|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 森林生态系统遥感监测技术研究进展显示文摘森林是陆地生态系统的主体,森林生态系统监测技术是实现森林可持续利用与全球变化研究的重要支撑与信息保障。从4个方面概述了遥感技术在森林生态系统监测中的应用研究进展:森林遥感分类及变化监测、森林植被参数遥感反演、森林蓄积量与生物量遥感估算、森林干扰遥感监测等。结合遥感技术的发展,总结了森林生态系统监测中使用的多源遥感数据和各类模型,提出集成地面调查数据、高分地-空雷达扫描监测技术,以及多源光学遥感建模技术和生态系统过程模型,构建多维度、多尺度、高时间密度的森林生态系统监测平台的研究展望。 | 何兴元 任春颖 陈琳 王宗明 郑海峰 | 2018 | 地理科学2018，38，7： | 38 |
| 2 | 基于清查数据的福建省马尾松生物量转换和扩展因子估算差异解析——3种集成学习决策树模型的比较显示文摘生物量转换和扩展因子(BCEFs)是估算森林生物量碳储量普遍使用的重要参数.厘清BCEFs估算差异的来源,可降低森林生物量碳储量评估的不确定性.利用基于集成学习的决策树模型能够很好地解决BCEFs估算差异来源问题.然而,不同此类模型的对比研究目前尚未见报道.本研究以第8次国家森林资源清查福建省331块马尾松的固定样地数据作为材料,分别利用增强回归树(BRT)、随机森林(RF)和立体派(Cubist)模型分析BCEFs(包括地上和地下部分)估算差异的来源.结果表明:研究区马尾松BCEFs呈右偏分布,平均值为0.69t·m^(-3),最小值为0.67 t·m^(-3),最大值为0.71 t·m^(-3).BRT、RF和Cubist模型对BCEFs的拟合和预测能力均很好,均能够解释92.8%以上的BCEFs变异.3种模型均给出了相同的前2个相对贡献率最大的自变量,为平均胸径和蓄积量.BCEFs随着平均胸径、蓄积量的增加呈逐渐减小的趋势.平均胸径、蓄积量、平均年龄和平均树高等林分特征因子对BCEFs的影响极大,而土壤因子和地形因子对BCEFs的影响均很小.在建立BCEFs模型时,利用平均胸径、蓄积量、平均年龄和平均树高等少量包含较多BCEFs预测信息的变量便能获取很好的预估精度.当应用固定BCEFs时,应选择在平均年龄、平均胸径以及蓄积等方面具有广泛代表性的样本计算BCEFs. | 欧强新 李海奎 雷相东 杨英 | 2018 | 应用生态学报2018，29，6： | 19 |
| 3 | 基于机载激光雷达点云和随机森林算法的森林蓄积量估测显示文摘【目的】基于机载激光雷达点云数据提取的森林高度参数和郁闭度,结合分层地面样地调查数据,采用随机森林算法构建森林蓄积量估测模型,分析机载激光雷达点云数据在森林蓄积量反演方面的潜力,为森林蓄积量高效准确估测提供方法依据。【方法】以直径30 m的地面样圆离散点云数据为数据源,经数据校准等预处理后,利用LiDAR360软件提取森林高度参数(最大高、平均高等)和郁闭度,并将数据随机分成训练数据(70%)和验证数据(30%)。采用随机森林算法构建森林蓄积量估测模型,对仅用高度参数建模以及联合高度参数和郁闭度建模结果进行比较;同时运用R软件VSURF工具包筛选建模变量,对筛选后变量的建模结果进行分析。【结果】仅用高度参数建模的估测精度为R^(2)=0.75、RMSE=40.07 m^(3)·hm^(-2)、MAE=29.21 m^(3)·hm^(-2)、MRE=49.40%,联合高度参数和郁闭度建模的估测精度为R^(2)=0.79、RMSE=36.23 m^(3)·hm^(-2)、MAE=26.16 m^(3)·hm^(-2)、MRE=38.35%。通过变量筛选,建模参数从24个减少至7个,可极大提高运算效率,同时R2未变化,RMSE从36.23 m^(3)·hm^(-2)升至36.50 m^(3)·hm^(-2),rRMSE从31.92%升至32.97%,MAE从26.16 m^(3)·hm^(-2)降至26.08 m^(3)·hm^(-2),MRE从38.35%降至38.05%。