基于天空地一体化森林资源调查的小班因子设置与信息获取方法

doi:10.13466/j.cnki.lyzygl.2021.01.023

林业资源管理 ›› 2021›› Issue (1): 180-188.doi: 10.13466/j.cnki.lyzygl.2021.01.023

基于天空地一体化森林资源调查的小班因子设置与信息获取方法

代华兵¹(), 李春干²(), 庞勇³, 李崇贵⁴

1.广西壮族自治区林业勘测设计院,南宁 530011
2.广西大学林学院,南宁 530004
3.中国林业科学研究院资源信息研究所,北京 100083
4.西安科学大学测绘科学与技术学院,西安710054

收稿日期:2020-10-03 修回日期:2020-12-03 出版日期:2021-02-28 发布日期:2021-03-30
通讯作者: 李春干
作者简介:代华兵(1980-),男,高工,主要从事森林资源调查监测与管理。Email: huabing_dai@126.com
基金资助:
广西壮族自治区林业勘测设计院科研业务费专项(GXLKYKJ201601)

Method for Sub-compartment Investigation Factors Setting and Information Acquisition Based on Integrated Aerial-Space-Ground Forest Inventory System

DAI Huabing¹(), LI Chungan²(), PANG Yong³, LI Chonggui⁴

1. Guangxi Forest Inventory and Planning Institute,Nanning 530011
2. Forestry College of Guangxi University,Nanning 530004
3. Research Institute of Forest Resource Information Techniques of Chinese Academy of Forestry,Beijing 100083
4. College of Geomatic of Xi'an University of Science and Technology,Xi'an 710054

Received:2020-10-03 Revised:2020-12-03 Online:2021-02-28 Published:2021-03-30
Contact: LI Chungan

摘要/Abstract

摘要：

为有效改善现行森林资源规划设计调查中存在的问题,提出并试验了天空地一体化森林资源调查监测新技术体系。此方法虽较传统方法缺少下木植被与天然更新、林分健康状况等需实地调查记录的因子,但仍能够较全面地反映小班林地和林木资源状况(类型、数量、质量和结构)及其所处自然环境条件,完全满足集体林区森林资源经营管理需要和森林资源报表的统计需要,并可满足各种相关应用对森林资源基础数据的需要;除小班基本属性(土地类型、优势树种、林木起源和伴生树种)需要逐一进行图像解译和少量实地补充调查外,新技术体系的其余各项调查因子均可通过编写计算机程序自动获取,这极大地减少了调查工作量、降低了劳动强度、提高了工作效率,并且质量可控,有效地保证了小班调查数据的可靠性,确保了森林资源调查成果质量。

关键词: 森林资源, 小班, 调查因子, 遥感, 地理信息系统, 机载激光雷达

Abstract:

In order to solve the problems in the current forest resources planning,design and forest inventory,a novel technology system of integrated aerial-space-ground forest resources survey and monitoring system was proposed and tested.This paper introduced the method for forest sub-compartment investigation factors setting and information acquisition.Compared with the traditional methods,this method lacks some factors which need to be recorded in the field,such as understory vegetation,natural regeneration and forest health status.However,the sub-compartment investigation factors of the novel technology system could still reflect the forest land and tree status(type,quantity,quality and structure),as well as the natural environment conditions.It can completely satisfied the requirements of forest resources management and statistics of forest resources reports in collective forest areas,and it also can meet the demands of various related applications for the basic data of forest resources.The basic attributes of sub-compartment(land type,dominant tree species,tree origin and associated tree species) need remotely sensed image interpretation and some supplementary field investigation,while the other attributes of sub-compartment can be obtained automatically by computer program.This method greatly reduces the investigation workload and labor force,while improves the efficiency and quality.The results indicated that it can effectively ensure the reliability of sub-compartment investigation data and the quality of forest resources inventory results.

Key words: forest resources, sub-compartment, investigation factors, remote sensing, GIS, LiDAR

中图分类号:

S771.8

代华兵, 李春干, 庞勇, 李崇贵. 基于天空地一体化森林资源调查的小班因子设置与信息获取方法[J]. 林业资源管理, 2021,(1): 180-188.

