本發(fā)明涉及數(shù)據(jù)測(cè)量領(lǐng)域，特別涉及利用無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)測(cè)量杉木胸徑的方法。

背景技術(shù)：

1、近年來(lái)，由于氣候變化的影響，森林因其碳匯功能和調(diào)節(jié)氣候的作用而再次受到學(xué)者們的關(guān)注胸徑對(duì)森林管理至關(guān)重要，是估算樹(shù)木蓄積量、生物量和碳儲(chǔ)量等關(guān)鍵森林指標(biāo)的基本變量。

2、測(cè)量胸徑的傳統(tǒng)方法包括使用卡尺等簡(jiǎn)單的手動(dòng)工具，雖然準(zhǔn)確但效率低下，逐漸無(wú)法滿足當(dāng)前森林資源評(píng)估的需求。隨著遙感技術(shù)的發(fā)展，衛(wèi)星遙感、可見(jiàn)光相機(jī)和激光雷達(dá)等新型調(diào)查工具因其高效率和可重復(fù)性，解決了人工調(diào)查在人力和時(shí)間方面的不足，衛(wèi)星遙感配備多個(gè)傳感器，可進(jìn)行長(zhǎng)期和大規(guī)模定點(diǎn)監(jiān)測(cè)，在分析森林變化和物種分布方面具有顯著優(yōu)勢(shì)?？梢?jiàn)光相機(jī)擅長(zhǎng)圖像采集和物種識(shí)別，可通過(guò)圖像識(shí)別進(jìn)一步獲取森林信息。激光雷達(dá)更擅長(zhǎng)捕捉空間結(jié)構(gòu)信息，在了解森林結(jié)構(gòu)和估算森林指標(biāo)方面優(yōu)勢(shì)明顯。學(xué)者們已將激光雷達(dá)應(yīng)用于估算林分指標(biāo)，其在預(yù)測(cè)單株樹(shù)木指標(biāo)方面的應(yīng)用也取得了一些進(jìn)展。然而，由于激光雷達(dá)的工作機(jī)理，手持式或背負(fù)式激光雷達(dá)雖然可以提高dbh的調(diào)查效率，但需要相對(duì)干凈的林下環(huán)境，或僅限于小規(guī)模調(diào)查，此外，機(jī)載激光雷達(dá)不能直接測(cè)量dbh，限制了其充分發(fā)揮激光雷達(dá)大規(guī)模、高效率的潛力，表明大規(guī)模dbh測(cè)量方法仍需進(jìn)一步探索。

3、根據(jù)不同的森林管理需求，胸徑可分為林分級(jí)dbh和單棵樹(shù)dbh。林分水平的胸徑直徑側(cè)重于從宏觀上了解森林，以制定長(zhǎng)期的森林管理策略；了解單株樹(shù)木的胸徑直徑有利于進(jìn)行更細(xì)致的森林管理，從而進(jìn)一步完善精確的森林經(jīng)營(yíng)；此外，準(zhǔn)確獲取單株樹(shù)木的胸徑直徑是得出林分水平胸徑直徑的一種方法，因此本研究側(cè)重于進(jìn)一步探索單株樹(shù)木的胸徑直徑。建模是估算dbh最常用的方法之一，dbh模型變量通常是樹(shù)高、冠幅等生長(zhǎng)因子。許多學(xué)者利用樹(shù)高和其他生長(zhǎng)因子建立了不同地區(qū)的dbh模型，取得了良好的模型擬合效果，然而，樹(shù)齡、地區(qū)差異和競(jìng)爭(zhēng)等因素也會(huì)顯著影響dbh的生長(zhǎng)。不同樹(shù)齡的dbh增長(zhǎng)率差異很大，將樹(shù)齡納入dbh模型可獲得更可靠的估算結(jié)果。因此，為特定生長(zhǎng)階段開(kāi)發(fā)的dbh模型并不適用于其他階段，而且在不同樹(shù)種之間也會(huì)觀察到這種差異，此外，同一樹(shù)種在不同生長(zhǎng)環(huán)境下的dbh也會(huì)不同，無(wú)法解釋這種差異的模型在應(yīng)用上面臨很大限制。此外，林分內(nèi)的競(jìng)爭(zhēng)強(qiáng)度是影響dbh生長(zhǎng)的另一個(gè)關(guān)鍵變量。一般來(lái)說(shuō)，當(dāng)林木競(jìng)爭(zhēng)激烈時(shí)，植物的生長(zhǎng)策略會(huì)優(yōu)先考慮高度生長(zhǎng)，而在競(jìng)爭(zhēng)較少的情況下，植物的生長(zhǎng)策略會(huì)傾向于徑向生長(zhǎng)，從而導(dǎo)致相同條件和樹(shù)齡下的直徑差異很大。然而，目前還沒(méi)有發(fā)現(xiàn)同時(shí)考慮上述所有因素的dbh模型。

