共查询到18条相似文献，搜索用时 468 毫秒
1.
【目的】研究提取影像高程数据建立模型反演天山云杉林分蓄积量,获得便捷、快速提取森林蓄积信息的技术方法,为研究山地天然林精准监测与评价提供技术途径。【方法】以新疆天山中部北坡天格尔森林公园天山云杉(Picea Schrenkiana var.tianshanica)为研究对象,机载激光雷达航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法对激光雷达影像高程数据进行提取获得天山云杉树高,根据样地实测数据构建胸径-树高模型,并根据胸径-树高模型天山云杉林林分蓄积量进行反演。【结果】激光雷达影像分辨率较高,经过点云分类后,采用克里金插值法提取的树高平均精度可达89.64%,幂函数曲线模型拟合度最高,R2为0.908,结合二元材积公式,基于激光雷达影像估测蓄积量与样地实测蓄积量对比,精度达到87.43%。【结论】采用克里金插值法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了激光雷达不能对胸径直接测量的缺陷,反演天山云杉林林分蓄积量,该模型可满足对新疆山地天然林数字经营管理的标准。 相似文献
2.
基于无人机影像的天山云杉林树高提取及蓄积量的反演 总被引：1，自引：0，他引：1
【目的】提取影像高程数据建立模型反演天山云杉林分蓄积量,为天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰西森林公园的天山云杉(Picea Schrenkiana var. tianshanica)为研究对象,无人机航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法提取无人机影像高程数据得到天山云杉树高,根据样地实测数据建立胸径树高模型,最终根据胸径树高模型反演天山云杉林林分蓄积量。【结果】利用无人机影像提取树高与实测树高存在显著正相关关系,提取平均精度为88.42%,建立天山云杉胸径-冠幅模型的相关系数为0.696,而胸径-树高模型的相关系数为0.730;验证胸径-树高模型,计算RMSE值为12.386,拟合效果显著。基于胸径-树高模型反演林分蓄积量精度为87.66%,与实测值比对,残差值大部分落在(-2,+2)残差区间。【结论】采用局部最大值算法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了无人机不能对胸径直接测量的缺陷,进而反演天山云杉林林分蓄积量。 相似文献
3.
【目的】研究林地遥感因子与蓄积量的关系来反演天山云杉林分蓄积量,为新疆天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰国家西森林公园的天山云杉（Picea schrenkiana var.tianshanica）为研究对象,以样地内每木检尺为依据,基于WorldView-2影像,使用eCognition Developer 提取样地的光谱信息、纹理因子与植被指数三种遥感因子,通过随机森林算法建立模型反演天山云杉林分蓄积量。【结果】提取的24种遥感因子,筛选出对蓄积量影响最大的5种特征变量,分别为NDVI1、NDVI2、RVI2、均一性（Homogeneity）与相关性（Correlation）,建立随机森林回归模型,解释度高达81.27%,决定系数R2=0.8648（P<0.05）,估测样地蓄积量精度为86.38%。【结论】建立的随机森林回归模型可以有效地反演天山云杉林林分蓄积量。 相似文献
4.
《新疆农业大学学报》2019,(3)
本研究基于无人机遥感影像,利用图像增强技术与面向对象方法对不同郁闭度下天山云杉(Picea schrenkiana var.tianschanica)林单株树冠进行提取并估测林分密度,结合实测数据进行精度检验。结果表明,采用图像增强技术结合面向对象方法对天山云杉林的树冠提取和林分密度估测的精度较高。在低、中和高郁闭度林分中提取树冠的精度分别为:97.02%、90.33%和82.01%;不同郁闭度林分密度估测精度分别为96.64%、95.50%和80.70%。总体来看,利用图像增强技术对伐后更新天山云杉林密度估测是可行的,精度均在80%以上,运用图像增强技术结合面向对象方法能快速准确的提取主伐迹地下天山云杉林密度。 相似文献
5.
