基于地基激光雷达估测广西桉树人工林的林分参数

doi:10.13466/j.cnki.lyzygl.2022.02.014

林业资源管理 ›› 2022›› Issue (2): 100-108.doi: 10.13466/j.cnki.lyzygl.2022.02.014

基于地基激光雷达估测广西桉树人工林的林分参数

谢贤胜¹^,²(), 苏宏新¹(), 杨元征¹, 李春海¹^,², 卢峰³, 罗蔚生³, 徐占勇³

1.南宁师范大学广西地表过程与智能模拟重点实验室,南宁 530001
2.南宁师范大学地理科学与规划学院,南宁 530001
3.广西壮族自治区森林资源与生态环境监测中心,南宁 530028

收稿日期:2022-01-21 修回日期:2022-02-23 出版日期:2022-04-28 发布日期:2022-06-13
通讯作者: 苏宏新
作者简介:谢贤胜(1999-),男,广西北流人,在读硕士,主要从事生态学研究工作。Email: XSXIEAIHQ@hotmail.com
基金资助:
广西自然科学基金项目(2018GXNSFAA281277);广西自然科学基金项目(2018GXNSFAA294040);广西科技基地和人才专项(桂科AD19110143(桂科AD19110143)

Estimation of Forest Parameters of Guangxi Eucalyptus Plantation Based on Terrestrial Laser Scanning

XIE Xiansheng¹^,²(), SU Hongxin¹(), YANG Yuanzheng¹, LI Chunhai¹^,², LU Feng³, LUO Weisheng³, XU Zhanyong³

1. Guangxi Key Laboratory of Earth Surface Processes and Intelligent Simulation,Nanning Normal University,Nanning 530001,China
2. School of Geography and Planning,Nanning Normal University,Nanning 530001,China
3. Guangxi Forest Resources and Environment Monitoring Center,Nanning 530028,China

Received:2022-01-21 Revised:2022-02-23 Online:2022-04-28 Published:2022-06-13
Contact: SU Hongxin

摘要/Abstract

摘要：

以地面实测数据为对照,应用地基激光雷达技术对广西国有高峰林场2,5,10 a生桉树(Eucalyptus)人工林进行扫描,评估了地基激光雷达对单木识别和单木参数提取的能力,并进一步探讨其对林分参数提取的可行性。结果显示:1)地基激光雷达对桉树人工林的单木识别能力较强,总体识别率达93.45%,提取的各类单木参数在不同林龄间均存在显著差异(P<0.05),与实测趋势相一致。2)在2 a生桉树人工林中,地基激光雷达估测的单木胸径值、胸高断面积值、单木材积值与实测值均无差异。同时发现,基于地基激光雷达结合AdQSM重建林木模型的方法是可行的,其与通过立木材积模型计算的结果呈现极显著的线性相关(P<0.01,R²=0.96,MAE=0.05m³)。3)在林分水平上,地基激光雷达对林分平均胸径、平均树高、林分断面积、单位蓄积量的估测精度分别为94.69%,93.75%,89.66%,84.22%,具有较优的估测能力。研究表明,应用地基激光雷达可以在样地尺度上快速估测桉树人工林的林分参数。

关键词: 桉树, 地基激光雷达, 单木参数, 林分参数, 定量结构模型

Abstract:

Using ground real data as a control,this study applied terrestrial laser scanning (TLS) to scan eucalyptus plantations at different stand ages(2,5,10 a)in Guangxi State-owned Gaofeng Forest Farm,assessed the ability of TLS in individual tree identification and extraction of tree parameters and further explored its feasibility for extracting forest parameters. The results showed that:1) TLS had a strong ability to identify individual tree in eucalyptus plantations,with an overall recognition rate of 93.45%. Its extracted tree parameters of various types were significantly different among different stand ages (P<0.05),which was consistent with the measured trend. 2) In the 2a eucalyptus plantation,there was no difference between the measured values and the estimated values of DBH,basal area,tree volume by TLS. At the same time,it was found that the method of reconstructing tree models based on TLS combined with AdQSM was feasible,and it had a very significant linear correlation with the results calculated by the standing tree volume model (P<0.01,R²=0.96,MAE=0.05 m³). 3) At the stand level,the estimation accuracy of TLS were 94.69%,93.75%,89.66%,and 84.22% for the average diameter at breast height,average tree height,stand basal area,and standing volume,respectively,with superior estimation ability. The study showed that the application of TLS can rapidly estimate the forest parameters of eucalyptus plantations at the sample plot scale.

Key words: eucalyptus, terrestrial laser scanning, tree parameters, forest parameters, quantitative structure model

中图分类号:

谢贤胜, 苏宏新, 杨元征, 李春海, 卢峰, 罗蔚生, 徐占勇. 基于地基激光雷达估测广西桉树人工林的林分参数[J]. 林业资源管理, 2022,(2): 100-108.

XIE Xiansheng, SU Hongxin, YANG Yuanzheng, LI Chunhai, LU Feng, LUO Weisheng, XU Zhanyong. Estimation of Forest Parameters of Guangxi Eucalyptus Plantation Based on Terrestrial Laser Scanning[J]. FOREST RESOURCES WANAGEMENT, 2022,(2): 100-108.

