• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于啞變量非線性聯(lián)立方程組模型的林木參數(shù)遙感反演

    2015-12-20 08:56:47羅朝沁李際平陳振雄
    關(guān)鍵詞:聯(lián)立方程冠幅胸徑

    羅朝沁,孫 華 ,林 輝 ,李際平,陳振雄

    (1.中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心, 湖南 長沙 410004;2國家林業(yè)局 中南林業(yè)調(diào)查規(guī)劃設(shè)計(jì)院,湖南 長沙 410014)

    基于啞變量非線性聯(lián)立方程組模型的林木參數(shù)遙感反演

    羅朝沁1,孫 華1,林 輝1,李際平1,陳振雄2

    (1.中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心, 湖南 長沙 410004;2國家林業(yè)局 中南林業(yè)調(diào)查規(guī)劃設(shè)計(jì)院,湖南 長沙 410014)

    以湖南省攸縣黃豐橋林場(chǎng)Worldview-2影像和地面樣地調(diào)查數(shù)據(jù)為基礎(chǔ),采用Mean shift算法對(duì)影像進(jìn)行多尺度分割,提取杉木人工林林木冠幅信息,共提取有效林木冠幅227個(gè),并對(duì)提取的冠幅邊界信息進(jìn)行平滑處理。分析調(diào)查數(shù)據(jù)中實(shí)測(cè)冠幅與影像提取冠幅之間的相關(guān)性,結(jié)合實(shí)測(cè)胸徑、樹高與冠幅的關(guān)系,應(yīng)用曲線估計(jì)、非線性聯(lián)立方程組以及基于啞變量的非線性聯(lián)立方程組分別建立樹高和胸徑的最優(yōu)估算模型,并進(jìn)行了精度評(píng)價(jià)。結(jié)果表明:將樹高與胸徑作為啞變量,并進(jìn)行數(shù)量化分級(jí)建立的影像冠幅與胸徑、樹高的非線性誤差變量聯(lián)立方程組模型的擬合效果要優(yōu)于其他2種方法,樹高和胸徑模型決定系數(shù)R2H和R2D分別為0.899和0.913。模型的適用性檢驗(yàn)表明,模型的變動(dòng)系數(shù)、平均百分標(biāo)準(zhǔn)誤差均在10%以內(nèi),具有較強(qiáng)的穩(wěn)健性。

    林業(yè)遙感;林木參數(shù)遙感反演;非線性聯(lián)立方程組;Mean shift 分割算法;黃豐橋林場(chǎng)

    樹高、胸徑等林木參數(shù)反映林分內(nèi)部的結(jié)構(gòu)特征,是森林資源調(diào)查中最重要的因子,與林分蓄積量、生物量密切相關(guān)。樹高、胸徑等林木參數(shù)的獲取一般通過兩種途徑實(shí)現(xiàn),即地面人工調(diào)查和遙感定量反演。對(duì)于大范圍內(nèi)的林木參數(shù)調(diào)查,這種常規(guī)的獲取方式勞動(dòng)強(qiáng)度大,成本高[1]。利用遙感技術(shù)開展大范圍內(nèi)的林木參數(shù)反演是一種比較理想的手段。中低分辨率遙感影像進(jìn)行林木參數(shù)的反演一般是通過利用遙感影像波段反射率、植被指數(shù)以及其衍生的變量、紋理因子等與地面實(shí)測(cè)樣地信息建立回歸模型[2-4]或空間統(tǒng)計(jì)學(xué)模型來實(shí)現(xiàn)林木參數(shù)的反演[5-7],估測(cè)結(jié)果地域性強(qiáng),精度不高,不具推廣性。