技術(shù)實(shí)現(xiàn)思路

1、本專利的目的是為了解決上述背景技術(shù)當(dāng)中提到的問(wèn)題，提供了利用無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)測(cè)量杉木胸徑的方法。

2、本發(fā)明的技術(shù)方案提供：利用無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)測(cè)量杉木胸徑的方法，包括以下步驟：

3、s101：數(shù)據(jù)選擇

4、選擇具有代表性的杉木人工林，記錄了樣地的基本情況，并對(duì)樣地內(nèi)的dbh>5厘米的每棵樹(shù)在四個(gè)垂直方向上測(cè)量了樹(shù)高、dbh、冠底高和冠幅；還記錄了地塊內(nèi)每棵樹(shù)的確切位置；通過(guò)無(wú)人機(jī)激光雷達(dá)和地面測(cè)量?jī)煞N方法獲取的數(shù)據(jù)統(tǒng)計(jì)；樹(shù)高由分割后每棵樹(shù)的最大高度以及樹(shù)冠寬度、樹(shù)冠面積和樹(shù)冠體積等其他指標(biāo)得出；

5、其中，dbh：1.3米高處樹(shù)干樹(shù)皮外直徑；lh：激光雷達(dá)測(cè)量的樹(shù)高；lcd：激光雷達(dá)測(cè)量的樹(shù)冠寬度；s：每公頃活樹(shù)數(shù)量：s：每公頃活樹(shù)數(shù)量；

6、s102：估算方法

7、基礎(chǔ)模型：樹(shù)高與dbh高度相關(guān)，選擇了五個(gè)描述dbh與樹(shù)高之間曲線關(guān)系的候選基礎(chǔ)模型，包括線性模型、weibull模型、logistic模型、wykoff模型和gompertz模型；此外，dbh是樹(shù)高估算模型中最常用的變量之一，因此還反轉(zhuǎn)了幾個(gè)多功能樹(shù)高-dbh模型的方程，作為估算dbh的候選模型；最終，確定了10個(gè)基礎(chǔ)模型；

8、s103：變量選擇

9、選擇冠幅、冠層面積、冠層體積和林分密度作為模型的輔助變量，以加強(qiáng)對(duì)dbh變化的解釋，提高模型的可解釋性和擬合性能；對(duì)這些變量與dbh之間的關(guān)系進(jìn)行了皮爾遜相關(guān)分析；基礎(chǔ)模型建立后，通過(guò)重參數(shù)化或其他統(tǒng)計(jì)方法逐步引入其他變量，以優(yōu)化模型的評(píng)價(jià)指標(biāo)(公式13-16)；

10、s104：虛擬變量建模

11、樹(shù)木的生長(zhǎng)模式在不同的生長(zhǎng)階段會(huì)有所不同，為了準(zhǔn)確描述水杉不同生長(zhǎng)階段的dbh與其它變量之間的函數(shù)關(guān)系，并盡量減少建模工作量，考慮了生長(zhǎng)階段對(duì)dbh與高度之間關(guān)系的影響；將樹(shù)木生長(zhǎng)階段作為虛擬變量，建立了dbh模型；模型表達(dá)式如下

12、dbh＝f((si,ai)g(hl,c,ci))+ε(11)

13、其中：ai和ci為模型參數(shù)，i＝1,2,3,4,5；si是虛擬變量，可以為0或1；g(hl，c，ci)表示以hl和c為變量，ci為參數(shù)的dbh模型，hl和c是模型中的自變量，ε表示誤差項(xiàng)；

14、建立的虛擬變量模型不僅包含了樹(shù)木個(gè)體變量和競(jìng)爭(zhēng)變量，還考慮了對(duì)dbh變化的影響；根據(jù)模型評(píng)價(jià)指標(biāo)(公式13-16)確定和選擇模型的最佳形式及其擬合性能；