图/表 8

表1

图1

表2

图2

图3

表3

图4

图5

参考文献 25

[1]	Canetti A, Braz E M, de Mattos P P, et al. A new approach to maximize the wood production in the sustainable management of Amazon forest[J]. Annals of Forest Science, 2021, 78(3):1-21. doi: 10.1007/s13595-020-01014-3
[2]	赵勋, 岳彩荣, 李春干, 等. 基于机载LiDAR数据估测林分平均高[J]. 林业科学研究, 2020, 33(4):59-66.
[3]	McEwan A, Marchi E, Spinelli R, et al. Past,present and future of industrial plantation forestry and implication on future timber harvesting technology[J]. Journal of Forestry Research, 2020, 31(2):339-351. doi: 10.1007/s11676-019-01019-3
[4]	潘嘉雯, 林娜, 何茜, 等. 我国3个桉树人工林种植区生产力影响因素[J]. 生态学报, 2018, 38(19):6932-6940.
[5]	娄雪婷, 曾源, 吴炳方. 森林地上生物量遥感估测研究进展[J]. 国土资源遥感, 2011(1):1-8.
[6]	刘浩然, 范伟伟, 徐永胜, 等. 基于多源数据协同作业的森林信息提取研究进展[J]. 世界林业研究, 2020, 33(1):33-37.
[7]	袁钰娜, 彭道黎, 王威, 等. 利用机载激光雷达技术估测东北林区典型针叶林的蓄积量[J]. 应用生态学报, 2021, 32(3):836-844.
[8]	梁晓军, 庞勇, 陈博伟. 基于地基激光雷达胸径提取的单木位置精确测量[J]. 林业科学研究, 2020, 33(4):67-74.
[9]	范伟伟, 刘浩然, 徐永胜, 等. 基于地基激光雷达和手持式移动激光雷达的单木结构参数提取精度对比[J]. 中南林业科技大学学报, 2020, 40(8):63-74.
[10]	巴比尔江·迪力夏提, 玉米提·哈力克, 艾萨迪拉·玉苏甫, 等. 应用地基激光雷达数据估算塔里木河下游胡杨叶面积指数[J]. 东北林业大学学报, 2020, 48(11):46-50.
[11]	耿志伟, 薛伟, 王海滨, 等. 基于地基激光雷达的植被聚集指数反演方法[J]. 中南林业科技大学学报, 2019, 39(11):7-13.
[12]	姜仲翔, 任世奇, 杜阿朋. 广西桉树人工林固碳释氧总量核算[J]. 桉树科技, 2021, 38(2):45-47.
[13]	刘鲁霞, 庞勇, 李增元. 基于地基激光雷达的亚热带森林单木胸径与树高提取[J]. 林业科学, 2016, 52(2):26-37.
[14]	赵勋, 岳彩荣, 李春干, 等. 基于机载LiDAR点云数据森林郁闭度估测[J]. 遥感技术与应用, 2020, 35(5):1136-1145.
[15]	岑巨延. 广西桉树人工林二元立木材积动态模型研究[J]. 华南农业大学学报, 2007(1):91-95.
[16]	Raumonen P, Kaasalainen M, Åkerblom M, et al. Fast Automatic Precision Tree Models from Terrestrial Laser Scanner Data[J]. Remote Sensing. 2013, 5(2):491-520. doi: 10.3390/rs5020491
[17]	Fan G P, Nan L L, Dong Y Q, et al. AdQSM:A New Method for Estimating Above-Ground Biomass from TLS Point Clouds[J]. Remote Sensing. 2020, 12(18):79-98. doi: 10.3390/rs12010079
[18]	于东海, 冯仲科, 曹忠, 等. 全站仪测量立木胸径树高及材积的误差分析[J]. 农业工程学报, 2016, 32(17):160-167.
[19]	赵颖慧, 杨海城, 甄贞. 基于ULS、 TLS和超声测高仪的天然次生林中不同林冠层树高估测[J]. 南京林业大学学报:自然科学版, 2021, 45(4):23-32.
[20]	张吴明, 李丹, 陈一铭, 等. 联合地基激光雷达与无人机摄影测量技术提取树高研究[J]. 北京师范大学学报:自然科学版, 2018, 54(6):764-771.
[21]	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.
[22]	李亚东, 曹明兰, 李长青, 等. 无人机森林航摄影像三维点云估测林分蓄积量研究[J]. 中南林业科技大学学报, 2019, 39(3):56-60.
[23]	魏金龙, 李明阳, 赵邑晨, 等. 基于稀疏型机载激光雷达数据的风景林参数估测[J]. 西北林学院学报, 2021, 36(2):164-171.
[24]	马静怡, 黄华国, 黄侃, 等. 基于16线阵TLS数据的单木识别及林分断面积估测研究[J]. 北京林业大学学报, 2018, 40(8):23-32.
[25]	晏颖杰, 范少辉, 官凤英. 地基激光雷达技术在森林调查中的应用研究进展[J]. 世界林业研究, 2018, 31(4):42-47.

