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.

Mixed-effects modeling for tree height prediction models of Oriental beech in the Hyrcanian forests

Height–diameter relationships are essential elements of forest assessment and modeling efforts.In this work,two linear and eighteen nonlinear height–diameter equations were evaluated to find a local model for Oriental beech（Fagus orientalis Lipsky） in the Hyrcanian Forest in Iran.The predictive performance of these models was first assessed by different evaluation criteria： adjusted R^2（R^2_（adj））,root mean square error（RMSE）,relative RMSE（%RMSE）,bias,and relative bias（%bias） criteria.The best model was selected for use as the base mixed-effects model.Random parameters for test plots were estimated with different tree selection options.Results show that the Chapman–Richards model had better predictive ability in terms of adj R^2（0.81）,RMSE（3.7 m）,%RMSE（12.9）,bias（0.8）,%Bias（2.79） than the other models.Furthermore,the calibration response,based on a selection of four trees from the sample plots,resulted in a reduction percentage for bias and RMSE of about 1.6–2.7%.Our results indicate that the calibrated model produced the most accurate results.

Ecoregional height-diameter models for Scots pine in Turkiye

Ecoregion-based height-diameter models were developed in the present study for Scots pine(Pinus sylves-tris L.)stands in Turkiye and included several ecological factors derived from a pre-existing ecoregional classification system.The data were obtained from 2831 sample trees in 292 sample plots.Ten generalized height–diameter models were developed,and the best model(HD10)was selected according to statistical criteria.Then,nonlinear mixed-effects modeling was applied to the best model.The R2 for the generalized height‒diameter model(Richards function)modified by Sharma and Parton is 0.951,and the final model included number of trees,dominant height,and diameter at breast height,with a random parameter associated with each ecoregion attached to the inverse of the mean basal area.The full model predictions using the nonlinear mixed-effects model and the reduced model(HD10)predictions were compared using the nonlinear sum of extra squares test,which revealed significant differences between ecore-gions;ecoregion-based height–diameter models were thus found to be suitable to use.In addition,using these models in appropriate ecoregions was very important for achieving reliable predictions with low prediction errors.

Cloth simulation-based construction of pitfree canopy height models from airborne LiDAR data

Background:The universal occurrence of randomly distributed dark holes(i.e.,data pits appearing within the tree crown)in LiDAR-derived canopy height models(CHMs)negatively affects the accuracy of extracted forest inventory parameters.Methods:We develop an algorithm based on cloth simulation for constructing a pit-free CHM.Results:The proposed algorithm effectively fills data pits of various sizes whilst preserving canopy details.Our pitfree CHMs derived from point clouds at different proportions of data pits are remarkably better than those constructed using other algorithms,as evidenced by the lowest average root mean square error(0.4981 m)between the reference CHMs and the constructed pit-free CHMs.Moreover,our pit-free CHMs show the best performance overall in terms of maximum tree height estimation(average bias=0.9674 m).Conclusion:The proposed algorithm can be adopted when working with different quality LiDAR data and shows high potential in forestry applications.

Estimating Pinus palustris tree diameter and stem volume from tree height,crown area and stand-level parameters

Accurate and efficient estimation of forest growth and live biomass is a critical element in assessing potential responses to forest management and environmental change. The objective of this study was to develop models to predict longleaf pine tree diameter at breast height （dbh） and merchantable stem volume （V） using data obtained from field measurements. We used longleaf pine tree data from 3,376 planted trees on 127 permanent plots located in the U.S. Gulf Coastal Plain region to fit equations to predict dbh and V as functions of tree height （H） and crown area （CA）. Prediction of dbh as a function of H improved when CA was added as an additional independent variable. Similarly, predic- tions of V based on H improved when CA was included. Incorporation of additional stand variables such as age, site index, dominant height, and stand density were also evaluated but resulted in only small improvements in model performance. For model testing we used data from planted and naturally-regenerated trees located inside and outside the geographic area used for model fitting. Our results suggest that the models are a robust alternative for dbh and V estimations when H and CA are known on planted stands with potential for naturally-regenerated stands, across a wide range of ages. We discuss the importance of these models for use with metrics derived from remote sensing data.