    進(jìn)入21世紀(jì),隨著高分辨率遙感影像的推廣與應(yīng)用,從影像上可以看到明顯的冠幅信息,對(duì)于散生木或者郁閉度較小林分的單株樹冠幅可以直接測(cè)量[8],或者依據(jù)樹影長度、太陽方位角和坡度等因子,用幾何光學(xué)的方法計(jì)算單木樹高[9]。對(duì)于郁閉度較高的林分,為了從影像上快速識(shí)別和分析冠幅特征,并將冠幅信息從遙感影像數(shù)據(jù)中分離并提取出來,山谷識(shí)別法[10-12]、面向?qū)ο蟮姆指罴夹g(shù)被認(rèn)為是比較有效的方式。近年來,冠幅胸徑模型以及冠幅樹高模型的研究受到了國內(nèi)外的關(guān)注,研究表明冠幅與樹高、胸徑有著良好的數(shù)學(xué)關(guān)系[13-16],另外還可以通過冠幅對(duì)林分生長、林分競(jìng)爭(zhēng)[17]以及地上生物量進(jìn)行預(yù)測(cè)。與此同時(shí),機(jī)載激光雷達(dá)技術(shù)近年來應(yīng)用于林木參數(shù)反演中,得到了較好的應(yīng)用效果。機(jī)載激光雷達(dá)可以獲得精度較高的樹高信息,但對(duì)小范圍內(nèi)的林木位置、冠幅信息的提取,其精度與人工調(diào)查還有一定的差距,林木胸徑只能通過建立樹高胸徑模型獲取。在林分水平上,林分平均高、胸徑等參數(shù)一般在單木識(shí)別的基礎(chǔ)上計(jì)算推導(dǎo),或是通過統(tǒng)計(jì)擬合的方式選擇最優(yōu)回歸模型進(jìn)行預(yù)測(cè)[18-20]。

    綜上所述,國內(nèi)外對(duì)于冠幅的研究取得了較好的研究成果,利用影像提取的冠幅信息與樣地實(shí)測(cè)數(shù)據(jù)建立數(shù)學(xué)模型,或利用半方差函數(shù)對(duì)單木或小范圍內(nèi)的樹高、胸徑等林木參數(shù)進(jìn)行估測(cè),研究效果較好。但林木參數(shù)遙感反演模型以單因子的線性與非線性回歸居多,由于實(shí)測(cè)數(shù)據(jù)存在測(cè)量誤差,建立的林木參數(shù)反演模型的誤差傳遞比較明顯。文中以Worldview2影像為研究對(duì)象,采用曲線估計(jì)、非線性聯(lián)立方程組和基于啞變量的非線性聯(lián)立方程組模型在攸縣黃豐橋林場(chǎng)開展樹高、胸徑的反演研究,并對(duì)3種方法所得結(jié)果進(jìn)行對(duì)比,旨在找出一種針對(duì)高空間分辨率遙感影像林木參數(shù)反演的有效方法。

    1 材料與方法

    1.1 研究區(qū)與數(shù)據(jù)源

    項(xiàng)目研究區(qū)位于湖南省攸縣黃豐橋林場(chǎng)柏市分場(chǎng),柏市分場(chǎng)介于東經(jīng) 113°44′~ 113°43′、北緯 27°14′~ 27°24′之間。分場(chǎng)內(nèi)的樹種主要以杉木Cunninghamia lanceolata、松類Pinusspp.為主。研究所用數(shù)據(jù)源為Worldview-2數(shù)據(jù),含有4個(gè)分辨率為1.8 m的多光譜波段和1個(gè)0.5 m分辨率的全色波段,數(shù)據(jù)接收時(shí)間為2011年8月11日。

    1.2 數(shù)據(jù)處理

    1.2.1 樣地?cái)?shù)據(jù)調(diào)查

    參考國內(nèi)外有關(guān)林木參數(shù)遙感反演的研究方法以及樣地設(shè)置方法,為了便于從影像上識(shí)別林木的位置,在Worldview-2影像上選擇郁閉度較低的杉木中齡林作為研究對(duì)象。樣地調(diào)查利用Trimble Geo-XH GPS對(duì)樣地中心點(diǎn)位置進(jìn)行定位。利用全站儀測(cè)量了樣地范圍內(nèi)每棵樹的位置,采用Trupulse200激光測(cè)距儀進(jìn)行樹高測(cè)量,并記錄每棵樹的年齡、胸徑、樹高、東西和南北兩個(gè)方向的冠幅、冠高、枝下高信息,同時(shí)記錄林分的郁閉度。

