一、全球定位系统(GPS)在森林资源(固定样地)调查中的应用（论文文献综述）
宋洁[1]（2021）在《祁连山森林碳储量与森林景观格局时空变化研究》文中进行了进一步梳理高纬度山地森林由于受人为干扰的影响相对较小,已被证实成为不断增长的陆地碳汇的主要贡献者。但由于高纬度山地森林中贮存的碳极容易受到气候变化的影响,使得其森林景观及森林碳储量在数量和空间分布上都存在很大的不确定性。监测高纬度山地森林景观及碳储量的时空变化情况,对理解全球碳循环具有重要的意义。祁连山是我国西部重要的生态安全屏障和固碳场所。2017年6月祁连山国家公园体制试点的设立,更为实现祁连山生态系统整体保护和系统修复奠定了坚实的基础。在此背景下,本研究基于多源遥感数据、样地调查数据、空间环境数据以及相关辅助数据,综合运用3S现代技术手段,在对森林类型进行分类的基础上,对祁连山森林碳储量现状进行估算。并从森林面积、森林覆盖度、森林景观格局角度分析祁连山1990-2018年森林景观时空动态变化情况。建立基于光学遥感变量的森林碳储量估算模型,监测祁连山森林碳储量1990-2018年间时空分布变化。并基于不同海拔、坡向、水平范围以及行政区域空间梯度对森林景观和森林碳储量时空变化模式进行分析。基于不同的空间尺度,分析祁连山森林景观格局与森林碳储量之间的相关关系。为理解山地森林生态系统碳循环以及制定祁连山国家公园森林资源保护及生态系统管理措施提供参考。本研究主要结果如下:（1）相比仅依据光谱特征进行分类,依据光谱及垂直结构综合特征分类时,总体分类精度提高了10.67%,具有相似光谱特征但不同垂直结构的不同植被类型分类精度提升作用明显,森林范围的识别精度提高。地形信息加入后森林类型的分类精度提升了23.94%,显着提升了森林类型识别精度。相比海拔信息,坡向信息对提升分类精度效果更为显着。季相特征能够对不同森林类型的识别提供帮助,而不同波段组合虽然对地物增强的效果不同,但其对分类精度几乎没有影响。（2）2018年祁连山国家公园森林总碳储量为30.09×106t,平均森林碳储量密度为47.55t/hm2。公园内针叶林总碳储量约为阔叶林碳储量的5.5倍,但阔叶林森林平均碳密度稍高于针叶林。不同空间梯度森林碳储量的分布有较大的不同,对于不同的海拔梯度,海拔2770～3770m以及海拔1770～2770m分别拥有最多的森林碳储量和最高的森林平均碳密度;对于不同的坡向,森林碳储量与森林平均碳密度分布从高到低均依次为阴坡>半阴坡>半阳坡>阳坡;对于不同的水平范围,森林碳储量分布从高到低依次为东段>中段>西段,而森林平均碳密度在中段最高,接下来依次为东段和西段,西段森林碳储量与碳密度与东中两段差距较大;对于不同的行政梯度,甘肃省境内森林碳储量与碳密度均大于青海省。其中不同海拔梯度森林碳储量与森林平均碳密度差距最大,接下来森林碳储量与森林平均碳密度均差距较大的为不同行政区域,山区复杂的地形和不同行政区域管理措施的不同对森林碳储量及碳密度均有较大的影响。（3）1990-2018年间,祁连山国家公园内森林面积变化呈现先上升,后减少的趋势。其中1990-2010年,公园内针叶林和阔叶林面积均逐年增加。2010年起,阔叶林面积下降,2015-2018年,区内针叶林及阔叶林面积均较前一时期有所减少,且阔叶林下降幅度较大。不同空间梯度森林面积变化的分布不同,森林面积变化波动较大的区域主要分布在以畜牧业生产为主的地区。1990-2018年,祁连山国家公园森林覆盖度占比最大的值域区间均为70～100%,研究区内森林覆盖度较高的区域主要分布在祁连山中、东段针叶林分布较为密集的地区。2015年以前,区内森林植被覆盖未发现有明显的变化。2015-2018年,研究区森林覆盖度出现下降现象。针叶林作为研究区内的绝对优势景观,其景观异质性程度、景观复杂程度、景观聚集程度均较阔叶林高,而阔叶林的分布相较针叶林而言在区内更为分散。1990-2018年间,区内森林景观格局基本呈现逐步破碎化、逐步分散、以及逐渐均匀的趋势,森林生态系统脆弱度逐渐升高。（4）1990-2018年间,祁连山国家公园森林碳储量增加了1.09×106t。1990-2010年,公园森林碳储量持续增长,从2010年起,区内森林碳储量出现下降趋势。基于不同的空间梯度分析森林碳储量的时空变化模式,发现各空间梯度上森林碳储量变化强度排序与其所分布森林范围面积排序基本一致。且对研究区而言,相对于森林碳密度,森林面积对森林碳储量的蓄积影响更大。（5）随着尺度的增加,与平均森林碳密度具有相关关系的景观格局指数逐渐减少,说明随着尺度的增加,森林碳密度的影响因素也愈加复杂。与森林碳密度具有显着相关关系的景观格局指数其与森林碳密度间的相关关系模型平均拟合程度均较低,说明景观格局指数与森林碳密度之间的复杂关系较难用简单的线性关系直接进行描述。相反,与森林总碳储量具有相关性的景观格局指数随着研究尺度的增大逐渐增多。斑块总面积、斑块个数、景观形状指数、平均斑块面积、面积加权平均形状指数、斑块连结度指数以及聚集指数在各尺度上均与森林总碳储量呈显着的正相关关系,说明通过增加森林景观面积、增加景观形状复杂度以及景观聚集度和连通性,能够提升森林碳储量的蓄积。而斑块密度在各尺度上均与森林碳储量具有显着的负相关关系,说明减小森林破碎化程度能够在有限空间内为基于发挥最大固碳功能的森林空间布局优化提供帮助。斑块总面积与森林总碳储量间的幂函数关系在各尺度下其模型拟合系数均达到0.95以上。综上所述,本文分别以垂直结构特征、光谱特征、季相特征和地形特征为分类依据,探讨了提升祁连山山地森林面积提取及类型识别精度的可行方法,为森林景观及森林碳储量变化监测研究奠定了基础;以GPS定位、RS遥感以及GIS空间分析技术为基础,梳理了近30年间祁连山重点区域森林景观及森林碳储量时空动态变化情况,并统计了祁连山森林景观及森林碳储量在不同空间梯度的变化模式;以森林碳贮存功能为例,探讨了高海拔山地森林生态系统基于尺度的森林景观格局与森林生态系统功能间的相互关系,为景观生态学“格局—过程—尺度”核心理论的研究提供了实验实例。在未来的研究工作中,探索基于不同传感器的多源数据对历史影像森林类型进行更准确的分类并对森林碳储量变化进行估算,量化气候变化背景下山地区域环境的改变及人为活动因素对山地森林碳储量变化产生的影响,是下一步的研究方向。
郑似青[2]（2020）在《森林样地主要因子一体化采集系统研究与实现》文中认为胸径、树木位置是进行森林资源调查及信息化管理的重要测树因子,准确而高效的数据获取一直是广大林业调查人员共同的期盼。然而传统调查工具,需人工判读和记录数据,精度不高、效率低下、数据易错;新兴调查工具或方法,因成本高、难携带、实用性差等诸多问题难以应用推广。本文采用传感器、嵌入式及计算机等技术相融合的方法,研制以胸径、树木位置为主要指标,温湿度、坡度等为辅助指标的一体化采集系统,并探索了标准圆、椭圆、超椭圆三类计算模型对树木胸高断面积的影响。主要研究和工作如下:（1）胸径、树木位置测量方法的探索。通过分析现有测量仪器与方法的优劣,基于容栅传感器、角度传感器设计了胸径测量样机。在实现胸径测量的基础上,采用超宽带（UWB）技术,将树木位置估算作为辅助手段融合其中,从而实现了胸径、树木位置的一体化测量。（2）样地主要因子一体化采集系统的软件设计。为高效、便捷处理测量的胸径和树木位置等数据,设计与开发了一套集数据传输、储存、管理、统计、分析于一体的上位机软件,建立了胸径、树木位置等指标数字化测量、智能化处理、个性化应用的环境。（3）样地主要因子一体化采集系统的试验应用。选择了4个树种多样、坡度不一的圆形样地（半径12m）进行了系统性能测试以及树木胸径、树木位置的测量试验和精度评估。试验结果表明:系统的软硬件运行稳定、可靠。胸径测量的偏差（BIAS）为0.07cm（0.35%）,均方根误差（RMSE）为0.67cm（4.76%）;树木位置在X轴和Y轴上的偏差（BIAS）分别为2.35～7.27cm和-7.43～0.9cm,对应的均方根误差（RMSE）分别为21.6～25.18cm和21.85～26.29cm,直线距离误差（Ed）均值为30.95cm,标准差为13.53cm。该系统具有高效率、低成本的特点,精度能满足实际工作需要。
