基于无人机遥感的胡杨地上生物量估测模型构建

doi:10.13466/j.cnki.lyzygl.2019.02.012

林业资源管理 ›› 2019›› Issue (2): 80-87.doi: 10.13466/j.cnki.lyzygl.2019.02.012

基于无人机遥感的胡杨地上生物量估测模型构建

朱雅丽(), 张绘芳(), 张景路, 地力夏提·包尔汉

新疆林业科学院现代林业研究所,乌鲁木齐 830000

收稿日期:2019-01-09 修回日期:2019-04-15 出版日期:2019-04-28 发布日期:2020-09-22
通讯作者: 张绘芳
作者简介:朱雅丽(1984-),女,河南周口人,助理研究员,硕士,主要从事森林资源监测及遥感技术应用方面的研究工作。Email: juyaly2002@aliyun.com
基金资助:
自治区公益性科研院所基本科研业务经费资助项目(KY2018057);自治区公益性科研院所基本科研业务经费资助项目(KY2018054)

Establishment of the Model for Estimating Aboveground Biomass of Populus euphratica Based on UAV Remote Sensing

ZHU Yali(), ZHANG Huifang(), ZHANG Jinglu, DI lixiati·Baoerhan

Research Institute of Modern Forestry,Xinjiang Academy of Forestry,Urumqi,Xinjiang 830000,China

Received:2019-01-09 Revised:2019-04-15 Online:2019-04-28 Published:2020-09-22
Contact: ZHANG Huifang

摘要/Abstract

摘要：

为了构建胡杨冠幅及地上生物量估测模型,在胡杨分布区设置的样地中选取328株样木,以无人机遥感数据提取的胡杨冠幅为自变量,以胡杨生物量模型获取的地上鲜生物量为因变量,通过相关及回归分析方法,构建不同函数形式的估测模型并进行精度分析。结果显示,墨玉县、巴楚县、轮台县,以无人机遥感估测胡杨生物量的最优模型均为三次曲线函数形式,精度分别为94.93%,95.63%,92.24%。研究确定了处于不同林龄胡杨样地的地上生物量的最优估测模型。可见,运用无人机遥感估测生物量是可行的,可为胡杨林的经营管理和生态价值评估提供技术支撑。

关键词: 胡杨, 冠幅, 地上生物量, 无人机遥感, 模型

Abstract:

The purpose was to construct an estimation model of the crown diameter(CD) of Populus euphratica and aboveground biomass (AGB).328 sample trees were selected from the sample plots of P.euphratica distribution area,and the CD of P.euphratica by unmanned aerial vehicle (UAV) remote sensing data was taken as the independent variable,combined with the aboveground fresh biomass obtained from the P.euphratica biomass model,and,the estimation model of different function forms is constructed and precision analysis is performed through correlation and regression analysis methods.The best models for estimating the biomass of P.euphratica with UAV remote sensing were the cubic functions in Moyu County,Bachu County,and Luntai County.The accuracy was 94.93%,95.63%,and 92.24% respectively.The optimal estimation model for aboveground biomass of different ages of P.euphratica is determined.It was feasible to estimate the biomass by using UAV remote sensing,which provided technical support for the management and ecological value evaluation of P.euphratica.

Key words: Populus euphratica, crown width, aboveground biomass, UAV remote sensing, model

中图分类号:

S718.556

朱雅丽, 张绘芳, 张景路, 地力夏提·包尔汉. 基于无人机遥感的胡杨地上生物量估测模型构建[J]. 林业资源管理, 2019,(2): 80-87.

ZHU Yali, ZHANG Huifang, ZHANG Jinglu, DI lixiati·Baoerhan. Establishment of the Model for Estimating Aboveground Biomass of Populus euphratica Based on UAV Remote Sensing[J]. FOREST RESOURCES WANAGEMENT, 2019,(2): 80-87.