【结论】机载激光雷达点云数据可以提取森林的垂直结构信息(高度参数)和水平结构信息(郁闭度),具备三维结构参数提取能力。采用随机森林算法,增加林分郁闭度信息可显著提高森林蓄积量估测精度。通过变量筛选,虽然能够降低参数数量,但对模型精度具有一定影响,在建模精度要求较高的情况下,建议使用全变量进行蓄积量估测;而在数据量较大的情况下,建议使用筛选变量进行蓄积量估测。基于机载激光雷达点云数据估测森林蓄积量显著优于光学遥感数据,可为森林蓄积量高效准确估测提供方法依据,能够满足大范围森林蓄积量快速反演需求。 | 孙忠秋 高金萍 吴发云 高显连 胡杨 高剑新 | 2021 | 林业科学2021，57，8： | 18 |
| 4 | 运用随机森林模型对北京市林分蓄积生长量的预测显示文摘林分蓄积生长量是森林资源监测的一个重要内容,也是林业经营的决策依据。利用北京市第6~8次森林资源连续清查数据和ClimateAP软件中提取的气候信息,建立了基于随机森林的林分蓄积生长量预测模型,对北京市林分蓄积生长量进行了预测。结果表明:运用随机森林的针叶林、阔叶林、针阔混交林的林分生长模型的R 2分别为0.93、0.94、0.89,拟合效果良好;预测北京市2021年林分蓄积生长量平均值为58.1073 m^3/hm^2,变化范围为7.2846~388.7756 m^3/hm^2,蓄积量平均值由大到小的顺序为针叶林、针阔混交林、阔叶林。 | 卢婧 冯仲科 | 2020 | 东北林业大学学报2020，48，5： | 16 |
| 5 | 基于随机森林算法的落叶松-云冷杉混交林单木胸径生长预测显示文摘【目的】单木生长受气候、林分等多种因子影响,需要利用适当的方法厘清气候以及林分中影响林木生长的主导因子。随机森林等机器学习方法提供了一种新的途径,需要检验利用随机森林算法分析气候和林分因子对林木生长影响的可靠性,为森林生长收获预估提供新的方法。【方法】以吉林省汪清林业局20块落叶松-云冷杉混交林固定样地25年(1986—2010年)间连续调查数据作为研究材料,候选气候和林分因子52个,利用随机森林算法建立了包含气候和林分的单木胸径生长模型,分析气候和林分因子对单木胸径年平均生长量的影响:基于52个超参数组合(决策树数目ntree=1 000、决策树每个结点随机选择的预测变量个数mtry={1, 2,···, 52})构建了52个随机森林模型,利用10折交叉验证法分别训练和评估52个随机森林模型;基于完整数据集,利用最优随机森林模型分析自变量对单木胸径年平均生长量影响的相对重要性以及偏依赖关系。【结果】ntree=1 000、mtry=12所对应的模型是52个模型中具有最佳泛化能力的模型,该模型具有最大的交叉验证决定系数R2cv(R2cv=0.54),以及最小的交叉验证均方根误差RMSEcv、交叉验证平均绝对偏差MAEcv和交叉验证相对均方根误差rRMSEcv(RMSEcv=0.14 cm、MAEcv=0.10 cm、rRMSEcv=50%)。单木胸径年平均生长量受林分因子的影响极大,相对重要性超过80.00%。8个林分因子中,大于对象木的林木断面积之和BAL对单木胸径年平均生长量影响最大,林分每公顷株数N对单木胸径年平均生长量影响最小,其他因子对单木胸径年平均生长量影响介于两者之间;单木胸径年平均生长量随BAL、林分每公顷断面积BA、N以及林分断面积平均胸径Dg的增加而下降,随对象木胸径与林分断面积平均胸径之比RD、林木期初胸径D0以及对象木胸径与林分中最大林木胸径之比DDM的增加而增加。单木胸径年平均生长量受气候因子的影响较小,相对重要性低于20.00%。44个气候因子对单木胸径年平均生长量的影响均较小(相对重要性均<1%),其中,生长季平均降水量(4—9月)与年均降水量之比Pratio、年总太阳辐射时长Asr、生长季平均降水量(4—9月)与生长季相对湿度(4—9月)之比Gspgsrh以及生长季太阳辐射时长(4—9月)Gssr是前4个相对重要的变量。【结论】随机森林模型能够较好地解析各变量与单木胸径年平均生长量之间复杂的关系,单木胸径年平均生长量受林分因子的影响极大,而受气候因子的影响较小。总体而言,在局部尺度上,林分因子是影响单木胸径生长的主导因子,而气候因子对单木胸径生长的解释能力有限。随机森林模型具有一定的泛化能力和统计可靠性,产生的变量重要性和偏依赖图具有合理的林学意义。 | 欧强新 雷相东 沈琛琛 宋国涛 | 2019 | 北京林业大学学报2019，41，9： | 15 |
