An approach to estimate tree height using PolInSAR data constructed by the Sentinel-1 dual-pol SAR data and RVoG model

We estimate tree heights using polarimetric interferometric synthetic aperture radar(PolInSAR)data constructed by the dual-polarization(dual-pol)SAR data and random volume over the ground(RVoG)model.Considering the Sentinel-1 SAR dual-pol(SVV,vertically transmitted and vertically received and SVH,vertically transmitted and horizontally received)configuration,one notes that S_(HH),the horizontally transmitted and horizontally received scattering element,is unavailable.The S_(HH)data were constructed using the SVH data,and polarimetric SAR(PolSAR)data were obtained.The proposed approach was first verified in simulation with satisfactory results.It was next applied to construct PolInSAR data by a pair of dual-pol Sentinel-1A data at Duke Forest,North Carolina,USA.According to local observations and forest descriptions,the range of estimated tree heights was overall reasonable.Comparing the heights with the ICESat-2 tree heights at 23 sampling locations,relative errors of 5 points were within±30%.Errors of 8 points ranged from 30%to 40%,but errors of the remaining 10 points were>40%.The results should be encouraged as error reduction is possible.For instance,the construction of PolSAR data should not be limited to using SVH,and a combination of SVH and SVV should be explored.Also,an ensemble of tree heights derived from multiple PolInSAR data can be considered since tree heights do not vary much with time frame in months or one season.

含竞争指标的广义可加混合效应树高-胸径模型

广义可加混合效应模型(GAMM)兼具参数模型与非参数模型的优点,同时适于处理多层次分组数据。通过运用广义可加混合效应模型模拟胸径及树高之间关系,加入竞争因子作为辅助变量,并与传统非线性混合效应模型进行比较,能够为建立树高曲线及提高模型精度提供新方法。根据吉林省汪清林业局金沟岭林场2块100 m×100 m次生混交林样地中的实测单木数据,按照7∶3比例随机划分建模与验证数据。随机效应设定为林木分级,辅助变量选择大于对象木胸高断面积之和(B_(AL))或简单竞争指数(Hegyi指数,H_(EG)),根据随机效应的设定位置共构建15个广义可加混合效应模型,对照模型以Logistic及Richard方程为基础模型,共构建6个非线性混合效应树高-胸径模型。结果表明:所有广义可加混合效应模型均能较好地描述自变量与树高之间的关系,决定系数(R^(2))为0.8897~0.8998,相对均方根误差(R_(RMSE))为17.87%~18.74%,平均绝对误差(M_(AE))为1.7881~1.8745 m,赤池信息量(A_(IC))为4120.42~4162.23,均优于相同自变量下的非线性混合模型,R^(2)平均提高0.005,相对均方根误差、平均绝对误差、赤池信息量分别平均降低0.46%、0.0587 m、41.49。对于验证数据的预测可以看出,模型5具有最小的预测相对均方根误差,为20.28%,同时具有最小的预测平均绝对误差,为2.1038 m。但部分广义可加混合效应模型的预测表现略差于非线性混合模型。综合考虑参数与非参数估计显著性、模型估计精度及预测能力,所有模型中的最优模型为模型5,即以B_(AL)为辅助变量,考虑唯一全局平滑函数并以具有相同扭曲程度的分组水平平滑函数为基础添加随机效应。竞争因子选择B AL作为辅助变量能够提升树高模型的精度,而选择Hegyi指数为辅助变量的促进效果不明显。研究建立的广义可加混合效应树高胸径模型相较于传统非线性混合效应模型具有更高的估计精度及预测效果,B AL适宜作为树高模型的辅助变量来反映林木竞争状况的影响。

非参数估计在构造树高曲线中的应用

研究测树因子之间的数学关系,是森林调查的重要理论工作.该文以树高曲线模型为例,首先分析了最小二乘估计(LS估计)存在的缺陷,然后采用非参数核密度估计和最大概率估计两种方法建立了树高曲线模型.结果表明:①核密度估计能在一定最优准则下很好地适应样本,误差小,样本的统计特性和多峰形态亦得到很好的反映;②最大概率估计则适合在因变量和自变量均有误差的情况下建立模型.它摈弃了LS估计和核密度估计只考虑因变量统计误差的局限性,因此这种估计方法更符合实际情况.同时,当样本中含有误差很大的异常数据时,核密度估计和最大概率估计所得模型比LS估计方法所得模型更稳定.

