本文算法相对于其它算法具有较高的检测精度和速度,F_(1)分数达82.6%,AP值达54.5%,最高检测速度达869张/秒。

珠海凤凰山常绿阔叶林CO_(2)通量与光合有效辐射及气象因子的关系

为了探究珠海凤凰山常绿阔叶林CO_(2)通量与光合有效辐射的关系,提高用光合有效辐射和气象因子模拟CO_(2)通量的水平,本文根据华南地区干湿季特征和Monin-Obukhov大气稳定度参数ζ,对凤凰山陆气相互作用观测塔站2015年11月1日至2018年5月4日间的通量、辐射和气象观测资料进行分类;分析了在干、湿季的不稳定(ζ<-0.1)、中性(-0.1≤ζ≤0.1)和稳定(ζ>0.1)三种大气稳定状态下,珠海凤凰山常绿阔叶林昼间CO_(2)通量与光合有效辐射的关系,以及冠层上方气温、相对湿度、饱和水汽压差和浅土层土壤含水量的年变化特征;在此基础上,利用偏最小二乘回归法确定CO_(2)通量变化的主要气象影响因子,并通过气象因子修正了CO_(2)通量和光合有效辐射的关系。结果表明:在干季和湿季不同稳定度下,CO_(2)通量与光合有效辐射之间存在一种非线性关系,随着光合有效辐射的不断增加,森林对CO_(2)的吸收能力先迅速增强,之后逐渐平缓;在线性方程、对数方程和Michaelis-Menten模型中,线性方程无法准确反映CO_(2)通量随光合有效辐射的变化趋势,当大气处于不稳定状态时对数方程的拟合效果较差,而在干、湿季三种大气稳定度类型下,Michaelis-Menten模型均可以更好地拟合出它们之间的关系。在气象因子的日平均变化中,气温呈现出常见的“湿季高,干季低”的正弦曲线变化趋势;湿季的土壤含水量和相对湿度略高于干季且其变化相对稳定,在干季出现降水前后,二者的变化曲线出现了较大波动;干湿两季的饱和水汽压差无明显变化规律。冠层附近饱和水汽压差和空气温度对CO_(2)通量的变化产生了较大影响,经过模拟评价指标检验和模拟结果对比,发现用这两个因子修正的Michaelis-Menten模型可以更好模拟昼间森林—大气间的碳通量交换。