何清偉,趙 健,董明亮,龐 勇,孫曉梅,張金鳳*
(1.北京林業(yè)大學(xué),北京 100083;2.中國林業(yè)科學(xué)研究院,北京 100091)
長白落葉松(Larix olgensis Henry)為松科的落葉喬木,木材蓄積豐富,用途廣泛,是我國東北、內(nèi)蒙古林區(qū)以及華北、西南高山針葉林的主要森林組成樹種,是中國長白山針葉林的主要樹種之一[1-5]。長白落葉松具有生長迅速、適應(yīng)性強(qiáng)、材質(zhì)優(yōu)良的特點,在我國北方高寒地區(qū)被廣泛栽培。落葉松人工林生長性狀受立地條件影響很大,而且同一林分不同單株間胸徑、樹高相差較大。目前落葉松育苗生產(chǎn)所需種子少部分來自種子園,大部分來自于野外無選擇采集,造成繁育苗木生長良莠不齊。
優(yōu)樹選擇(plus tree selection)是林木遺傳改良的一種基本手段,可為不同世代種子園和無性繁殖提供優(yōu)良基礎(chǔ)材料。優(yōu)樹是在同一立地條件下,與在該立地條件范圍內(nèi)的其他林木相比較,表型性狀相對優(yōu)良的個體,選優(yōu)是對其表型性狀的綜合選擇[6]。歐洲從20世紀(jì)40年代開始進(jìn)行了優(yōu)樹選擇工作,20世紀(jì)50年代,前蘇聯(lián)、美國也開展了優(yōu)樹選擇工作。國內(nèi)從20世紀(jì)70年代開始進(jìn)行大規(guī)模優(yōu)樹選擇工作,主要包括杉木、油松、落葉松、楊樹、紅松、馬尾松等百余個樹種[7]。為了提高優(yōu)樹選擇的質(zhì)量和準(zhǔn)確性,林木育種工作者采取了很多種優(yōu)樹選擇方法。常見優(yōu)樹選擇方法有優(yōu)勢木對比法、小標(biāo)準(zhǔn)地法、絕對生長量法、標(biāo)準(zhǔn)差法等[8]。國外對加勒比松、歐洲赤松、南方松優(yōu)樹的評定方法很多[9-10],華北落葉松、日本落葉松、長白落葉松的優(yōu)樹選擇主要采用優(yōu)勢木對比法、小標(biāo)準(zhǔn)地法、基準(zhǔn)線法,每種方法都有相應(yīng)的技術(shù)指標(biāo)和要求[5-6],但是傳統(tǒng)的優(yōu)樹選擇方法有諸多不足,例如,工作極其艱巨,選優(yōu)范圍小,效率低下。因此,探索新的選優(yōu)方法已成為當(dāng)前林木改良工作的迫切需要。
20世紀(jì) 90年代開始興起的遙感 IMU/DGPS(inertial measurement unit/differential GPS,慣性測量單元/差分GPS)輔助航空攝影測量技術(shù),只需少數(shù)地面控制點,簡化了測圖工序,縮短了成圖周期,非常適合在我國林區(qū)進(jìn)行攝影測量成圖。隨著遙感科學(xué)與技術(shù)的發(fā)展可能為林業(yè)工作方式提供更多的途徑,很多研究已經(jīng)表明,機(jī)載激光雷達(dá)技術(shù)(ALS)的出現(xiàn)可以直接提取高精度森林樹高,同時它還能夠提供森林冠層上表面的水平分布和垂直結(jié)構(gòu)信息等[11-12];地基激光雷達(dá)(TLS)的出現(xiàn)可以快速獲取森林單木參數(shù)如樹位置、胸徑、樹干材積以及林分中樹密度及蓄積量等樹木幾何參數(shù),這種方式不僅節(jié)省了人力,還提高了工作效率[13-14]。因此,遙感技術(shù)的利用是改良現(xiàn)有優(yōu)樹選擇方法的可能途徑。
本研究是我國首次將遙感技術(shù)與傳統(tǒng)優(yōu)樹選擇方法結(jié)合的嘗試,結(jié)合遙感技術(shù)的選優(yōu)方法剛好可以彌補(bǔ)傳統(tǒng)優(yōu)樹選擇的不足,可以節(jié)省大量的人力、物力和時間。利用優(yōu)勢木對比法、小標(biāo)準(zhǔn)地法和基于遙感技術(shù)選優(yōu)3種優(yōu)樹選擇方法對孟家崗林場長白落葉松人工林開展優(yōu)樹選擇工作,以期為提高林木優(yōu)樹選擇的效率找到更好的途徑。