王小虎[3]（2020）在《基于机载激光雷达数据的森林单木分割方法研究》文中研究说明作为森林的基本组成单元,单木及其空间结构、生物物理、生物化学组分等是森林资源调查、生态环境建模研究等所需的关键因子。机载激光雷达以一种自上而下的扫描方式的对地物进行观测,对森林冠层有着较强的穿透能力,能够精确描述森林的三维结构特征,因而在森林单木分割和单木因子提取方面有着无与伦比的优势。在高郁闭度的多层林中,由于冠层重叠、枝叶的遮挡,现有的单木分割方法对于下层林木存在明显的过分割或欠分割错误,导致分割精度低下。针对这一问题,本文以肯塔基大学罗宾逊森林（一个具有复杂地形和植被条件的多层林）的271个大小为0.04公顷的圆形样地作为实验样本,研究林冠分层方法、激光雷达点密度与单木分割精度关系模型、树干信息提取的机器学习方法,通过提取点云数据中的有效信息,完成单木分割模型的构建和单木因子的提取。具体研究内容如下:针对基于数字表面模型（Digital Surface Model,DSM）的单木分割算法在森林结构、地形复杂的多层林中对下层林木分割精度不高的缺陷,提出了 一种基于分层策略的单木分割方法。算法根据树冠垂直方向的结构分布特性,将树冠分为处于不同高度的冠层,然后采用逐层剥离的方式,对中间冠层和林下冠层实施单木分割算法,以提高中间木（intermediate trees）和过顶木（overtopped trees）的识别率。试验结果表明:相比于DSM方法,基于分层策略的单木分割方法对下层林木的识别率和分割精度分别提高了20.2个百分点和10个百分点。对于所有林木而言,识别率和总体分割精度分别提高了10.3个百分点和4.2个百分点。为了减少下层林木的过分割和欠分割错误,提出了一种基于多分辨率分割阈值（Multi-resolution Segmentation Threshold,MRST）的单木分割方法。首先,算法对点云进行预处理,根据激光雷达回波数将雷达点编码到每个冠层;采用交叉验证方法获得每一冠层的最优分割阈值后对冠层实施单木分割;接着通过合并准则将分割的树冠段跨层组合起来。最后,算法从点云中分离出单木,并提取单木参数。算法采用多阈值分割以降低下层林木的欠分割错误,提高识别率;利用树段跨层组合以降低过分割错误,提高准确率。试验结果表明,相比于DSM方法,基于MRST的分割方法显着提高了下层林木的识别率（从52.3%提高到73.4%）和总体分割精度（从65.2%提高到76.9%）。所有树木的总精度从75.1%提高到82.6%。研究有叶（leaf-on）点云数据和无叶（leaf-off）点云数据对单木分割模型性能的响应机理,提出了一种结合树干侦测和冠层分割的单木分割方法。首先,通过分析无叶点云的垂直直方图,检测出潜在的树干点簇并分离出来,然后使用基于密度的噪声空间聚类应用（DBSCAN）方法对树干点簇进行聚类,提取出树干信息。同时,对有叶点云数据实施基于MRST方法的冠层分割,提取单木树冠信息。最后,将提取的树干信息和分割的冠段作为相互参考分离出单木,并提取单木参数。试验结果表明,该方法能识别出84.0%的单木,正确率达90.7%,总分割精度为87.2%。同时,单木参数的估计精度相应提高:与基于DSM的方法和MRST方法相比,树高的线性回归拟合度R2分别提高了1.0和6.0个百分点;树高的平均误差别减少11cm和34cm。
陈盼盼[4]（2020）在《地面摄影测量在森林资源调查中的关键技术研究》文中研究表明森林是全球陆地生态系统的重要组成部分,也是人类赖以生存和发展的物质基础。森林资源清查是掌握森林资源状况及其动态变化的重要途径,高效、快速、精准的获取不同森林调查因子一直是森林资源清查的重要工作。地面摄影测量技术因其设备成本低、所需外业工作量少等优势,在现阶段各种地面摄影测量技术及其森林清查中得到广泛研究。然而,这些技术并未经过整理并在同等森林条件下进行对比,未能确定出最佳的利用地面摄影测量进行森林清查的方案。本文研究目的正是在于通过研究各种地面摄影测量技术在森林清查中的应用,最终通过实验结果确定最优生产流程。地面摄影测量技术进行森林清查时的一般生产流程为:（1）通过一定的扫描路径对森林样地进行扫描,获取带有一定重叠度的图像;（2）恢复摄影时各图像的三维位姿;（3）基于带有位姿的图像提取样地中立木及森林参数。本文主要围绕地面摄影测量在生产流程中的各阶段技术进行了研究,其中:在扫描路径上,主要研究了螺旋式、太阳花式及仿航线式三种扫描路径;在恢复摄影时图像位姿上,主要研究了运动恢复结构（Structure from Motion,简称Sf M）、视觉里程计（Visual Odometry,简称VO）及纯视觉的实时定位及构图（Visual Simultaneous Localization and Mapping,简称V-SLAM）三种技术;立木及林分参数提取方面,主要研究了基于图像的稠密点云提取法及本文所构建基于几何的提取法。为对数据生产流程中各阶段数据进行同等条件对比:在样地实验阶段,本文对同样一块样地采用三种扫描路径进行扫描获取三组原始图像;在图像位姿恢复中,本文对样地三组原始图像分别通过三种位姿恢复方法恢复各图像位姿,从而获取到9组带有位姿的图像数据;最后,对9组数据分别使用基于图像稠密点云的方法及本文构建基于几何的系统分别进行处理,从而得到一块样地18组立木及林分数据。本文在18块半径为8米的圆形样地中进行了相关实验,实验结果表明:（1）就扫描路径方法而言,螺旋式路径下所有方法提取的胸径、枝下高估计值RMSE范围分别为0.75～1.79cm及0.12～0.32m;太阳花式路径下所有方法提取的胸径、枝下高估计值RMSE范围分别为0.80～2.22cm及0.13～0.39m;仿航线式路径下所有方法提取的胸径、枝下高估计值RMSE范围为1.49～2.98cm及0.32～0.56m。螺旋式、太阳花式及仿航线式路径下所有方法提取的立木位置在x轴及y轴估计值RMSE范围分别为0.042～0.314m及0.043～0.268m、0.065～0.484m及0.076～0.221m和0.099～0.564m及0.109～0.935m。结果表明,螺旋式路径结果好于太阳花式路径;太阳花式路径优于仿航线路径。（2）就位姿估计方法而言,Sf M位姿估计方式下所有方法提取的胸径、枝下高估计值RMSE范围分别为0.75～1.55cm及0.12～0.36m;V-SLAM位姿估计方式下所有方法提取的胸径、枝下高估计值RMSE范围分别为0.87～1.77cm及0.14～0.39m;VO位姿估计方式下所有方法提取的胸径、枝下高估计值RMSE范围为1.45～2.98cm及0.27～0.56m。Sf M、V-SLAM及VO位姿估计方式下所有方法提取的立木位置在x轴及y轴估计值RMSE范围分别为0.042～0.135m及0.043～0.113m、0.075～0.178m及0.068～0.181m和0.293～0.564m及0.221～0.935m。结果表明,Sf M所获取结果略好于V-SLAM;V-SLAM所获取结果好于VO。（3）本文构建了基于windows平台的森林样地参数提取系统,用于基于几何的方法从给定位姿的图像数据中提取立木及林分参数,该系统利用置于样地中心的特制棋盘格及假定立木竖直的条件构建从图像初始世界坐标系转换到样地坐标系的变换矩阵,从而赋予每一张图像尺度信息及在样地坐标系中的位姿;然后,基于已查找到的特定点构建了估计立木位置、胸径、枝下高信息的算法,并可进一步估计林分参数的算法。在基于稠密图像点云的提取算法中,需在点云稠密化之前使用以上几何方法所获取变换矩阵将图像位置变换到样地坐标系下再进行后续处理。