图/表 9

图1

表1

表2

表3

图2

图3

图4

表4

表5

参考文献 14

[1]	何少林, 徐京华, 张帅毅, 等. 面向对象的多尺度无人机影像土地利用信息提取[J]. 国土资源遥感, 2013,25(2):107-112.
[2]	温奇, 陈世荣, 和海霞, 等. 无人机遥感系统在云南盈江地震中的应用[J]. 自然灾害学报, 2012,21(6):65-71.
[3]	臧克, 孙永华, 李京, 等. 微型无人机遥感系统在汶川地震中的应用[J]. 自然灾害学报, 2010,19(3):162-166.
[4]	冷伟锋, 王海光, 胥岩, 等. 无人机遥感监测小麦条锈病初探[J]. 植物病理学报, 2012,42(2):202-205.
[5]	田振坤, 傅莺莺, 刘素红, 等. 基于无人机低空遥感的农作物快速分类方法[J]. 农业工程学报, 2013,29(7):109-116.
[6]	李冰, 刘镕源, 刘素红, 等. 基于低空无人机遥感的冬小麦覆盖度变化监测[J]. 农业工程学报, 2012,28(13):160-165.
[7]	赵健, 钟子洋, 谷通. 无人机系统应用于海事动态监管的可行性分析[J]. 水运管理, 2017,4(39):26-30.
[8]	朱京海, 徐光, 刘家斌, 等. 无人机遥感系统在环境保护领域中的应用研究[J].环境保护与循环经济, 2011(9):45-48.
[9]	白由路, 金继运, 杨俐苹等. 低空遥感技术及其在精准农业中的应用[J].土壤肥料, 2004(1):3-8.
[10]	邴媛媛. 无人机遥感在某铁矿矿区资源监测中的应用[D]. 阜新:辽宁工程技术大学, 2008.
[11]	李宇昊. 无人机在林业调查中的应用实验[J].林业资源管理, 2007(4):69-73.
[12]	Song C, Dickinson M B, Su L, et al. Estimating average treecrown size using spatial information from IKONOS and QuickBird images:across-sensor and across-site comparisons[J]. Remote Sensing of Environment, 2010,114(5):1099-1107.
[13]	唐晏. 基于无人机采集图像的植被识别方法研究[D]. 四川:成都理工大学, 2014.
[14]	张凝, 冯跃文, 张晓丽, 等. 结合航空影像纹理和光谱特征的单木冠幅提取[J]. 北京林业大学学报, 2016,37(3):13-20.

样地	样本数/株	冠幅-地上生物量
样地	样本数/株	Pearson相关性	显著性(双侧)
墨玉县	278	0.546^**	0.00
轮台县	278	0.780^**	0.00
巴楚县	278	0.734^**	0.00

样地	函数类型	参数估计值				R²	F	Sig.
样地	函数类型	常数(b₀)	b₁	b₂	b₃	R²	F	Sig.
墨玉县	线性	1854.109	551.308			0.298	117.436	0.00
	二次	921.665	1101.735	-58.404		0.357	76.332	0.00
	三次	634.07	1351.267	-110.356	2.658	0.359	51.179	0.00
	幂	1758.951	0.581			0.379	168.631	0.00
	指数	1845.017	0.163			0.278	106.389	0.00
轮台县	线性	-1492.252	2671.342			0.609	429.175	0.00
	二次	-6675.513	3337.819	-13.127		0.615	219.215	0.00
	三次	-2267.732	2415.994	27.794	-0.447	0.617	147.159	0.00
	幂	1196.876	1.198			0.669	558.866	0.00
	指数	6942.98	0.058			0.523	326.99	0.00
巴楚县	线性	4570.6	1510.005			0.538	321.607	0.00
	二次	-2928.702	2865.156	-46.974		0.591	199.025	0.00
	三次	-4117.609	3201.954	-71.8	0.49	0.592	132.47	0.00
	幂	2150.026	0.934			0.620	450.48	0.00
	指数	7196.947	0.081			0.492	267.437	0.00

样地	函数类型	拟合模型	R²	SEE	MPE	TRE	MSE	MPSE
墨玉县	二次曲线	W=921.665+1101.735A-58.404A²	0.357	1518.67	5.07	0.00	-0.40	32.53
	三次曲线	W=634.070+1351.267A-110.356A²+2.658A³	0.359	1518.89	5.07	0.00	-0.18	32.33
	幂函数	W=1758.951A⁰^.⁵⁸¹	0.379	1570.15	5.24	9.57	9.16	35.94
轮台县	二次曲线	W=-6675.513+3337.819A-13.127A²	0.615	26258.18	7.78	0.00	3.85	48.56
	三次曲线	W=-2267.732+2415.994A+27.794A²-0.447A³	0.617	26220.31	7.76	0.00	9.37	55.67
	幂函数	W=1196.8766A¹^.¹⁹⁸	0.669	27480.27	8.14	17.27	23.99	59.56
巴楚县	二次曲线	W=-2928.702+2865.156A-46.974A²	0.591	7190.10	4.36	0.00	2.31	31.95
	三次曲线	W=-4117.609+3201.954A-71.800A²+0.490A³	0.592	7197.85	4.37	0.00	-2.35	27.30
	幂函数	W=2150.026A⁰^.⁹³⁴	0.620	7729.89	4.69	6.76	7.90	32.82

