九棵樹法提取林分調(diào)查因子原理與應(yīng)用

孫夢(mèng)營(yíng) ，馮仲科 ，李蘊(yùn)雅

(北京林業(yè)大學(xué)a.林學(xué)院 精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室；b.森林培育與保護(hù)省部共建教育部重點(diǎn)實(shí)驗(yàn)室，北京 100083)

九棵樹法提取林分調(diào)查因子原理與應(yīng)用

孫夢(mèng)營(yíng)a，b，馮仲科a，b，李蘊(yùn)雅a，b

(北京林業(yè)大學(xué)a.林學(xué)院 精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室；b.森林培育與保護(hù)省部共建教育部重點(diǎn)實(shí)驗(yàn)室，北京 100083)

提出一種九棵樹多邊形樣地調(diào)查方法來(lái)建立林分調(diào)查因子模型，利用固定翼無(wú)人機(jī)拍攝北京松山影像數(shù)據(jù)，處理并區(qū)劃后，根據(jù)九棵樹法多邊形樣地算法估測(cè)各林分調(diào)查因子，再通過(guò)隨機(jī)抽取18塊樣地作為檢測(cè)數(shù)據(jù)，人工野外根據(jù)傳統(tǒng)每木檢尺方法計(jì)算平均胸徑、平均高、林分密度以及林分蓄積量模型，然后通過(guò)經(jīng)緯度、坡度、坡向、海拔等信息在影像中定位并利用九棵樹法測(cè)得各林分因子調(diào)查數(shù)據(jù)，將測(cè)得數(shù)據(jù)與傳統(tǒng)方法進(jìn)行精度驗(yàn)證。經(jīng)過(guò)精度分析，各林分調(diào)查因子相對(duì)誤差介于8.80%～12.57%，相關(guān)系數(shù)介于0.624～0.927，滿足森林資源二類調(diào)查需求，該方法可以替代傳統(tǒng)每木檢尺方法獲取森林調(diào)查因子，將無(wú)人機(jī)融入九棵樹多邊形樣地算法，彌補(bǔ)了利用傳統(tǒng)方法耗材耗力浪費(fèi)資源而用遙感影像測(cè)量精度有限制的局限性，適用于小尺度精準(zhǔn)林業(yè)作業(yè)，既保證精度有可以極大程度減少野外人工作業(yè)量，為指定森林經(jīng)營(yíng)方案提供了新的方向。

多邊形樣地；固定翼無(wú)人機(jī)；回歸方程；林分因子精度

林業(yè)調(diào)查是森林經(jīng)營(yíng)的核心部分，林業(yè)擔(dān)負(fù)著優(yōu)化環(huán)境和促進(jìn)經(jīng)濟(jì)發(fā)展的重要使命，經(jīng)營(yíng)和管理好森林可以對(duì)充分發(fā)揮經(jīng)濟(jì)效益，生態(tài)效益和社會(huì)效益有重要的實(shí)際意義[1-3]。平均胸徑、平均樹高、林分密度和林分蓄積量，是森林調(diào)查中主要的測(cè)樹因子[4-6]。

中國(guó)傳統(tǒng)的森林資源調(diào)查通過(guò)每木檢尺及解析木，耗材耗力且對(duì)森林傷害很大[7]，隨著航天技術(shù)的出現(xiàn)，將衛(wèi)星影像與抽樣調(diào)查相結(jié)合的辦法為森林調(diào)查提供了新的途徑與方法，極大地節(jié)省了人力物力，適合大尺度對(duì)生物量，蓄積量的調(diào)查，精度較好，但對(duì)于較小尺度的精準(zhǔn)測(cè)量有局限性[8-11]。隨著無(wú)人機(jī)技術(shù)的完善彌補(bǔ)了這一領(lǐng)域的空缺，在較小尺度精準(zhǔn)測(cè)量上既保證了精準(zhǔn)度又節(jié)省資源。在抽樣實(shí)地測(cè)量部分，提出了一種新的九棵樹多邊形樣地方法來(lái)代替?zhèn)鹘y(tǒng)每木檢尺，并結(jié)合無(wú)人機(jī)影響，進(jìn)一步提升了調(diào)查工作效率，省時(shí)省力[12]。