样地号	林龄/a	北纬(N)/(°)	东经(E)/(°)	海拔/m	坡度/(°)	坡向/(°)
1	2	22.84978	108.15663	148	18	南180
2	2	22.84924	108.15669	155	24	南200
3	2	22.84875	108.15739	121	30	西290
4	5	22.84839	108.15636	149	26	东95
5	5	22.84846	108.15613	152	30	东85
6	5	22.84856	108.15634	145	25	东79
7	5	22.84862	108.15654	155	28	东84
8	10	22.84796	108.15809	118	25	西南204
9	10	22.84732	108.15873	107	27	南163
10	10	22.84761	108.15913	120	22	南162

林龄/a	样地号	实测株数/株	估测株数/株	漏检株数/株	检测率/%	林分平均检测率/%
2	1	76	74	2	97.37	96.2
	2	69	67	2	97.10
	3	68	64	4	94.12
5	4	135	128	7	94.81	91.7
	5	101	90	11	89.11
	6	82	72	10	87.80
	7	90	84	6	93.33
10	8	62	57	5	91.94	93.8
	9	73	69	4	94.52
	10	90	85	5	94.44

林龄/a	样地号	平均胸径	平均树高	林分断面积	单位蓄积量
2	1	94.95	87.96	96.88	84.07
	2	99.25	91.74	92.71	96.70
	3	99.78	98.12	97.66	94.74
5	4	99.58	95.05	99.63	90.71
	5	91.44	90.28	82.89	70.95
	6	98.79	99.55	94.96	92.95
	7	97.14	94.70	86.74	88.31
10	8	88.19	90.01	78.43	70.40
	9	89.82	93.48	87.66	76.38
	10	87.91	96.58	79.04	77.03

基于地基激光雷达估测广西桉树人工林的林分参数

Estimation of Forest Parameters of Guangxi Eucalyptus Plantation Based on Terrestrial Laser Scanning

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 25

相关文章 15

编辑推荐

Metrics

本文评价

[1]	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.
[2]	刘雪健, 张志华, 郝贝贝, 王楠, 马宇, 贺斌, 张思毅. 崩岗侵蚀坡地桉树林种植对土壤有机碳库的影响[J]. 林草资源研究, 2023, 0(6): 75-81.
[3]	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.
[4]	罗丹, 王庆飞, 晁碧霄, 李乐, 郝泽周, 卢渊, 王成, 武瑞琛, 刘飞鹏, 裴男才. 广州市森林和城镇交界域林分尺度上的火险等级评价[J]. 林业资源管理, 2023, 0(3): 56-64.
[5]	蔡会德, 卢峰, 徐占勇, 潘黄儒, 孟想, 曾伟生. 桉树相容性可加性立木生物量模型系统研建[J]. 林业资源管理, 2023, 0(1): 87-93.
[6]	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.
[7]	罗蜜, 黄昌谋, 韩华, 黄敏球, 宁剑, 潘波, 曹继钊. 袋控缓释肥对桉树和杉木人工林生长及土壤理化性质的影响[J]. 林业资源管理, 2021, 0(5): 104-111.
[8]	邱琴, 张文革, 王蕾, 曹姗姗, 孙伟. 基于背包式激光雷达的天山云杉林单木因子估测[J]. 林业资源管理, 2021, 0(2): 99-109.
[9]	卢献健, 黄俞惠, 晏红波, 韦晚秋, 黎振宝. 基于自动阈值决策树分类的桉树提取研究[J]. 林业资源管理, 2020, 0(4): 117-126.
[10]	段春燕, 徐广平, 沈育伊, 罗亚进, 李艳琼, 张德楠, 孙英杰, 何成新. 桂北不同林龄桉树人工林土壤生态化学计量特征[J]. 林业资源管理, 2018, 0(6): 117-124.
[11]	蒋云安, 谢守鑫, 靳爱仙, 崔海鸥, 王红春, 周瑞. 巴西新一代人工桉树林经营策略及其启示[J]. 林业资源管理, 2018, 0(6): 125-129.
[12]	梁文海, 刘吉凯, 陈琦, 陈显栋, 钟仕全. 基于面向对象方法的GF-2影像桉树信息提取对比分析[J]. 林业资源管理, 2017, 0(6): 54-59.
[13]	李宗俊, 莫燕卿, 莫晓勇, 赵雪丽, 刘萍. 纸浆材桉树人工林生长与收获预估模型研究[J]. 林业资源管理, 2017, 0(1): 31-36.
[14]	张照远, 项东云, 徐建民, 宋贤冲, 陈风帆. 不同种源巨桉生长、干形和抗桉树枝瘿姬小蜂的综合评价[J]. 林业资源管理, 2016, 0(5): 107-111.
[15]	徐志扬, 冯仲科, 胡建全, 郑姚闽, 刘诚. 基于TM影像的华安县桉树林生物量遥感估测[J]. 林业资源管理, 2016, 0(4): 83-87.