北京市13个常见树种胸径估测研究

随着高分辨率遥感数据、LiDAR技术在森林资源调查中应用的日益普遍,以及自动快速提取树木冠幅、树高方法的日益成熟,需要建立新的树木模型来估测其他林分因子,以适应林业调查手段更新和发展的需求。在参考国内外大量文献的基础上,选择常用的胸径--冠幅模型和树高--胸径曲线模型,根据北京市178块森林样地调查数据,建立了北京市13个常见树种的胸径--冠幅模型,胸径--树高模型,胸径--冠幅、树高综合模型。结果表明:并不是所有树种的冠幅、树高都与胸径有高相关性;13个树种中,只有臭椿、雪松、栾树和加杨的胸径--冠幅模型的R2大于0.7,胸径--树高模型R2大于0.5,胸径--冠幅、树高综合模型达到0.8以上;油松、杨树、槲栎、圆柏4个树种的胸径--冠幅模型的R2小于0.3;核桃、油松、火炬树、柳树、国槐5个树种的胸径--树高模型R2低于0.3。并提出在下一步工作中,把林龄,林分密度,立地条件如坡度、坡向、海拔、地位级等林分因子与树木冠幅、树高联合建立估测模型来提高胸径估测的精度。该方法可用于现代遥感技术快速获取树木冠幅、树高之后,根据已有的数据库资料,用树种的冠幅、树高估测胸径,再推算其他林分因子,实现森林资源的快速调查与更新。

基于冠幅的杉木人工林胸径和树高参数化预估模型

为了研究杉木生长与形态变量的关系,提高模型预估精度,本文根据福建省65块不同密度、林龄分布于6~35年的杉木人工林样地测量数据,选用了Richards理论方程,分别构建了杉木胸径和树高生长模型。在此基础上,分析理论方程中参数与冠幅（CW）的关系,建立两者间的关系函数;使用参数预估法构造胸径和树高的参数化预估模型,并对原模型和参数化模型进行模型检验、残差分析,讨论了冠幅与林木生长之间的关系。结果表明：胸径和树高Richards方程中,参数a与CW呈正比,参数b与CW呈反比,c则与CW呈现出类似正态分布的关系;与传统的理论方程相比,参数化模型提高了杉木胸径树高预估的精度。本文所构建的模型能间接反映林分因子的状态,同时对于分析林木竞争、光合作用、模拟林木三维可视化等方面也提供了一种模式。

不同起源马尾松与杉木林分树高曲线的拟合及对比

【目的】选择7种模型拟合同一立地条件下马尾松和杉木人工林与天然林的树高生长曲线,并从中选出最优模型,为福建省马尾松和杉木人工林与天然林的合理经营奠定基础。【方法】基于福建省第7次森林资源一类清查数据,以同一立地条件下639株(人工林326株、天然林313株)马尾松标准木及687株(人工林498株、天然林189株)杉木标准木为研究对象,利用二次项方程、幂函数方程、对数方程、S曲线方程4种经验方程及Richards模型、Logistic模型、单分子式模型3种理论方程,拟合马尾松人工林和天然林、杉木人工林和天然林4种林分类型的树高曲线,并以调整决定系数、均方根误差、总相对误差和预估精度为评价指标,选择4种林分类型的最优树高模型。【结果】马尾松人工林与天然林分别以幂函数方程、二次项方程拟合效果较好,预估精度分别达到96.812%和96.474%;杉木人工林和天然林用Richards模型拟合效果最好,预估精度分别达到96.742%和96.495%。【结论】通过比较分析,获得了最适合模拟马尾松和杉木人工林与天然林的树高生长曲线模型。

