XiaoMi-AI文件搜索系统
World File Search System林分
评估基于 ALS 的移除估计的准确性针对实际日志数据
机载激光扫描 (ALS)、现场图和预测模型的结合使用是当今芬兰森林管理导向清单中最重要的信息来源 (Maltamo 和 Packalén 2014)。ALS 也是国家森林清单 (Grafström 和 Hedström Ringvall 2013) 和收获前林分测量 (Peuhkurinen 等人2007)。在实际的森林规划中，树种需要信息 (Packalén 2009)。航空影像通常用于解释树木种类和其他难以通过激光扫描数据预测的属性（例如 Packalén 和 Maltamo 2007；Ørka 等人2013）。清单验证表明，基于 ALS 数据的清单（Wallenius 等人2012）比使用传统基于现场的方法（Suvanto 等人2005）获得的清单更准确。此外，无论是在评估树种特定属性（例如 Packalén 和 Maltamo 2007；Breidenbach 等人2010）还是在测量单个树木属性（例如 Korpela 等人2010；Vauhkonen 2010；Yao 等人2012；Silva 等人2016）时，准确度至少与传统的现场评估相同。然而，需要进一步研究以提高基于 ALS 的森林资源清查中树木质量评估的准确性（Wallenius 等人2012）。芬兰森林中心收集、维护和分发芬兰森林的林分属性信息（芬兰森林中心 2019a）。数据基于实地调查和遥感的结合使用。模型用于预测木材体积和更新数据。实地图用作训练数据，ALS 用于将结果推广到大面积调查区域。由于《森林信息法》的修订于 2018 年 3 月初生效，许多信息通过 Metsään.fi 服务（https://www.metsaan.fi/）向公众开放。关于按树种划分的锯木和纸浆木材采伐的信息对于木材销售和采伐作业规划至关重要。树木质量特征信息也很重要（Holopainen 等人2013 年）。在预测木材种类时，训练数据应具有关于锯木和纸浆木材移除量的精确林分水平信息，这在实践中只能由采伐机测量（Malinen 等人2003 年）。2012 年；White 等人2013 年）。先前关于 ALS 清单准确性的研究通常将基于 ALS 的林分属性估计与实地测量进行比较（例如，Næsset 2007；Wallenius 等人。这些比较的问题在于，部分实地“测量”是模型预测。例如，木材分类量就是这种情况，它基于锥度模型和预测的质量扣除。也有一些尝试将采伐机数据用于类似目的（Siipilehto 等人。2016；Pesonen 2017）。采伐机数据也被用作训练
火炬松小面积估计的新应用...
火炬松 ( Pinus taeda L.) 是全球种植最广泛的树种之一。随着估计森林特征（例如体积、生物量和碳）的可靠性变得越来越重要，可用于评估的必要资源通常不足以满足所需的置信度水平。研究了小区域估计 (SAE) 方法在提高 9-43 岁火炬松人工林体积估计精度方面的潜力。开发了包括激光雷达高度百分位数和林分稀疏状态作为辅助信息的区域级 SAE 模型，以测试是否可以实现精度增益。与单独使用激光雷达相比，使用两种辅助数据的模型提供了更大的精度增益。在某些情况下，与区域级模型相比，发现单位级 SAE 模型提供了额外的增益；然而，结合激光雷达和稀疏状态的区域级模型表现几乎一样好甚至更好。尽管单元级模型在精度方面有潜在的提升，但由于需要高度精确、空间定义的样本单元，并且无法纳入某些区域级协变量，因此在实践中应用起来更加困难。这项研究的结果引起了那些希望减少林分参数估计不确定性的人的兴趣。随着估计精度的提高，管理者、利益相关者和政策制定者可以对资源评估更有信心，从而做出明智的决策。
大比例尺摄影在森林资源调查中的应用1
完成样地物种组成估计、树木变量（如高度、直径和体积）测量以及林分估计（如蓄积、基部面积、体积和按直径和体积等级划分的树木分布）所需的基础工作。直到最近，该方法的开发主要集中在克服限制树木测量准确性和物种识别可靠性的技术问题上。在这些问题上取得的重大进展已导致重点转向成本效益考虑和实施该方法的实际问题。本文概述了该方法最近在操作试验中遇到的问题，提供了一些生产成本结果，并指出了克服一些剩余问题的计划。
大比例尺摄影在森林资源调查中的应用1
完成样地物种组成估计、树木变量（如高度、直径和体积）测量以及林分估计（如蓄积、基部面积、体积和按直径和体积等级划分的树木分布）所需的基础工作。直到最近，该方法的开发主要集中在克服限制树木测量准确性和物种识别可靠性的技术问题上。在这些问题上取得的重大进展已导致重点转向成本效益考虑和实施该方法的实际问题。本文概述了该方法最近在操作试验中遇到的问题，提供了一些生产成本结果，并指出了克服一些剩余问题的计划。