New approach to calculating tree height at the regional scale

Background:Determining the spatial distribution of tree heights at the regional area scale is significant when performing forest above-ground biomass estimates in forest resource management research.The geometric-optical mutual shadowing(GOMS)model can be used to invert the forest canopy structural parameters at the regional scale.However,this method can obtain only the ratios among the horizontal canopy diameter(CD),tree height,clear height,and vertical CD.In this paper,we used a semi-variance model to calculate the CD using high spatial resolution images and expanded this method to the regional scale.We then combined the CD results with the forest canopy structural parameter inversion results from the GOMS model to calculate tree heights at the regional scale.Results:The semi-variance model can be used to calculate the CD at the regional scale that closely matches(mainly with in a range from-1 to 1 m)the CD derived from the canopy height model(CHM)data.The difference between tree heights calculated by the GOMS model and the tree heights derived from the CHM data was small,with a root mean square error(RMSE)of 1.96 for a 500-m area with high fractional vegetation cover(FVC)(i.e.,forest area coverage index values greater than 0.8).Both the inaccuracy of the tree height derived from the CHM data and the unmatched spatial resolution of different datasets will influence the accuracy of the inverted tree height.And the error caused by the unmatched spatial resolution is small in dense forest.Conclusions:The semi-variance model can be used to calculate the CD at the regional scale,together with the canopy structure parameters inverted by the GOMS model,the mean tree height at the regional scale can be obtained.Our study provides a new approach for calculating tree height and provides further directions for the application of the GOMS model.

基于混合效应和分位数回归的温带针阔混交林树高与胸径关系研究

【目的】基于非线性回归和广义模型构建不同分位数回归和混合效应的树高预测方程,并对比分析非线性模型、不同分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)模型、广义模型及非线性混合效应模型的拟合效果和预测精度,为研究林分生长和收获提供理论依据。【方法】本研究以吉林蛟河地区针阔混交林的主要树种(红松、色木槭、紫椴和水曲柳)为研究对象,基于21.12 hm2样地数据,首先在11个广泛使用的树高方程基础模型中选定基础模型;其次探究林分变量对树高的影响并构建含林分变量的广义模型;最后在基础模型和广义模型的基础上,构建分位数模型,同时考虑样方效应对树高的影响,构建混合效应模型。【结果】(1)各树种均以Richards模型拟合精度更高,且具有生物学意义,选定为基础模型;考虑林分变量与树高的相关性以及模型收敛性,加入优势木高建立的广义模型能显著提高拟合效果。(2)各树种均为中位数τ=0.5时模型拟合效果最佳,且与非线性回归预测精度相近,红松、色木槭、紫椴和水曲柳最高R^(2)值分别为0.811、0.809、0.724和0.617,广义中位数回归预测能力得到进一步提高,R^(2)值分别为0.891、0.874、0.858和0.627。(3)混合效应模型相对其他模型能显著提高预测精度,其中基础混合模型略优于广义混合模型,4个树种R^(2)值达到0.937、0.919、0.906和0.643,表明包含样方效应的混合模型能得到更准确更稳定的预测结果。【结论】与传统方法建立的基础模型和广义模型以及两者的中位数回归模型相较,基于非线性混合效应构建的树高-胸径模型预测精度更高,其中基于基础混合效应构建的吉林蛟河地区混交林树高-胸径模型更具优越性和稳定性。