样地	样本数	拟合模型	R²	MPE
墨玉样地	328	W=634.070+1351.267A-110.356A²+2.658A³	0.359	5.07
轮台样地	328	W=-2267.732+2415.994A+27.794A²-0.447A³	0.617	7.76
巴楚样地	328	W=-4117.609+3201.954A-71.800A²+0.490A³	0.592	4.37

样地	生物量	方差方程的 Levene 检验
		F	Sig.	t	df	Sig.(双侧)	均值差值	标准误差值	差分的95%置信区间
		F	Sig.	t	df	Sig.(双侧)	均值差值	标准误差值	下限	上限
墨玉县	假设方差相等	6.293	0.014	-0.375	98	0.709	-91.83	245.21	-578.46	394.79
墨玉县	假设方差不相等			-0.375	80.897	0.709	-91.83	245.21	-579.75	396.08
轮台县	假设方差相等	1.176	0.281	0.567	98	0.572	4930.57	8688.64	-12311.75	22172.9
轮台县	假设方差不相等			0.567	87.461	0.572	4930.57	8688.64	-12337.76	22198.91
巴楚县	假设方差相等	0.833	0.364	1.151	98	0.253	2597.73	2257.52	-1882.24	7077.71
巴楚县	假设方差不相等			1.151	94.229	0.253	2597.73	2257.52	-1884.49	7079.96

基于无人机遥感的胡杨地上生物量估测模型构建

Establishment of the Model for Estimating Aboveground Biomass of Populus euphratica Based on UAV Remote Sensing

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 14

相关文章 15

编辑推荐

Metrics

本文评价

[1]	吴莎, 边更战, 易烜, 吕勇. 青冈栎次生林林分形高模型构建[J]. 林草资源研究, 2024, 0(1): 134-142.
[2]	王贵林, 谭伟, 陈波涛. 基于深度神经网络的杉木树高-胸径模型研建[J]. 林草资源研究, 2024, 0(1): 82-87.
[3]	朱赞, 王勇军, 王建琦, 许玉兰, 丘鑫琪, 万喜. 基于无人机倾斜摄影的广西桉树冠层碳储量计量模型构建[J]. 林草资源研究, 2024, 0(1): 88-94.
[4]	刘艳, 牛香, 王兵. 罗霄山区近25年生境质量时空演变及预测[J]. 林草资源研究, 2023, 0(6): 39-51.
[5]	圆圆, 盛艳, 刘林甫, 王硕, 李娟, 安丽. 窟野河流域生境质量时空演变特征及其影响机制研究[J]. 林草资源研究, 2023, 0(6): 67-74.
[6]	任晓琦, 侯鹏, 陈妍. 森林地上生物量遥感反演研究进展[J]. 林草资源研究, 2023, 0(6): 146-158.
[7]	孟先进, 林寿明, 秦琳, 黄宁辉, 丁胜, 薛亚东, 罗勇, 杨廷栋. 绿美广东生态建设示范区数字孪生应用研究[J]. 林草资源研究, 2023, 0(5): 113-121.
[8]	吴庭天, 陈毅青, 陈宗铸, 雷金睿, 陈小花, 李苑菱. 海南热带雨林代表性种群空间分布特征研究[J]. 林草资源研究, 2023, 0(5): 133-141.
[9]	白星雯, 胡晟, 布日古德, 阳帆. 一类调查与二类调查森林蓄积量数据对接方案分析研究[J]. 林草资源研究, 2023, 0(5): 142-147.
[10]	巨文珍, 韦龙斌, 彭泊林, 李常诚, 潘婷. 广西林火驱动因子及预测模型研究[J]. 林草资源研究, 2023, 0(5): 56-62.
[11]	何彬元, 曾嵘, 戴蒲英, 潘丹, 方园园, 韦立权. 广西森林城市高质量发展评价及影响因素研究[J]. 林草资源研究, 2023, 0(5): 89-97.
[12]	曾浩威, 凌成星, 张军, 刘华, 赵峰, 金跃, 刘曙光, 张雨桐. 基于融合MaxEnt和HSI模型的驼鹿生境适宜性评价[J]. 林业资源管理, 2023, 0(4): 115-122.
[13]	邹为民, 陈超, 黄蕾, 宋美萱, 李雪建, 杜华强. 地理加权回归模型结合卫星遥感的松阳县森林地上碳储量估算[J]. 林业资源管理, 2023, 0(4): 132-140.
[14]	杜志, 陈振雄, 李锐, 罗崇彬, 杨国锦, 曾伟生. 引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建[J]. 林业资源管理, 2023, 0(4): 36-42.
[15]	王文俊, 李莲芳, 李小军, 侯海雄, 刘娴, 张合瑶, 顾梦, 周冬梅. 不同造林密度的21 a生西南桦人工林生长规律研究[J]. 林业资源管理, 2023, 0(4): 53-61.