-
题名融合机载LiDAR的天然混交林优势高估算方法
- 1
-
-
作者
陶薇
向玮
陶然
周梦丽
胡志强
徐伟
-
机构
北京林业大学林学院
林木资源高效生产全国重点实验室
河南农业大学林学院
汪清林业分公司
-
出处
《北京林业大学学报》
北大核心
2026年第3期165-177,共13页
-
基金
国家重点研发计划(2022YFD2200502-04)
国家自然科学基金项目(32160366)。
-
文摘
【目的】针对天然混交林结构复杂、优势高估算困难的问题,本研究旨在利用机载LiDAR技术获取的高精度树高数据,系统评估多种优势高估算方法在针叶混交林、阔叶混交林及针阔混交林中的适用性,并为不同林分类型筛选出最优的估算方法。【方法】基于42块天然混交林样地数据,结合机载LiDAR点云提取的高精度单木树高信息,构建了由3类基础估算算法(传统估算法、调整最大树法和U估计法)与4种优势木选择标准组合而成的10种优势高估算方法(TH1~TH10)。通过不确定性分析、差异性检验及相关性分析等统计手段,并与普适方法进行对比,系统评价其在不同林分条件下的表现。【结果】(1)在3种林分类型中,所得优势高估计值各有不同但总体呈现一致的规律性,总体呈现“传统估算方法>调整最大树法> U估计法”的趋势,另外,将树种差异纳入考量会导致估算值偏低。(2)各方法间差异显著性因林分类型而异。阔叶混交林中仅挑选最高树且不考虑树种差异的传统估算方法(TH2)与综合考虑最高树及不同树种差异的U估计法(TH10)差异显著;针叶混交林中TH10与其他多种方法存在显著区别;针阔混交林的情况最为复杂,呈现多组显著乃至极显著的差异组合。(3)所有估算方法在各林分类型中均呈正相关,其中阔叶混交林内各方法间关联性最强(r=0.71~0.99)。(4)3种林分类型中,绝大多数优势高方法估计值与加权林分密度指数(SDI)仅表现出微弱的正相关,表明这些方法受密度影响较小。(5)不确定性分析显示,TH9(仅挑选最粗树的U估计法)与TH2在针叶混交林中表现最佳,TH10和TH6则分别在阔叶混交林和针阔混交林中表现出最低的不确定性,结果最为可靠。(6)各优势高估算方法均与林分平均高呈中度至极强正相关,但与林分生物量和断面积生长量的相关性则普遍较弱,在3种林分类型中表现出一致的规律。【结论】本研究证实,在天然混交林优势高估算中,通过机载LiDAR数据针对不同林分类型匹配特定算法,比采用单一通用方法更为科学可靠。推荐如下最优方案:针叶混交林宜采用仅挑选最高树且不考虑树种差异的传统估算方法(TH2),针阔混交林宜采用仅挑选最高树且不考虑树种差异的调整最大树法(TH6),阔叶混交林宜采用综合考虑最高树及树种差异的U估计法(TH10)进行优势高估算。研究进一步明确了天然混交林条件下优势高估算方法的合理选型,为机载LiDAR数据在复杂森林结构的应用提供了重要的参考价值。
-
关键词
激光雷达
天然混交林
优势高
林分分类
精度评估
不确定性分析
-
Keywords
LiDAR
naturalmixedforest
topheight
forestclassification
accuracyassessment
uncertainty analysis
-
分类号
S758
[农业科学—森林经理学]
-