1 材料與方法

1.1 試驗(yàn)基地

北京松山地處北京西北部延慶區(qū)境內(nèi)，地理坐標(biāo)為 115 °43 ′44 ″～ 115 °50 ′22 ″E，40 °29 ′9 ″～40 °33 ′35 ″N。保護(hù)區(qū)總面積約為 4 660 hm2，其中：核心區(qū)1 463.3 hm2、實(shí)驗(yàn)區(qū)1 802.5 hm2、旅游區(qū)1 394.2 hm2。野生動(dòng)植物資源豐富，植被茂密，有脊椎動(dòng)物180多種，有維管束植物700多種，是由主要樹種為油松Pinustabuliformis，核 桃 楸Juglansmandshurica， 椴 樹Tilia， 白蠟FraxinuschinensisRoxb， 榆 樹elm， 白 樺Betulaplatyphylla等構(gòu)成的天然次生闊葉林。本實(shí)驗(yàn)于2014年在當(dāng)?shù)赜霉潭ㄒ頍o(wú)人機(jī)獲取影像數(shù)據(jù)，并隨機(jī)選取18塊樣地進(jìn)行精測(cè)平均胸徑，平均樹高，蓄積量等森林調(diào)查因子作為檢驗(yàn)數(shù)據(jù)。

1.2 九棵樹法林分調(diào)查方法

如圖1所示，在P點(diǎn)處分別測(cè)出于每棵樹相交的切線處的斜距L，傾角δ和方位角γ，以及每棵樹的胸徑di。

圖1 九棵樹多邊形形樣地原理圖Fig.1 Nine tree polygon shape schematic diagram

挑選合適樣地：在小班中選擇能代表林木平均水平的地點(diǎn)為觀測(cè)樣地，對(duì)于面積要求要適中（0.002～0.007 hm2），并確保觀測(cè)通視無(wú)遮蔽，標(biāo)準(zhǔn)木發(fā)育良好無(wú)病蟲害，樹干盡量垂直無(wú)傾斜且圓形樣地只包括中心樹及分布于四周的標(biāo)準(zhǔn)木，為保證對(duì)林分調(diào)查準(zhǔn)確性，要按林分所測(cè)面積隨機(jī)挑選若干多邊形樣地，林分稀疏部分和茂盛部分均應(yīng)設(shè)置樣地。

樣木標(biāo)定：如圖1所示，為方便計(jì)算將樣地看成圓形，選擇樣地中間1顆中心樹作為圓心，半徑是以位于各個(gè)頂點(diǎn)的8株標(biāo)準(zhǔn)木距離圓心的長(zhǎng)度。使用紅色噴漆標(biāo)定中心樹的胸徑位置及編號(hào)，使用藍(lán)色噴漆標(biāo)定其余標(biāo)準(zhǔn)木，編號(hào)方法為樣地號(hào)加數(shù)字順延。如：樣地1樣木1，其余以此類推。

樣地測(cè)量：用測(cè)樹槍站分別測(cè)量每棵樹的樹高，胸徑，標(biāo)準(zhǔn)木到圓心的距離由測(cè)量點(diǎn)P處分別與中心樹和標(biāo)準(zhǔn)木相切時(shí)的方位角，傾角以及斜距求得。

1.3 測(cè)量原理

（1）平均胸徑

式（1）中：di為第i棵樣木的胸徑（cm）。

（2）平均樹高

式（2）中：Hi為第i棵樹的樹。

（3）林分密度求算模型

將多邊形樣地看成圓形，則林分密度為：

（4）蓄積量求算模型

式（4）中：R8為到中心樹距離最長(zhǎng)的標(biāo)準(zhǔn)木與中心樹的距離；fj為實(shí)驗(yàn)形數(shù)；di為第i棵樣木的胸徑(cm)；H為林分平均高(m)。

2 林分因子獲取與精度評(píng)價(jià)

2.1 胸徑-冠幅模型建立

九棵樹法多邊形樣地?cái)?shù)據(jù)來(lái)源是于2014年無(wú)人機(jī)拍攝的松山植被信息，無(wú)人機(jī)型號(hào)為FSIM.UAV-2015A。首先根據(jù)海拔，坡位，地形等信息對(duì)松山地區(qū)影像進(jìn)行區(qū)劃[13-16]，然后提取樹冠和樹高信息，之后是對(duì)胸徑信息的提取，由于無(wú)人機(jī)影像無(wú)法直接獲得胸徑信息，根據(jù)冠幅和胸徑擬合關(guān)系方程，通過(guò)冠幅信息進(jìn)而獲得胸徑值。選取3個(gè)使用度高的冠徑-胸徑關(guān)系方程并挑選松山6個(gè)常見的樹種擬合并分別選取最佳冠徑-胸徑關(guān)系式（見圖1）。