試驗場地孟家崗林場位于樺南縣東北部(130°32′42″~130°52′36″E,46°20′16″~46°30′50″N),屬東亞大陸性季風(fēng)氣候。冬季漫長、寒冷且干燥;夏季短促、溫暖而濕潤;早春少雨、風(fēng)大易干旱;秋季降溫迅速,常有凍害發(fā)生。早霜現(xiàn)于9月上、中旬,晚霜終于5月中、下旬。年平均氣溫2.7℃。極端最高氣溫35.6℃,最低氣溫-34.7℃。年≥10℃積溫2 547℃。年平均降水量550 mm。全年日照時數(shù)1 955 h。無霜期120 d左右。以選擇落葉松速生豐產(chǎn)、材質(zhì)優(yōu)良的育種繁殖材料為目標(biāo),于2018年8月10日—8月25日,根據(jù)二類調(diào)查表和林場信息選出40林班2小班,都不在擇伐林分區(qū)域內(nèi)且小班整體生長環(huán)境一致,為丘陵中層暗棕壤,小班面積為19.89 hm2。林齡40a,平均胸徑18.5 cm,平均樹高16.4 m,小班內(nèi)布設(shè)3個互不相鄰的100 m×100 m的方形樣地——F12、F13、F21樣地,樣地內(nèi)分別有樹木213株、159株、184株,共計556株。
優(yōu)勢木對比法是以候選樹為選優(yōu)中心,在立地條件相對一致的10~25 m半徑范圍內(nèi),選出僅次于候選樹的3~5株優(yōu)勢木,實測胸徑并計算其樹高和材積,候選樹的胸徑等指標(biāo)超過規(guī)定標(biāo)準(zhǔn)即可入選[18]。本次優(yōu)勢木法候選樹的樹高、胸徑等指標(biāo)超過優(yōu)勢木平均樹高15%平均胸徑30%的規(guī)定標(biāo)準(zhǔn)且形質(zhì)優(yōu)良抗性良好,即可入選候選優(yōu)樹。
小標(biāo)準(zhǔn)地法以候選樹為中心畫圓逐步向四周展開,在坡地可呈橢圓形長軸平行水平方向,實測樹木的胸徑、樹高,再計算各指標(biāo)的平均值。把候選樹與平均值比較符合標(biāo)準(zhǔn)的即可入選[18]。在此次標(biāo)準(zhǔn)地法選優(yōu)中,實測40-2小班的556棵樹的胸徑和樹高,以胸徑大于平均數(shù)一個標(biāo)準(zhǔn)差且形質(zhì)優(yōu)良抗性良好的標(biāo)準(zhǔn)確定入選候選優(yōu)樹。
基于遙感技術(shù)的選優(yōu)方法則是利用遙感技術(shù)所獲取的高分辨率影像,進(jìn)行單木數(shù)據(jù)解析[14]。ALS數(shù)據(jù)的采集時間為2018年3月。飛行平臺是運(yùn)-12小型運(yùn)輸機(jī),可以低速穩(wěn)定飛行,相對飛行高度約為1 500 m,飛行速度240 km/h。飛機(jī)上搭載的傳感器系統(tǒng)為中國林業(yè)科學(xué)研究院資源信息所集合Li DAR、CCD、高光譜的Li CHy系統(tǒng)。該系統(tǒng)采用雙頻DGPS和慣性導(dǎo)航儀進(jìn)行精密的定位。另外還同步獲取了航空影像數(shù)據(jù)和高光譜數(shù)據(jù),CCD相機(jī)型號為 Digi CAM-60,地面空間分辨率約為 0.2 m,高光譜相機(jī)型號為AISA EagleⅡ,光譜分辨率為4.6 nm,地面空間分辨率為1 m。TLS數(shù)據(jù)采集所使用的設(shè)備為Trimble TX8,它是一款較為輕便的地基激光掃描測量儀器,采用窄的紅外激光束快速掃描機(jī)制,提供快速、非接觸的數(shù)據(jù)獲取。為了匹配ALS與TLS數(shù)據(jù),借助全站儀和GPS數(shù)據(jù)為TLS點云數(shù)據(jù)賦予坐標(biāo)信息。