就基于图像稠密点云及基于几何的提取方法而言,基于点云方式下所有方法提取的胸径、枝下高估计值RMSE范围分别为1.04～2.98cm及0.13～0.52m;基于几何方式下所有方法提取的胸径、枝下高估计值RMSE范围为0.75～2.20cm及0.12～0.56m。基于点云和几何方式下所有方法提取的立木位置在x轴及y轴估计值RMSE范围分别为0.042～0.564m及0.043～0.935m、0.042～0.433m及0.043～0.405m。结果表明,基于图像稠密点云与基于几何方法所获取结果较为相似。综上所述,经同等森林条件下的相同图像进行不同处理方式进行对比:（1）在扫描路径中,螺旋式路径较优。（2）在位姿估计中,基于Sf M算法所获取结果精度最优,V-SLAM算法结果略差但位姿估计速度更快,从而适合于实时估计的情况中。（3）在提取立木及林分参数的两种算法中,两种算法各有优缺点,基于稠密点云的算法精度较高但鲁棒性差,需要通过其他外界条件辅助确定尺度及样地坐标系;本文所构建基于几何的提取系统,虽然结果受操作员主观影响,但鲁棒性较高,包含了恢复尺度及样地坐标系的模块,更为完善。
郝红科[5]（2019）在《基于机载激光雷达的森林参数反演研究》文中研究指明机载激光雷达脉冲能够穿透部分森林冠层,获取森林的三维结构信息,是目前林业遥感当中最具应用潜力的主动遥感技术之一。尽管目前国内外学者已经在机载激光雷达森林参数反演方面取得了一些不错的科研成果,然而理论和实践远未成熟,核心算法仍有待提高,技术体系仍有待完善。因此,本文以黑河综合遥感联合试验获取的张掖市大野口流域的机载激光雷达数据和样地调查数据为研究对象,系统化的研究了机载激光雷达森林参数提取的技术流程,针对各个重要环节均做了深入的比较和分析,找出了反演过程当中最优的算法和参数设置,提出了一个反演森林参数的激光雷达指标。研究取得的主要结论如下:（1）布料模拟滤波算法（CSF,Cloth Simulation Filter）在本研究区滤波效果好于常用的不规则三角网滤波算法（TIN,Triangular Irregular Networks）和渐进形态滤波算法（PMF,Progressive Morphological Filter）。通过三种滤波算法生成的DEM和试验区差分GPS测量的结果对比,CSF算法可以获取最大误差1.9m,平均误差0.138m/m2的DEM,可以满足森林参数反演的需要。（2）使用归一化点云（NPC,Normalized Point Cloud）生成的树冠高度模型（CHM,Canopy Height Model）无论是在树冠三维结构的表现上,还是在CHM“孔洞”的消除效果上均优于传统的CHM生成方法。同时,本研究对比了CHM生成过程中常用的三种插值算法,距离倒权法（IDW,Inverse Distance Weighted）、不规则三角网插值（TIN）和克里金插值（Kriging）,发现由于树冠尺寸不大但形状多变,简单的IDW算法更适合CHM的插值。（3）对比分析了基于CHM的分水岭单木分割算法和基于点云的空间聚类算法,发现后者由于点云密度不够,不能用于本研究。通过有序对比分水岭算法的参数配置,确定了0.5m像素大小的CHM可以获取最佳的单木分割效果,单木分割率达到68.55%,分割准确率达到57.46%。尽管算法的参数值需要根据点云密度和林分情况变动,但是本研究提出的方法具备一定的参考价值。（4）用单木分割的思路反演林分参数,在无法单木匹配的情况下,本研究提出了用简单的线性回归模型来拟合林分实测值与单木分割估测值的方法。使用冠幅面积加权平均高估测值来拟合实测的胸高断面积加权平均高（LorH）,相关系数（R2）为0.375,均方根误差（RMSE）为2.16m。利用估测的平均树高和平均冠幅两个指标经自然对数变换后线性拟合胸高断面积（BA,Base Area）和地上生物量（AGB,Aboveground Biomass）,R2分别达到了0.571和0.639。（5）用基于样地的思路反演林分参数,本研究从点云中提取了43个指标,通过多元线性回归、支持向量机和人工神经网络三种机器学习算法来回归实测林分参数,结果表明后两者优于常用的多元线性回归模型,原因主要是提取指标之间的共线性问题所致。通过LASSO回归特征选择后,对LorH和AGB的预测,支持向量机最优,R2分别为0.784和0.849,RMSE分别为1.256m和21.298t/ha;对于BA的预测,神经网络模型最优,R2为0.859,RMSE为3.134m2/ha。（6）本文提出了一个基于样地的激光雷达提取指标——冠层高度指标（TCH,Top of Canopy Height）,在假设林分具备和单木相似的异速生长规律的前提下,利用已有的异速生长模型的形式预测各林分参数,其中对LorH、BA和AGB的拟合系数分别为0.129,0.696和0.706,预测精度高于基于单木分割的林分反演精度,低于基于点云分位数的林分反演精度。同时,本文对于影响TCH预测精度的CHM高度阈值和CHM像素大小做了科学的分析,方法具备一定的借鉴意义。总之,本文对基于机载激光雷达的森林参数反演方法进行了系统的研究,对核心算法进行了细致入微的比较和分析,得到的结论可靠有效,将有力推动机载激光雷达技术在我国林业中的深入应用与普及。
庞丽峰,黄水生,李万里,唐小明[6]（2019）在《全球导航卫星系统在我国林业中的应用》文中研究表明文中概述了全球导航卫星系统（GNSS）的现状,重点阐述全球定位系统（GPS）和北斗导航定位系统在我国林业中的应用,并对这些应用进行分析,指出GNSS技术在我国林业行业应用中存在的问题,并分析产生这些问题的原因,提出相应的解决方案建议,最后对GNSS系统在我国林业中的应用趋势进行了展望。
刘海洋[7]（2019）在《测树与无人机造林装备设计和实验研究》文中研究指明随着现代林业的发展和精准林业、数字林业的提出与不断完善,森林资源调查、观测和造林进入了测量精准、装备智能的信息化时代。为适应现代化林业发展的需求,该文针对森林调查数字化、多功能、智能化的测树仪器、森林观测设备和无人机造林装备技术体系展开研究,形成一套由森林调查到科学造林再到精准观测和经营的完整森林精准经营装备体系。该文研制并构建了适用于森林资源调查的手持式树高和胸径测量装备硬件体系,分别研制了手持式精准立木树高测量装置与手持式高精度立木胸径测量设备,通过软件设计协同使用各测量装备,形成了更为精准高效的森林资源调查作业装备体系,实现了森林调查的树高和胸径精准测量,提高了森林资源调查外业和内业效率,测量精度满足国家森林资源调查的标准。该文针对林分样地三维观测设备和方法展开研究,设计和研制了手持式林分样地三维摄影观测设备,并以手持式林分样地三维摄影观测设备为基础,对多种不同类型的林分样地展开三维观测实验。文章针对不同类型的林分样地三维摄影观测提出了 U型观测方法、交叉U型观测方法、螺旋仿航线摄影方法、阿基米德螺线摄影方法等。经过实验验证,螺旋仿航线摄影方法仅使用171张相片即可成功观测500m2以上的矩形林分样地,三维观测作业效率高,点云密度较高,胸径截面处点云数据仅存在少量的噪点。该方法不受观测面积大小的限制,可以和航空摄影方法一样对地面林分样地进行大规模的三维观测。阿基米德螺线摄影方法对圆形样地摄影观测效果良好,能够克服在观测时因拍摄角度遇到的杂草、枝叶、树干等遮挡问题,具有较高的抗干扰能力,更适合复杂环境的天然林观测,同时具备更高密度的点云观测效果和更少的点云噪点。该文利用无人机技术、机械技术、计算机技术、电子信息技术等,研制了无人机精密造林装备系统,将现代无人机技术应用于林业造林中。该文研制的无人机机载造林装置具有良好的造林速度和稳定性,可以精准控制种子造林间距,并具有较好的可调节性,能够实现单点单株、单点多株和航线连续造林等多种造林模式,经实验验证利用GNSS RTK无人机定位系统造林种子偏离航线平均绝对误差为7.6cm,精度较高,无人机精密造林装备系统可以适用于多种造林任务。该文针对测树和造林装备的研究,构建了森林资源调查与观测的装备技术体系和无人机精密造林装备系统,对森林资源调查、检测、管理和经营有较大现实意义。该文研制的调查和观测装备可为无人机造林决策提供精准而有效的数据支撑。该文研制的仪器设备,能够提高森林资源调查、监测和造林作业的工作效率,研制的主要装备技术和方法对提高当前我国森林资源调查与监测技术水平、降低野外劳动强度和林业生产成本具有重要意义,可以满足不同尺度、不同精度和不同成本预算的森林资源调查与造林作业需求,对森林资源信息快速高效的获取和精准造林具有指导和借鉴意义。
