【目的】林分密度是影响森林生态系统结构和功能的主要因素,是森林资源调查的一项重要指标,对林木生长发育有着十分重要的影响。基于无人机影像,以实现提取不同郁闭度的林分密度,旨在为天然林保护工程实施后山区森林资源更新恢复评价提供技术支撑。【方法】以新疆农业大学实习林场伐后更新的天然林为研究对象,以天山云杉Picea schrenkiana var. tianshanica纯林为主,基于无人机影像,利用面向对象多尺度分割方法提取了低、中、高3种不同郁闭度林分的天山云杉冠幅信息,进而估算林分密度,提出了采用平均冠幅法估测高郁闭度林分冠层遮挡区域林木株数的方法。【结果】采用面向对象方法对新疆农业大学实习林场伐后更新的天山云杉树冠边缘信息提取精度较高,提取的林分密度与实测结果相近。其中低、中郁闭度林分中林分密度提取精度分别为0.986 8和0.933 3,高郁闭度林分中林分密度提取精度相对较低,为0.765 7。【结论】总体来看,该方法用于研究区天山云杉林伐后更新地林分密度估测是可行的,采用树冠平均冠幅法能够快速准确地提取伐后更新造林地的林分密度。

森林郁闭度作为林业综合评价的一个重要指标,对评价和监测森林生态系统的稳定性具有十分重要的意义。本研究通过提取GF-2号遥感影像的光谱信息、纹理特征因子和地形因子,结合地面样方的实测郁闭度数据,为了筛选出对郁闭度反演影响较大的因子和构建反演精度较高的估测模型,首先对各个因子与郁闭度之间的相关性进行分析,剔除相关性较低的因子;其次对各个纹理特征因子之间进行相关性分析,利用主成分法对各个波段的纹理特征因子进行分析,最终筛选出合理的纹理特征因子与影像的光谱信息、地形因子等特征,并以此作为自变量构建郁闭度估测的逐步回归模型。研究表明:以纹理特征+光谱信息+地形因子为自变量构建的估测模型拟合度为0.823,经精度检验EA%达到89.82%。总体来看,该模型基本上满足了郁闭度反演的需要,为新疆天山云杉森林生态系统的评估和实现精准数字林业提供理论依据和技术支撑。

森林蓄积量能够评估林地生产力的高低及经营措施的效果,为森林经营与采伐提供重要依据。目前,大多基于无人机影像的蓄积量估算,均建立在测绘标准所生成的DOM、DSM、DEM等测绘成果基础上,而未充分利用原始影像数据上的林业特征,无法从点云层面上加入林业业务逻辑产生成果数据。获取无人机影像后,利用特征点提取与匹配方法自动相对定向,结合控制点和光束法平差的迭代求解,解算出精确的相机姿态数据,并沿核线方向一维搜索特征点进行影像密集匹配生成密集点云。对原始三维点云过滤后进行树冠分割,在聚类后的林冠点云中提取了树顶点和树高因子估测了森林蓄积量。研究结果表明,冠幅的提取精度85.15%,树高的提取精度83.69%,林分蓄积量估算的精度达到了82.46%。