    1.2.2 遙感數(shù)據(jù)處理

    結(jié)合林木參數(shù)反演的需求,Worldview-2遙感影像處理主要包括遙感圖像的輻射定標(biāo)、大氣校正和正射校正等3個(gè)部分。輻射定標(biāo)根據(jù)Digital Globe公式發(fā)布的輻射定標(biāo)技術(shù)規(guī)程進(jìn)行。采用ENVI軟件中FLAASH模塊對(duì)Worldview-2影像進(jìn)行大氣校正,Worldview-2影像經(jīng)過大氣校正后,影像亮度發(fā)生了明顯變化,色調(diào)較校正前更加豐富,紋理細(xì)節(jié)信息明顯。為了消除因地形起伏而產(chǎn)生的畸變,選用2臺(tái)Trimble Geo-XH GPS進(jìn)行控制點(diǎn)信息采集,選取道路交叉口作為控制點(diǎn),共采集控制點(diǎn)12個(gè),均勻分布在影像范圍內(nèi)。利用GPS采集信息進(jìn)行差分計(jì)算后的結(jié)果,結(jié)合1∶10 000地形圖數(shù)字高程模型(DEM)對(duì)遙感影像進(jìn)行正射校正,控制點(diǎn)總體均方差根誤差為4.60個(gè)像元(2.3 m),滿足研究所需的精度。

    1.2.3 冠幅信息提取

    為了從影像上快速識(shí)別和分析冠幅特征,并將冠幅信息從遙感影像數(shù)據(jù)中分離并提取出來,面向?qū)ο蟮姆指罴夹g(shù)被認(rèn)為是一種有效的方式。研究采用均值漂移算法(Mean Shift algorithm)開展樹冠信息提取研究。通過控制Mean Shift算法核的帶寬參數(shù)(hs,hr)有效的將同質(zhì)區(qū)域影像分割到同一對(duì)象塊中,最后利用最小區(qū)域面積(M)參數(shù)逐步實(shí)現(xiàn)影像的多尺度分割。整個(gè)多尺度分割過程采用由林輝、莫登奎和孫華引入的Mean Shift算法開發(fā)的遙感影像分析系統(tǒng)軟件V2.0進(jìn)行。經(jīng)過反復(fù)試驗(yàn)和比較,認(rèn)為hs=10、hr=6、M=20對(duì)于研究區(qū)杉木冠幅提取具有較好的效果(見圖1,圖2)。同時(shí)對(duì)提取的冠幅邊界信息進(jìn)行平滑處理,利用平滑后的227個(gè)杉木冠幅與實(shí)測(cè)冠幅進(jìn)行匹配,再建立曲線估計(jì)模型,從模型建立的情況來看,實(shí)測(cè)冠幅與遙感影像提取的冠幅存在良好的線性關(guān)系(見圖3),其決定系數(shù)R2=0.646。

    圖1 Mean Shift分割結(jié)果Fig.1 Segmentation result of Mean Shift algorithm

    圖2 Mean shift冠幅提取結(jié)果Fig.2 Extracted results of tree crows using Mean Shift

    1.2.4 樹高、胸徑參數(shù)反演

    本研究采取近代統(tǒng)計(jì)學(xué)中聯(lián)立方程組法構(gòu)建影像冠幅胸徑模型和影像冠幅樹高模型。為了表達(dá)方便,用D代表實(shí)測(cè)胸徑,H代表實(shí)測(cè)樹高,C代表實(shí)測(cè)冠幅,CP代表提取的影像冠幅。具體步驟如下:

    1)通過地面實(shí)測(cè)樣木數(shù)據(jù),構(gòu)建D-C模型和H-C模型;

    圖3 平滑后冠幅與實(shí)測(cè)值擬合效果Fig.3 Values of tree crown width smoothed against estimated fitting values

    2)建立基于分割算法提取的林木冠幅與實(shí)測(cè)冠幅(C-CP)模型;

    3)D-C模型和H-C模型分別與C-CP模型聯(lián)立。

    1.2.5 模型精度評(píng)價(jià)

    利用確定系數(shù)R2、估計(jì)值的標(biāo)準(zhǔn)差(Standard Error of Estimate,ESEE)、變動(dòng)系數(shù)(Coef ficient of Variation,CCV)和平均百分標(biāo)準(zhǔn)誤差(Mean Percent Standard Error,EMPSE)4個(gè)評(píng)價(jià)指標(biāo)對(duì)模型進(jìn)行檢驗(yàn)。