15、s103：混合效應(yīng)模型

16、同一地區(qū)的多個(gè)樣地會(huì)因細(xì)微的綜合差異而導(dǎo)致樹(shù)木dbh生長(zhǎng)的不同，因此有必要考慮地區(qū)間差異對(duì)dbh的影響，以及同一地區(qū)內(nèi)樣地間差異對(duì)dbh的影響；因此，采用了兩級(jí)混合效應(yīng)建模方法；兩級(jí)非線性混合效應(yīng)模型的表達(dá)式如下：

17、

18、其中，dbhijk表示第i個(gè)地區(qū)第j個(gè)樣地中第k棵樹(shù)的胸徑dbh；fijk是包含兩級(jí)隨機(jī)效應(yīng)的dbh模型；是以hlijk和cijk為變量、以為待估計(jì)參數(shù)的模型；ui和vij是隨機(jī)效應(yīng)向量，分別表示區(qū)域內(nèi)和區(qū)域內(nèi)樣地的水平；表示第i個(gè)區(qū)域內(nèi)第j個(gè)樣地的第k棵樹(shù)胸徑的隨機(jī)誤差，指相應(yīng)的隨機(jī)效應(yīng)方差-協(xié)方差矩陣，指隨機(jī)誤差方差；隨機(jī)效應(yīng)假設(shè)和誤差項(xiàng)假設(shè)相互獨(dú)立，且各自服從正態(tài)分布；

19、s103：模型評(píng)價(jià)

20、模型評(píng)價(jià)指標(biāo)為aic阿凱克信息準(zhǔn)則、r2決定系數(shù)、rmse均方根誤差和tre總相對(duì)誤差；

21、aic＝-2lnl+2p(13)

22、

23、式中：l是模型的最大似然值；n是觀測(cè)數(shù)據(jù)的數(shù)量；p是模型中參數(shù)的數(shù)量；di是第i個(gè)胸高直徑的觀測(cè)值；是第i個(gè)胸高直徑的預(yù)測(cè)值；是胸高直徑的平均值。

24、作為優(yōu)選，10個(gè)基礎(chǔ)模型中評(píng)估的基本dbh-高度模型有：

25、線性模型的方程：d＝a+bh；

26、異速生長(zhǎng)模型的方程：d＝ahb；

27、指數(shù)函數(shù)的方程：d＝aebh；

28、對(duì)數(shù)函數(shù)的方程：d＝alnh+b；

29、帶截距的異速生長(zhǎng)模型的方程：d＝a+bhc；

30、d：胸徑；h：樹(shù)高；a、b和c為待估算參數(shù)。

31、作為優(yōu)選，10個(gè)基礎(chǔ)模型中樹(shù)高-胸高模型的反函數(shù)模型為：

32、power模型的方程：d＝ebln((h-1.3)/a)，對(duì)應(yīng)的h-d模型：h＝1.3+a*db；

33、weibull模型的方程：對(duì)應(yīng)的h-d模型：h＝a(1-e-bdc)；

34、richards模型的方程：對(duì)應(yīng)的h-d模型：h＝a(1-e-bd)c；

35、wykoff模型的方程：對(duì)應(yīng)的h-d模型：

36、exponential模型的方程：對(duì)應(yīng)的h-d模型：

37、d表示胸徑；h表示樹(shù)高；a、b和c為模型參數(shù)。

38、本發(fā)明的有益效果：

39、冷杉是原產(chǎn)于中國(guó)南方的獨(dú)特樹(shù)種，具有很強(qiáng)的生產(chǎn)優(yōu)質(zhì)木材和調(diào)節(jié)周圍生態(tài)系統(tǒng)的能力?？焖贉?zhǔn)確地獲取杉木林中單棵樹(shù)木的dbh有助于改善森林管理。本研究以冷杉為研究對(duì)象，利用130個(gè)地塊的地面調(diào)查數(shù)據(jù)和機(jī)載激光雷達(dá)數(shù)據(jù)，在考慮生長(zhǎng)階段、林分競(jìng)爭(zhēng)和地區(qū)差異的基礎(chǔ)上，建立了純?nèi)斯ち种袉沃陿?shù)木dbh的遙感反演模型。本研究旨在：(1)建立一個(gè)以塊和地塊為隨機(jī)效應(yīng)的兩級(jí)非線性混合效應(yīng)模型，以提高杉木單株dbh估算的精度；(2)評(píng)估生長(zhǎng)階段和林分競(jìng)爭(zhēng)對(duì)杉木人工林dbh估算的影響。(3)提出基于機(jī)載激光雷達(dá)數(shù)據(jù)的大規(guī)模dbh估算方法。為森林資源調(diào)查和森林質(zhì)量精準(zhǔn)提升提供技術(shù)支持。