[目的 ]点云密度是影响无人机激光雷达数据获取和预处理成本和效率的关键因素，探明点云密度对林分尺度无人机激光雷达森林参数估测精度的影响，有助于优化无人机激光雷达森林应用技术方案。[方法]以马尾松、桉树人工林为研究对象，采用百分比重采样方法，对密度为247点·m~(-2)的原始点云按40%、20%、8%、4%和2%的比例降低点云密度，得到1个全密度原始点云数据集和5个稀疏密度点云数据集；每个数据集独立进行点云分类、地面点滤波和数字高程模型生成、点云高度归一化等预处理并提取激光雷达变量；对于同一森林类型的同一个森林参数(林分蓄积量、断面积、平均高和平均直径)的估测，各个数据集都采用相同的乘幂模型结构式进行模型拟合，然后比较分析模型优度统计指标的差异，包括：决定系数(R~2)，相对根方根误差(rRMSE)和平均预报误差(MPE)；采用配对样本t检验方法对各个数据集的森林参数估测结果和激光变量的差异进行统计分析。[结果]当点云密度分别稀疏至100、50、…、5点·m~(-2)时，各个森林参数估测模型的精度保持基本一致；各个稀疏密度点云数据集的森林参数估测值的均值与原始点云数据集的估测值的均值不存在显著性差异(p≥0.05)；各个稀疏密度点云数据集激光变量的均值和原始点云数据集激光变量的均值基本上不存在显著性差异(p>0.05)。[结论]在无人机激光雷达森林资源调查监测应用中，点云密度可低至5点·m~(-2)。然而，本试验结果仍需通过不同飞行高度获取不同密度点云数据予以验证。

【目的】无人机多光谱遥感影像较可见光影像具有更丰富的光谱信息，在森林蓄积量估测中具有较大潜力。以无人机载多光谱遥感影像为主要数据源，探索森林蓄积量的遥感估测模型，以克服传统地面调查工作量大、耗时长、成本高等弊端。【方法】以滇中地区典型天然云南松Pinus yunnanensis纯林为研究对象，利用无人机多光谱影像提取单波段反射率、各类植被指数、纹理特征等，计算各特征变量的标准地均值；筛选与云南松林蓄积量相关性显著的特征变量，采用多元线性、随机森林、支持向量机建立云南松林蓄积量估测模型，以决定系数(R~2)、平均绝对误差(EMA)、均方根误差(ERMS)、平均相对误差(EMR)评价模型精度。【结果】(1) 3种模型中，随机森林的精度最高(R~2=0.89,EMA=4.69m~3·hm~(-2), ERMS=5.45m~3·hm~(-2), EMR=14.5%)，其次为支持向量机(R~2=0.74, EMA=5.27m~3·hm~(-2), ERMS=8.31m~3·hm~(-2),EMR=13.1%)，最低为多元线性回归模型(R~2=0.35,EMA=10.12 m~3·hm~(-2),ERMS=12.85 m~3·hm~(-2),EMR=28.1%);3种模型在测试集上的估测精度均有所降低，随机森林的模型表现最好，支持向量机次之，多元线性最差。(2) 3种模型在云南松林蓄积量估测中均存在一定的低值高估和高值低估现象。(3)基于无人机多光谱影像估测云南松林蓄积量，纹理特征仍是不可忽视的重要因子。【结论】基于无人机多光谱影像，在不进行单木分割的情景下，提取标准地的单波段反射率、植被指数、纹理特征均值，筛选适用于蓄积量估算的变量构建估测模型。通过对3种模型进行精度评价，随机森林为云南松林蓄积量估测的最佳模型。图2表5参27

【目的】森林生物量的精确测定,对于全球气候变化和碳循环研究具有重要的意义。【方法】以东北林业大学城市林业示范基地为研究区域,首先利用无人机平台获取整个研究区域的高分辨率无人机影像;然后在研究区域四种人工林样地中分别选取20 m×20 m的4块建模样方和4块测试样方,通过每木检尺法实测建模样方内林木的树高和胸径数据,建立H-DBH(树高-胸径)估算模型,并结合已有的DBH-SB(胸径-树干生物量)模型得到测试样方的森林生物量数据;在处理后的数字冠层高度模型(DCHM)基础上利用局部最大值法提取树高与树冠中心点位置,建立一种结合无人机影像提取树高与H-SB(树高-树干生物量)经验模型的森林生物量制图方法。【结果】不同样方的H-DBH模型R2均大于0.70,测试样方的总地上生物量平均值为6 915.85 kg,总的估测精度为87%。通过ArcGIS软件结合本研究提出的方法快速得到了整个研究区域的地上生物量分布图,估测总地上生物量为4 396.18 t。【结论】研究结果可为快速准确的进行森林生物量的估测提供基础数据和技术参考。