| 6 | 基于机载LiDAR点云数据森林郁闭度估测显示文摘郁闭度是反映森林数量和质量的重要参数,是森林调查的重要因子之一。以广西壮族自治区高峰林场试验区获取的机载LiDAR点云数据为基础,基于二维冠层高度模型(Canopy Height Model,CHM)和三维点云开展了森林郁闭度估测研究。使用实地调查的105块样地作为验证参考数据对郁闭度估测结果进行了精度评价,结果表明:基于二维CHM估测郁闭度与实测值之间的R2=0.388,RMSE=0.17;而基于三维点云估测郁闭度采用了2种方法:第一种方法采用归一化后2 m以上高度植被点云密度与归一化后所有点云密度比值估测郁闭度,估测结果与实测值之间的R2=0.467,RMSE=0.13。第二种方法采用归一化后2 m以上高度第一次回波植被点云密度与归一化后第一次回波所有点云密度比值估测郁闭度,估测结果与实测值之间的R2=0.478,RMSE=0.12;基于三维点云的2种方法估测林分郁闭度的精度皆优于基于二维CHM的方法,基于三维点云估测林分郁闭度方法中,第二种方法的精度优于第一种方法。 | 赵勋 岳彩荣 李春干 谷雷 张国飞 | 2020 | 遥感技术与应用2020，35，5： | 11 |
| 7 | 运用机载激光雷达和陆地卫星数据对橡胶林地上生物量的估测显示文摘以景洪市机载激光雷达飞行条带内橡胶林地上生物量为研究对象,以机载激光雷达(LiDAR)和陆地卫星(Landsat8/OLI)影像数据为主要信息源,结合地面44块实测样地数据,采用偏最小二乘回归模型(PLSR)分别依据单一信息源、多源信息联合对橡胶林地上生物量进行遥感估测。结果表明:在单一信息源生物量遥感估测建模中,Landsat8/OLI光学影像数据的模型决定系数比激光雷达(LiDAR)数据低,模型决定系数(R2)分别为0.56和0.68;联合LiDAR和Landsat8/OLI数据对橡胶林地上生物量的估测效果比单一信息源精度高,模型决定系数(R2)为0.75,均方根误差为16.50t/hm2,验证精度为81%;飞行区域橡胶林地上生物平均值为98.86t/hm2,总生物量为556074t。 | 罗洪斌 舒清态 王强 王冬玲 谢福明 字李 | 2019 | 东北林业大学学报2019，47，7： | 10 |
| 8 | 基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型显示文摘森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型(UnetR)。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明,UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。 | 徐恩恩 郭颖 陈尔学 李增元 赵磊 刘清旺 | 2022 | 武汉大学学报(信息科学版)2022，47，8： | 6 |
| 9 | 基于KNN-FIFS的内蒙古根河森林郁闭度遥感估测研究显示文摘为探索国产高分一号宽幅(GF-1 Wide Field of View,GF-1 WFV)数据以及具有宽覆盖、红边波段(Red-Edge band,RE)的高分六号(GF-6)卫星数据在森林郁闭度(Forest Canopy Closure,FCC)定量反演中的潜力,本研究以GF-1 WFV多光谱数据为基础,添加哨兵2号(Sentinel-2A)红边波段,模拟GF-6红边波段特性,并提取相关纹理信息(Texture Information,TI)、植被指数(Vegetation Index,VI)和红边指数(Red-edge