森林蓄积量与生物量转换的CVD模型研究

森林生物量是森林监测中的一项重要内容.在我国,有关森林蓄积方面的资料比较丰富,而生物量方面的资料比较缺乏.因此,将森林蓄积转换为生物量的研究具有现实意义,也是近年来研究的热点问题.研究了用相对生长法表示的材积和蓄积模型,导出了单木材积与其生物量的关系模型以及区域蓄积量与生物量的关系模型,即CVD模型,并说明了实际的建模过程.同时,利用实例将CVD模型与现行模型进行比较,给出了一些有益的结论.     

一种基于三维激光点云数据的单木树冠投影面积和树冠体积自动提取算法

树冠投影面积和树冠体积是研究单木生物量估测、三维绿量测算等的重要测量因子。针对树冠结构复杂、形态各异,树冠因子难以精确测量等问题,为实现单木树冠投影面积和树冠体积的自动提取和精准测量,以三维激光扫描获取的树木点云数据为数据源,运用平面散乱点集凸包算法——Graham扫描算法和不规则体切片分割累加算法,以VC++6.0和Matlab 7.0混合编程,实现树冠投影面积和树冠体积的自动提取。以实验区选取具有代表性的22株不同树种的样木为研究对象,并与传统人工测量方法进行了对比分析。试验结果表明,树冠投影面积人工测量(A₄)结果与点云数据的自动计算(A_V)结果相关性较好,r=0.964(p<0.01),A₄高于A_V的平均值为25.5%。近似规则几何体方法树冠体积测量(V_C)结果与基于点云数据的自动计算(V_VC)结果之间呈现较强的相关性,r=0.960(p<0.001),V_C低于V_VC的平均值为8.03%。该方法基于高精度单木点云数据,实现了树冠结构的高精度快速重构、单木树冠投影面积和树冠体积的无损自动提取,可以为单木树冠结构的研究提供参考,在精准林业领域具有推广应用价值。     

基于多光谱数据的永定河流域植被生物量反演

用传统研究植被生物量实测的方法不仅耗时费力,而且由于影响因子不易确定会导致预估精度不高。选择永定河流域河北——北京段为研究区域,以该地区2009年7月20日的TM影像数据为数据源,结合当地分辨率为30米的数字高程模型(digital elevation model,DEM)数据和其他相关辅助解译资料,并借助全站仪等高精度测量仪器进行外业调查,归纳出永定河地区遥感因子与植被生物量可能存在的函数关系,通过多元线性回归分析遥感影像因子并建立反演模型,最后将反演模型进行精度分析。通过将实测值和预测值分析对比,得出反演模型总体相对误差为-0.025%,平均相对误差为-0.016%,总体预估精度高达84.56%。模型的建立可对大范围流域生态环境因子进行及时、快速、准确地调查,为永定河生态环境问题诊断提供实验数据。     

几种一元拟线性回归中的问题与改进措施

讨论幂函数、指数函数、双曲函数及S型曲线通过换元进行线性回归时,所满足的最小二乘条件,指出换元线性化回归存在的问题,提出了改进措施,并给出幂函数和双曲函数回归的实际算例.理论分析与实验表明,换元后的因变量具有异方差性,致使拟线性回归参数的精度较低,但拟线性回归的参数精度可通过加权回归的方法得到大幅度提高.     

基于综合技术开发的GNSS森林调查仪研发与应用

为解决在林业调查工作中固定样地建设与复位和森林调查数据记录与解算过程分离的问题,以嵌入式开发为基础,基于ARM11平台和WinCE系统,并融合Cordova移动端开发,在PDA端内置平均胸径、平均树高、林分密度、森林蓄积量等算法,开发了集测树系统与测绘系统于一体的森林调查装备.仪器体积小、重量轻、功能全面、便于携带,并...     

基于MODIS数据的森林火险时空分异规律研究

森林火灾严重危害生态环境,引起了全球的高度重视。将从MODIS(MODerate-resolution imaging spectroradiometer)中提取的活动火点与历史火烧痕迹进行比较研究,发现MOD14A1(火掩膜数据产品a daily Level 3 1-km fire hot spot product)中提取的8+9波段适合消防监测,与现场勘察数据相比较吻合度高达0.83。使用MOD14A1中8+9波段结合相关数据对这个区域的长达11年(2000—2010年)的森林火灾发生的时间和空间分析,结果表明：火灾发生频率最多的是春季,秋季次之,夏天概率最低,除非干旱。通过对研究区域黑龙江省分析,针叶林和温带针阔混交林过火面积所占比例分别为53.68%,44%,草原区过火面积较小为2.32%。大兴安岭是主要的燃烧区域,面积达到64.74%,小兴安岭约为23.49%,而其他区域面积不超过5%。且火灾发生的较大部分森林有个平缓的斜坡(≤5°),大部分处于中海拔(200 m≤H≤500 m)。因此,通过卫星遥感对森林火区区域的时间序列分析,阐明火灾活动规律和气候、地形、植被类型的相互关系,有助于预测火灾区域危险性等级。     