【目的】由于毛竹Phyllostachys edulis的生长特点和经营特点，使得毛竹林郁闭度在毛竹林经营中尤为重要，只有保持适宜毛竹生长的郁闭度，才能提高毛竹生产力。研究无人机可见光影像的毛竹林郁闭度估测方法，可实现实时快速获取毛竹林的郁闭度。【方法】以普通旋翼无人机可见光毛竹林影像为研究对象，基于像元的阈值分类、像元的监督分类、多尺度分割的阈值分类、多尺度分割的监督分类等4种方法，选取不同钩梢和郁闭度的样地36个，利用现有软件和MATLAB编程，对各样地的毛竹林竹冠区域进行快速提取，进而估算林分郁闭度，对比目视解译的郁闭度真值计算各方法的估算精度，利用单因素方差分析比较4种方法在不同钩梢和不同郁闭度下估算郁闭度的表现。【结果】基于像元的阈值分类、基于像元的监督分类、基于多尺度分割的阈值分类、基于多尺度分割的监督分类等4种方法的郁闭度估算总体精度依次为91.81%、92.96%、93.47%、98.86%，郁闭度估测值绝对误差依次为0.038、0.030、0.024、0.004。钩梢和郁闭度等对提取结果没有显著影响。【结论】基于多尺度分割的监督分类方法总体精度最高，估算绝对误差最小，能够满足快速、准确提取并估测毛竹林林分郁闭度的要求，且适用于不同经营类型的毛竹林。图2表6参28

选择新疆天山山脉从西到东处于不同经度的昭苏、巩留、乌苏、乌鲁木齐和哈密的天山云杉林进行垂直样带调查:将各地点划分为低、中和高3个海拔范围,比较不同范围内主要林分因子的差异;分析主要林分因子随海拔梯度(50m间隔)的变化。结果表明:各地点3个海拔范围内主要林分因子呈现出不同的变化规律;天山云杉林分平均胸径和最大胸径随海拔梯度的变化差异不显著,而平均树高、最大树高、林分密度、胸高断面积和蓄积量随海拔的增加总体上呈现单峰型的变化趋势;尽管不同经度位置天山云杉林分布的海拔上下限范围不同,但各个位置天山云杉林分的平均树高、最大树高、林分密度、胸高断面积和蓄积量随海拔梯度的变化都可以用二次曲线方程进行描述...

选取新疆西天山为监测区,建立云杉林生物量遥感模型。基于遥感和地面调查数据提取西天山不同年龄阶段云杉林信息,对西天山云杉林生物量进行计算分析,对比分析1986、1996及2007年3期森林生物量监测数据,对西天山云杉林生物量的时空分布变化进行评价分析。研究表明:20年间西天山云杉林总体单位面积生物量为142.73t·hm-2,全林区云杉林生物量的动态变化呈现出前期(1986—1996年)减少、后期(1996—2007年)增加、总体略有下降的特点。1986年西天山云杉林的单位面积生物量最高为143.165t.hm-2,1996年下降到141.875t·hm-2,2007年又恢复到143.15t·h...