基于地基雷达数据构建红松人工林树高、枝下高及接触高模型

采用地面激光雷达(Terrestrial Laser Scanning,TLS)扫描10块人工红松林所得到的数据,与实地调查数据相结合,构建红松树高曲线模型、枝下高预估模型与接触高预估模型,并建立联立方程组。首先,从所选择的5种树高曲线模型中,选择出拟合效果较好的2个模型作为联立方程组的备选模型。然后再从5个枝下高基础模型中选出1个拟合效果好,并且适用程度高的模型作为基础模型,运用再参数化和最优子集回归的方法将林分因子(林分平均胸径、林分断面积、高径比、优势木平均胸径和优势木平均高)代入基础模型,选择拟合效果较好的模型作为枝下高备选模型。相同的方法选择拟合效果好的接触高备选模型。最后将树高曲线模型、枝下高备选模型与接触高备选模型分别两两联立,建立联立方程组。通过似不相关回归(Seemingly Unrelated Regression Estimation,SVR或SURE),根据拟合优度与检验结果选择最优秀的方程组,并对联立方程组进行评价。最终得到结果最优联立方程组预估树高时,决定系数R^(2)=0.896,均方根误差RMSE=0.612 m;当方程组预估枝下高时,R^(2)=0.575,RMSE=0.850 m;当方程预估接触高时,R^(2)=0.719,RMSE=0.791 m,而且各种检验指标都较好。综合来看,方程组对树高、枝下高与接触高拟合精度与检验效果较好,可以解决树高、枝下高与接触高的内在相关性问题,为进一步研究红松树冠结构与动态变化提供基础。

基于多视角三维航摄影像的树高提取方法比较

树高是一个重要的立木调查因子,传统树高测量方法是利用测高器人工测量,该方法调查速度慢,效率低下.重叠的立体像对,可以反映地物的高度信息,为大面积树高信息提取提供了可能.本研究采用大疆Phantom 4 RTK无人机获取研究区航摄影像并构建立体像对,分别从不同视角采用三维模型直接测量法、倾斜摄影点云提取法、冠层高度模型局部最大值法进行了树高信息提取.研究结果表明,三种方法林木检测率依次为:82.5%、76.8%、71.1%,测得的树高结果精度分别为:R2=0.730,RMSE=1.699;R2=0.804,RMSE=1.459;R2=0.766,RMSE=1.548.三维模型测量法获取的树高提取率最高,倾斜摄影点云提取的树高值与实测值的拟合度最高.研究结果利用航摄影像能够高效地提取树高信息,为林业研究调查提供一种低成本、高效率的方法.

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。

基于无人机可见光影像的人工林单木树冠提取研究

以人工林区的无人机可见光影像为基础构建冠层高度模型(canopy height model,CHM),以此作为提取单木树冠的基础数据,避免数字正射影像(digital orthophoto map,DOM)中存在的树冠阴影、光照不均、树冠与草地颜色相似等问题对单木树冠提取的影响,采用标记控制的分水岭算法从CHM中提取单木树冠.首先,采用Otsu算法对CHM中的树冠与非树冠进行分离,利用形态学图像细化算法去除树冠之间的粘连,得到粗略的单木树冠;其次,结合距离变换和H-Maxima算法获取单木位置标记,结合距离变换和分水岭算法获取每个粗略单木树冠的影响区域边界,作为背景标记;为增强CHM中的树冠边缘像素,采用Sobel算法生成梯度图像,利用极小值强加算法将单木位置标记设定为分水岭算法分割的起始点,将背景标记用于对分割过程进行约束;最后,对标记过的梯度图像进行分水岭分割,获得单木树冠.采用人工目视解译的方式获取研究区内正确的单木树冠轮廓作为精度验证数据.通过精度验证,提取的单木位置总体精度为92.79%,提取的单木树冠F-score值为84.62%,提取精度较高.3组对比试验,分别是不进行去除树冠粘连处理、用局部极大值算法代替H-Maxima算法、不使用背景标记,得到3个单木树冠提取结果,通过精度验证,F-score值分别为72.33%、10.16%、77.89%,分别比提出方法降低了12.29%、74.46%、6.73%.通过方法对比和通用性检验,试验结果表明以CHM为研究数据,利用标记控制分水岭算法可有效获取人工林区单木树冠.