結(jié)果表明各方程擬合效果較為理想，油松最優(yōu)胸徑-冠徑模型冪函數(shù)方程擬合效果最佳，為D=8.19K0.70，相關(guān)系數(shù)為0.692 482，核桃楸最優(yōu)胸徑-冠徑模型冪函數(shù)方程擬合效果最佳，為D=5.93K0.81，相關(guān)系數(shù)為0.587 336，椴樹最優(yōu)胸徑-冠徑模型指數(shù)函數(shù)方程擬合效果最佳，為D=6.38e0.22K，相關(guān)系數(shù)為0.599 314，白蠟最優(yōu)胸徑-冠徑模型冪函數(shù)方程擬合效果最佳，為D=4.83K0.77，相關(guān)系數(shù)為0.638 734，榆樹最優(yōu)胸徑-冠徑模型對(duì)數(shù)函數(shù)方程擬合效果最佳，為D=6.48lnK+4.29，相關(guān)系數(shù)為0.601 133，白樺最優(yōu)胸徑-冠徑模型冪函數(shù)方程擬合效果最佳，為D=6.02K0.71，相關(guān)系數(shù)為0.597 561（見表1）。

圖2 北京松山小班規(guī)劃圖Fig.2 Planning map of Song-mountain in Beijing

2.2 林分因子精度評(píng)價(jià)

將林地中隨機(jī)抽取18塊樣地作為檢驗(yàn)數(shù)據(jù)，根據(jù)經(jīng)緯度、坡度、坡向等信息從影像中定位并找出對(duì)應(yīng)數(shù)據(jù)，根據(jù)九棵樹多邊形樣地計(jì)算方法計(jì)算出每塊小班各調(diào)查因子數(shù)值，使之與通過(guò)實(shí)地觀測(cè)用傳統(tǒng)方法計(jì)算得出的數(shù)值進(jìn)行分析檢驗(yàn)，求出精度與誤差值。計(jì)算結(jié)果如表2、表3所示，檢驗(yàn)結(jié)果表明效果較理想，誤差在準(zhǔn)許范圍之內(nèi)。

表1 松山針葉林與闊葉林D-K回歸模型Table 1 D-K regression model of coniferous and broad-leaved forests

3 結(jié)論與討論

3.1 結(jié) 論

提出一種采用九棵樹多邊形樣的調(diào)查方法來(lái)建立林分調(diào)查因子模型，基于無(wú)人機(jī)對(duì)森林進(jìn)行小班區(qū)劃并獲取小班調(diào)查因子，利用九棵樹多邊形樣地計(jì)算平均胸徑、平均高、林分密度以及林分蓄積量模型。隨機(jī)抽取18塊樣地通過(guò)每木檢尺運(yùn)用傳統(tǒng)公式計(jì)算各林分調(diào)查因子并根據(jù)經(jīng)緯度、坡度、坡位等信息定位無(wú)人機(jī)影像數(shù)據(jù)，利用九棵樹法求得各林分調(diào)查因子與傳統(tǒng)方法進(jìn)行精度驗(yàn)證。

表2 九棵樹法求得值和實(shí)測(cè)值對(duì)比Table 2 Comparison of ninetree method calculated values and measured values

表3 林分因子精度Table 3 Precision table of stand factor

經(jīng)過(guò)精度分析，各林分調(diào)查因子相對(duì)誤差介于8.80%～12.57%，相關(guān)系數(shù)介于0.624～0.927，滿足森林資源調(diào)查需求，在較小尺度精準(zhǔn)測(cè)量上既保證了精準(zhǔn)度又節(jié)省野外工作量，提高工作效率。

將無(wú)人機(jī)融入九棵樹多邊形樣地算法，彌補(bǔ)了利用傳統(tǒng)方法耗材耗力浪費(fèi)資源而用遙感影像測(cè)量精度有限制的局限性，適用于小尺度精準(zhǔn)林業(yè)作業(yè)，既保證精度有可以極大程度減少野外人工作業(yè)量，為指定森林經(jīng)營(yíng)方案提供了新的方向，但對(duì)大尺度測(cè)量則遙感衛(wèi)星影像比較合適[17-20]。

3.2 討論與分析

（1）利用九棵樹法結(jié)合無(wú)人機(jī)提取林分因子由于影像分辨率高但范圍曉得特點(diǎn)只適用于中小尺度的調(diào)查研究，對(duì)于大尺度林分因子調(diào)查則應(yīng)選擇遙感影像

（2）本方法適用于華北、東北地區(qū)林分不是過(guò)密集的地方，對(duì)于南方林分過(guò)于密集，在影像上選擇九棵樹法比較困難，對(duì)于這一部分有待于進(jìn)一步研究。

[1]趙 芳.測(cè)樹因子遙感獲取方法研究[D].北京:北京林業(yè)大學(xué),2014.

[2]高 祥.森林資源調(diào)查監(jiān)測(cè)信息化技術(shù)方法研究[D].北京:北京林業(yè)大學(xué),2015.

[3]樊仲謀.攝影測(cè)樹原理與技術(shù)方法研究[D].北京:北京林業(yè)大學(xué),2015.

[4]尹少華,周文朋.湖南省森林碳匯估算與評(píng)價(jià)[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2013,33(7):136-139+144.