    式中:yi表示實(shí)測(cè)值;表示預(yù)測(cè)值;表示實(shí)測(cè)值的均值;p為模型參數(shù)個(gè)數(shù)。

    2 結(jié)果與分析

    2.1 曲線估計(jì)模型

    分別采用實(shí)測(cè)冠幅和影像提取的平均冠幅建立冠幅胸徑和冠幅樹高模型。采用曲線估計(jì)中的11種模型進(jìn)行冠幅樹高模型、冠幅胸徑模型建模,并選出最佳擬合模型,模型擬合結(jié)果如表1所示。從表1中可以看出,利用實(shí)測(cè)冠幅信息建立的冠幅樹高、冠幅胸徑模型的擬合最佳曲線均為二次方程,兩個(gè)模型的決定系數(shù)R2分別為0.510和0.520。利用影像提取的冠幅信息建立的冠幅樹高、冠幅胸徑模型的擬合最佳曲線均為冪函數(shù)模型,模型的決定系數(shù)R2分別為0.340和0.360。

    表1 冠幅胸徑/樹高最佳曲線估計(jì)模型Table 1 Optimal curve estimation models for crown-diameter/height

    圖4 曲線估計(jì)模型殘差分布Fig.4 Residual distribution of crown-diameter/height models

    表2 冠幅胸徑/樹高模型檢驗(yàn)結(jié)果Table 2 Examination results of regression models for crown-diameter/height

    2.2 非線性聯(lián)立方程組反演模型

    實(shí)測(cè)冠幅與胸徑以及樹高數(shù)據(jù)分析可知,冠幅與兩者之間存在較好的二次方程的關(guān)系。由圖3可知,實(shí)測(cè)冠幅與影像冠幅存在線性關(guān)系,而實(shí)測(cè)冠幅與胸徑、樹高之間是二次方程的關(guān)系,是一種非線性關(guān)系。假定遙感影像冠幅沒有度量誤差,則可以通過實(shí)測(cè)冠幅建立影像冠幅與胸徑/樹高的非線性聯(lián)立方程組反演模型。非線性聯(lián)立方程組的嚴(yán)格數(shù)學(xué)模型和推導(dǎo)方法見文獻(xiàn)[21-23],研究所建模型的非線性聯(lián)立方程組運(yùn)算通過ForStat軟件得到。從提取的冠幅227個(gè)樣本中,抽取157個(gè)樣本進(jìn)行構(gòu)建非線性聯(lián)立方程組反演模型,剩余70個(gè)樣本用來做模型精度檢驗(yàn),所得冠幅/胸徑、冠幅/樹高的非線性聯(lián)立方程組如下:

    式中:聯(lián)立方程組的誤差變量指的是冠幅C和樹高H。C的殘差平方和為33.159,確定系數(shù)R2為0.642;H的殘差平方和為619.904,確定系數(shù)R2為0.355。

    式中:聯(lián)立方程組的誤差變量指的是冠幅C和胸徑D。C的殘差平方和為33.159,確定系數(shù)R2為0.642;D的殘差平方和為2 112.708,確定系數(shù)R2為0.324。

    利用樣本驗(yàn)證數(shù)據(jù)來檢驗(yàn)非線性聯(lián)立方程組模型預(yù)測(cè)值與實(shí)際觀測(cè)值是否存在較好的線性擬合關(guān)系,分析殘差的分布是否在置信帶內(nèi)。冠幅樹高、冠幅胸徑模型的檢驗(yàn)結(jié)果如圖5所示。

    圖5 非線性聯(lián)立方程組模型殘差分布Fig.5 Residual distribution of non-linear simultaneous model

    表3 非線性聯(lián)立方程組模型檢驗(yàn)結(jié)果Table 3 Examination results of non-linear simultaneous equations

    2.3 基于啞變量的非線性聯(lián)立方程組反演模型

    在考慮樹高、胸徑以及冠幅測(cè)量存在人為誤差建立的聯(lián)立方程組沒有得到良好的效果時(shí),應(yīng)該考慮樣地內(nèi)林木胸徑以及樹高的差異,將樹高和胸徑視為啞變量,進(jìn)行數(shù)量化分級(jí),建立基于啞變量的非線性聯(lián)立方程組反演模型。樣地實(shí)地調(diào)查的過程中,樣地中林木的胸徑、樹高差異較大,樣地內(nèi)最高的杉木為18.6 m,最低的僅為7.2 m,最大的胸徑為31.6 cm,最小的為10.4 cm,為了便于計(jì)算,分別將樹高與胸徑劃分為4個(gè)等級(jí),結(jié)果如表4所示。

    表4 胸徑、樹高數(shù)量化分級(jí)Table 4 Quantitative classification of D and H

    將樹高和胸徑分別視為啞變量,在ForStat軟件中構(gòu)建啞變量非線性聯(lián)立方程組,將模型中所有參數(shù)的初始值設(shè)置為1,采用牛頓——拉格朗日方法進(jìn)行計(jì)算。建模結(jié)果如下:

    式中:C表示實(shí)測(cè)平均冠幅;CP表示影像上提取的冠幅長度;H表示樹高。樹高的4個(gè)數(shù)量化等級(jí)表示如下:(1)當(dāng)E1=E2=E3=0時(shí)表示樹高第一個(gè)等級(jí)(I);(2)當(dāng)E1=1且E2=E3=0時(shí)表示第二個(gè)等級(jí)(II);(3)當(dāng)E2=1且E1=E3=0時(shí)表示第三個(gè)等級(jí)(III);(4)當(dāng)E3=1且E1=E2=0時(shí)表示第四個(gè)等級(jí)(IV)。模型中,C的殘差平方和為33.159,確定系數(shù)R2為0.642;H的殘差平方和為97.535,確定系數(shù)R2為0.899。

    式中:C表示實(shí)測(cè)平均冠幅;CP表示影像上提取的冠幅長度;D表示胸徑。胸徑的4個(gè)數(shù)量化等級(jí)表示如下:(1)當(dāng)C1=C2=C3=0時(shí)表示胸徑的第一個(gè)等級(jí)(I);(2)當(dāng)C1=1且C2=C3=0時(shí)表示第二個(gè)等級(jí)(II);(3)當(dāng)C2=1且C1=C3=0時(shí)表示第三個(gè)等級(jí)(III);(4)當(dāng)C3=1且C1=C2=0時(shí)表示第四個(gè)等級(jí)(IV)。模型中,C的殘差平方和為33.159,確定系數(shù)R2為0.642;D的殘差平方和為273.141,確定系數(shù)R2為0.913。

    表5中模型檢驗(yàn)結(jié)果表明,冠幅樹高模型以及冠幅胸徑的擬合效果很好,決定系數(shù)R2分別為0.885和0.904。而且,模型檢驗(yàn)數(shù)據(jù)估計(jì)值的標(biāo)準(zhǔn)差(ESEE)、變動(dòng)系數(shù)(CCV)、平均百分標(biāo)準(zhǔn)誤差(EMPSE)的統(tǒng)計(jì)結(jié)果較非線性聯(lián)立方程組有很大的改進(jìn),誤差基本控制在10%以內(nèi)。圖6中殘差點(diǎn)的分布隨機(jī)性較好,絕大部分驗(yàn)證數(shù)據(jù)的殘差分布在置信帶內(nèi)。從上述分析可知,說明基于啞變量的非線性聯(lián)立方程組建立影像冠幅與樹高以及胸徑的反演模型效果十分理想。

    表5 啞變量非線性聯(lián)立方程組模型檢驗(yàn)結(jié)果Table 5 Examination results of non-linear simultaneous equations when dummy variables were used

    圖6 啞變量非線性聯(lián)立方程組殘差分布Fig.6 Residual distribution of non-linear simultaneous equations when dummy variables were used

    3 結(jié)論與討論

    現(xiàn)有針對(duì)林木參數(shù)的遙感反演,多采用多元統(tǒng)計(jì)的分析方法,通過建立實(shí)測(cè)數(shù)據(jù)與遙感影像提取的變量之間的回歸方程來進(jìn)行林木參數(shù)的反演。目前聯(lián)立方程組模型還沒有應(yīng)用于林木參數(shù)反演的研究當(dāng)中。本研究以攸縣黃豐橋林場(chǎng)Worldview2影像和地面樣地調(diào)查數(shù)據(jù)為基礎(chǔ),采用Mean shift算法對(duì)影像進(jìn)行多尺度分割提取林木冠幅信息,對(duì)提取的冠幅邊界信息進(jìn)行平滑處理,結(jié)合實(shí)測(cè)冠幅、胸徑和樹高,分別采用曲線估計(jì)、非線性聯(lián)立方程組和基于啞變量的非線性聯(lián)立方程組模型,建立林木樹高和胸徑遙感反演模型。對(duì)模型預(yù)測(cè)值與實(shí)際觀測(cè)值是否存在較好的線性擬合關(guān)系進(jìn)行了檢驗(yàn),分析了模型的殘差分布,得出以下幾點(diǎn)結(jié)論。