結(jié)合機(jī)載激光雷達(dá)數(shù)據(jù)與地基激光雷達(dá)數(shù)據(jù)估算森林樣地每木胸徑與樹高。利用Hough變換檢測算法估算森林樣地單木胸徑,Hough變換檢測算法識別單木位置并擬合胸徑的步驟一般是:首先分離地面點,生成 DEM(Digital Elevation Model);然后根據(jù)DEM把點云高程數(shù)據(jù)歸一化到DEM上,去除地形對樹高的影響;最后把樹干處某段數(shù)據(jù)分層后柵格化,用Hough變換檢測每層樹干并用圓擬合或橢圓擬合求樹干直徑[21]。樹高則是利用Hough變換算法估算樣地每木胸徑并計算樹干生長方向,根據(jù)這個方向可以獲取兩個樹高,即TLS樹高與ALS樹高,獲取的ALS樹高均為優(yōu)勢木高度。在樹種較均一的樣地,可以利用異速生長方程計算樣地生物量,方程中輸入?yún)?shù)為TLS估算的胸徑與樹高,對于優(yōu)勢木來說,樹高則取TLS與ALS估測樹高值中的最大值。根據(jù)樹木形態(tài)特征設(shè)置一系列閾值去除非樹干處擬合圓,提高單木識別準(zhǔn)確度。通過Hough變換和圓擬合方法得到的單木位置、胸徑、不同高度處樹干直徑與實測數(shù)據(jù)對比,發(fā)現(xiàn)樹高和DBH的平均誤差分別為3.4 m和0.76 cm,誤差在預(yù)期范圍內(nèi)。然后利用地基激光雷達(dá)獲取的樹干生長方向與該方向上單木垂直結(jié)構(gòu)提取單木樹高(見圖1)。獲取單株樹木樹高、胸徑等表型數(shù)據(jù)信息后,參照標(biāo)準(zhǔn)地選優(yōu)方法確定優(yōu)樹標(biāo)準(zhǔn),在40-2小班以樹高大于平均數(shù)一個標(biāo)準(zhǔn)差且形質(zhì)優(yōu)良抗性良好的標(biāo)準(zhǔn)確定入選候選優(yōu)樹,再利用ArcGIS軟件確定小班邊界,獲取候選優(yōu)樹在林場的具體位置,然后到現(xiàn)場找到候選優(yōu)樹,實測胸徑和樹高等生長指標(biāo)和其他形質(zhì)指標(biāo)。
圖1 處理后點云場景及單株解析木Figure 1 Point cloud scene and single plant analysis wood after processing
以材積較群體增益大于250%從上述3種選優(yōu)方法確定的候選優(yōu)樹中分別選出最終入選優(yōu)樹。
使用Microsoft Excel(2010)完成原始數(shù)據(jù)輸入和整理。遺傳增益是評價育種成效的關(guān)鍵參數(shù)之一,本研究選擇的是同種長白落葉松優(yōu)樹群體,較群體均值增益=選擇差/選擇群體平均值[15-20]比較3種選優(yōu)方法選出的候選優(yōu)樹群體效果及最終優(yōu)樹的選擇效果,選擇差就是指選出樹木性狀的平均值與選擇群體的平均值之差。
式(1)中ΔG是較群體均值增益,V2指的是選出樹木性狀的平均值,V1指選擇群體的平均值。
式(3)中P為入選率,N1為入選群體個體數(shù),N2選擇群體總數(shù)。
式(4)中 ΔV 為材積,H 為樹高,d為直徑,F(xiàn)為落葉松實驗形數(shù)(F值為 0.47)。
SSE(誤差平方和)該統(tǒng)計參數(shù)計算的是擬合數(shù)據(jù)和原始數(shù)據(jù)對應(yīng)點的誤差的平方和,計算公式如下:
RMSE(均方根誤差)該統(tǒng)計參數(shù)也叫回歸系統(tǒng)的擬合標(biāo)準(zhǔn)差,計算公式如下:
R2為平方和與總離差平方和的比值,這一比值越大,模型越精確,回歸效果越顯著。
SSR為預(yù)測數(shù)據(jù)與原始數(shù)據(jù)均值之差的平方和,計算公式如下:
SST即原始數(shù)據(jù)和均值之差的平方和,公式如下:
利用優(yōu)勢木對比法、小標(biāo)準(zhǔn)地法和基于遙感技術(shù)的方法對孟家崗林場40-2小班的3塊樣地進(jìn)行優(yōu)樹選擇,分別選出候選優(yōu)樹45株,3種方法選出的候選優(yōu)樹互有重合(見表1)入選的候選優(yōu)樹自然整枝良好,干形通直、圓滿,單一主干,樹冠勻稱,無病蟲害。以材積較群體增益大于250%最終確定了6株最終優(yōu)樹,入選率為1%,且3種選優(yōu)方法選擇的入選優(yōu)樹一致,這為下一步開展落葉松良種選育和改良以及無性系高效繁殖提供了寶貴的基礎(chǔ)材料。
表1 3種方法優(yōu)樹選擇的數(shù)據(jù)Table 1 Data of three methods of plus tree selection株數(shù)
3種選優(yōu)方法的候選優(yōu)樹數(shù)據(jù)進(jìn)行比較發(fā)現(xiàn),小標(biāo)準(zhǔn)地法對40-2小班選擇的候選優(yōu)樹較群體均值增益最大,樹高增益30.5%,胸徑增益43.8%,材積增益167%。優(yōu)勢木對比法對40-2小班選擇的候選優(yōu)樹較群體均值增益居中,樹高增益27.4%,胸徑增益38.9%,材積增益142.9%。基于遙感技術(shù)的選優(yōu)方法對40-2小班選擇的候選優(yōu)樹較群體均值增益較小,樹高增益23.8%,胸徑增益34.1%,材積增益119%。候選優(yōu)樹入選率8.1%。
用優(yōu)勢木對比法對孟家崗林場40-2小班林地進(jìn)行了選優(yōu)工作。4名研究人員花費(fèi)2d時間對556株長白落葉松進(jìn)行了優(yōu)勢木對比法的優(yōu)樹選擇,按材積較群體增益大于250%,從F12、F13、F21樣地分別選出最終優(yōu)樹2、3、1株。F12樣地樹高較群體均值增益為45%,胸徑較群體均值增益65.3%,F(xiàn)13樣地樹高較群體均值增益為56.3%,F(xiàn)13樣地胸徑較群體均值增益為82.2%,F(xiàn)21樣地樹高較群體均值增益為44.1%,F(xiàn)21樣地胸徑較群體均值增益為64.1%,40-2小班樹高較群體均值增益為49.4%,40-2小班胸徑較群體均值增益為73%,整體樹高較群體均值增益范圍為44.1%~56.3%,整體胸徑較群體均值增益范圍為64.1%~82.2%(見表5)。
表2 優(yōu)勢木對比法候選優(yōu)樹數(shù)據(jù)Table 2 Candidate plus tree selection data of dominant wood comparison method
表3 小標(biāo)準(zhǔn)地法法候選優(yōu)樹數(shù)據(jù)Table 3 Candidate plus tree selection data for small standard land method
表4 基于遙感技術(shù)候選優(yōu)樹數(shù)據(jù)Table 4 Candidate plus tree selection data based on remote sensing technology
利用小標(biāo)準(zhǔn)地法對孟家崗林場40-2小班3塊樣地進(jìn)行優(yōu)樹選擇。研究人員花費(fèi)5d共計測量40-2小班的556棵樹的胸徑和樹高,選出候選優(yōu)樹45株,按材積較群體均值增益大于250%的標(biāo)準(zhǔn),最終確定入選優(yōu)樹6株,最終優(yōu)樹數(shù)據(jù)同表5。