大比例尺摄影在森林资源调查中的应用1
完成样地物种组成估计、树木变量（如高度、直径和体积）测量以及林分估计（如蓄积、基部面积、体积和按直径和体积等级划分的树木分布）所需的基础工作。直到最近，该方法的开发主要集中在克服限制树木测量准确性和物种识别可靠性的技术问题上。在这些问题上取得的重大进展已导致重点转向成本效益考虑和实施该方法的实际问题。本文概述了该方法最近在操作试验中遇到的问题，提供了一些生产成本结果，并指出了克服一些剩余问题的计划。
大比例尺摄影在森林资源调查中的应用1
完成样地物种组成估计、树木变量（如高度、直径和体积）测量以及林分估计（如蓄积、基部面积、体积和按直径和体积等级划分的树木分布）所需的基础工作。直到最近，该方法的开发主要集中在克服限制树木测量准确性和物种识别可靠性的技术问题上。在这些问题上取得的重大进展已导致重点转向成本效益考虑和实施该方法的实际问题。本文概述了该方法最近在操作试验中遇到的问题，提供了一些生产成本结果，并指出了克服一些剩余问题的计划。
遥感 - MDPI
摘要：无人机（UAV-LS）的激光扫描数据为仅基于 UAV-LS 数据估算森林生长蓄积量（V）提供了新的机会。我们提出了一种测量树木属性的方法，并使用这些测量值估算 V，而无需使用现场数据进行校准。该方法包括五个步骤：i）使用 UAV-LS 数据，自动识别树冠并逐墙分割。ii) 从所有检测到的树冠中，取一个样本，其中胸高直径（DBH）可以通过 UAV-LS 数据中的视觉评估可靠地记录。iii) 另一个树冠样本是从 UAV 图像数据中可识别树种的树冠中取的。iv) 使用样本拟合 DBH 和树种模型，并应用于所有检测到的树冠。v) 使用现有的异速生长模型，利用预测的树种、DBH 和 UAV-LS 直接获得的高度来预测单株树的体积。该方法应用于 Riegl-VUX 数据集，该数据集的平均密度为 1130 个点 m − 2 和 3 厘米正射影像，该数据集是在 8.8 公顷的管理北方森林中获取的。汇总已识别树木的体积以估计地块、林分和森林级别的体积，并使用 58 个独立测量的田间地块进行验证。当将空间尺度从地块 (32.2%) 增加到林分 (27.1%) 和森林级别 (3.5%) 时，均方根偏差 ( RMSD %) 会降低。UAV-LS 估计的准确度因森林结构而异，在疏松林中准确度最高，在茂密的桦树或云杉林中准确度最低。在森林层面，基于 UAV-LS 数据的估计值完全在密集实地调查估计值的 95% 置信区间内，并且两个估计值具有相似的精度。虽然结果令人鼓舞，可以进一步在完全机载森林清查的背景下使用 UAV-LS，但未来的研究应该在各种森林类型和条件下证实我们的发现。
评估 GEDI 的 LiDAR 数据对巴西桉树人工林冠层高度和木材体积的估算
摘要 — 过去二十年来，星载激光雷达系统凭借其准确估算树冠高度和地上生物量的能力，在遥感领域获得了发展势头。本文旨在利用最新的全球生态系统动态调查 (GEDI) 激光雷达系统数据来估算巴西桉树人工林的林分尺度优势高度 (H dom) 和林分体积 (V)。这些人工林由于树冠覆盖均匀且可进行精确的实地测量，因此提供了有价值的案例研究。基于几个 GEDI 指标，使用了几个线性和非线性回归模型来估计 H dom 和 V。 H dom 和 V 估计结果表明，在低坡度地形上，使用逐步回归方法可获得最准确的 H dom 和 V 估计值，均方根误差 (RMSE) 分别为 1.33 m（R 2 为 0.93）和 24.39 m 3 .ha − 1（R 2 为 0.90）。解释 H dom 和 V 超过 87% 和 84% 变异性 (R 2 ) 的主要指标是表示 90% 的波形能量发生于地面以上高度的指标。对六种可用的不同处理算法发出的后处理 GEDI 指标值进行测试表明，H dom 和 V 估计的准确性取决于算法，使用算法 a5 相对于 a1，两个变量的 RMSE 均增加了 16%。最后，选择最后检测到的模式或最后两个模式中较强的模式的地面回波也会影响 H dom 估计精度，使用后者会导致 12 厘米 RMSE 降低。
大规模摄影在森林资源调查中的应用
植物研究所一直在开发用于森林资源清查的大型摄影系统。该系统的作用是取代大部分（但不是全部）基础工作，这些工作包括对样地物种组成进行估计、对树木变量（例如高度、直径和体积）进行测量以及对林分进行估计（例如蓄积、基部面积、体积以及按直径和体积等级对树木进行分布）。直到最近，该方法的开发主要集中在克服限制树木测量准确性和物种识别可靠性的技术问题上。这些问题的重大进展导致重点转向成本效益考虑和实施该方法的实际问题。本文概述了该方法最近在操作试验中遇到的问题，提供了一些生产成本结果，并指出了克服一些剩余问题的计划。