小兴安岭天然林不同树种的树高曲线模型

选用10种树高曲线模型作为候选模型,以决定系数(R^2)、残差平方和(S_(se))和均方差(M_(se))作为模型优劣的评价指标,对小兴安岭天然林中的云杉(Picea asperata)、红松(Pinus koraiensis)、水曲柳(Fraxinus mandschurica)、椴树(Tilia tuan)4种树种的树高曲线模型进行优选。结果表明:云杉、红松和椴树的最优模型均为Logistic模型,水曲柳的最优模型为抛物线模型;云杉和红松两种针叶树种,最优模型的优势不明显,水曲柳和椴树两种阔叶树种最优模型的优势较明显;比较R^2的大小,得出较适合小兴安岭云杉和红松两种针叶树种的树高曲线模型(R^2>0.8),对小兴安岭阔叶树种的适用程度不具有普遍性,对椴树的适用性好(R^2最大达0.94),对水曲柳的适用性较差(R^2<0.8)。对水曲柳的树高进行分段研究得出:水曲柳在树高低于9 m时,树高曲线模型较适宜(R^2>0.8),其中抛物线模型为最优模型;树高较高时,没有适用的树高曲线模型。

青冈栎人工林树高曲线模型研究

为研究青冈栎人工林树高和胸径的生长关系模型,以九峰国家森林公园的青冈栎人工林为研究对象,将484组树高和胸径数据分成建模数据和检验数据,选用10种常见树高曲线模型分别对建模数据进行拟合。结果显示,10种树高曲线模型均达到极显著水平(P<0.01),其中二次曲线模型的残差平方和(SSE)、均方根误差(RMSE)最小,决定系数(R 2)最大,符合最优模型的筛选原则,最优模型的残差分析无异常值出现,并且将检验数据代入最优模型得到的树高预测值和实测值之间也无显著差异(Sig.=0.159>0.05)。结论表明,二次曲线模型可以对青冈栎人工林树高进行有效预测。

西洞庭湖区杉木林分相对树高曲线模型的研究

为了在森林资源调查中能够方便快捷地估测出具有较高精度的林分蓄积量,以西洞庭湖区96块林分样地资料为基础,建立该区杉木林分相对树高曲线模型。经假设检验(t检验)得该模型估计精度较理想,可达到近似实测树高曲线法的水平,既避免了较大地域范围因形高变异而引起估测立木材积的较大偏差问题,又降低了实际工作中的技术难度和工作量。

林分立木材积估计的新方法

利用相对树高曲线法建立杉木、马尾松的分树种和不分树种的模型，结合二元材积表估测林分和样地的立木蓄积，接近用二元材积表法估测立木蓄积的精度。

南方杉木人工林树高曲线模型研究

采用多模型对比选优法,以639组南方杉木人工林胸径-树高调查值为依据,求解了24组树高曲线模型的参数和评价指标。经检验,双曲线、Gompertz和Logistic模型均能取得较好的拟合效果,且模型用于杉木树高估计的精度高于98%;双曲线模型略优于其他模型;杉木人工林胸径和树高呈紧密相关关系,双曲线、Gompertz和Logistic模型能够作为杉木树高曲线参考模型。

秃杉人工林树高曲线模型研究

利用秃杉人工林标准地调查数据,以理查德为基本方程,采用哑变量的方法,引入立地质量因子,构建以立地质量为哑变量的秃杉人工林树高曲线模型,并将其与二元材积表相结合,测算标准地蓄积量。经交叉建模检验,建立的树高曲线模型,其估算精度接近二元材积表的估计水平。所构建的树高曲线模型在很大程度上减少了野外调查的工作量,提高了工作效率,为中国的森林资源调查提供一定的参考应用价值。

