论文部分内容阅读
本研究以江苏省东台市东台林场为研究区,借助无人机高分影像,以及地面调查数据,首先通过基于面向对象的技术进行林木冠幅分割与林木株数提取;其次建立冠幅、年龄、胸径等因子的回归模型,以及利用直径分布模型,进行林分蓄积量估测;最后对不同蓄积量估测方法进行比较分析。主要结论如下:1.利用多尺度分割、面向对象分类技术对无人机高分影像进行林木冠幅提取,取得了较好的提取效果。研究区内杨树冠幅的最佳分割尺度为8~20,紧致度和形状因子为0~1,亮度特征、相邻性指数、形状指数三个指标适合用于林木冠幅的提取,且最优的影像范围大小为样地尺度。将实测林木冠幅与影像提取冠幅进行精度对比,结果无明显差异。2.建立杨树实测胸径与影像提取平均冠幅的回归模型,其模型R2为0.75。以冠幅模型计算的蓄积量作为辅助因子,实测蓄积量为主因子进行杨树蓄积量双重回归估计,其双重回归估计方程R2为0.87,计算得到研究区杨树蓄积量为97113.69m3,其估计区间为94910.86~103441.14m3,估计精度为95.70%。3.通过年龄因子,利用林分年龄与林分平均胸径建立回归模型估测林分蓄积量,研究区内杨树年龄-胸径模型R2为0.703,结合无人机高分影像获取的林木株数,估算各小班林分蓄积量,累加后得到研究区杨树总蓄积量为103507.2m3。加入影像提取冠幅因子后,二元线性回归模型R2提高至0.766,利用年龄、冠幅二元线性模型计算研究区杨树蓄积量,估测结果为98610.9m3。4.将研究区小班按密度、年龄进行分类,利用Weibull分布、正态分布、Logistic分布三种分布模型,对不同类型的林分进行直径分布拟合。通过χ2检验验证拟合结果,发现Weibull分布模型接受率是100%;正态分布模型接受率为25%;而Logistic分布模型接受率为8.3%,Weibull分布模型对研究区杨树纯林具有较高的拟合优度。根据不同类型的Weibull分布参数,结合冠幅提取获得的杨树株数,获得各杨树小班直径分布,通过一元材积表,计算得到东台林场杨树蓄积量为93980.17m3。5.利用各小班样地调查获得的蓄积量,通过面积法求取小班蓄积量,累计所有小班蓄积量作为研究区总蓄积量,其数值为96141.85m3。以研究区小班统计蓄积量为基准,比较不同方法获取的杨树蓄积量相对误差,结果显示双重回归抽样估计方法误差最小,为1.03%,年龄-胸径一元线性模型估测方法误差最大,为7.66%,估测误差由小到大排列依次为双重回归抽样、直径分布模型、二元线性回归模型、年龄-胸径一元回归模型。研究结果为无人机蓄积量调查提供了多种参考方法,提高了森林资源调查中的工作效率。