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

【目的】应用不同数据源分析不同林冠层中探测提取树高的异同,探索适用于中国北方天然次生林树高估测的方法。【方法】以东北林业大学帽儿山实验林场中林施业区0.25 hm²样地为研究区域,基于无人机激光雷达(unmanned aerial vehicle laser scanning, ULS)、地基激光雷达(terrestrial laser scanning,TLS)和Vertex IV超声测高仪实测单木树高,根据冠层高度分布(canopy height distribution, CHD)对林冠层进行分层,对不同林冠层(上层和下层)、不同树木类型(针叶树和阔叶树)探测提取的树高进行对比与分析。【结果】由CHD计算得到的冠层分层阈值为8.5 m。树高的离群值大多产生在林冠上层,阔叶树比针叶树更容易产生离群值,ULS比TLS更容易产生离群值。在林冠上层,ULS比TLS估测树高的相对均方根误差(rRMSE)低2.56%,ULS提取针叶树树高的rRMSE比阔叶树低2.68%;在林冠下层,ULS仅能探测到少量树木,ULS比TLS探测提取树高的 rRMSE高6.31%,TLS提取针叶树树高的rRMSE比阔叶树低1.16%。【结论】针叶树的树高估测精度普遍高于阔叶树;当TLS和ULS均能对单木进行完全扫描时,具有准确提取树高的潜力;树高离群值多由冠型不规则或相互交叉的阔叶树产生,而大部分针叶树,由于具有规则的冠型,所以产生的离群值较少;基于CHD对林冠层进行划分能够较好地反映不同数据源估测树高的适用范围,具有一定的推广意义。     

神农架3种天然次生林的种群结构和演替趋势

应用重要值法、树木分层频度法和立木级结构法对神农架３种主要天然次生林群落的种群结构和演替趋势进行了初步研究。结果表明：巴山冷杉林和华山松林是神农架天然更新起来的较稳定的群落类型。     

宝天曼自然保护区天然次生林林分直径分布规律研究

以宝天曼天然次生林32块样地的调查数据为依据,分别以正态分布、对数正态分布,Weibull分布,Beta分布,Gamma分布拟合及预测宝天曼自然保护区天然次生林10种主要乔木树种直径分布,并对其适用性进行分析、比较,选出最适合于拟合及预测该林分直径结构的分布.同时应用三种直径分布特征数对直径分布规律进行分析.结果表明:Beta分布与Weibull分布均可以较好地描述宝天曼天然次生林主要乔木树种的直径分布;大多数树种偏度为偏左,峰度值为正.     

喜鹊在山地次生林中鸟类群落组织结构形成的作用

通过山地次生林鸟类群落组织结构的研究,表明喜鹊在鸟类群落组织形成中是关键类群之一.关键类群是通过巢地资源的被利用来实现的.5年中,利用喜鹊巢繁殖的鸟类达5种,利用率为25%~40.7%.     

西双版纳雨季次生林林窗定居种冠面温度特征

利用西双版纳雨季（7月）次生林林窗叶表温的观测资料，探讨了林窗内定居种冠层温度的时空变化特征。结果表明，因林窗不同区所接受太阳辐射的差异，加之林缘热力效应的综合作用，使得林窗定居种冠面在不同时段其最大热力作用区域是各异的；林窗各测点与中央的叶表温差区域分异显，特别是中午的分异最为明显。植株叶表温度与气温平衡在25.8℃附近，但因受日照、林缘树木的综合影响，不同方位达平衡的时刻不同：林窗南侧边缘叶表温与气温整天基本处于平衡状态，下午6时后受阴天和树冠荫蔽的影响，各测点叶表温与气温均处于平衡状态；在晴好天气状况及不受荫蔽状况下，叶表温高于气温，波动范围为0－3℃；15时雨后初晴，叶面蒸发耗热，叶表温低于气温。这种“峰值动态位移现象”可能会影响不同时期物种的入侵、定居、繁殖，进而影响林窗物种的组成。     