Index,RI),同时添加太阳入射角的余弦值cosi和1/cosi进一步探究了地形因素(Topographic Factors,TF)对FCC估测的影响,利用快速迭代特征选择的k-NN(kNearest Neighbor with Fast Iterative Features Selection,KNN-FIFS)模型,实现了内蒙古大兴安岭根河研究区FCC的定量反演,并对比逐步多元线性回归(Stepwise Multiple Linear Regressions,SMLR)和支持向量机(Support Vector Machine,SVM)估测结果。通过44块调查样地实测数据验证发现:基于GF-1 WFV估测的FCC与实测数据具有很好的一致性,R2=0.52,RMSE=0.08;GF-1 WFV+VI+TI估测结果为R2=0.56,RMSE=0.08;GF-1 WFV+RE+RI+TI的精度明显提高,R2=0.63,RMSE=0.07;GF-1 WFV+RE+RI+TI+TF的精度最高,R2=0.68,RMSE=0.07,并高于SMLR(R2=0.39,RMSE=0.10)和SVM(R2=0.49,RMSE=0.10)方法。KNN-FIFS方法比SMLR和SVM方法更适用于FCC遥感估测,且添加红边信息经地形校正后,能有效提高FCC的估测精度。 | 孙珊珊 田昕 谷成燕 韩宗涛 王崇阳 张兆鹏 | 2019 | 遥感技术与应用2019，34，5： | 6 |
| 10 | 运用机载LiDAR数据对橡胶林地上生物量估测的采样尺度效应分析显示文摘气候变化下,森林生物量遥感监测是当前研究的热点,机载LiDAR作为重要的遥感信息源,其采样大小对生物量估测精度有着一定的影响。以机载LiDAR数据为信息源,以44块30m×30m的方形橡胶林实测样地数据为基础,对机载激光雷达数据进行不同尺寸采样(共21个采样尺寸,边长从10m至30m,间隔为1m),提取不同采样尺寸下的激光雷达参数,并与橡胶林地上生物量建立PLSR模型,就机载激光雷达采样大小对橡胶林地上生物量估测精度的影响进行研究。研究表明:当采样尺寸小于18m时,估测精度随着采样尺寸的增大而增大;而当采样尺寸大于18m时,估测精度随着采样尺寸的增大而减小,进而趋于平缓。结果虽然呈现出一定的规律性,但是差异并不是很明显。当采样尺寸为18m时估测效果最佳,模型决定系数(R^2)为0.718,均方根误差(RMSE)为17.830 t/hm^2;交叉验证精度P和RMSEcv分别为82.741%和18.874t/hm^2。相较于实际样地(30m)尺寸下的估测结果,18m采样尺寸下的R^2提高了1.989%,RMSEcv降低了2.611%。因此,生物量的估测精度受机载激光雷达数据采样尺寸大小的影响,在生物量估测过程中需结合研究对象和研究区的实际情况对采样尺寸进行选择,从而提高生物量估测精度。 | 罗洪斌 舒清态 庞勇 王强 王冬玲 | 2020 | 林业资源管理2020，，1： | 4 |
| 11 | 机载激光雷达在森林资源调查中的应用与展望显示文摘近年来机载激光雷达技术取得了快速发展,已经成为森林资源调查领域的重要工具。介绍利用机载激光雷达进行森林资源调查的原理,阐述其在单木因子调查、林分因子调查中的应用,总结在单木冠幅调查、单木树高调查、林分平均树高调查、林分叶面积指数调查、林分郁闭度调查、林分生物量调查等方面机载激光雷达的相关数据处理方法,最后分析机载激光雷达在森林资源调查当中的不足,并对这一技术在森林资源调查的未来发展前景进行展望。 | 王伟鹏 徐洋 王珩 | 2022 | 黑龙江生态工程职业学院学报2022，35，2： | 4 |