保护区周边居民薪柴采集对乔木分布的影响——以四川王朗大熊猫自然保护区为例

保护区内周边地区的自然村庄中人们的日常生活对于村庄附近的森林群落结构有着重要的影响。通过分析乔木蓄积量和“乔木-灌木”复合系统中乔木的相对密度随着距离村落中心远近变化的函数关系，揭示当地居民薪柴采集活动对于乔木分布影响的规律。首先对于四川省平武县木座乡、木皮乡和白马乡里10个村庄进行随机入户农村家庭经济调查，掌握基本经济条件；然后对于调查结果进行聚类分析，选定小河、厄里和详述加3个典型村庄作为研究对象。按照距村落中心距离远近作梯度样带调查，计算出各个样带中的木材蓄积量和“乔木一灌木”复合系统中乔木的相对密度，利用数理统计方法进行模型拟合。拟合结果显示：（1）贫富差距对于乔木分布规律没有明显的影响，3个村落的数据分析结果类似。说明这3个村落的贫富差距还没有足以影响村落周围乔木分布。（2）木材蓄积量和“乔木．灌木”复合系统中乔木的相对密度与距村落中心位置距离的函数关系分别符合Logistic模型和Growth模型。在距离小于第1域值（3，4km）的时候，因变量随着自变量——距离的增加而缓慢增加。这说明这一区域内乔木分布受到薪柴采集活动影响很大，虽然也有所增加但是趋势不明显。当距离在第1域值（3～4km）至第2域值（7—8km）的时候，曲线切线斜率突然增大。这说明薪柴采集活动频率和强度迅速增加，因而导致乔木的蓄积量和密度都快速恢复。当距离继续增大的时候，因变量增长速率又逐渐回落，乔木分布也已经与原始林中的状态相似。

海南省主要树种相对树高曲线模型应用研究

利用156块人工林样地，建立了海南省松类、桉类、木麻黄、相思、橡胶等5个主要树种（组）的相对树高曲线模型。经检验，所有5个树种的模型，用于林分材积估计的总相对误差都在±1％以内，相对误差绝对值平均数小于3％，预估精度相当高。此外，还将5个树种合并进行了建模。将总模型分别树种进行材积估计检验，效果也相当理想，仍能满足建模精度要求。

林窗模型中树高直径关系方程分析——以小兴安岭红松林主要树种为例

为了更准确地描述树高与直径的关系，文章综合分析了广泛应用于林窗模型中的四个数学方程，即二次曲线、幂函数方程、理查德方程和单分子方程。通过理论分析和对红松林内主要树种树高和直径关系的非线性回归分析及预测精度检验后，结果表明，理查德方程和单分子方程是林窗模型中描述树高和直径关系的最优模型。

孟家岗落叶松人工林标准树高模型的研究

利用理查德方程构建落叶松树高生长模型。以黑龙江省佳木斯市孟家岗实验林场落叶松人工林为研究对象,基于78块落叶松人工林标准地中100株样木作为解析木。根据地位级指数的定义对理查德方程进行推导,确定落叶松树高生长模型。在MATLAB技术的支持下,根据林分实际数据使用模型参数估计算法求得模型参数k和c的最优值。经过模型误差的检验,结果表明误差E<0.05,该树高生长模型可以用来模拟落叶松树高生长过程。

林木树高曲线模型研究

利用马尾松和杉木的解析木资料，验证了以柱体屈曲理论为依据推导出的树高曲线模型优于传统的树高曲线经验模型．

海南省主要人工林树种树高一元材积模型构建

以海南省5个主要人工林树种为研究对象,分别采用直接建立树高一元材积模型和二阶回归估计的方法,同时与胸径一元材积模型进行比较,结果表明:在立木材积与单一因子的相关性中,胸径最为紧密,树高次之;由于树高受立地质量影响较大,树高一元材积模型很难满足现行的立木材积表编制技术规程的要求;受树高―胸径模型的精度限制,利用二阶回归估计方法建立的树高一元材积模型难以提高模型预估精度;从模型自变量的选择和样本组织角度,提出了提高模型预估精度的方向。

回归方程的主成分估计在林业预测中的应用

讨论了林业中使用主成分估计方法克服回归模型复共线性问题。研究和分析了材积方程模型、油松林木平均高与立地环境因子回归模型中存在的复共线性，以及主成分估计方法在建立上述回归方程中的应用。

乌岩岭国家级自然保护区主要森林类型树高曲线模型研究

为掌握乌岩岭保护区主要森林类型林分树高生长规律,提高保护区森林资源管理水平,基于样地调查数据,求解了6种树高生长模型的参数和评价指标,并从中选择出最优模型。结果显示:柳杉林、马尾松林、毛竹林、杉木林等森林类型树高曲线以Gompertz模型模拟效果最优;针阔混交林以Weibull模型模拟树高曲线最优;天然常绿阔叶林以Logistic模型模拟树高曲线效果最优;除天然常绿阔叶林外,其余森林类型最优树高曲线模型精度均达到93%以上。