为掌握研究区天山云杉(Picea schrenkiana)林分碳储量现状，估算其碳汇潜力，了解其碳汇动态变化过程，分别基于Gompertz、Logistic、Mitscherlich和Schumacher等4个常用生长曲线方程，采用林龄、平均树高、平均胸径和林分密度等指标构建林分蓄积量生长模型，选取最优模型，通过林分生物量-林分蓄积量回归模型和含碳系数建立林分碳储量生长模型，计算不同林分条件下天山云杉生长到180 a的碳密度年均增长量，预测研究区当前、30 a后和60 a后的林分碳储量及碳汇潜力。结果表明，对比不同生长曲线方程后选择Schumacher方程构建林分蓄积生长模型并转化为林分碳储量生长模型，模型精度89.082%,估计值的标准差13.006、总系统误差-0.293、平均系统误差-5.943、决定系数0.895。基于林分碳储量生长模型计算出天山云杉在相同林分密度条件下，随着林分立地条件的变化，林分碳密度0～180 a年平均增长量为0.020～0.641 t/(hm2·a),研究区全域林分碳密度平均增长量为0.299 t/(hm2·a... 相似文献
6.
以云南省富民县典型天然云南松(Pinus yunnanensis)纯林为研究对象,结合无人机影像获取和外业样地调查对林分蓄积量估测。结果表明：利用目视解译方法提取云南松单木冠幅,精度达72%;采用11种模型拟合得到云南松林分不同郁闭度的胸径-冠幅最优回归模型;3个郁闭度等级林分的平均蓄积量估测精度分别达53.12%、78.65%和81.16%。由此可见,中、高郁闭度林分的平均蓄积量估测精度较高,说明了无人机遥感估测林分蓄积量的可行性和适用性。 相似文献
7.
基于QuickBird高分辨率遥感影像,利用面向对象分类法提取了果子沟林场实验区的低林分密度的天山云杉的树冠信息,以实测数据为真值检验遥感方法提取的树冠大小的精度;在此基础上建立了基于遥感影像树冠与实测胸径的关系模型,利用模型估计的胸径和一元材积模型,计算云杉单木材积。结果表明：研究区内天山云杉的树冠遥感方法分类的生产者精度为914．7％,用户精度为90．9％。基于实测胸径和提取冠幅面积所建立的回归方程的决定系数R2＝0．7533,树冠面积提取精度为89．17％,胸径的预估精度为87．91％,材积的预估精度为87．36％。 相似文献
8.
基于机载LiDAR数据的林分平均高及郁闭度反演 总被引：2，自引：0，他引：2
《东北林业大学学报》2015,(9)
以内蒙古大兴安岭森林生态系统国家野外科学观测研究站为研究区,通过2012年8月至9月获取的机载激光雷达数据与地面同步调查样地数据,构建林分平均高反演模型和林分内郁闭度反演模型。结果表明:混交林、阔叶林和针叶林的林分平均高估测精度依次为95.66%、94.11%和90.71%,林分郁闭度估测精度依次为92.73%、56.62%和85.19%。不同森林类型的林分平均高与郁闭度反演精度存在显著性差异。 相似文献
9.
为掌握北京地区油松Pinus tabulaeformis生长过程,建立相容的断面积和蓄积模型,通过引入间伐林分与未间伐林分的哑变量,分别建立林分断面积、林分蓄积生长模型,然后从相容的角度出发,建立林分断面积、蓄积量的误差变量联立方程组,并与不含哑变量的传统生长模型的误差变量联立方程组进行比较。经检验,传统误差变量联立方程组中林分断面积和林分蓄积生长模型的预测精度都在92%以上,对油松林分断面积的预测精度高达0.921 5,决定系数高达0.900 1,对油松林分蓄积量的预测精度达到了0.928 3,决定系数高达0.912 3,而引入哑变量的误差变量联立方程组中,模型的预测精度和确定系数稍高,均在93%以上,对油松林分断面积的预测精度高达0.939 8,决定系数达到了0.927 9,对油松林分蓄积量的预测精度在0.930 0以上,决定系数达0.932 8。这说明引入哑变量,一定程度上提高了模型的预测精度,而且所建模型比较合理,形式相对简单,便于应用,不仅使得林分水平上的林分断面积、蓄积量的预测结果具有相容性,同时还考虑了间伐措施对林分生长的影响,达到了林分生长与收获模型整体化研究的目的,为林分的经营管理提供了可靠依据。 相似文献
10.