黔中马尾松木荷混交林树高-胸径模型

【目的】建立马尾松Pinus massoniana-木荷Schima superba混交林树高-胸径模型,将树种作为哑变量引入模型,考虑模型残差空间自相关和异质性,为混交林树高-胸径模型构建和科学经营提供理论依据。【方法】基于贵州省开阳县马尾松-木荷混交林727组树高-胸径调查数据,构建普通最小二乘法模型(OLS)、广义可加模型(GAM)、线性混合模型(LMM)、地理加权回归模型(GWR)和地理加权回归克里格模型(GWRK)的树高-胸径全林木模型,在此基础上,将树种作为哑变量引入,选择全局莫兰指数(Moran’I)、局域Moran’I和组内方差分析5种模型残差空间自相关与空间异质性,并采用决定系数(R 2)、均方误差(MSE)和赤池信息准则(AIC)对模型进行评价。【结果】①马尾松-木荷混交林全林木基础模型的拟合精度从低到高依次为OLS、GAM、LMM、GWR、GWRK。②将树种作为哑变量引入模型后,各模型拟合精度均高于全林木基础模型。③OLS和GAM模型残差的全局Moran’I在α=0.05水平下显著(Z>1.96),局域Moran’I分布图中存在较多热点,表现出强烈的空间自相关。而LMM、GWR和GWRK模型残差全局Moran’I在α=0.05水平下不显著(−1.96≤Z≤1.96),且在局域Moran’I分布图中存在较多冷点,说明模型残差空间自相关已被消除。④5种模型残差的组内方差均表现随着滞后距离增大而增大的趋势,但GWR和GWRK模型具有更小的组内方差,能较好地降低模型残差空间的异质性。【结论】OLS和GAM模型拟合精度不高,并且不能消除模型残差空间自相关和异质性,因此不是用来建立树高-胸径模型的最佳选择。LMM、GWR和GWRK模型在提高模型拟合精度和降低空间自相关性方面表现良好,但GWR和GWRK模型在降低空间异质性方面显著,是最适合的树高-胸径模型。

立地环境和林分结构驱动的辽东栎林生长与模拟

【目的】定量研究宁夏六盘山区辽东栎(Quercus mongolica)林的树高和胸径生长对气候、地形、土壤、林分结构等多种因子变化的响应规律,在此基础上构建多因子耦合模型,准确模拟和预测气候等因子对森林生长的影响。【方法】依据宁夏六盘山区环境梯度,2021—2022年对79块辽东栎天然次生林样地进行每木调查,利用上外包线法确定林分平均树高和平均胸径对立地环境和林分结构等因子的响应关系和函数类型,通过连乘构建多因子耦合模型框架并基于实测数据拟合模型参数,用于模拟气候变化对辽东栎林生长的影响。【结果】同时影响六盘山区辽东栎林平均树高和平均胸径生长的主要因子是林龄、林分密度、年均降水量、年均气温、土壤厚度。平均树高和平均胸径随林龄增大呈缓慢−快速−缓慢的生长变化,随林分密度增大呈先稳定后加速下降的变化,随土壤厚度和年均降水量增大呈先快速增加后渐趋平稳的变化,随年均气温升高呈先快速上升后快速下降的单峰变化趋势。根据林分平均树高和平均胸径对各单因子的响应函数构建了二者的多因子耦合模型,预测精度较高(R2>0.70)。对年均气温升高1.5℃的情景模拟结果表明,整个六盘山区的辽东栎林平均树高和平均胸径生长速率都会降低,其降低幅度在气候冷湿的六盘山区南部分别为10%和7%,在气候暖湿的六盘山区中部分别为15%和12%,在气候暖干的六盘山区北部分别为18%和13%。【结论】宁夏六盘山区辽东栎次生林的平均树高和平均胸径生长同时受气候、林分结构、立地环境等多因子的影响,建立反映多个主要因子(年均降水量、年均气温、林龄、林分密度、土壤厚度)影响的耦合生长模型可以准确预测气候变化和密度调控对树高和胸径生长的影响。未来的气温升高将会降低平均树高和平均胸径的生长,但降低幅度存在区域差异,表现为气温越高的区域降低幅度越大,需要分区采取不同的森林管理应对措施。研究结果可为预测气候变化影响和确定森林管理措施提供理论与技术支持。