    (1)Worldview2影像多尺度分割平滑后的冠幅與實(shí)測(cè)冠幅存在良好的線性關(guān)系,決定系數(shù)R2=0.646,說明Mean shift算法是林木冠幅信息提取的一種有效方式,通過多尺度的分割可以從高分辨率遙感影像獲取量化的林分參數(shù)。

    (2)地面樣地實(shí)測(cè)冠幅(C)、樹高(H)、胸徑(D)分別建立的C-H模型、C-D模型的擬合最佳曲線均為二次方程,兩個(gè)模型的決定系數(shù)R2分別為0.51和0.52。利用影像提取的冠幅信息(CP)建立的CP-H模型、CP-D模型的擬合最佳曲線均為冪函數(shù)模型,模型的決定系數(shù)R2分別為0.340和0.360。而考慮樹高、胸徑以及實(shí)測(cè)冠幅存在測(cè)量誤差,建立影像冠幅與實(shí)測(cè)冠幅、樹高以及胸徑的聯(lián)立方程組反演模型的決定系數(shù)R2分別為0.355和0.324。與冠幅與胸徑、樹高直接建立的反演方程相比,并沒有得到明顯改善。模型檢驗(yàn)數(shù)據(jù)估計(jì)值的標(biāo)準(zhǔn)差、變動(dòng)系數(shù)、平均百分標(biāo)準(zhǔn)誤差的統(tǒng)計(jì)結(jié)果不差上下。

    (3)分別將樹高與胸徑進(jìn)行數(shù)量化分級(jí),將樹高與胸徑作為啞變量建立的影像冠幅胸徑/樹高非線性誤差變量聯(lián)立方程組模型的擬合效果比較理想,決定系數(shù)R2分別為0.899和0.913,模型的變動(dòng)系數(shù)、平均百分標(biāo)準(zhǔn)誤差在10%以內(nèi)。模型的適用性檢驗(yàn)表明,基于啞變量的非線性聯(lián)立方程組模型的殘差點(diǎn)分布隨機(jī)性較好,以0為基準(zhǔn)線上下對(duì)稱分布。說明利用從影像提取冠幅進(jìn)行胸徑和樹高的反演是可行的。

    (4)非線性聯(lián)立方程組模型在林分生長模型領(lǐng)域研究較多,將該模型引入到林木參數(shù)遙感反演的研究較少,本研究是在非線性聯(lián)立方程組模型的基礎(chǔ)上,對(duì)地面實(shí)測(cè)數(shù)據(jù)(胸徑和樹高)進(jìn)行數(shù)量化分級(jí),并視為啞變量與高分辨遙感影像冠幅提取技術(shù)相結(jié)合進(jìn)行林木參數(shù)的反演,為林木參數(shù)遙感反演提供了一種新的思路。

    (5)研究所建立的影像冠幅和實(shí)測(cè)冠幅、樹高以及胸徑的基于啞變量的非線性聯(lián)立方程組模型,主要考慮林木冠幅提取的可操作性,通過與曲線估計(jì)、非線性聯(lián)立方程組模型相比,充分證明基于啞變量的非線性聯(lián)立方程組模型為本次研究的最優(yōu)模型。

    利用基于啞變量的非線性聯(lián)立方程組模型與高分辨率遙感影像冠幅定量提取相結(jié)合開展林木參數(shù)反演,比傳統(tǒng)基于植被指數(shù)及植被指數(shù)衍生變量反演模型更為可靠。在以后的研究中,尤其是針對(duì)郁閉度較高的林分可以考慮利用空間變異函數(shù)和輻射傳輸?shù)奈锢砟P徒Y(jié)合開展林木冠幅信息提取,進(jìn)一步提高林木參數(shù)的估算精度。

    [1]譚炳香,李增元,陳爾學(xué),等. Hyperion高光譜數(shù)據(jù)森林郁閉度定量估測(cè)研究[J].北京林業(yè)大學(xué)學(xué)報(bào),2006,28(3):95-101.

    [2]李崇貴,趙憲文.森林郁閉度定量估測(cè)遙感比值波段的選擇 [J].林業(yè)科學(xué),2005,41(4):72-77.

    [3]杜曉明,蔡體久,琚存勇.采用偏最小二乘回歸方法估測(cè)森林郁閉度[J].應(yīng)用生態(tài)學(xué)報(bào),2008,19(2):273-277.

    [4]曾 濤,琚存勇,蔡體久,等.利用變量投影重要性準(zhǔn)則篩選郁閉度估測(cè)參數(shù)[J].北京林業(yè)大學(xué)學(xué)報(bào),2010,32(6):37-41.