| 12 | 基于数码相片的林冠郁闭度提取方法研究显示文摘应用在江苏省东台林场拍摄的全天空相片,通过建立基于RGB照片的分类模型将相片中树叶、树干和天空分离,从而达到精确提取林冠郁闭度的目的。结果表明,该方法的总体分类精度达到0.94,Kappa系数为0.89,分类精度较高,且在主干部分的区分上效果良好,总体分类精度达到0.94,Kappa系数为0.84。在低郁闭度下相片的计算精度高于高郁闭度相片,这与拍摄时的环境条件有关。将模型估测结果与抬头望法结果对比,得出两者的R2为0.77,在郁闭度较低时模型估测结果大于目测结果,在郁闭度较高时模型估测结果小于目测结果。此外,两者都显示14a生杨树林郁闭度高于9a生杨树林郁闭度,具有较好的一致性。 | 濮毅涵 徐丹丹 王浩斌 | 2020 | 林业资源管理2020，，6： | 3 |
| 13 | 我国植被冠层降水截留研究进展显示文摘植被冠层通过对降水的拦截可以改变降水的数量及空间分布、调节地表径流,进而影响生态系统的水分循环。冠层截留过程极易受到多种因素的影响,且不同植被的冠层截留具有差异性。在全球气候变化的背景下,降水变异性的增加、植被的物候效应及土地利用的变化深刻影响着水循环的各个环节,也会进一步对植被冠层截留造成影响。对于植被冠层截留测定方法有人工模拟法和间接观测法,冠层截留模型的研究往往以间接观测结果作为基础。当前我国研究的冠层截留模型主要分为3类:经验模型基于实测资料可揭示不同影响因素与冠层截留的关系;理论模型侧重于冠层截流内在机制,但对于研究者的数学计算能力要求较高;半经验半理论模型参数较少且具有相对明确的物理意义,因此在研究中得到广泛应用。未来我国冠层截留研究可重点关注草本植被冠层截留及变化、结合全球尺度的遥感数据进行方法改进以及冠层截留模型与全球环境变化模型耦合等方面。 | 吕爱锋 王蕾 曲波 | 2022 | 南水北调与水利科技(中英文)2022，20，4： | 3 |
| 14 | 基于不同立地质量的香格里拉高山松林郁闭度遥感反演显示文摘以香格里拉市为研究区,基于2006年TM遥感影像和2006年森林资源规划设计调查数据,以小班各遥感因子为自变量,每个小班的郁闭度为因变量,对香格里拉高山松林按区分立地质量等级和不区分地位级2种策略建立郁闭度神经网络遥感反演模型,并进行精度评价。基于小班平均高和平均年龄建立的地位级表将立地质量等级划分为好、中、差3种类型。研究结果表明,红外、近红外、植被指数和第一主成分等遥感因子对郁闭度的解释能力较强;从模型独立样本验证结果得出,不区分地位级郁闭度估测精度为67.64%,区分地位级后,好、中、差3种立地类型的郁闭度估测精度分别为74.14%、75.32%、72.38%,区分立地质量类型模型的精度优于不区分地位级模型的精度。 | 岳振兴 岳彩荣 李昔纯 | 2018 | 林业调查规划2018，43，2： | 2 |
| 15 | 机载LiDAR航带旁向重叠对针叶林结构参数估测的影响显示文摘【目的】研究机载LiDAR航带旁向重叠对针叶林林分平均高和森林叶面积指数(LAI)估测的影响,为机载LiDAR点云数据区域森林结构参数估测提供参考。【方法】野外分别测定30块樟子松、33块长白落叶松样地的林分平均高和LAI,对原始LiDAR点云数据进行去噪、点云分类、高程归一化和重叠点移除等处理,从重叠点移除前、重叠点和重叠点移除后的点云数据中分别提取一系列样方点云高度分位数(HP1、HP5、HP10、…、HP99、Hmax和Hmean)和激光穿透指数(LPI),借助留一交叉验证建立并评价樟子松和长白落叶松林分平均高和LAI估测模型的精度,通过对比分析估测模型的决定系数(R2)和均方根误差(RMSE)揭示机载LiDAR航带旁向重叠对针叶林林分平均高和LAI估测的影响。【结果】对樟子松林分平均高估测而言,重叠点移除前林分平均高的最高估测精度(R2=0.873,RMSE=0.940)出现在HP90处,重叠点林分平均高的最高估测精度(R2=0.892,RMSE=0.866)出现在HP80处,而重叠点移除后林分平均高的最高估测精度(R2=0.892,RMSE=0.868)出现在HP55处;对长白落叶松林分平均高估测而言,重叠点移除前、重叠点和重叠点移除后林分平均高的最高估测精度均出现在HP99处,R2分别为0.725、0.719和0.741,RMSE分别为1.196、1.209和1.161。