杨桦次生林超前人工更新的研究

根据杨桦次生林代表性区域的研究材料，经过大量的计算、分析等工作，研究杨桦中壮龄次生林超前人工更新的技术措施及意义。     

施肥对天然马尾松次生幼林针叶养分的影响

通过对天然次生马尾松幼林施肥样地针叶养分含量的定位研究。结果表明，施肥具有显著促进或抑制天然马尾松次生幼林针叶养分含量的作用，其中施用尿素能促进针叶养分含量的作用，其中施用尿素能促进针叶Ｎ的含量，也具有显著促进针叶Ｍｇ的量；施用过磷酸钙具有显著提高针叶Ｐ、Ｃａ、Ｍｇ的含量；施用硫酸钾则具有提高针叶含Ｋ量的作用，同时也主要还是抑制针叶Ｍｇ的量。以Ｎ２、Ｐ２、Ｋ２以上水平处理具有较好效果。     

马尾松次生林经营调控模拟系统的开发与应用

根据马尾松单木生长量模型,运用动态模拟方法,以WindowsXP为操作平台,以Visual Basic和Access数据库为开发平台,研制了马尾松次生林经营调控模拟系统。系统可以根据用户的需要,分别以林分最大蓄积量、最大生物量或最大水土保持功能为经营目标,可以实现对不同立地条件下马尾松次生林经营改造方案的生长动态和收益效果的模拟预测,生成适宜的管理决策方案,为马尾松次生林的资源管理和可持续发展提供定量化支持。     

基于光学-ALS变量组合和非参数模型的天然次生林地上生物量估算

【目的】通过组合机载激光雷达(airborne laser scanning, ALS)数据和Sentinel-2A数据提取特征变量,探讨估算天然次生林地上生物量(aboveground biomass, AGB)最佳的变量组合方式和估算方法。【方法】以2015年ALS数据、2016年Sentinel-2A数据和黑龙江帽儿山林场森林资源连续清查固定样地数据为数据源,通过ALS数据提取高度特征变量(all the LiDAR variables, 记为A_L),Sentinel-2A数据提取若干植被指数变量(all the optical variables, 记为A_O),然后将光学-ALS结合变量(combined optical and LiDAR index, COLI,记为I_COL)结合成为新的变量 I_{\mathrm{CO}{\mathrm{L}}_1} 和 I_{\mathrm{CO}{\mathrm{L}}_2} ,以6组特征变量组合方式(A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} 、 I_{\mathrm{CO}{\mathrm{L}}_2} 、 I_{\mathrm{CO}{\mathrm{L}}_1} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入变量,分别使用多元线性逐步回归(stepwise multiple linear regression,SMLR)、K-最近邻法(K-nearest neighbor,K-NN)、支持向量回归(support vector regression,SVR)、随机森林(random forest, RF)和堆叠稀疏自编码器(stack sparse auto-encoder,SSAE)共5种方法构建了天然次生林AGB估算模型,探讨I_COLs变量以及不同模型对生物量估测精度的影响。【结果】结合变量I_COLs对于森林AGB的估算十分有效,加入I_COLs变量能够很大提高森林AGB模型的估算精度;与其他4种模型相比,无论使用哪些变量作为输入数据,SSAE模型的精度最高;当使用SSAE模型,以光学和ALS变量组合 ( I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入特征变量时,模型的准确性最高:R²=0.83,均方根误差为11.06 t/hm²,相对均方根误差为8.23%。【结论】结合变量COLIs能够有效地提高天然次生林AGB的估算精度,而且深度学习模型(SSAE)在估算天然次生林AGB方面优于其他预测模型。总体而言,利用ALS和Sentinel-2A数据组合变量的SSAE模型可以较准确地估算森林AGB,为天然次生林地上生物量的估算和碳储量评估提供技术支持。