DAI Huabing, LI Chungan, PANG Yong, LI Chonggui. Method for Sub-compartment Investigation Factors Setting and Information Acquisition Based on Integrated Aerial-Space-Ground Forest Inventory System[J]. FOREST RESOURCES WANAGEMENT, 2021,(1): 180-188.

图/表 4

图1

表1

小班调查因子设置与信息获取方法

编号	类组	小班调查因子	信息获取方法
1	行政区划	市	根据林班图自动赋值
2		县	根据林班图自动赋值
3		乡镇(代码)	根据林班图自动赋值
4		乡镇(名称)	根据林班图自动赋值
5		村(代码)	根据林班图自动赋值
6		村(名称)	根据林班图自动赋值
编号	类组	小班调查因子	信息获取方法
7	森林区划	林班	根据林班图自动赋值
8	森林区划	小班	自动编号
9	国有林区划	林场/自然保护区(代码)	根据林班图自动赋值
10		林场/自然保护区(名称)	根据林班图自动赋值
11		分场/管理站(代码)	根据林班图自动赋值
12		分场/管理站(名称)	根据林班图自动赋值
13		工区	根据林班图自动赋值
14		国有林班	根据林班图自动赋值
15		国有小班	自动编号
16	基本属性	土地类型	图像解译和补充调查
17		优势树种名称	图像解译和补充调查
18		林木起源	图像解译和补充调查
19		伴生树种名称	图像解译和补充调查
20	自然环境	地貌	DEM提取
21		海拔高	DEM提取
22		坡向	DEM提取
23		坡位	DEM提取
24		坡度	DEM提取
25		成土母质	历史数据提取
26		土壤类型(名称)	历史数据提取
27		土层厚度	历史数据提取
28		石砾含量等级	历史数据提取
29		林地质量等级	历史数据提取
30	管理属性	土地所有权	根据林班图自动赋值
31	经营管理	林木权属	根据林班图自动赋值
32		林种	历史数据提取、图像解译修正
33		森林类别	历史数据提取
34		公益林事权等级	历史数据提取
35		国家级公益林保护等级	历史数据提取
36		林地保护等级	历史数据提取
37		林业工程类别	历史数据提取
38	林分因子	郁闭度/覆盖度	LiDAR估测与赋值
39		平均年龄	LiDAR估测与赋值
40		平均胸径	LiDAR估测与赋值
41		平均树高	LiDAR估测与赋值
42		优势高	LiDAR估测与赋值
43		每公顷断面积	LiDAR估测与赋值
44		每公顷株数	LiDAR估测与赋值
45		每公顷蓄积量	LiDAR估测与赋值
46	散生木/ 四旁树	散生/四旁主要树种	图像解译和补充调查
47		散生/四旁树蓄积	LiDAR估测与赋值
48		散生/四旁树株数	LiDAR估测与赋值
49	空间结构	群落结构类型	LiDAR估测与赋值
50	空间结构	林层结构类型	LiDAR估测与赋值
51	小班面积	小班面积	自动计算与平差
52	派生因子	树种结构类型	自动计算
53		龄组	自动计算
54		龄级	自动计算
55		经济林产期	自动计算
56		小班蓄积量	自动计算
57	注释因子	备注	根据需要填写
58	附加土地类型	林地保护利用规划的土地类型	林地“一张图”提取
59	附加土地类型	林地传统土地类型	林地“一张图”提取、编辑