杨柳[8]（2017）在《3D影像森林资源调查信息提取研究》文中认为森林资源调查与监测是森林经营与管理的基础,查清和落实好森林资源的数量和质量,是保障森林资源可持续发展的必要条件。但森林资源传统人工地面调查方式耗时耗力,效率较下,难以适应现代林业的要求。为此,本文对森林资源调查信息获取方式进行尝试性的改进,将3D影像应用于森林资源调查中,从地面、无人机和资源三号卫星三个尺度构建3D影像,分别探讨不同尺度3D影像森林资源调查信息获取能力,旨在降低森林资源调查成本,提高调查效率。为实现森林资源调查信息化、自动化、智能化和立体化奠定理论基础,为促进林业快速发展提供良好的技术支撑。主要结论如下:1)地面3D影像森林资源调查信息提取方面:采用普通数码相机,通过双片摄影获取研究区域的立体像对,利用编写的地面3D摄影测树软件,对立体像对影像进行量测分析,实现森林资源调查中单木胸径、可视树高和材积等测树因子的获取。通过与实测数据对比验证,立木平均胸径、可视树高和材积量测的判定系数依次为:0.816、0.827和0.734。提出利用智能手机获取立木三维点云,并进行森林资源调查参数提取的方法。通过智能手机环绕立木摄影拍照,采用Pix 4D软件对获取的影像结合手机自动记录的GPS坐标进行特征匹配和前方交会,恢复了林木的立体。在获取林木三维坐标的基础上实现了胸径和树高等森林特征参数的提取,与实测结果对比拟合,单木胸径和树高的判定系数依次为0.903和0.884,样地林木胸径判定系数为0.817。2)无人机3D影像森林资源调查信息提取方面:设计构建了基于固定翼无人机平台的遥感系统,对辽宁省本溪市老秃顶子林场进行航飞试验。在无人机上搭载SONY ILCE-7R数码相机,保证80%的航向重叠度和70%的旁向重叠度的条件下,对林场研究区进行摄影成像,获取高清数码影像和POS数据。采用PixelGrid软件对无人机影像进行预处理,获得空间分辨率为0.14米的数字表面模型（DSM）、数字正射影像（DOM）和数字高程模型（DEM）。以DEM为基础,提取老秃顶子林场的地形信息,在林种和地性线（山脊线和山谷线）控制下,利用面向对象分割提取法对老秃顶子林场进行了小班区划。利用监督分类和非监督分类的方法进行了林地信息提取,结果表明最大似然法林地提取精度最高为75%,最小距离分类法提取精度最低为65.89%。利用人工目视解译、eCognition面向对象提取法和改进分水岭法对树冠进行分割与提取。在人工目视解译树冠分割的基础上,结合地面调查数据,拟合得到胸径-冠幅模型和胸径-冠幅、树高模型,针叶林最佳模型依次为D=8.0424e0.1311k和D=0.569K+1.048H-1.156,阔叶林最佳模型依次为D=-3.016+6.578K-0.243K2和D=2.673K+1.011H-2.052。利用冠层模型法和树冠阴影法提取了树高,与树高实测值进行对比拟合,其判定系数分别为0.776和0.892。根据无人机影像中林木位置、树种类别和胸径大小,采用Voronoi多边形和Delaunay三角网进行林木空间结构信息提取,快速获取了大小比、混交度和角尺度信息,并与实测数据进行了对比分析。针对无人机影像,提出八边形微型样地的林分特征参数提取方法,结合实地调查数据和影像进行相关实验,并将其与50块角规样地调查数据进行对比拟合,林分平均高、平均胸径、株数密度和林分蓄积量判定系数分别为0.685、0.514、0.807和0.782。研究结果表明,八边形微型样地法可在中低郁闭度条件下利用无人机影像进行林分特征参数提取。3)资源三号卫星森林资源调查信息提取方面:以鹫峰林场资源三号卫星三线阵影像的前视和后视为数据源,在ENVI软件DEM Extraction模块下,构建立体像对,进行了相对定向、核线影像生成和绝对定向等操作,生成了数字表面模型DSM。对鹫峰林场的1:5000地形图进行扫描矢量化,采用Delaunay三角网方法内插生成DEM。在DSM和DEM的基础上生成数字冠层高度模型（DCHM）,首先,利用声峰林场森林资源二类调查数据中小班平均高与其进行对比分析,结果表明,植被冠层高度模型在总体上反映了鹫峰林场植被高度分布状况,其次,与103块角规地面调查数据的平均高进行对比拟合,结果表明决定系数为0.2701,精度较低。利用地形图矢量化得到的DEM数据,提取鹫峰林场的地形因子,并结合多光谱和全色影像提取的纹理因子和光谱因子,利用综合考虑光谱因子、纹理因子和地形因子的机器学习方法开展了鹫峰林场森林蓄积量估测研究。以上述三类因子中的46个参数为自变量,以地面角规样地实测蓄积量为因变量,进行偏相关分析,选取相关系数较高且通过F检验的12因子为建模因子,利用机器学习中的BP神经网络、粒子群优化最小二乘支持向量机和随机森林三种方法建立森林蓄积量估测模型,进行了建模和预测研究,结果表明:随机森林蓄积量建模模型中针叶林、阔叶林和混交林三种林型的判定系数都大于0.879,RMSE都小于6.4536m3/hm2,预测模型判定系数都大于0.808,RMSE均小于6.4562m3/hm2。随机森林蓄积量模型的建模精度和预测精度均明显高于另外两种模型。最后,以随机森林蓄积量估测模型为基础,对鹫峰林场蓄积量进行整体估测和空间分布制图,研究表明鹫峰林场总蓄积量为73850.52m3,蓄积量最大的地方主要集中于林场的中西部,林场北部地区蓄积量较低。综上所述,本文主要对地面、无人机和资源三号卫星三个不同尺度立体像对的生成方法和森林信息提取方法进行了研究,利用地面摄影测量构建的立体像对可以实现单木树高、胸径和材积信息的提取,运用无人机摄影测量构建的立体像对,可以生成DSM、DEM、DOM,实现单木或林分层次的森林资源调查信息提取,如冠幅、株数密度、郁闭度和林分平均高等信息的提取,还可进行林场级别的小班区划和林地信息提取。利用资源三号卫星提供的前视和后视数据,结合地形图矢量得到的DEM数据,可构建立冠层高度模型,实现林场冠层高度的估测。利用机器学习中的随机森林结合遥感影像中光谱因子、纹理因子、地形因子的方法可提高森林蓄积量估测精度,在森林资源调查中,综合考虑三种尺度3D影像的优缺点,可进行优势互补,极大地提高森林资源调查效率。
董志海[9]（2013）在《基于超站仪的森林计测技术研究》文中指出基于超站仪的森林计测技术研究是区别于传统的森林计测因子的量测方法,利用超站仪系统对活立木进行坐标定位、树高、任意高处直径、冠幅、材积、体积的量测；对林分使用多边形样地法进行林分蓄积量、林分平均高、径阶分布、生长量的量测。通过实验数据得出：使用超站仪在森林计测中相关因子的量测,精度高、无伐倒、无损测量,为森林信息化的发展提供有力技术支撑。本文基于超站仪系统对内蒙古自治区赤峰市喀喇沁旗旺业甸实验林场的10个树种的上述因子的测量,并进行了精度分析得到以下结论：（1）立木精测因子中,使用超站仪系统测得,三维坐标定位、树高测量精度可达mm级；胸径平均精度达95.16%；冠幅精度90.38%,材积精度达95.8%,体积精度90.62%,精度都可满足林业调查的要求。（2）本文得出了最佳多边形样地边界木数目为8棵树,当边界木为8时,精度达到95左右,但本着省事、省力和高效的原则,边界木为8时达到最佳效果。建立了落叶松生长量监测模型：落叶松树高生长量模型：S=0.0038t2-0.4796+0.0038（t-1）2；落叶松胸径生长量模型：S=0.0117t2-0.2997+0.0117（t-1）2；落叶松材积模型为对该模型进行精度分析,从均方差、相关系数等方面表明,改模型符合精度要求。