“天潜沔”地区杨树人工林胸径-树高生长模型研究

以天门、潜江、仙桃地区杨树人工林为研究对象,通过2022年在该地区选取48块样地进行每木检尺,共测量731株杨树的生长量情况,作为建模数据。利用R软件对胸径-树高模型进行拟合,选用9个常用的胸径-树高模型。根据决定系数(R^(2))、均方根误差(RMSE)、残差平均和(SSE)、平均绝对误差(MAE)、平均相对误差(MRE)和Akaike信息量准则(AIC)6个评价指标来确定最优模型,同时以天门、潜江、仙桃地区2021年立地条件、初植密度基本一致的10个杨树人工林固定样地的胸径、树高数据为检验数据,检验最优模型的预测能力。结果表明:在1~9号模型中,4号拟合效果最佳,其模型表达式为H=1.0410D-0.0122D^(2),可以作为天门、潜江、仙桃地区杨树人工林胸径-树高基础模型。

CHM与DSM相结合的无人机激光雷达单木分割

【目的】提出一种冠层高度模型(CHM)与数字表面模型(DSM)相结合的单木分割方法,以解决无人机激光雷达提取地形坡度较大区域CHM时因树冠形变导致单木分割精度降低的问题。【方法】利用无人机激光雷达数据,在福建省顺昌县洋口林场地形起伏较大的中、高郁闭度杉木人工林中选择中龄林和幼龄林各3块标准地,结合地面实测数据和目视解译方法,对CHM与DSM相结合(优化方法)的4种窗口的局部最大值法的树顶点探测和极值标记的分水岭算法的单木分割进行精度评价,并与仅基于CHM的传统方法的树顶点探测和单木分割进行对比分析。【结果】树顶点探测方面,随着窗口增大,每块样地探测的单木总数量和探测百分比均呈下降趋势;中龄林3块样地的最佳窗口为0.3 m,幼龄林3块样地的最佳窗口为0.2 m,此时6块样地1∶1对应关系的单木数量和生产者精度均最大;在相应最佳窗口条件下,仅基于CHM的局部最大值法因树冠形变存在容易产生单木多树顶点探测现象,传统方法的单木探测百分比高于优化方法,但传统方法的树顶点探测精度低于优化方法。幼龄林的树顶点探测精度高于中龄林,这是因为幼龄林样地冠幅和单木相邻距离更一致,更适应固定窗口的局部最大值法。单木分割方面,优化方法的单木分割精度高于传统方法,幼龄林的单木分割精度高于中龄林。【结论】局部最大值法的树顶点探测和分水岭算法的单木分割直接数据源为DSM,是树冠表面真实起伏状况的反映,没有树冠形变,研究结果为更真实的树顶点和单木树冠边界。CHM与DSM相结合的单木分割方法在中、高郁闭度杉木人工中、幼林中分割精度较高(6块样地探测率r均大于88%,准确率p均大于92%,F得分均大于91%),将该方法集成在ArcGIS模型构建器中,可为精准化、自动化、集成化的无人机激光雷达单木分割应用提供可能。

基于非线性混合效应的华东地区主要优势树种林分水平树高-胸径模型

【目的】使用非线性混合效应(nonlinear mixed-effects,NLME)方法建立华东地区林分水平树高-胸径模型,提供一个较大地域尺度的林分树高预测工具,并与传统非线性回归方法比较,探索非线性混合效应方法在构建树高-胸径模型上的表现。【方法】基于华东地区7个省级单元国家森林资源连续清查数据,构建主要优势树种哑变量,采用非线性混合效应方法建立林分水平树高-胸径模型。【结果】非线性混合效应方法在训练集与测试集上均表现优秀,训练集R2、均方根误差(RMSE)和平均绝对偏差(MAE)分别为0.678 5、2.396 7 m和1.832 6 m,测试集R2、RMSE与MAE分别为0.673 8、2.352 0 m和1.798 5 m。与不加入随机效应的传统回归方法相比,混合效应模型在训练集中,R2提升了8.13%,MAE与RMSE分别下降了7.09%与6.87%;在测试集表现中,R2上升了7.75%,RMSE与MAE分别下降了6.61%和5.97%。【结论】使用非线性混合效应方法建立了华东地区主要树种的林分水平树高-胸径模型,最终模型的拟合精度和预测精度均优于传统回归模型,模型适用的覆盖区域较广,能够为森林经营实践提供依据。