【目的】针对传统机载激光雷达（Light Detection And Ranging, LiDAR）所生成的冠层高度模型分辨率较低，不利于高郁闭度人工针叶林中冠幅较小的树种单木分割的问题，基于大疆禅思L1激光雷达高密度点云，提出了一种基于层次化泛洪的单木分割算法。【方法】采用大疆禅思L1激光雷达设备，选择东北地区樟子松与兴安落叶松人工林作为实验样地。首先对原始的高密度激光雷达点云依次进行拼接、去噪、高程归一化处理，针对两块样地生成分辨率分别为0.1、0.2、0.4 m的高、中、低3种分辨率的冠层高度模型。对3种冠层高度模型分别进行先开后闭的形态学滤波处理，以降低冠层高度模型中单个树冠内部不同像素间高程差。然后采用反距离插值算法对3种冠层高度模型中的空洞像素进行平滑处理，并采用图像增强算法提高3种冠层高度模型中树冠内部像素与树冠间像素的对比度，以降低形态学滤波对林隙的模糊处理影响。最后利用局部最大值法分别在3种冠层高度模型中搜索树顶，基于搜索到的树顶位置，结合分层处理思想通过模拟泛洪算法实现单木分割，并基于一般树冠形态，对分割后树冠投影形状、面积进行约束，以优化分割后树冠形状。【结果】针对人工针叶林林分，提出的单木分割算法结合高分辨率冠层高度模型在两种树种样地下最高分割精度达到90%以上。其中，在冠幅较小的兴安落叶松样地中，基于高、中、低分辨率冠层高度模型的单木分割精度F值分别达到91.6%、85.9%、80.2%。而冠幅较大的樟子松样地中，基于高、中、低分辨率冠层高度模型的单木分割精度F值分别为86.2%、84.1%、75.9%。【结论】基于冠层高度模型的单木分割场景中，冠幅较大的树种对于一定范围内分辨率变化不敏感，高分辨率冠层高度模型可以提高人工针叶林单木分割精度，尤其是对于冠幅较小的树种分割精度提高较大。本研究提出的单木分割方法结合无人机高密度LiDAR点云在高郁闭度人工针叶林样地中可达到较高分割精度。

通过对天山云杉林中 30个林冠空隙的调查 ,研究了新疆天山云杉林林冠空隙的基本特征和影响林冠空隙内幼苗更新的因子 .结果表明 ,本研究范围内 ,天山云杉林扩展林冠空隙 (EG)的面积在 5 0 .81～ 2 98.0 5m2 之间 ,其中以 4 0～ 1 6 0m2 所占比例较大 ;实际林冠空隙 (CG)的面积大多在 1 1 .37～ 1 83.39m2 之间 ,其中以小于 80m2 所占比例较大 ;CG EG值大多在 0 .4～ 0 .6之间 ,大多数林隙的形状近似于圆形 ,都接近于 1 ;林冠空隙有 1 0种形成方式 ,其中以伐倒和伐倒 +掘根风倒的方式最多 ;林冠空隙开敞度大多分布在 0...

【目地】以天山云杉林为研究对象，选取疏、中、密3种不同郁闭度的天山云杉林典型样方，分别计算其分形维数，探究不同郁闭度下天山云杉林分形特征的稳定性，以期为新疆山区天然林森林分类提供新的思路。【方法】首先使用ArcGIS软件对无人机影像进行图形深度转换，然后在MATLAB系统下分别采用像素点覆盖法和差分盒子维法计算60个不同郁闭度天山云杉林典型样方的分形维数，最后对计算结果进行分析讨论。【结果】1）在不同郁闭度（疏，0.20～0.39；中，0.40～0.59；密，0.60以上）下，采用像素点覆盖法，得到疏、中和密3种郁闭度下天山云杉林的平均分形维数分别为1.623 0、1.631 3和1.644 5，说明天山云杉林的分形维数受林分郁闭度的影响不大，具有很强的稳定性。2）在不同郁闭度下，采用差分盒子维法，得到疏、中和密3种郁闭度下天山云杉林的平均分形维数分别为2.361 1、2.357 3和2.377 4，方差分析表明三者之间没有显著性差异，分形维数较为稳定。3）通过对两种方法计算结果离散程度的比较，差分盒子维法离散程度较小，所得数据稳定性较高。【结论】基于两种方法计算求得的天山云杉林分形维数，能较好地反映在不同郁闭度下天山云杉林的分形特征较为稳定，且差分盒子维法优于像素点覆盖法，这为今后天山云杉林的调查研究工作提供了新的思路。