杨英自[10]（2013）在《GPS技术在延平区林业工作中的应用》文中研究说明简述全球定位系统（GPS）的概念和定位原理,介绍GPS技术及与其他技术相结合在延平林业工作中的应用情况,分析GPS的限制与北斗卫星导航系统组网后的新契机,旨在促进林业工作朝数字化、信息化、现代化的方向发展。
二、全球定位系统(GPS)在森林资源(固定样地)调查中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、全球定位系统(GPS)在森林资源(固定样地)调查中的应用（论文提纲范文）
（1）祁连山森林碳储量与森林景观格局时空变化研究（论文提纲范文）
| 摘要 |
| SUMMARY |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 相关研究进展 |
| 1.2.1 森林分类研究 |
| 1.2.2 森林空间分布变化监测研究 |
| 1.2.3 森林景观格局研究 |
| 1.2.4 森林碳储量研究 |
| 1.3 研究内容、技术路线与预期目标 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 预期目标 |
| 第二章 研究区与数据 |
| 2.1 研究区 |
| 2.1.1 整体研究区概况 |
| 2.1.2 重点研究区概况 |
| 2.2 数据收集及预处理 |
| 2.2.1 光学遥感影像数据 |
| 2.2.2 激光雷达数据 |
| 2.2.3 空间环境数据 |
| 2.2.4 野外实地调查数据 |
| 2.2.5 辅助数据 |
| 第三章 山地森林识别精度提升研究 |
| 3.1 研究方法 |
| 3.1.1 构建分类系统 |
| 3.1.2 基于GLAS数据的山地地物高度提取 |
| 3.1.3 森林范围识别 |
| 3.1.4 森林类型识别 |
| 3.2 结果分析与讨论 |
| 3.2.1 森林范围识别精度比较 |
| 3.2.2 森林类型识别精度比较 |
| 3.2.3 讨论 |
| 3.3 本章小结 |
| 第四章 祁连山森林碳储量现状研究 |
| 4.1 研究方法 |
| 4.1.1 森林类型分类及森林区域GLAS脚印点筛选 |
| 4.1.2 GLAS脚印点森林冠层高度估算 |
| 4.1.3 GLAS脚印尺度森林碳储量估算 |
| 4.1.4 基于Max Ent模型的研究区森林碳储量空间分布估计 |
| 4.2 结果分析与讨论 |
| 4.2.1 GLAS脚印点森林冠层高度估算结果 |
| 4.2.2 GLAS脚印点森林碳储量估算结果 |
| 4.2.3 研究区森林碳储量空间分布估计结果 |
| 4.2.4 研究区森林碳储量空间分布特征 |
| 4.2.5 讨论 |
| 4.3 本章小结 |
| 第五章 近30 年祁连山森林景观动态变化研究 |
| 5.1 研究方法 |
| 5.1.1 历史影像森林面积提取及类型识别 |
| 5.1.2 森林面积动态变化分析 |
| 5.1.3 森林覆盖度动态变化分析 |
| 5.1.4 森林景观格局动态变化分析 |
| 5.2 结果分析与讨论 |
| 5.2.1 研究区1990-2018 年森林类型分类结果 |
| 5.2.2 研究区1990-2018 年森林面积动态变化分析 |
| 5.2.3 研究区1990-2018 年森林覆盖度动态变化分析 |
| 5.2.4 研究区1990-2018 年森林景观格局动态变化分析 |
| 5.2.5 讨论 |
| 5.3 本章小结 |
| 第六章 近30 年祁连山森林碳储量时空变化研究 |
| 6.1 研究方法 |
| 6.1.1 森林碳储量估算 |
| 6.1.2 相对辐射校正 |
| 6.1.3 森林碳储量的时空变化分析 |
| 6.2 结果分析与讨论 |
| 6.2.1 基于遥感变量的森林碳储量估算 |
| 6.2.2 研究区1990-2018 年森林碳储量空间分布 |
| 6.2.3 研究区1990-2018 年森林碳储量时空变化分析 |
| 6.2.4 讨论 |
| 6.3 本章小结 |
| 第七章 不同尺度森林景观格局与森林碳储量相关性研究 |
| 7.1 研究方法 |
| 7.1.1 实验区域选择 |
| 7.1.2 划分不同尺度森林样区 |
| 7.1.3 景观指数选取 |
| 7.1.4 不同尺度样区内森林碳储量及景观指数提取 |
| 7.1.5 统计分析 |
| 7.2 结果分析与讨论 |
| 7.2.1 研究区不同尺度样区划分结果 |
| 7.2.2 不同尺度森林景观格局与森林碳储量相关性分析 |
| 7.2.3 不同尺度森林景观格局与森林碳储量相关关系模型 |
| 7.2.4 讨论 |
| 7.3 本章小结 |
| 第八章 结论、讨论与展望 |
| 8.1 讨论 |
| 8.2 主要研究结论 |
| 8.2.1 山地森林识别精度提升研究 |
| 8.2.2 祁连山森林碳储量现状研究 |
| 8.2.3 近30 年祁连山森林景观动态变化研究 |
| 8.2.4 近30 年祁连山森林碳储量时空变化研究 |
| 8.2.5 不同尺度森林景观格局与森林碳储量相关性研究 |
| 8.3 特色与创新点 |
| 8.4 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 在读期间发表论文和研究成果等 |
| 导师简介 |
（2）森林样地主要因子一体化采集系统研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 基本测树因子概述 |
| 1.2 研究背景、目的与意义 |
| 1.3 国内外研究的现状 |
| 1.3.1 航天遥感 |
| 1.3.2 航空摄影 |
| 1.3.3 实地调查 |
| 1.3.4 各方法优劣的比较 |
| 1.4 研究目标与内容 |
| 1.5 研究方法与技术路线 |
| 1.6 章节安排 |
| 2 嵌入式设备的开发与实现 |
| 2.1 电路功能模块 |
| 2.2 树木胸径测量方法及装置 |
| 2.2.1 基于容栅传感器的胸径测量方法及装置 |
| 2.2.2 基于角度传感器的胸径测量方法及装置 |
| 2.3 基于超宽带技术的树木位置估算方法 |
| 2.3.1 四点式树木位置估算方法 |
| 2.3.2 天线式树木位置估算方法 |
| 2.4 树木断面积计算模型的探索 |
| 2.5 本章小结 |
| 3 样地主要因子一体化测量方法的设计 |
| 3.1 工作流程设计 |
| 3.2 作业流程设计 |
| 3.3 上位机软件平台的设计 |
| 3.4 本章小结 |
| 4 样地主要因子一体化采集系统的试验 |
| 4.1 试验地点 |
| 4.2 试验内容 |
| 4.2.1 装置基本性能测试 |
| 4.2.2 胸径测量精度试验 |
| 4.2.3 树木位置估算精度试验 |
| 4.2.4 样地主要因子一体化测量方法精度试验 |
| 4.3 试验结果 |
| 4.3.1 基本性能测试结果 |
| 4.3.2 胸径测量精度试验结果 |
| 4.3.3 树木断面积计算模型评价结果 |
| 4.3.4 树木位置测量精度试验结果 |
| 4.3.5 样地主要因子一体化测量方法试验结果 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 讨论与结论 |
| 5.2 创新点 |
| 5.3 不足与展望 |
| 参考文献 |