    [5]Franklin S, Wulder M, Gerylo G. Texture analysis of IKONOS panchromatic data for Douglas- fir forest age class separability in British Columbia[J]. International Journal of Remote Sensing ,2002, 22(13):2627-2632.

    [6]馮益明,李增元,鄧 廣.不同密度林分冠幅的遙感定量估計(jì) [J].林業(yè)科學(xué) ,2007,43(1):90-94.

    [7]Jon Pasher, Douglas J K. Multivariate forest structure modeling and mapping using high resolution airborne imagery and topographic information[J]. Remote Sensing of Environment,2010, 114: 1718-1732.

    [8]林 輝,呂 勇,寧曉波.基于高分辨率衛(wèi)星圖像的立木材積表的編制[J].林業(yè)科學(xué),2004,40(4):33-39.

    [9]崔少偉, 范文義, 金 森, 等. 基于樹影與快鳥圖像的單木樹高提取[J]. 東北林業(yè)大學(xué)學(xué)報(bào), 2011, 39(2): 47-50.

    [10]Gougeon F A. A crown following approach to the automatic delineation of individual tree crows in high spatial resolution aerial images[J]. Canadian Journal of Remote Sensing,1995,21(3): 274-284.

    [11]Culvenor D S. TIDA:an algorithm for the delineation of tree crowns in high spatial resolution remotely sensed imagery[J].Computers and Geosciences, 2002, 28: 33-44.

    [12]Michael Palace, Michael Keller, Gregory P Asner,et al. Amazon Forest Structure from IKONOS Satellite Data and the Automated Characterization of Forest Canopy Properties[J]. Biotropica,2008, 40(2): 141-150.

    [13]Hann D W. An adjustable predictor of crown profile for stand grown Douglas- fir trees[J]. Forest Science,1999, 45: 217-225.

    [14]Gill S J, Biging G S, Murphy E C. Modelling conifer tree crown radius and estimating canopy cover[J]. Forest Ecology and Management, 2000, 126: 405-416.

    [15]Marshall D D, Gregory P J, Hann D W. Crown pro file equations for stand-grown western hemlock trees in northwestern Oregon[J].Canadian Journal of Forest Research, 2003, 33: 2059-2066.

    [16]Turan S?nmez. Diameter at breast height-crown diameter prediction models forPicea orientalis[J]. African Journal of Agricultural Research, 2009,4(3):215-219.

    [17]Bechtold W A. Crown-diameter predictions models for 87 species of stand-grown trees in the Eastern United States[J]. Southern Journal of Applied Forestry, 2003, 27: 269-278.

    [18]Hall S A, Burke I C, Box D O,et al.Estimating stand structure using discrete-return lidar: an example from low density,fire prone ponderosa pine forests[J]. Forest Ecology and Management, 2005, 208: 189-209.

    [19]Thomas V, Finch D A, McCaughey J H,et al.Spatial modelling of the fraction of photo synthetically active radiation absorbed by a boreal mixed wood forest using a lidar hyperspectral approach[J]. Agricultural and Forest Meteorology, 2006, 140:287-307.

    [20]Jean Fran?ois C?té, Richard A Fournier, Richard Egli. An architectural model of trees to estimate forest structural attributes using terrestrial LiDAR[J]. Environmental Modelling &Software, 2011, 26: 761-777.

    [21]唐守正,李 勇. 生物數(shù)學(xué)模型的統(tǒng)計(jì)學(xué)基礎(chǔ)[M].北京: 科學(xué)出版社,2002.

    [22]唐守正,郎奎建,李???統(tǒng)計(jì)和生物數(shù)學(xué)模型計(jì)算(ForStat教程)[M].北京:科學(xué)出版社,2009.

    [23]劉瓊閣,彭道黎,涂云燕.基于偏最小二乘回歸的森林蓄積量遙感估測(cè)[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2014,34(2):81-84,132.