【目的】 研究树冠信息估测出林分密度、生长量等森林调查指标,判断林木生长优良状况提供参考,【方法】 基于无人机遥感影像,以新疆农业大学实习林场主伐迹地下天山云杉林(Picea Schrenkiana var tianshanica)为研究对象,采用高斯-拉普拉斯算子(Laplacian of Gaussian,LOG)结合最大类间方差寻找最优阈值(Otsu)对影像进行处理,并利用标记控制分水岭分割方法分别提取疏、中、密3种不同郁闭度的天山云杉单木树冠信息。【结果】 利用优化后的标记控制分水岭分割方法较好的解决了过分割问题,对单木树冠信息提取的F测度在疏、中、密林区分别是98.26%、92.91%和87.57%。【结论】 使用的方法提取单木树冠信息精度较高,可以评价对天山云杉林的生长状况,可对主伐迹地下天山云杉林的更新和恢复提供可靠的技术支撑。 相似文献
11.
森林伐后更新对森林资源的有效利用密不可分，对森林的经营管理和动态监测具有重要意义。为了对不同皆伐迹地林分进行主要特征选取并实现高精度提取，本研究通过分析天山云杉皆伐迹地更新群落特征，并利用R软件进行聚类分析，将其划分为4个类别(Ⅰ、Ⅱ、Ⅲ、Ⅳ)，其林分平均年龄为33、28、25 a和20 a；平均胸径分别为25.62、17.95、13.03 cm和10.05 cm；平均树高为12.25、10.02、8.92 m和7.53 m。基于eCognition Developer 9.0软件，对研究区进行多层次、多尺度分割，以无人机影像的纹理、光谱等特征为辅助信息进行SEaTH算法结合面向对象分类。结果表明，研究区皆伐迹地林分生长状况主要为类别Ⅰ状态，类别Ⅱ、Ⅲ和Ⅳ分布面积相对较少。SEaTH算法结合隶属度分类方法，不仅准确地识别出皆伐迹地空间分布情况，还精确地提取出不同类别的天山云杉林，总体精度达到80.22%，Kappa系数为0.73，平均面积吻合度为81.34%。该方法取得了较好的分类效果，可精确地对伐后更新林分进行分级提取，为森林经营管理提供一定的参考依据。 相似文献
12.