对樟子松LAI估测而言,重叠点移除前估测结果 R2为0.666,RMSE为0.220,重叠点估测结果 R2为0.551,RMSE为0.255,重叠点移除后R2提高到0.794,RMSE降低为0.172;对长白落叶松LAI估测而言,重叠点移除前估测结果 R2为0.654,RMSE为0.110,重叠点估测结果 R2为0.640,RMSE为0.112,与樟子松估测结果一致,重叠点移除后长白落叶松LAI估测精度大幅度提高,R2变为0.762,RMSE变为0.091。【结论】无论是林分平均高还是森林LAI,相邻航带旁向重叠点移除后的估测精度均高于重叠点移除前和重叠点,且樟子松的估测精度高于长白落叶松。对林分平均高而言,樟子松和长白落叶松达到最高估测精度时所对应的点云高度分位数不同。机载LiDAR点云数据相邻航带旁向重叠点的移除可有效提高森林结构参数的估测精度,在未来机载LiDAR点云数据预处理时应加入重叠点移除操作。 | 尤号田 邢艳秋 彭涛 丁建华 | 2018 | 林业科学2018，54，6： | 1 |
| 16 | 不同特征筛选方法和估测模型对天然次生林郁闭度估测的影响显示文摘为探讨不同特征筛选方法及估测模型对天然次生林郁闭度估测的影响,以帽儿山实验林场63块(0.09 hm^(2))样地为研究区域,使用机载激光雷达(Airborne Laser Scanning, ALS)数据提取特征,采用3种特征筛选方法(Pearson相关性分析、随机森林(Random Forest, RF)和Boruta算法)和3种模型(偏最小二乘回归(Partial Least Squares Regression, PLSR)、随机森林回归(Random Forest Regression, RFR)和支持向量回归(Support Vector Regression, SVR))估测郁闭度,以2种测定方法(鱼眼照片和样点法)进行精度评价及方差分析(analysis of variance, ANOVA)。研究结果表明,PLSR估测精度最高,SVR最低;以RF和Boruta算法筛选后的估测精度高于Pearson相关性分析,其中Boruta算法特征筛选后的PLSR模型估测精度最高(R^(2)=0.451 1,RMSE=0.067 5);鱼眼照片和样点法的变量筛选和鱼眼照片法的模型对郁闭度均无显著影响,样点法中的估测模型对郁闭度有显著影响。此研究表明PLSR估测精度优于其他模型,样点法的估测模型对郁闭度有显著影响。ALS可有效地估测天然次生林的郁闭度,为大范围估测森林郁闭度提供依据。 | 王迪 赵颖慧 | 2022 | 森林工程2022，38，6： | 1 |
| 17 | 基于TM影像的黄山市森林空间分布特征分析显示文摘研究森林空间分布特征对更好地经营和管理森林资源有着重要意义。在面向对象森林类型信息提取的基础上,选取道路缓冲区、水体缓冲区、坡度变化、降水分布等因子,分析不同森林类型的变化情况,以期探索森林资源在地理空间上的变化规律。本研究可为森林资源经营管理提供参考。 | 谷双喜 杨海燕 | 2021 | 景德镇学院学报2021，36，6： | 0 |
| 18 | 基于ICESat-2/ATLAS和特征参数的森林地上生物量反演显示文摘大区域森林生物量估算是植被遥感应用研究的重要内容。利用ICESat-2/ATLAS数据中ATL08产品的高度信息,结合Sentinel-2影像提取的森林覆盖度构建新型特征参数(h_(cover)_#),对原始光子参数,以及加入h_(cover)_#后两种数据,分别利用随机森林方法分析索诺玛县森林区域白天和夜晚强弱光束反演生物量的能力。结果表明:(1)相对于仅利用原始光子数据,加入新型特征参数后,四种场景的生物量估算精度均有不同程度的提高,其中,R^(2)分别提升了0.08、0.16、0.07、0.09,RMSE分别降低了7.56 Mg/ha、13.02 Mg/ha、6.45 Mg/ha、8.25 Mg/ha,rRMSE分别降低了5.13%、10.16%、4.23%、5.76%;(2)在夜晚强光束场景下,联合原始光子参数与新型特征参数构建的生物量模型预测精度最优,R^(2)=0.64,RMSE=73.50 Mg/ha,rRMSE=48.16%。 | 李宏菲 聂胜 习晓环 王宏涛 张合兵 王成 | 2023 | 激光杂志2023，44，7： | 0 |