表1

图2

图3

参考文献 37

[1]	何齐发, 蒋苏珍, 宋辛森. 江西森林资源二类调查的主要问题及对策[J]. 江西林业科技, 2004(2):45-47.
[2]	邱瑶德, 蔡良良. 现行森林资源调查方法存在问题及对策研究[J]. 浙江林业科技, 2004,24(1):36-38.
[3]	王建明, 郎子岩. 谈森林资源二类调查技术的发展过程及存在问题[J].林业勘查设计, 2014(1):8-10.
[4]	尹关聪. 航空像片设计带状样地调查小班森林蓄积量精度和工效探索[J]. 浙江林学院学报, 1989,6(4):383-386.
[5]	李春干, 代华兵, 李崇贵. 基于高分辨率卫星图像的小班勾绘精度检验[J]. 福建林学院学报, 2006,26(2):127-130.
[6]	秦树林, 崔书丹, 王国胜, 等. 森林资源二类调查存在的主要问题与改进方法[J]. 吉林林业科技, 2011,40(1):56-57.
[7]	李洁. 云南省森林资源二类调查调研报告[J]. 林业建设, 2006(6):31-32.
[8]	戢建华. 对辽宁省森林资源二类调查的技术特点和问题的探讨[J]. 防护林科技, 2009(5):106-109.
[9]	李春干, 代华兵, 谭必增, 等. 基于SPOT5图像分割的森林小班边界自动提取[J]. 林业科学研究, 2010,23(1):53-58.
[10]	李爱民. 森林资源二类调查新技术应用、存在主要问题及对策建议[J]. 内蒙古林业调查设计, 2012,35(1):40-43.
[11]	孙亚丽, 周筑, 黄海燕, 等. 基于卫星遥感影像的森林资源二类调查[J]. 西部林业科学, 2017,46(2):150-152.
[12]	Arp H, Griesbach J, Burns J. Mapping in tropical forests:A new approach using the laser APR[J]. Photogrammetric Engineering & Remote Sensing, 1982,48:91-100.
[13]	Nelson R, Krabill W, MacLean G.Determining forestcanopy characteristics using airborne laser data[J]. Remote Sensing of Environment, 1984,15:201-212.
[14]	Nelson R, Krabill W, Tonelli J. Estimating forest biomassand volume using airborne laser data.Remote Sensing of Environment[J], 1988,24:247-267.
[15]	Aldred A H, Bonner G M, Application of airborne lasers to forest surveys[J/OL].(1985-01)[2020-09-09].https://cfs.nrcan.gc.ca/publications?id=4525
[16]	MacLean G A, Krabill W B. Gross merchantable timber volume estimation using an airborne LiDAR system[J]. Canadian Journal of Remote Sensing, 1986,12:7-l8.
[17]	Nilsson M. Estimation of tree heights and stand volumeusing an airborne Lidar system.Remote Sensing of nvironment[J]. Remote Sensing of Environment, 1996,56:1-7.
[18]	Nelson R, Oderwald R, Gregoire T G. Separating the ground and airborne laser sampling phases to estimatetropical forest basal area,volume,and biomass[J]. Remote Sensing of Environment, 1997,60:311-326.
[19]	Lefsky M A, Cohen W B, Acker S A, et al. Lidar remote sensing of the canopy structure and biophysical properties of Douglas-Fir Western Hemlock Forests[J]. Remote Sens Environ, 1999,70:339-361.
[20]	Means J E, Acker S A, Fitt B J, et al. Predicting forest stand characteristics with airborne scanning LiDAR[J]. Photogrammetric Engineering and Remote Sensing, 2000,66, 367-1371.
[21]	Kvochkin O O, Ustyugov V A. Perspectives of use of lidar devices for forest inventory in Komi republic[J]. Ecology,Environment and Conservation, 2017,23(1):562-566.
[22]	Steen M, Thomas N-L, Torben R-N. Lidar supported estimators of wood volume and aboveground biomass from the Danish national forest inventory(2012-2016)[J]. Remote Sensing of Environment:An Interdisciplinary Journal, 2018,211:146-153.
[23]	曾伟生, 孙乡楠, 王六如, 等. 基于机载激光雷达数据估计林分蓄积量及平均高和断面积[J]. 林业资源管理, 2020(2):79-86.
[24]	许粲, 江腾达. 一种机载LIDAR数据估算森林蓄积参数的方法[J]. 林业资源管理, 2020(3):105-110.
[25]	孙忠秋, 吴发云, 高显连, 等. 基于机载大光斑激光雷达的森林冠层高度估测[J]. 林业资源管理, 2020(3):111-117.
[26]	付甜, 庞勇, 黄庆丰, 等. 亚热带森林参数的机载激光雷达估测[J]. 遥感学报, 2011(5):1092-1104.
[27]	李文娟, 赵传燕, 别强, 等. 基于机载激光雷达数据的森林结构参数反演[J]. 遥感技术与应用, 2015(5):917-924.
[28]	刘清旺, 谭炳香, 胡凯龙, 等. 机载激光雷达和高光谱组合系统的亚热带森林估测遥感试验[J]. 高技术通讯, 2016(3):264-274.
[29]	陈雪峰, 唐小平, 翁国庆. 新时期森林资源规划设计调查的新思路[J]. 林业资源管理, 2004(1):9-14.
[30]	GB/T 2624-2010,森林资源规划设计调查技术规程[S].
[31]	GB/T 21010-2017,土地利用现状分类[S].
[32]	李春干, 张连华. 林地斑块勾绘的空间定位精度评价方法[J]. 林业资源管理, 2014(2):126-129.
[33]	CH/T 8024-2011,机载激光雷达数据获取技术规范[S].
[34]	曾伟生, 周佑明. 森林资源一类和二类调查存在的主要问题与对策[J]. 中南林业调查规划, 2003,22(4):8-11.
[35]	陈新林. 浅议森林资源二类调查存在的主要问题与对策[J]. 华东森林经理, 2016,30(3):19-21.
[36]	高喜贵, 姜涛. 改进和完善我省森林资源二类调查体系的探讨[J]. 黑龙江生态工程职业学院学报, 2006,19(3):46-47.
[37]	任瑞才, 罗刚. 加强森林资源二类调查中生态环境信息的调查[J]. 内蒙古林业调查设计, 2001(1):54-56.