| 个人简介 |
| 致谢 |
（3）基于机载激光雷达数据的森林单木分割方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 机载激光雷达概述 |
| 1.2.1 机载激光雷达技术在森林资源调查中的应用 |
| 1.2.2 机载激光雷达系统的组成 |
| 1.2.3 机载激光雷达数据误差来源 |
| 1.2.4 激光雷达相比传统雷达的技术优势 |
| 1.3 国内外研究进展及存在的问题 |
| 1.3.1 单木分割方法的研究进展 |
| 1.3.2 单木分割影响因子 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.5 论文结构安排 |
| 2 研究区域数据获取及处理 |
| 2.1 研究区域概况 |
| 2.2 样地实地数据勘测 |
| 2.3 机载激光雷达数据获取 |
| 2.3.1 雷达数据获取流程 |
| 2.3.2 主要技术参数 |
| 2.3.3 机载激光雷达数据的解算 |
| 2.4 机载激光雷达点云的格式 |
| 2.4.1 Las格式 |
| 2.4.2 ASCⅡ格式 |
| 2.5 激光点云数据处理 |
| 2.5.1 点云的去噪 |
| 2.5.2 点云滤波 |
| 2.5.3 DTM、DSM和CHM模型的生成 |
| 2.6 本章小结 |
| 3 基于分层策略的单木分割 |
| 3.1 引言 |
| 3.2 单木分层分割方法框架 |
| 3.2.1 基于DSM的单木分割模型 |
| 3.2.2 雷达数据预处理 |
| 3.2.3 基于冠层结构的单木分割 |
| 3.3 评估指标 |
| 3.4 结果及分析 |
| 3.4.1 单木分割结果及分析 |
| 3.4.2 林冠分层结果及分析 |
| 3.5 讨论 |
| 3.5.1 单木分割精度讨论 |
| 3.5.2 林冠分层结果讨论 |
| 3.6 本章小结 |
| 4 基于MRST方法的单木分割 |
| 4.1 引言 |
| 4.2 MRST (Multi-Resolution Segmentation Threshold)方法框架 |
| 4.2.1 基于LiDAR点回波数编码的林冠分层 |
| 4.2.2 冠层内基于MRST的单木分割 |
| 4.2.3 基于连通域的跨层组合 |
| 4.2.4 单木描绘及树级参数提取 |
| 4.3 分割阈值评估 |
| 4.4 结果与分析 |
| 4.4.1 单木识别率和精度 |
| 4.4.2 树级参数评估 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 5 组合树干侦测和树冠分割的单木分割 |
| 5.1 引言 |
| 5.2 组合树干侦测和树冠分割的方法框架 |
| 5.2.1 树冠分割 |
| 5.2.2 树干侦测 |
| 5.2.3 树干与冠段匹配 |
| 5.3 结果及分析 |
| 5.3.1 单木分割精度结果及分析 |
| 5.3.2 树级参数精度结果及分析 |
| 5.4 讨论 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 博士学位论文修改情况确认表 |
（4）地面摄影测量在森林资源调查中的关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 森林清查监测体系 |
| 1.2.2 传统调查方法 |
| 1.2.3 激光雷达调查方法 |
| 1.2.4 摄影测量调查方法 |
| 1.3 研究内容 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 论文章节安排 |
| 1.4 本章小结 |
| 2 视觉相对定位关键技术 |
| 2.1 定位技术发展概述 |
| 2.1.1 绝对定位技术 |
| 2.1.2 相对定位技术 |
| 2.2 视觉定位实现的基础技术 |
| 2.2.1 摄影成像模型 |
| 2.2.2 图像特征提取及匹配技术 |
| 2.2.3 相机位姿估计及优化技术 |
| 2.3 视觉定位技术方法 |
| 2.3.1 运动恢复结构 |
| 2.3.2 视觉里程计 |
| 2.3.3 视觉SLAM |
| 2.4 本章小结 |
| 3 森林样地调查参数提取方法研究 |
| 3.1 基于图像点云的立木参数提取 |
| 3.1.1 PMVS算法概述 |
| 3.1.2 点云数据的处理 |
| 3.1.3 立木参数提取 |
| 3.1.4 林分参数估计 |
| 3.2 基于几何的森林样地调查系统的参数提取 |
| 3.2.1 系统开发环境 |
| 3.2.2 系统关键技术 |
| 3.2.3 系统结构设计 |
| 3.2.4 构建样地坐标系 |
| 3.2.5 立木参数估计算法 |
| 3.3 本章小结 |
| 4 实验设计 |
| 4.1 研究区选定 |
| 4.1.1 地理位置 |
| 4.1.2 森林资源概况 |
| 4.2 实验方案 |
| 4.2.1 硬件设备及其标定 |
| 4.2.2 样地扫描路径规划 |
| 4.2.3 图像数据处理 |
| 4.3 精度评估方法 |
| 4.3.1 参考数据获取 |
| 4.3.2 参考数据处理 |
| 4.3.3 精度评估指标 |
| 4.4 本章小结 |
| 5 结果分析与讨论 |
| 5.1 胸径估计结果与讨论 |
| 5.1.1 基于定位方式的胸径估计 |
| 5.1.2 基于提取方式的胸径估计 |
| 5.1.3 基于扫描路径的胸径估计 |
| 5.1.4 胸径因子分析与讨论 |
| 5.2 枝下高估计结果与讨论 |
| 5.2.1 基于定位方式的枝下高估计 |
| 5.2.2 基于提取方式的枝下高估计 |
| 5.2.3 基于扫描路径的枝下高估计 |
| 5.2.4 枝下高因子分析与讨论 |
| 5.3 立木位置估计结果与讨论 |
| 5.3.1 基于定位方式的立木位置估计 |
| 5.3.2 基于提取方式的立木位置估计 |
| 5.3.3 基于扫描路径的立木位置估计 |
| 5.3.4 立木位置分析与讨论 |
| 5.4 林分因子估计结果与讨论 |
| 5.4.1 林分因子估计结果 |
| 5.4.2 林分因子分析与讨论 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录清单 |
| 致谢 |
（5）基于机载激光雷达的森林参数反演研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 机载激光雷达技术概要 |
| 1.2.1 测距原理及系统组成 |
| 1.2.2 主要技术参数 |
| 1.2.3 点云及处理流程 |
| 1.3 国内外研究进展 |
| 1.3.1 机载激光单木因子提取研究 |
| 1.3.2 机载激光雷达林分因子提取研究 |
| 1.3.3 机载激光雷达在林业中的其他应用 |
| 1.4 存在的问题与不足 |
| 1.5 主要研究内容 |
| 1.6 技术路线 |
| 第二章 研究区概况及数据预处理 |
| 2.1 研究区概况 |
| 2.1.1 地理概况 |
| 2.1.2 地质地貌特征 |
| 2.1.3 水文气候特征 |
| 2.1.4 矿产及土壤特征 |
| 2.1.5 植被资源 |
| 2.2 样地数据处理 |
| 2.2.1 样地数据获取 |
| 2.2.2 样地数据分析 |
| 2.3 LiDAR数据处理 |
| 2.3.1 LiDAR数据获取 |
| 2.3.2 LiDAR数据预处理 |
| 第三章 点云滤波分析 |
| 3.1 引言 |
| 3.2 研究方法 |
| 3.2.1 滤波算法 |
| 3.2.2 精度评价 |
| 3.2.3 处理流程 |
| 3.3 结果与分析 |