[5]韋雪花,王 佳,馮仲科.北京市13個(gè)常見樹種胸徑估測(cè)研究[J].北京林業(yè)大學(xué)學(xué)報(bào),2013, 5(5):56-63.

[6]寧 晨,閆文德,葉生晶,等.喀斯特城市亮葉樺意楊混交林生態(tài)系統(tǒng)生物量及生產(chǎn)力研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2011, 31(5):161-166.

[7]Kitahara F, Mizoue N, YoshidA S.Effects of Training for Inexperienced Surveyors on Data Qualityof TreeDiameter and Height Measurements[J].Silva Fennicas, 2010,44(4): 657-667.

[8]徐偉恒,馮仲科,蘇志芳,等.手持式數(shù)字化多功能電子測(cè)樹槍的研制與試驗(yàn)[J].農(nóng)業(yè)工程學(xué)報(bào),2013(3):90-99.

[9]張 雨,林 輝,臧 卓,等.高光譜遙感影像森林信息提取方法比較[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2013,33(1):75-79.

[10]余國(guó)斌.基于遙感影像的森林資源智能區(qū)劃技術(shù)研究[D].長(zhǎng)沙:中南林業(yè)科技大學(xué),2013.

[11]王茹雯,彭道黎,吳 濤,等.利用面向?qū)ο蟮募夹g(shù)進(jìn)行樹冠信息提取研究[J].中國(guó)農(nóng)學(xué)通報(bào),2010,26(15):128-134.

[12]王 偉.無(wú)人機(jī)影像森林信息提取與模型研建[D].北京:北京林業(yè)大學(xué),2015.

[13]Gougeon,Francois.Automatic individual tree crown delineation using a valley-following algorithmandarule-based system[J],The InternationalForumon Automated Interpretation of High Spatial Digital Imagery for Forestry,1998,55(4):33-46.

[14]樊江川.無(wú)人機(jī)航空攝影測(cè)樹技術(shù)研究[D].北京:北京林業(yè)大學(xué),2014.

[15]王 佳,馮仲科.航空數(shù)字?jǐn)z影測(cè)量對(duì)林分立木測(cè)高及精度分析[J].測(cè)繪科學(xué),2011,36(6):77-79.

[16]魏 涌,畢 凱.低空無(wú)人機(jī)航攝系統(tǒng)在正射影像制作中的應(yīng)用[J].鐵道勘察,2014(2):17-19.

[17]胥利紅.森林參數(shù)數(shù)字?jǐn)z影測(cè)量提取技術(shù)的應(yīng)用研究[D].哈爾濱:東北林業(yè)大學(xué),2010.

[18]張 雨,林 輝,臧 卓,等.高光譜遙感影像森林信息提取方法比較[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2013,33(1):75-79.

[19]陳 利,林 輝,孫 華,等.基于決策樹分類的森林信息提取研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2013,33(1):46-51.

[20]孫 華,林 輝,石軍南,等.湖南省森林資源連續(xù)清查遙感抽樣技術(shù)的對(duì)比分析[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2010,30(11): 26-31.

Principle and application of forest investigation factor by nine-tree method

SUN Mengyinga,b, FENG Zhongkea,b, LI Yunyaa,b
(a.Collgeg of Forestry, Precision Forestry Key Laboratory of Beijing; b.Forest Cultivation and Protection Key Laboratory of Ministry for Education, Beijing Forestry University, Beijing 100083, China)

Forest survey factor is important parameter to master the forest vegetation growth, this paper proposes a method named nine-tree method to extract stand factors.18 sample plots were selected to accuracy veri fi cation by comparing nine-tree method with traditional calculation formula of wood seized feet fi eldwork in Beijing Song-mountain.The test result shows that relative error of stand factors between 8.80%-12.57%, correlation coef fi cient between 0.624-0.927.The results meet the requirements of the forest resources sub compartment surveying which can replace traditional measures.Combining UAV with ninetree method changes traditional wood seized feet fi eldwork to the global, indoor, large scale survey witch provides a reference for the national forest management planning formulation.

polygon sample plots; UAV; regression equation; forest factor accuracy

S757

A

1673-923X(2017)04-0070-05

10.14067/j.cnki.1673-923x.2017.04.012

2016-07-04

國(guó)家自然科學(xué)基金項(xiàng)目（41371001）；北京市自然科學(xué)基金項(xiàng)目（6161001）

孫夢(mèng)營(yíng)，碩士研究生 通訊作者：馮仲科，教授，博士生導(dǎo)師， E-mail：fengzhongke@126.com

孫夢(mèng)營(yíng)，馮仲科，李蘊(yùn)雅.九棵樹法提取林分調(diào)查因子原理與應(yīng)用[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2017, 37(4): 70-74.

[本文編校：文鳳鳴]