| 19 | 基于UAV-LiDAR的人工林林分郁闭度估测显示文摘【目的】提取无人机激光雷达(UAV-LiDAR)点云数据特征变量,结合样地实测数据构建林分郁闭度估测模型,为快速准确估测人工林林分郁闭度提供基础数据和技术参考。【方法】以东北林业大学城市林业示范基地为研究区,基于多旋翼无人机激光雷达获取的点云数据进行人工针叶林和阔叶林林分郁闭度反演,根据点云的三维坐标和能量值计算高度、强度、冠层特征变量并采用主成分分析法降维,处理后的变量与利用植物冠层分析仪获取的郁闭度进行逐步回归分析,建立人工针叶林和阔叶林林分郁闭度估测模型,在ArcGIS平台上应用估测模型和反距离权重插值法进行林分郁闭度反演制图。【结果】冠层特征变量对针叶林郁闭度的估测精度影响最显著,强度特征变量对阔叶林郁闭度的估测精度影响最显著。人工阔叶林郁闭度的估测精度(Adj R2=0.725,RMSE=0.005)优于人工针叶林(Adj R2=0.722,RMSE=0.007)。应用估测模型和反距离权重插值法估测整个样地的郁闭度范围在0.81~0.87之间,筛选10个检验点的郁闭度与实测郁闭度显示出较高相关性(r=0.859)。【结论】结合多组LiDAR特征变量估测林分郁闭度能够充分挖掘LiDAR数据包含的冠层结构特性,提升估测精度。 | 杨晓慧 吴金卓 刘浩然 钟浩 林文树 | 2023 | 林业科学2023，59，8： | 0 |
| 20 | 基于机载LiDAR数据的崇礼冬奥核心区树冠覆盖率估算显示文摘【目的】对比分析基于归一化点云分类信息、归一化点云首次回波和冠层高度模型3种算法估算冬奥核心区森林树冠覆盖率的优劣性,探讨样地树冠覆盖率、激光点云密度和冠层高度模型(CHM)栅格分辨率对估算精度的影响,探索最优树冠覆盖率估算方法,为准确掌握冬奥核心区树冠覆盖率信息提供技术支持,促进森林可持续性经营管理。【方法】利用冬奥核心区67块样地机载激光雷达数据和单木检尺数据,采用线性回归拟合树冠覆盖率实测值和估算值,以决定系数(R^(2))和均方根误差(RMSE)为评价指标,比较基于归一化点云分类信息、归一化点云首次回波和冠层高度模型3种算法的树冠覆盖率估算精度,分析样地树冠覆盖率、激光点云密度与树冠覆盖率估算误差的关联性,以及冠层高度模型栅格分辨率对树冠覆盖率估算方法稳定性的影响。【结果】1)基于归一化点云分类信息算法的树冠覆盖率估算精度最高(R^(2)=0.790 1,RMSE=0.124 3),估算误差最低,平均高估1.17%,其次为基于冠层高度模型算法(R^(2)=0.763 8,RMSE=0.134 9),基于归一化点云首次回波算法的树冠覆盖率估算精度最低(R^(2)=0.758 2,RMSE=0.149 1);2)树冠覆盖率与估算误差间无明显相关性,3种算法在树冠覆盖率小于0.4的样地中普遍出现低估现象,在树冠覆盖率0.4~0.8的样地中高估与低估现象相近,在树冠覆盖率大于0.8的样地中普遍出现高估现象;激光点云密度与估算误差间也无相关性,激光点云密度增大并未提高树冠覆盖率估算精度;3)基于冠层高度模型算法稳定性最高,10种栅格分辨率估算的树冠覆盖率无明显差异,R^(2)介于0.755 1~0.762 2之间,RMSE介于0.150 7~0.153 9之间;适用于冬奥核心区树冠覆盖率估算的最佳冠层高度模型栅格分辨率为0.8 m×0.8 m。【结论】通过对冬奥核心区67块样地进行树冠覆盖率估算,体现出基于归一化点云分类信息、归一化点云首次回波和冠层高度模型3种算法的适宜性,基于归一化点云分类信息算法的树冠覆盖率估算精度最高;结合样地树冠覆盖率、激光点云密度和冠层高度模型栅格分辨率综合分析3种算法的优劣性,可为大范围森林树冠覆盖率调查提供技术支持。 | 谢栋博 雷雅凯 张宇超 刘清旺 符利勇 陈巧 | 2022 | 林业科学2022，58，10： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员