【目地】以天山云杉林为研究对象，选取疏、中、密3种不同郁闭度的天山云杉林典型样方，分别计算其分形维数，探究不同郁闭度下天山云杉林分形特征的稳定性，以期为新疆山区天然林森林分类提供新的思路。【方法】首先使用ArcGIS软件对无人机影像进行图形深度转换，然后在MATLAB系统下分别采用像素点覆盖法和差分盒子维法计算60个不同郁闭度天山云杉林典型样方的分形维数，最后对计算结果进行分析讨论。【结果】1）在不同郁闭度（疏，0.20～0.39；中，0.40～0.59；密，0.60以上）下，采用像素点覆盖法，得到疏、中和密3种郁闭度下天山云杉林的平均分形维数分别为1.623 0、1.631 3和1.644 5，说明天山云杉林的分形维数受林分郁闭度的影响不大，具有很强的稳定性。2）在不同郁闭度下，采用差分盒子维法，得到疏、中和密3种郁闭度下天山云杉林的平均分形维数分别为2.361 1、2.357 3和2.377 4，方差分析表明三者之间没有显著性差异，分形维数较为稳定。3）通过对两种方法计算结果离散程度的比较，差分盒子维法离散程度较小，所得数据稳定性较高。【结论】基于两种方法计算求得的天山云杉林分形维数，能较好地反映在不同郁闭度下天山云杉林的分形特征较为稳定，且差分盒子维法优于像素点覆盖法，这为今后天山云杉林的调查研究工作提供了新的思路。

【目的】探讨甘南亚高山不同密度云杉人工林生态系统碳储量及其在各层次（植被层、枯落物层、土壤层）分配格局的变化，为揭示林分密度对森林生态系统碳汇功能的影响机制和人工林可持续经营提供科学依据。【方法】采用野外调查、样品采集和室内分析相结合的方法，在甘南亚高山地区选取地域毗邻、林龄和环境条件基本一致的不同密度（850、1 060、1 350、1 550、1 750、2 300、3 000株·hm~(-2)）云杉人工林分为研究对象，设置固定样地，采用收获法测得植被生物量，采集0～20、20～40和40～60 cm土层土壤样品，测定植物、土壤碳含量，估算生态系统各层次的碳储量。【结果】1）随着林分密度的增加，乔木层、灌木层、枯落物层及林下植被生物量均表现为先增加后减小的变化趋势，而草本层生物量则表现为逐渐减小，且不同林分密度间差异显著。乔木层各器官生物量分配格局在各密度林分均表现为干>根>枝>叶>皮，树干生物量占据了主导地位，占总生物量的38.58%～43.81%。2）不同密度云杉人工林乔木层碳含量为487.5～532.5 g·kg~(-1)，中密度N1550碳含量平均值最高，为518.0 g·kg~(-1)；灌木层碳含量为437.49～492.07 g·kg~(-1)，草本层为354.29～427.83 g·kg~(-1)，灌、草层均在低密度N850出现碳含量最高；土壤层的碳含量为8.25～79.44 g/kg，表土层（0～20 cm）碳含量在中密度N1550平均值最高，下土层（20～60 cm）,N1350显著高于其他林分密度碳含量。3）云杉人工林生态系统碳储量总体上呈现随林分密度增加先增后减的趋势。密度为1 550株·hm-2时林分碳储量最高，为381.11 t·hm-2。4）碳储量空间分配格局为土壤层（66.51%）>乔木层（29.57%）>灌草层和枯落物层（3.92%）。【结论】林分密度与森林碳储量及分配格局密切相关，中等密度（1 550株·hm-2）利于植被和土壤碳固存能力显著提高，是甘南亚高山云杉人工林的最佳留存密度。

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机(UAV)的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型(DSM),利用1∶10 000地形图生成数字高程模型(DEM);基于DSM和DEM叠加相减得到树冠高度模型(CHM),实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数(R2)分别是0.97, 0.84和0.78,标准误差分别是0.67, 1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。