基于遙感技術(shù)的優(yōu)樹選擇方法需要對孟家崗林場進(jìn)行遙感影像提取,結(jié)合機(jī)載激光雷達(dá)數(shù)據(jù)與地基激光雷達(dá)數(shù)據(jù)估算林場F12、F13、F21的3塊樣地單木胸徑與樹高。根據(jù)“樹高平均值+標(biāo)準(zhǔn)差”作為篩選標(biāo)準(zhǔn)預(yù)先選出候選優(yōu)樹45株,然后將這45株候選優(yōu)樹的相對位置標(biāo)注在這3塊樣地(F12,F(xiàn)13,F(xiàn)21)的地圖上(見圖 1)。在實地調(diào)查時,根據(jù)單木分割數(shù)據(jù)中優(yōu)樹的經(jīng)緯度信息,定位優(yōu)樹的大致位置,然后在半徑5 m范圍內(nèi),結(jié)合單木分割位置圖中單株間的相對位置,確定候選優(yōu)樹。2位研究人員花費(fèi)2 h實地測量了45株候選優(yōu)樹的生長量數(shù)據(jù)和其他選優(yōu)指標(biāo),形成與單木分割數(shù)據(jù)的相互印證,這種方法大大縮短了優(yōu)樹選擇時間,提高了效率?;谶b感數(shù)據(jù)和人工實地測量,選出的6株最終入選優(yōu)樹與小標(biāo)準(zhǔn)地法和優(yōu)勢木對比法一致,為相同優(yōu)樹,證明了基于遙感技術(shù)選優(yōu)的可靠性。
表5 優(yōu)勢木對比法的優(yōu)樹選擇數(shù)據(jù)Table 5 Plus tree selection data of dominant wood comparison method
圖2 F12樣地優(yōu)樹相對位置示意圖Figure 2 Schematic diagram of relative position of plus trees in F12 plot
由于在1%入選率下3種選優(yōu)方法選出6株優(yōu)樹一致,從樹高、胸徑、材積較群體均值增益上比較3種選優(yōu)方法相同。由表6得知,從時間成本由多到少排序為小標(biāo)準(zhǔn)地法>優(yōu)勢木對比法>基于遙感技術(shù)的選優(yōu)方法。小優(yōu)勢木對比法花費(fèi)時間是基于遙感技術(shù)選優(yōu)的27.5倍,小標(biāo)準(zhǔn)地法花費(fèi)時間是基于遙感技術(shù)選優(yōu)的67.5倍。標(biāo)準(zhǔn)地法需要測量選優(yōu)范圍內(nèi)所有樹的數(shù)據(jù),大大加大了林木工作者的工作量,優(yōu)勢木對比法需要林木工作者在林地里尋找優(yōu)樹,花費(fèi)了大量的時間在尋找優(yōu)樹上。而基于遙感技術(shù)的方法只需要前期提取和處理數(shù)據(jù)就可以直接選出優(yōu)樹?;谶b感技術(shù)的選優(yōu)方法能節(jié)省大量的人力、物力和時間。從成本上比較,結(jié)合遙感技術(shù)的選優(yōu)方法金錢成本最低,由于現(xiàn)階段第一次結(jié)合遙感技術(shù)選優(yōu),成本主要是在無人機(jī)遙感獲取方面。隨著研究深入,以后成本會更低。綜上所述,結(jié)合遙感技術(shù)的選優(yōu)方法能夠節(jié)省大量時間和人力物力且精度較高,彌補(bǔ)了傳統(tǒng)選優(yōu)方法的不足,基于遙感技術(shù)的選優(yōu)方式是未來林木優(yōu)樹選擇的發(fā)展方向。
優(yōu)樹選擇是短期內(nèi)進(jìn)行林木遺傳改良的重要途徑和基本技術(shù)[22-24],而傳統(tǒng)選優(yōu)方法費(fèi)時費(fèi)力,效率低下。隨著科技進(jìn)步,遙感技術(shù)逐漸應(yīng)用到各個行業(yè)。林業(yè)遙感技術(shù)指通過衛(wèi)星和飛機(jī)對森林資源進(jìn)行實時動態(tài)地監(jiān)測,形成各種類型數(shù)據(jù)和信息,并通過綜合分析處理得到各種目的數(shù)據(jù),從而為林業(yè)生產(chǎn)和決策提供數(shù)據(jù)支持[25]。