基于天空地一体化森林资源调查的小班因子设置与信息获取方法

Method for Sub-compartment Investigation Factors Setting and Information Acquisition Based on Integrated Aerial-Space-Ground Forest Inventory System

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 37

相关文章 15

编辑推荐

Metrics

本文评价

[1]	唐佳俊, 柴宗政. 基于机载激光雷达和机器学习的林分平均胸径遥感估测[J]. 林草资源研究, 2024, 0(1): 56-64.
[2]	郝君, 吕康婷, 胡天祺, 王云阁, 徐刚. 基于机器学习的红树林生物量遥感反演研究[J]. 林草资源研究, 2024, 0(1): 65-72.
[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]	唐佳俊, 汪刚, 柴宗政. 基于机载激光雷达点云数据的马尾松单木材积估测[J]. 林草资源研究, 2023, 0(6): 105-112.
[5]	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.
[6]	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.
[7]	余松柏, 苏晨辉, 张红爱, 刘道平, 陆康英, 陈邵隆. 天然硬阔叶林生态产品价值评估与财政补贴方案研究[J]. 林草资源研究, 2023, 0(5): 29-39.
[8]	焦全军, 郑焰锋, 黄文江, 张兵, 张鹤译, 史宜梦, 吴发云, 付安民. 陆地生态系统碳监测卫星松材线虫病变色木识别指数研究[J]. 林业资源管理, 2023, 0(4): 123-131.
[9]	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.
[10]	梁立成, 傅晓强, 张滨, 程谷栒, 李佐晖. 基于GEE与随机森林的象山港互花米草动态监测[J]. 林业资源管理, 2023, 0(3): 38-45.
[11]	周梅, 李春干, 杨承伶, 李振. 无人机激光雷达人工林参数估测试验[J]. 林业资源管理, 2023, 0(3): 90-97.
[12]	张绘芳, 朱雅丽, 张景路, 高健, 地力夏提·包尔汉. 基于高分遥感数据的阿尔泰山乔木林地上生物量预测[J]. 林业资源管理, 2023, 0(2): 104-110.
[13]	邱洁, 李倩楠, 虞瑶. 机载激光雷达数据估测森林资源蓄积量研究[J]. 林业资源管理, 2023, 0(1): 153-160.
[14]	张全林, 刘丽华, 安雄韬, 刘阳. 基于康养功能的森林资源资产评估探究——以五台山国有林管理局金岗库林场为例[J]. 林业资源管理, 2022, 0(zk1): 79-84.
[15]	张信杰, 郑焰锋, 温坤剑, 王鹏杰, 吴发云. 融合机载和背包激光雷达的桉树单木因子估测[J]. 林业资源管理, 2022, 0(6): 131-137.