    Remote sensing retrieval by tree parameters based on dummy variable non-linear simultaneous equations model

    LUO Chao-qin1, SUN Hua1, LIN Hui1, LI Ji-ping1, CHEN Zhen-xiong2
    (1. Research Center of Forestry Remote Sensing and Information Engineering, Central South University of Forestry and Technology,Changsha 410004, Hunan, China; 2. Central South Forest Inventory and Planning Institute of State Forestry Administration, Changsha 410014, Hunan, China)

    A state-owned Huang-Feng-Qiao Forest Farm in Youxian County, Hunan Province was chosen as the study area. Based on Worldview-2 remote sensing data and ground sample survey data of the forest farm, and by adopting Mean shift algorithm, the canopy information of plantation forest of Chinese fir in the farm were extracted with multi-scale segmentation method. Totally, 227 canopy breadth information of effective tested tree were extracted and the tree crown width and crown boundary information extracted were smoothed. The correlation between measured crown width and the crown extracted from the images was studied. By taking into account the relationship between diameter at breast height, tree height and crown width measured, applying curve estimation, nonlinear equations and dummy variable non-linear simultaneous equations, the optimal estimation models of tree height and diameter at breast height were respectively established. Furthermore, the precisions of the model estimation were evaluated. The results show that with theDDBHandHTHas dummy variables respectively, they were graded quantitatively, thus creating a non-linear simultaneous equations model. The fitting effect were much better than those of the first two methods, and the determination coef ficients of tree height and diameter at breast height model (R2H,R2D) were 0.899 and 0.913 respectively. The adaptability testing of the models showed that Standard Error of Estimate, Coef ficient of Variation and Mean Percent Standard Error all were less than 10%, with strong robustness.

    forestry remote sensing; remote sensing retrieval by tree pararmeters; non-linear simultaneous equations; mean shift based segmentation algorithm; Huang-feng-qiao Forest Farm in Hubei province

    S771.8

    A

    1673-923X(2015)05-0039-07

    10.14067/j.cnki.1673-923x.2015.05.007

    2014-06-10

    “十二五”國家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)課題(2012AA102001):“數(shù)字化森林資源監(jiān)測(cè)關(guān)鍵技術(shù)研究”;中國博士后科學(xué)基金項(xiàng)目:林分環(huán)境條件下的林木冠幅提取及冠形曲線參數(shù)化(2014M562147);湖南省高等學(xué)??茖W(xué)研究項(xiàng)目:高分辨率遙感影像森林結(jié)構(gòu)參數(shù)反演研究(11C1313)

    羅朝沁,碩士研究生

    孫 華,副教授,博士;E-mail:sunhuayiwen@126.com

    羅朝沁,孫 華,林 輝,等. 基于啞變量非線性聯(lián)立方程組模型的林木參數(shù)遙感反演[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2015,35(5): 39-45.

    [本文編校:謝榮秀]

    猜你喜歡
    聯(lián)立方程冠幅胸徑
    白城山新1號(hào)楊育苗密度研究
    無人機(jī)遙感影像提取的單木冠幅數(shù)據(jù)在桉樹林分蓄積量估測(cè)中的應(yīng)用1)
    城市綠地微環(huán)境對(duì)土壤動(dòng)物群落多樣性的影響
    武漢5種常見園林綠化樹種胸徑與樹高的相關(guān)性研究
    施肥對(duì)三江平原丘陵區(qū)長白落葉松人工林中齡林單木樹冠圓滿度影響
    基于無人機(jī)高分影像的冠幅提取與樹高反演
    福建省森林資源監(jiān)測(cè)體系抽樣調(diào)查中胸徑測(cè)量精度范圍的精準(zhǔn)確定
    區(qū)域經(jīng)濟(jì)增長與技術(shù)創(chuàng)新內(nèi)生性研究
    技術(shù)進(jìn)步、經(jīng)濟(jì)增長與環(huán)境質(zhì)量的系統(tǒng)關(guān)聯(lián)與協(xié)同優(yōu)化——基于遼寧省聯(lián)立方程的實(shí)證分析
    我國省際面板數(shù)據(jù)的社會(huì)資本與區(qū)域經(jīng)濟(jì)增長互動(dòng)分析
    扶沟县| 洱源县| 元江| 平安县| 吉安县| 乐安县| 古蔺县| 斗六市| 昭觉县| 新民市| 万安县| 石门县| 仪陇县| 富锦市| 儋州市| 恩平市| 深泽县| 太和县| 高密市| 夏邑县| 洪泽县| 宁阳县| 广丰县| 古丈县| 霍林郭勒市| 长丰县| 明溪县| 乐清市| 安塞县| 唐海县| 上杭县| 建始县| 广河县| 平顶山市| 循化| 楚雄市| 固原市| 临猗县| 海淀区| 青海省| 安庆市|