-
题名基于冠幅的杉木人工林胸径和树高参数化预估模型
被引量：19
- 1
-
-
作者
董晨
吴保国
张瀚
-
机构
北京林业大学信息学院
北京林业大学林业信息化研究所
中国科学院软件研究所
-
出处
《北京林业大学学报》
CAS
CSCD
北大核心
2016年第3期55-63,共9页
-
基金
国家自然科学基金项目(31170513)
-
文摘
为了研究杉木生长与形态变量的关系,提高模型预估精度,本文根据福建省65块不同密度、林龄分布于6~35年的杉木人工林样地测量数据,选用了Richards理论方程,分别构建了杉木胸径和树高生长模型。在此基础上,分析理论方程中参数与冠幅（CW）的关系,建立两者间的关系函数;使用参数预估法构造胸径和树高的参数化预估模型,并对原模型和参数化模型进行模型检验、残差分析,讨论了冠幅与林木生长之间的关系。结果表明：胸径和树高Richards方程中,参数a与CW呈正比,参数b与CW呈反比,c则与CW呈现出类似正态分布的关系;与传统的理论方程相比,参数化模型提高了杉木胸径树高预估的精度。本文所构建的模型能间接反映林分因子的状态,同时对于分析林木竞争、光合作用、模拟林木三维可视化等方面也提供了一种模式。
-
关键词
杉木人工林
胸径
树高
冠幅
参数预估
生长模型
-
Keywords
Chinese fir plantation
DBH
tree height
crown width
parameter estimate
growth model
-
分类号
S758.52
[农业科学—森林经理学]
-
-
题名基于机载激光雷达点云的桉树林分蓄积量估算模型构建
被引量：5
- 2
-
-
作者
邓焯
李斌
范光鹏
赵天忠
于永辉
-
机构
北京林业大学信息学院
北京林业大学国家林业草原林业智能信息处理工程技术研究中心
北京林业大学林业信息化研究所
广西壮族自治区国有高峰林场
-
出处
《浙江农林大学学报》
CAS
CSCD
北大核心
2022年第6期1330-1339,共10页
-
基金
国家重点研发计划项目(2017YFD0600906)。
-
文摘
【目的】通过2018年1—2月广西国有高峰林场机载激光雷达数据及地面调查数据,采用参数方法和非参数方法建立回归模型,反演桉Eucalyptus树人工林森林蓄积量。【方法】通过点云提取点云高度参数、点云密度参数、林分郁闭度等点云特征变量,采用参数方法(逐步回归、偏最小二乘回归)和非参数方法(随机森林回归、支持向量机回归)进行林分蓄积量构建,通过与样地实测数据对比,进行模型回归预测性能评估,进而选择出表现最优蓄积量反演模型。【结果】采用留一法对以上4种模型进行验证,结果显示:逐步回归模型R2为0.85、均方根误差(RMSE)为23.93 m^(3)·hm^(−2)、平均绝对误差(MAE)为18.18 m^(3)·hm^(−2);偏最小二乘回归模型R2为0.81、RMSE为26.52 m^(3)·hm^(−2)、MAE为19.94 m^(3)·hm^(−2);核函数为RBF的支持向量回归模型R2为0.88、RMSE为21.35 m^(3)·hm^(−2)、MAE为16.62 m^(3)·hm^(−2);随机森林回归模型R2为0.84、RMSE为24.53 m^(3)·hm^(−2)、MAE为17.41 m^(3)·hm^(−2)。【结论】采用随机森林进行变量筛选后,RBF-SVR模型拟合优度及泛化能力最优;通过逐步筛选法结合方差膨胀因子(VIF)方法优选变量的逐步回归模型次之;最后为随机森林回归模型与偏最小二乘回归模型。可见,在解决林业激光雷达领域中的回归预测问题时,采用非参数方法构建RBF-SVR模型更有优势。本研究建立的4种森林类型蓄积量模型,各模型均有较高精度且符合森林资源调查相关技术规定要求。图6表6参25。
-
关键词
机载激光雷达
林分蓄积量
参数回归
非参数回归
变量筛选
-
Keywords
airborne LiDAR Point Cloud
stand volume
parametric regression
non-parametric regression
variables screening
-
分类号
S757
[农业科学—森林经理学]
-