| 3.3.1 滤波结果分析 |
| 3.3.2 滤波精度分析 |
| 3.4 小结 |
| 第四章 CHM插值研究 |
| 4.1 引言 |
| 4.2 研究方法 |
| 4.2.1 数据预处理 |
| 4.2.2 插值算法 |
| 4.2.3 处理流程 |
| 4.3 结果与分析 |
| 4.3.1 插值效果分析与比较 |
| 4.3.2 IDW插值参数优化 |
| 4.3.3 CHM插值法和传统方法的效果比较 |
| 4.4 小结 |
| 第五章 点云分割算法研究 |
| 5.1 引言 |
| 5.2 研究方法 |
| 5.2.1 试验区数据预处理 |
| 5.2.2 单木分割算法及精度评价指标 |
| 5.2.3 处理流程 |
| 5.3 结果与分析 |
| 5.3.1 分水岭算法 |
| 5.3.2 点云聚类分割 |
| 5.4 小结 |
| 第六章 基于单木分割的林分参数反演 |
| 6.1 引言 |
| 6.2 研究方法 |
| 6.2.1 林分平均高 |
| 6.2.2 株数密度 |
| 6.2.3 胸高断面积 |
| 6.2.4 地上生物量 |
| 6.3 结果与分析 |
| 6.3.1 林分平均高反演 |
| 6.3.2 株数密度反演 |
| 6.3.3 胸高断面积反演 |
| 6.3.4 地上生物量反演 |
| 6.4 模型应用 |
| 6.4.1 模型应用思路 |
| 6.4.2 预测结果及统计 |
| 6.5 小结 |
| 第七章 基于样地的林分参数反演 |
| 7.1 引言 |
| 7.2 研究方法 |
| 7.2.1 多元线性回归模型 |
| 7.2.2 LASSO回归特征选择 |
| 7.2.3 支持向量机模型 |
| 7.2.4 人工神经网络模型 |
| 7.2.5 模型评价方法 |
| 7.3 技术路线 |
| 7.4 结果与分析 |
| 7.4.1 变量共线性检验 |
| 7.4.2 LASSO变量筛选 |
| 7.4.3 林分平均高反演 |
| 7.4.4 林分胸高断面积反演 |
| 7.4.5 林分地上生物量反演 |
| 7.5 小结 |
| 第八章 基于TCH的林分参数反演 |
| 8.1 引言 |
| 8.2 研究方法 |
| 8.2.1 TCH生成方法 |
| 8.2.2 林分平均高反演 |
| 8.2.3 林分胸高断面积反演 |
| 8.2.4 地上生物量反演 |
| 8.3 不同CHM高度阈值林分参数反演结果 |
| 8.3.0 TCH生成结果分析 |
| 8.3.1 林分平均高反演 |
| 8.3.2 林分胸高断面积反演 |
| 8.3.3 地上生物量反演 |
| 8.3.4 TCH林分参数反演模型优选结果 |
| 8.4 不同CHM像素大小林分参数反演结果 |
| 8.4.1 TCH与 CHM像素大小的关系 |
| 8.4.2 林分平均高反演 |
| 8.4.3 林分胸高断面积反演 |
| 8.4.4 地上生物量反演 |
| 8.5 TCH模型优选与应用 |
| 8.6 小结 |
| 第九章 结论 |
| 9.1 主要结论 |
| 9.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（6）全球导航卫星系统在我国林业中的应用（论文提纲范文）
| 1 全球导航卫星系统概述 |
| 2 GNSS在林业中应用 |
| 2.1 森林资源调查 |
| 2.2 林业有害生物调查 |
| 2.3 森林火灾应急管理 |
| 2.4 造林作业设计 |
| 2.5 林业野外巡护 |
| 3 存在的主要问题 |
| 3.1 定位精度差 |
| 3.2 弱信号 |
| 4 基于新技术的解决方案 |
| 4.1 北斗短报文差分技术 |
| 4.2 北斗星基增强差分技术 |
| 4.3 GNSS惯导组合导航技术 |
| 5 结语 |
（7）测树与无人机造林装备设计和实验研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外林业装备技术水平和发展趋势 |
| 1.3.1 现代化林业智能装备关键技术发展 |
| 1.3.2 林业资源调查装备技术的发展 |
| 1.3.3 林分样地三维观测技术发展 |
| 1.3.4 林业造林装备技术发展 |
| 1.3.5 现状中现存的主要问题 |
| 1.4 本文主要研究工作 |
| 1.4.1 主要研究内容及研究方法 |
| 1.4.2 技术路线与论文结构 |
| 1.5 本章小结 |
| 2 手持式高精度立木胸径测量设备 |
| 2.1 原理与方法 |
| 2.1.1 硬件设计 |
| 2.1.2 软件设计 |
| 2.1.3 胸径测量原理 |
| 2.1.4 胸径测量作业方法 |
| 2.1.5 试验材料与方法 |
| 2.2 试验与分析 |
| 2.2.1 胸径测量精度对比试验结果 |
| 2.2.2 不同树种精度分析 |
| 2.2.3 不同径阶精度分析 |
| 2.2.4 野外作业效率分析 |
| 2.3 本章小结 |
| 3 手持式精准立木树高测量装置设计 |
| 3.1 原理与方法 |
| 3.1.1 硬件设计 |
| 3.1.2 软件设计 |
| 3.1.3 树高测量 |
| 3.2 试验 |
| 3.2.1 树高测量 |
| 3.2.2 不同树种分析 |
| 3.2.3 倾斜立木树长测量试验 |
| 3.3 本章小结 |
| 4 林分样地三维观测装备和方法研究 |
| 4.1 原理与方法 |
| 4.1.1 试验设备 |
| 4.1.2 测量原理 |
| 4.1.3 摄影观测方法 |
| 4.1.4 密集三维点云处理方法 |
| 4.1.5 试验区域和试验方案 |
| 4.2 试验结果与分析 |
| 4.2.1 不同三维观测方法测试试验 |
| 4.2.2 不同截取厚度的胸径层点云提取试验 |
| 4.2.3 手持林分样地三维摄影观测设备林分样地观测对比试验 |
| 4.3 本章小结 |
| 5 无人机精密造林装备系统研制 |
| 5.1 原理与方法 |
| 5.1.1 无人机造林系统 |
| 5.1.2 播种造林装置研制 |
| 5.1.3 造林无人机仿地形飞行控制原理 |
| 5.1.4 无人机造林航线规划 |
| 5.1.5 无人机造林播种方法改进 |
| 5.1.6 试验区域与试验方法 |
| 5.2 试验结果 |
| 5.2.1 无人机播种造林装置排种检测试验 |
| 5.2.2 不同土壤类型造林深度试验 |
| 5.2.3 不同规格造林装置造林深度对比实验 |
| 5.2.4 无人机精密造林装备系统造林定位精度实验 |
| 5.2.5 无人机倾斜造林试验 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.1.1 森林资源调查测量装备研究 |
| 6.1.2 三维摄影观测设备与观测方法研究 |
| 6.1.3 无人机精密造林装备系统研究 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
（8）3D影像森林资源调查信息提取研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 森林资源调查 |
| 1.2.2 地面摄影测量 |
| 1.2.3 航空摄影测量 |
| 1.2.4 卫星摄影测量与森林蓄积量估测 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文章节安排 |
| 2 3D影像森林资源调查应用与实验方案设计 |
| 2.1 森林资源调查体系与内容 |
| 2.1.1 森林资源一类调查 |
| 2.1.2 森林资源二类调查 |
| 2.1.3 森林资源三类调查 |
| 2.2 3D影像概述 |
| 2.3 3D影像森林资源调查应用 |
| 2.4 实验方案设计与研究区概况 |