遙感技術(shù)在林業(yè)中的應(yīng)用非常多,主要包括林業(yè)資源調(diào)查與動態(tài)監(jiān)測、森林病蟲災(zāi)害監(jiān)測、森林火災(zāi)預(yù)警等。無人機(jī)遙感(UAV remote sensing)是指以無人飛機(jī)(Unmanned Aerial Vehicle,UAV)為系統(tǒng)平臺,通過搭載不同遙感傳感器,并綜合利用遙測遙控技術(shù)、定位定姿技術(shù)和遙感應(yīng)用技術(shù),能夠快速、自動、準(zhǔn)確地獲取資源、環(huán)境、土地等空間遙感信息,并進(jìn)行實時處理與分析的航空遙感技術(shù)[26]。
表6 3種選優(yōu)方法比較Table 6 Comparison of three plus tree selection methods
首先,傳統(tǒng)的優(yōu)樹選擇方法入選率低。在我國南方地區(qū),廣泛采用5株優(yōu)勢木對比法選優(yōu),但是,眾多的優(yōu)樹設(shè)定項目指標(biāo),很難準(zhǔn)確把握形質(zhì)指標(biāo),只能在定性判斷的基礎(chǔ)上量化給分,這樣增加了野外調(diào)查工作量和優(yōu)樹選擇難度,導(dǎo)致野外調(diào)查優(yōu)樹入選率大幅度下降[22]。利用遙感技術(shù)和傳統(tǒng)選優(yōu)方法結(jié)合是我國選優(yōu)方法的第一次嘗試,結(jié)合遙感技術(shù)的選優(yōu)方法可以依據(jù)單木解析的胸徑、樹高、材積等數(shù)據(jù)按入選指標(biāo)直接選出優(yōu)樹,提高了選擇的效率。其次,傳統(tǒng)優(yōu)樹選擇方法需要大量的人力、物力。例如在孟家崗林場優(yōu)勢木對比法選擇優(yōu)樹,需要4~5個人耗時2 d才選出候選優(yōu)樹45株。結(jié)合遙感技術(shù)的選優(yōu)方法可以2人4h直接測量確定的優(yōu)樹,節(jié)省了大量的人力、物力和時間(機(jī)載激光雷達(dá)數(shù)據(jù)和地基激光雷達(dá)數(shù)據(jù)的獲取時間和費(fèi)用及設(shè)備損耗未記入成本),提高了選優(yōu)效率。第三,傳統(tǒng)優(yōu)樹選擇方法都需要林業(yè)工作者跑到林地現(xiàn)場去選擇,林地大部分位于山區(qū),危險系數(shù)高。而結(jié)合遙感技術(shù)的選優(yōu)方法只需要室外遙感數(shù)據(jù)獲取,室內(nèi)進(jìn)行數(shù)據(jù)處理即可選出優(yōu)樹,大大降低了林業(yè)工作者野外工作的危險系數(shù)。而且傳統(tǒng)的選優(yōu)方法優(yōu)樹選擇范圍有限,太多林區(qū)人員不可到達(dá),一次性選擇范圍有限,基于遙感技術(shù)可以對所有林區(qū)進(jìn)行數(shù)據(jù)提取和優(yōu)樹選擇,大大擴(kuò)大了優(yōu)樹選擇范圍?;谶b感技術(shù)的選優(yōu)方法也有不足。例如,利用單木解析數(shù)據(jù)中候選優(yōu)樹的經(jīng)緯度信息,很難在實際林地中準(zhǔn)確定位候選優(yōu)樹。造成以上問題的主要原因是GPS定位信息有誤差。GPS定位誤差范圍內(nèi)的單株很多,因此很難精確定位到遙感數(shù)據(jù)解析出的單株。我們只能利用單木間相對位置來確定候選優(yōu)樹,但此方法的準(zhǔn)確性暫時不能保障。由于此次遙感信息解析出來的3塊樣地位于40-2小班的中間位置,因此很難在實際林地中確定樣地的邊緣,這也進(jìn)一步加大了我們利用單木間相對位置信息來確定候選優(yōu)樹的難度?;谶b感技術(shù)選優(yōu)對于樹冠和高度的精度范圍有限,與實測數(shù)據(jù)進(jìn)行了回歸分析,結(jié)果顯示:單木胸徑估測結(jié)果y=1.054x-0.447,R2=0.96,RMSE=2.07 cm,P<0.001。