结合纹理因子和地形因子的森林蓄积量多光谱估测模型

森林蓄积量是林分调查中重要因子,是评价森林数量和质量的重要指标。传统森林蓄积量实测方法耗时费力、效率低下,多元线性回归遥感反演方法精度较低,难以达到精准林业要求。机器学习是一种利用训练数据,进行自我改进、自动提升性能的方法,可以任意逼近非线性系统,提高模型预测精度。以鹫峰林场森林为研究对象, 综合考虑影像光谱因子、纹理因子、地形因子,采用机器学习中的BP神经网络、最小二乘支持向量机、随机森林方法构建了森林蓄积量多光谱估测模型BP-FSV,LSSVM-FSV和RF-FSV,并在Matlab2014a中编程实现。旨在从建模因子选择和模型方法建立两个方面,优化建模因子特征提取,提高森林蓄积量模型预测精度。以角规观测样地实测数据、森林小班二类调查数据、林相图数据为基础,使用以上三种模型结合Landsat8 OLI多光谱数据分林型进行了森林蓄积量反演建模预测。以决定系数R2和均方根误差RMSE为指标,分析了三种反演模型的训练能力和预测能力。研究结果表明：利用3种机器学习方法构建的结合光谱因子、地形因子、纹理因子反演模型能够提高森林蓄积量的预测精度。以上模型中,RF-FSV模型在针、阔、混三种林型中都表现出较强的预测能力,高于BP-FSV模型,高于或接近于LSSVM-FSV模型。RF-FSV模型在训练阶段,R2和RMSE针叶林中为0.839和13.953 3,阔叶林中为0.924和7.634 1,混交林中为0.902和12.153 9,预测阶段R2和RMSE在针叶林中为0.816和15.630 1,阔叶林中为0.913和4.890 2,混交林中为0.865和9.344 1。RF-FSV模型建模精度和预测精度较高,为森林蓄积量遥感反演估测提供了一种新的方法。     

城市部件调查及质量检查模型研究

针对城市部件调查与质量检查的繁琐与复杂性,提出了利用地理信息技术(GIS)与数据库技术,在GIS软件及其建模模块中实现城市部件点的矢量检查、逻辑性检查、点对称性与连续性检查、属性检查中唯一性检查、非空检查、匹配检查与属性名称逻辑性检查。研究结果表明:通过部件质量检查的模型建立及实现对部件调查与检查有很强的适用性。该研究结果对于城市部件调查具有非常好的理论意义和实践价值。     

一种基于无人机高光谱数据的植被盖度估算新方法

从分析对植被覆盖度(FVC)敏感的光谱特性入手,使用Avafield-3光谱仪(测量范围300～2 500 nm),利用人工草坪控制植被覆盖度的方式研究混合光谱与植被覆盖度的关系,通过实验发现红边区间(680～760 nm)对植被覆盖度最为敏感,而红边区间光谱的一阶导数与植被覆盖度的相关性最高(>0.98),且有较强的稳定性,因此选择红边斜率k作为估算植被盖度的参数。参考混合光谱分解法反演植被覆盖度的经典模型--即以NDVI(normalized difference vegetation index)为参数的植被覆盖度反演模型,以红边斜率代替NDVI构建了2个反演植被覆盖度FVC的新的红边斜率模型,该模型是对经典模型的进一步改进。为验证模型精度,以研究区内无人机(UVA)的高光谱数据和研究区实际测量的植被覆盖度数据进行验证：对高光谱数据计算每个像元680～760 nm之间的斜率,利用PPI(pixel purity index)提取纯像元,计算纯植被像元光谱斜率的最大值和纯土壤像元光谱斜率最小值,利用新的红边斜率FVC模型求取植被覆盖度;实测数据采用照相方法,经过几何校正、监督分类后统计植被覆盖度,结果表明：通过实测数据与无人机高光谱数据获取的植被覆盖数据进行验证,新构建的基于红边斜率的两个植被覆盖度模型的精度(R2分别达0.893 3和0.892 7)都略高于以NDVI为参数的模型(R2分别达0.839 9和0.829 9)。提出使用红边斜率计算植被覆盖度的模型,具有较明确的生物物理意义,具有较高的应用潜力和推广价值。