高分辨率无人机遥感影像单木树冠参数信息提取方法是森林资源精准监测和生态功能评估的重要基础,而自然光照条件下粘连和遮挡单木树冠的准确分割是直接决定单木树冠信息提取精度的关键。针对自然光照条件下山地森林无人机遥感影像中单木树冠相互粘连、遮挡难以分割,以及传统算法泛化能力弱等问题。本研究结合深度学习和标记控制分水岭算法的优点,提出了一种基于U-Net和标记控制分水岭（marker-controlled watershed,MCW）算法（简称U-Net+MCW算法）的山地森林单木树冠提取方法。以新疆山地森林优势树种天山云杉(Picea schrenkiana var.tianschanica)为研究对象,在南山实习林场采集积雪背景下无人机遥感影像作为试验数据,构建了基于深度神经网络U-Net和标记控制分水岭算法的单木树冠提取模型。首先,从无人机遥感影像中选取1 000张训练样本,128张测试样本,并对样本进行标注,通过数据增强将1 000张训练样本扩增为16 000张,按照4∶1分为训练集和验证集,对U-Net模型进行训练,在训练过程中赋予2个或多个树冠间的相邻边界像素较大权重。然后,利用训练好的U-Net模型对测试集样本进行单木树冠提取。最后,在深度神经网络U-Net单木树冠提取的基础上,采用MCW算法对提取结果进行优化,并对单木树冠提取效果进行精度评估。结果表明,U-Net+MCW算法对于单木尺度的F测度为74.04%,比单一使用U-Net模型提高了28.52%,以该方法提取遥感影像中的天山云杉树冠信息为基础,计算其单木树冠面积和冠幅的精度分别为81.05%和89.94%。因此,U-Net+MCW算法能够有效解决自然光照条件下,由于原始图像背景复杂且树冠内部亮度变化不均匀和树冠间粘连、遮挡等因素,导致的单个树冠内、树冠聚集处或连接重叠区域出现的树冠错分割、过分割、合并等问题,是一种低成本、高效率的单木树冠提取方法,能够满足中小尺度山地森林资源调查和监测要求。 相似文献
13.
以2019年森林资源规划设计调查小班数据为基础，叠加数字高程模型,应用地理信息系统技术提取研究区海拔、坡度、坡向等地形因子。通过应用GIS空间分析,探究川西云杉林、高山柏林空间分布与地形因子的相关关系,分析其空间分布特征。结果表明:川西云杉、高山柏仅分布于石渠县西南部，金沙江及其一、二级支流两岸的高山峡谷地带，面积19 329.08 hm2。川西云杉林、高山柏林分布范围基本位于3 250~4 600 m；3 700~4 300 m海拔区间是集中分布区，川西云杉林占比92.19%，高山柏林占比80.78%。川西云杉林、高山柏林各坡度分布趋势相同，集中在26°～45°，占比分别为78.27%、78.68%。川西云杉林、高山柏林各坡向分布差异明显，川西云杉林多分布在阴坡、半阴坡，占比72.91%；高山柏林则多分布在阳坡和半阳坡，占比80.04%。 相似文献
14.
为研究天山云杉林冠层特征与林下草本物种多样性的相互关系,以新疆天格尔森林公园天山云杉林的4个龄级的林分（幼林龄、中林龄、近熟林、成熟林）为研究对象,以冠层分析仪获得的冠层结构特征和林下光环境指数等野外实际调查数据为依据,通过计算 α 多样性指数分析4个龄级的草本物种多样性,利用多元统计方法研究冠层结构对草本多样性的影响。结果表明,各个指标在不同龄级间均有一定的差异,且随着林分的生长和更新,天山云杉林呈现林冠开度逐渐减小、叶面积指数增大、林下光辐射均减弱、物种多样性指数均减小的趋势;典型模型表明林冠开度对冠层结构起到主要作用（呈极显著正相关P<0.01）,叶面积指数次之（呈极显著负相关P<0.01）;在林下辐射中,林下总辐射对林内光环境起主要作用;相比冠层结构,林下光照对草本层物种多样性的作用更大,其中林冠开度和丰富度指数之间呈显著正相关,林下总辐射、林下直射辐射和多样性指数、均匀度指数之间均呈显著正相关。 相似文献
15.
以中国西南地区南盘江流域优势种群细叶云南松的3种林分为对象，采用常规化学分析和Biolog-Eco微平板法分析其土壤酶活性和土壤微生物代谢活性，并利用冗余分析分析了它们与林分结构之间的相关性。结果表明:1）3种混交林的植物多样性、非空间结构和空间结构明显不同（P<0.05）。2）3种混交林的酸性磷酸酶、脲酶、过氧化氢酶和蔗糖酶活性均随着土层厚度的增加逐渐降低。细叶云南松和多种阔叶树混交的林分（PYⅠ）过氧化氢酶、蔗糖酶和脲酶活性较低，其AWCD、Shannon-Wiener指数、Simpson指数也显著低于另外2个林分（细叶云南松和栎类，PYⅡ；细叶云南松和铁坚油杉和栎类，PYⅢ）（P<0.05）。在3种混交林中，土壤微生物对氨基酸和碳水化合物利用量均较高。3）土壤微生物功能特性与林分结构关系密切。结果显示了林分类型、结构与土壤微生物群落功能的关系，可为南盘江流域森林及土壤资源的评价与管理提供科学依据。 相似文献
16.