湘西杉木人工林树高-胸径混合效应模型构建

建立湘西杉木树高-胸径模型,分析定量、定性因子对林分树高生长的影响,为区域尺度树高估算提供参考。以湘西土家族苗族自治州7个县的杉木人工林为研究对象,基于55块杉木人工林样地数据,采用随机森林法,筛选出显著性影响因子分别作为再参数化变量与随机效应;在6个树高-胸径基础模型中选择拟合程度最好的模型作为最优基础模型;采用再参数化的方法引入密度(ρ)/1000变量,构建含林分密度的最优再参数化模型;在最优再参数化模型的基础上,结合混合效应模型分析显著性定性因子对杉木人工林树高的影响,建立湘西杉木人工林最优混合效应模型。结果表明:湘西土家族苗族自治州杉木人工林树高的显著性影响因子为胸径(P<0.01)、龄组(P<0.01)、林分密度(ρ<0.05)。6组候选基础模型中,N slund(Model 1)模型最优,其AIC、BIC值均最小,分别为154.7417、159.6544,R 2=0.5727;其参数a、b均极显著,具有统计学意义。3种再参数化模型的拟合效果均优于最优基础模型(Model 1)的。Model 1.1各参数均显著,确定系数R 2=0.6202,均方根误差RMSE=1.6159。3个混合效应模型的拟合效果均优于最优基础模型、最优再参数化模型的;与最优基础模型、最优再参数化模型相比,nlme 1.1、nlme 1.3的确定系数(R 2)分别提高了19.6%、10.4%;均方根误差(RMSE)分别降低了14.1%、8.9%。考虑到模型的简易程度,将nlme 1.1作为湘西土家族苗族自治州杉木人工林的最优混合效应模型。与传统回归模型相比,采用再参数化方法、非线性混合效应法拟合的树高-胸径模型,其预测效果更具有优越性,模型精度更高、误差更小。研究结果可为湘西土家族苗族自治州林业生产提供参考。

基于混合效应模型的林分优势木平均高-平均胸径模型研究

混合效应模型逐渐被应用于林业领域,其不仅能描述数据整体的变化规律,还能反映数据之间的变化,使估计结果时更为准确。通过胸径来推算树高在一定程度上为林业调查提供了便利,以会理市123块样地为研究对象,构建林分优势木平均高-平均胸径混合效应模型,分析林分优势木平均高与平均胸径的相关关系,研究结果表明:(1)林分优势木平均高与平均胸径之间的相关关系极显著。(2)幂函数模型的拟合效果无论在单个树种之间还是在整体上均表现最好(3)混合效应模型不仅可以反映林分优势木平均高在平均胸径上的整体变化趋势,还能体现不同树种对其产生的影响,A IC、BI C的表现更优,模型拟合效果更好。

基于高阶重力场模型的山区高程拟合研究

选用沿海山区GNSS水准点的实测高程异常,分别对近几年国际上公布的EGM2008、EIGEN-6C2、EIGEN-6C3stat、GECO、XGM2019e、SGG-UGM-2这6个高阶重力场模型计算的高程异常进行精度检验,分析不同模型、不同截断阶次模型高程异常精度与阶次的关系,采用基于Kd-Tree算法的二次曲面拟合方法进行山区水准面移去—拟合—恢复。结果表明,利用基于Kd-Tree算法高阶重力场模型进行山区水准拟合精度提高明显,具有较好的适应性。

基于机载LiDAR数据的单木分割研究

基于机载LiDAR数据进行单木分割,分别讨论了基于冠层高度模型的单木提取方法(FCHM)以及基于归一化点云的单木提取算法(FNPC)。FCHM的分离单木的总正确率的均方根值为0.93,F_Score的均方根值为0.62,FNPC算法分别为0.90和0.56,FCHM算法的精度优于FNPC算法。通过从不同的林相、林型、林分密度的分析得出,在林分密度小于400棵/hm^(2)的单层针叶林中提取效果最好。