單木樹高估測結(jié)果 y=1.009x-0.153,R2=0.93,RMSE=1.2 m,P<0.01表明對單木樹高和單木胸徑估測結(jié)果較好。估測精度隨著入選率變大而變小,例如本研究中基于遙感技術(shù)選擇的候選優(yōu)樹與其他兩種選優(yōu)方法不完全相同,只是互有重合,而在1%入選率的最終優(yōu)樹時3種選優(yōu)方法選擇的優(yōu)樹一致。隨著遙感技術(shù)應(yīng)用的深入和科技的進(jìn)步,未來這些問題將很快解決。結(jié)合遙感的選優(yōu)方法也有局限性,優(yōu)樹選擇不僅僅是數(shù)量指標(biāo),而質(zhì)量指標(biāo)和數(shù)量指標(biāo)等相結(jié)合,遙感技術(shù)數(shù)據(jù)是沒有辦法監(jiān)測質(zhì)量指標(biāo)的,而通過遙感數(shù)據(jù)選出預(yù)選優(yōu)樹再結(jié)合人工實地測量質(zhì)量指標(biāo)等選出實際入選優(yōu)樹,彌補(bǔ)了遙感技術(shù)的缺陷。使用面向?qū)ο筇崛》椒ê腿斯ひ曈X的方法提取單木冠幅數(shù)據(jù),經(jīng)驗證用無人機(jī)拍攝的影像解讀單株樹高等接近前兩種方法的實際測量值,即遙感法對單株生長測定的精度能達(dá)到優(yōu)樹選擇的生長量精度測定要求,但依據(jù)樣地面積和樹冠面積比得到林分郁閉度,通過兩種方法的計算結(jié)果表明,冠幅提取精度將隨著森林郁閉度的增加而降低,所以結(jié)合遙感技術(shù)的選優(yōu)方法適合郁閉度比較低的林分[27],這樣精度可以大大提高。由于枝葉的遮擋,TLS不能完整獲取樹冠頂部信息,而ALS對樹冠頂部的描述要比樹冠下部詳細(xì)的多,因此結(jié)合兩種數(shù)據(jù)能獲取更高精度的森林樹高、胸徑等結(jié)構(gòu)參數(shù)。此次研究目的是選擇速生豐產(chǎn)和材性優(yōu)良的單株,林分郁閉度不大,遙感技術(shù)剛好可以提取樹高等冠幅信息進(jìn)行優(yōu)樹選擇。
本研究的落葉松優(yōu)樹選擇目的是選擇速生豐產(chǎn),材質(zhì)優(yōu)良的落葉松,所以以40-2小班樹高,胸徑進(jìn)行的預(yù)估實際增益的比較,人為因素樹高的估算會造成一定的實驗誤差,從而造成較群體均值增益的誤差。其次較群體均值增益主要決定因素是選擇強(qiáng)度,即不同的優(yōu)樹入選標(biāo)準(zhǔn)會導(dǎo)致不同的較群體均值增益大小。將遙感技術(shù)和傳統(tǒng)選優(yōu)標(biāo)準(zhǔn)結(jié)合,根據(jù)遙感數(shù)據(jù)確定候選優(yōu)樹的數(shù)目,用實地測量數(shù)據(jù)計算的較群體均值增益,發(fā)現(xiàn)用遙感數(shù)據(jù)確定的優(yōu)樹皆為實地優(yōu)樹,說明了遙感技術(shù)的可靠性。今后若結(jié)合林場二類調(diào)查表和林場其他信息數(shù)據(jù),在選優(yōu)過程中綜合考慮復(fù)雜的外部環(huán)境對優(yōu)樹生長的影響,將進(jìn)一步突顯結(jié)合遙感技術(shù)選優(yōu)的重要作用[27]。就林業(yè)行業(yè)而言,遙感技術(shù)在林業(yè)生產(chǎn)活動中的應(yīng)用仍處在起步階段,但其強(qiáng)大的應(yīng)用前景,對推動現(xiàn)代林業(yè)、智慧林業(yè)和精準(zhǔn)林業(yè)的建設(shè)和發(fā)展具有重要意義。相比傳統(tǒng)選優(yōu)方法,基于遙感技術(shù)的選優(yōu)方法提高了優(yōu)樹選擇效率,節(jié)省了人力和時間成本,是未來林木選優(yōu)的發(fā)展方向。