以藏东南波密岗乡自然保护区原始林芝云杉林为研究对象,应用空间结构参数角尺度、混交度和大小比数,建立空间结构参数的三元分布,揭示林分的空间结构特征。结果表明,从一元分布看,林木整体属于随机分布,林分强度混交,树种的优劣程度参差不齐,整体处于中庸状态;在混交度和角尺度分布中,以随机分布和强度混交林木株数最多,大小比-角尺度组合中,均以随机分布轴线和中庸轴线两侧基本对称;三元结构参数组合为强度混交、随机分布、亚优势状态林木分布较多。主要树种的混交程度较高,呈现强度和极强度混交状态;其中林芝云杉和华山松为该群落的优势树种随机分布,其他主要树种都为轻度聚集分布;树种间大小比数差异明显,其中林芝云杉最低,<0.252,处于亚优势状态。全面分析原始林芝云杉林的空间结构,为林芝云杉林结构优化调整提供重要参考,为藏东南天然林可持续发展提供科学依据。 相似文献
17.
新疆雪岭杉生物量模型对比研究 总被引：1，自引：0，他引：1
基于80株样木的实测数据,运用相关分析和回归分析方法构建了雪岭杉的地上部组织、地下部和各组分器官的生物量估测模型,并根据评价指标对比分析各种模型。结果表明:地上各部分生物量一元模型精度除树叶为77%,其他均在90%以上,可以满足大尺度森林生物量估计;地上各生物量二元模型拟合效果要优于一元模型,但是不同组分生物量模型适合的因子组合不同,地上生物量和树干生物量模型W=aDbHc相对最优,预估精度97.38%和97.26%,树枝、树叶生物量模型W=a(D3/H)b最优,预估精度93.96%和90.37%;地下生物量模型以根茎比方程建立的一元模型最优,预估精度89.01%。建立的地上及各组分生物量模型和地下生物量模型可用于新疆天山山区雪岭杉生物量估计。 相似文献
18.
【目的】研究植物群落的数量分类和排序,分析植物群落与环境之间的关系,为新疆天山云杉林保护、天山西部山区森林群落更新恢复评价提供支撑。【方法】 以天山西部国有林管理局巩留分局恰西森林公园为试验点,天山云杉(Picea schrenkiana var tianschanica)林为研究对象,基于群落学调查和环境因子测定数据,采用双向指示种分析(TWINSPAN)对天山西部云杉群落进行分类,冗余分析(RDA)方法对物种分布进行排序,分析物种群落的类型和特征以及与环境因子之间的关系。【结果】 物种群落分为8组,群落中乔木层以天山云杉为优势种,天山花楸鲜有分布;灌木层植被较少,存在少量伊犁忍冬;草本层中主要以塔什克羊角芹、白花车轴草、羽衣草、早熟禾和弹裂碎米芥等为优势种,且分布较广泛。影响天山云杉林群落分布的主要环境因子是采伐强度、坡度、海拔、郁闭度和坡向。其中,环境变量对森林群落格局解释率占40.8%,采伐强度对森林群落格局解释率占4.9%,两者共同解释率占39.64%,未解释的部分占14.69%。【结论】 天山西部云杉林划分为8个群落类型,采伐强度因子与环境因子共同影响群落分布格局,天然林得到了较好的恢复,森林资源状况得到改善,生态状况由持续恶化向逐步改善转变。 相似文献