| 2.4.1 实验方案设计 |
| 2.4.2 研究区概况 |
| 2.4.2.1 鹫峰林场 |
| 2.4.2.2 老秃顶子林场 |
| 2.5 本章小结 |
| 3 地面3D影像测树因子信息提取 |
| 3.1 地面3D摄影原理 |
| 3.2 普通数码相机摄影获取测树因子 |
| 3.3 智能手机三维点云测树信息提取 |
| 3.3.1 单木三维点云森林参数信息提取 |
| 3.3.2 样地三维点云森林参数信息提取 |
| 3.4 本章小结 |
| 4 无人机3D影像构建与森林资源调查信息提取 |
| 4.1 无人机影像获取与预处理 |
| 4.1.1 无人机影像获取 |
| 4.1.2 无人机影像预处理 |
| 4.2 无人机3D影像森林资源调查信息提取 |
| 4.2.1 地形信息提取 |
| 4.2.2 森林小班区划 |
| 4.2.3 林地信息提取 |
| 4.2.4 单木信息提取 |
| 4.2.4.1 冠幅信息提取 |
| 4.2.4.2 胸径冠幅模型 |
| 4.2.4.3 胸径-冠幅、树高模型 |
| 4.2.4.4 树高信息提取 |
| 4.2.5 林分特征参数信息提取 |
| 4.2.5.1 郁闭度信息提取 |
| 4.2.5.2 株数密度信息提取 |
| 4.2.5.3 林分空间结构信息提取 |
| 4.2.5.4 八边微形样地林分特征参数提取 |
| 4.3 本章小结 |
| 5 资源三号卫星DCHM构建与森林蓄积量反演 |
| 5.1 资源三号卫星概述 |
| 5.2 森林冠层高度模型的构建 |
| 5.2.1 资源三号卫星3D影像建立 |
| 5.2.2 地形图矢量化DEM生成 |
| 5.2.3 植被冠层高度模型建立与精度验证 |
| 5.3 资源三号卫星多光谱影像森林蓄积量反演 |
| 5.3.1 建模因子获取 |
| 5.3.1.1 地面调查数据 |
| 5.3.1.2 光谱因子 |
| 5.3.1.3 纹理因子 |
| 5.3.1.4 地形因子 |
| 5.3.2 建模因子分析 |
| 5.3.3 机器学习蓄积量反演模型构建 |
| 5.3.3.1 BP神经网络蓄积量模型 |
| 5.3.3.2 粒子群优化最小二乘支持向量机蓄积量模型 |
| 5.3.3.3 随机森林蓄积量模型 |
| 5.3.4 森林蓄积量模型对比 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
（9）基于超站仪的森林计测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1. 绪论 |
| 1.1. 研究背景 |
| 1.2. 国内外研究进展 |
| 1.2.1. 森林计测 |
| 1.2.2. 森林计测仪器 |
| 1.2.3. 抽样方法理论 |
| 1.2.4. 超站仪系统 |
| 1.3. 研究背景 |
| 1.3.1. 本研究目的 |
| 1.3.2. 研究意义 |
| 1.4. 本章小结 |
| 2. 研究区概况及主要研究内容 |
| 2.1. 研究区概况 |
| 2.1.1. 行政区划 |
| 2.1.2. 气候 |
| 2.1.3. 水文 |
| 2.1.4. 地形地貌 |
| 2.1.5. 研究区植被概况 |
| 2.2. 主要内容及方法 |
| 2.2.1. 研究内容 |
| 2.2.2. 研究方法 |
| 2.2.3. 技术路线 |
| 2.3. 本章小结 |
| 3. 超站仪系统集成 |
| 3.1. GPS |
| 3.1.1. GPS |
| 3.1.2. GPS系统的特点 |
| 3.1.3. GPS在森林计测中的应用 |
| 3.2. 全站仪系统 |
| 3.2.1. 全站仪系统 |
| 3.2.2. 全站仪系统的特点 |
| 3.2.3. 全站仪系统在森林计测中的应用 |
| 3.3. 超站仪系统 |
| 3.3.1. 超站仪系统的原理 |
| 3.3.2. 超站仪系统的功能与特点 |
| 3.3.3. 超站仪系统在森林计测中的应用 |
| 3.4. 本章小结 |
| 4. 立木精测 |
| 4.1. 立木精测因子原理 |
| 4.1.1. 立木树心三维坐标的量测 |
| 4.1.2. 立木树高的量测 |
| 4.1.3. 立木任意处直径的量测 |
| 4.1.4. 立木冠幅的量测 |
| 4.1.5. 立木材积的量测 |
| 4.1.6. 立木体积的量测 |
| 4.2. 数据获取 |
| 4.2.1. 外业采集技术路线 |
| 4.2.2. 传统量测数据采集 |
| 4.3. 数据处理 |
| 4.4. 精度分析 |
| 4.4.1. 树心坐标精度分析 |
| 4.4.2. 树高的精度分析 |
| 4.4.3. 胸径精度分析 |
| 4.4.4. 冠幅精度分析 |
| 4.4.5. 材积精度分析 |
| 4.4.6. 体积精度分析 |
| 4.5. 本章小结 |
| 5. 多边形样地法样地计测 |
| 5.1. 多边形样地数据获取 |
| 5.2. 数据分析 |
| 5.3. 生长量的精准测定 |
| 5.3.1. 生长量的概念及分类 |
| 5.3.2. 生长量模型研建 |
| 5.3.3. 模型精度分析 |
| 5.4. 本章小结 |
| 6. 结论与讨论 |
| 6.1. 结论 |
| 6.2. 创新点 |
| 6.3. 讨论与展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
（10）GPS技术在延平区林业工作中的应用（论文提纲范文）
| 1 GPS概念和定位原理 |
| 2 GPS技术在延平区林业工作中的应用 |
| 2.1 GPS在森林资源监测样地定位中的应用 |
| 2.2 GPS在伐区调查设计中的应用 |
| 2.3 GPS在野生动植物资源调查中的应用 |
| 2.3.1 在动物资源调查中的应用 |
| 2.3.2 在植物资源调查中的应用 |
| 2.4 GPS在山林权纠纷调处中的应用 |
| 2.5 GPS在百合花产业中的应用 |
| 2.6 GPS与RS、GIS相结合的3S技术在森林资源管理中的应用 |
| 2.7 GPS与GIS、现代通信技术相结合在林业“三防”一体信息化建设中的应用 |
| 2.8 GPS与GIS相结合在林业司法鉴定中的应用 |
| 2.9 GPS与GIS、Google Earth相结合在福银高速森林生态景观规划设计中的应用 |
| 3 GPS的限制与北斗卫星导航系统组网后的新契机 |
| 4 总结与展望 |
四、全球定位系统(GPS)在森林资源(固定样地)调查中的应用（论文参考文献）
- [1]祁连山森林碳储量与森林景观格局时空变化研究[D]. 宋洁. 甘肃农业大学, 2021(01)
- [2]森林样地主要因子一体化采集系统研究与实现[D]. 郑似青. 浙江农林大学, 2020
- [3]基于机载激光雷达数据的森林单木分割方法研究[D]. 王小虎. 东北林业大学, 2020(09)
- [4]地面摄影测量在森林资源调查中的关键技术研究[D]. 陈盼盼. 北京林业大学, 2020(01)
- [5]基于机载激光雷达的森林参数反演研究[D]. 郝红科. 西北农林科技大学, 2019(02)
- [6]全球导航卫星系统在我国林业中的应用[J]. 庞丽峰,黄水生,李万里,唐小明. 世界林业研究, 2019(05)
- [7]测树与无人机造林装备设计和实验研究[D]. 刘海洋. 北京林业大学, 2019(04)
- [8]3D影像森林资源调查信息提取研究[D]. 杨柳. 北京林业大学, 2017(04)
- [9]基于超站仪的森林计测技术研究[D]. 董志海. 北京林业大学, 2013(S2)
- [10]GPS技术在延平区林业工作中的应用[J]. 杨英自. 安徽农学通报(上半月刊), 2013(05)