九棵树法提取林分调查因子原理与应用

孙梦营 ，冯仲科 ，李蕴雅

(北京林业大学a.林学院 精准林业北京市重点实验室；b.森林培育与保护省部共建教育部重点实验室，北京 100083)

九棵树法提取林分调查因子原理与应用

孙梦营a，b，冯仲科a，b，李蕴雅a，b

(北京林业大学a.林学院 精准林业北京市重点实验室；b.森林培育与保护省部共建教育部重点实验室，北京 100083)

提出一种九棵树多边形样地调查方法来建立林分调查因子模型，利用固定翼无人机拍摄北京松山影像数据，处理并区划后，根据九棵树法多边形样地算法估测各林分调查因子，再通过随机抽取18块样地作为检测数据，人工野外根据传统每木检尺方法计算平均胸径、平均高、林分密度以及林分蓄积量模型，然后通过经纬度、坡度、坡向、海拔等信息在影像中定位并利用九棵树法测得各林分因子调查数据，将测得数据与传统方法进行精度验证。经过精度分析，各林分调查因子相对误差介于8.80%～12.57%，相关系数介于0.624～0.927，满足森林资源二类调查需求，该方法可以替代传统每木检尺方法获取森林调查因子，将无人机融入九棵树多边形样地算法，弥补了利用传统方法耗材耗力浪费资源而用遥感影像测量精度有限制的局限性，适用于小尺度精准林业作业，既保证精度有可以极大程度减少野外人工作业量，为指定森林经营方案提供了新的方向。

多边形样地；固定翼无人机；回归方程；林分因子精度

林业调查是森林经营的核心部分，林业担负着优化环境和促进经济发展的重要使命，经营和管理好森林可以对充分发挥经济效益，生态效益和社会效益有重要的实际意义[1-3]。平均胸径、平均树高、林分密度和林分蓄积量，是森林调查中主要的测树因子[4-6]。

中国传统的森林资源调查通过每木检尺及解析木，耗材耗力且对森林伤害很大[7]，随着航天技术的出现，将卫星影像与抽样调查相结合的办法为森林调查提供了新的途径与方法，极大地节省了人力物力，适合大尺度对生物量，蓄积量的调查，精度较好，但对于较小尺度的精准测量有局限性[8-11]。随着无人机技术的完善弥补了这一领域的空缺，在较小尺度精准测量上既保证了精准度又节省资源。在抽样实地测量部分，提出了一种新的九棵树多边形样地方法来代替传统每木检尺，并结合无人机影响，进一步提升了调查工作效率，省时省力[12]。

1 材料与方法

1.1 试验基地

北京松山地处北京西北部延庆区境内，地理坐标为 115 °43 ′44 ″～ 115 °50 ′22 ″E，40 °29 ′9 ″～40 °33 ′35 ″N。保护区总面积约为 4 660 hm2，其中：核心区1 463.3 hm2、实验区1 802.5 hm2、旅游区1 394.2 hm2。野生动植物资源丰富，植被茂密，有脊椎动物180多种，有维管束植物700多种，是由主要树种为油松Pinustabuliformis，核 桃 楸Juglansmandshurica， 椴 树Tilia， 白蜡FraxinuschinensisRoxb， 榆 树elm， 白 桦Betulaplatyphylla等构成的天然次生阔叶林。本实验于2014年在当地用固定翼无人机获取影像数据，并随机选取18块样地进行精测平均胸径，平均树高，蓄积量等森林调查因子作为检验数据。

1.2 九棵树法林分调查方法

如图1所示，在P点处分别测出于每棵树相交的切线处的斜距L，倾角δ和方位角γ，以及每棵树的胸径di。

图1 九棵树多边形形样地原理图Fig.1 Nine tree polygon shape schematic diagram

挑选合适样地：在小班中选择能代表林木平均水平的地点为观测样地，对于面积要求要适中（0.002～0.007 hm2），并确保观测通视无遮蔽，标准木发育良好无病虫害，树干尽量垂直无倾斜且圆形样地只包括中心树及分布于四周的标准木，为保证对林分调查准确性，要按林分所测面积随机挑选若干多边形样地，林分稀疏部分和茂盛部分均应设置样地。

样木标定：如图1所示，为方便计算将样地看成圆形，选择样地中间1颗中心树作为圆心，半径是以位于各个顶点的8株标准木距离圆心的长度。使用红色喷漆标定中心树的胸径位置及编号，使用蓝色喷漆标定其余标准木，编号方法为样地号加数字顺延。如：样地1样木1，其余以此类推。

样地测量：用测树枪站分别测量每棵树的树高，胸径，标准木到圆心的距离由测量点P处分别与中心树和标准木相切时的方位角，倾角以及斜距求得。

1.3 测量原理

（1）平均胸径

式（1）中：di为第i棵样木的胸径（cm）。

（2）平均树高

式（2）中：Hi为第i棵树的树。

（3）林分密度求算模型

将多边形样地看成圆形，则林分密度为：

（4）蓄积量求算模型

式（4）中：R8为到中心树距离最长的标准木与中心树的距离；fj为实验形数；di为第i棵样木的胸径(cm)；H为林分平均高(m)。

2 林分因子获取与精度评价

2.1 胸径-冠幅模型建立

九棵树法多边形样地数据来源是于2014年无人机拍摄的松山植被信息，无人机型号为FSIM.UAV-2015A。首先根据海拔，坡位，地形等信息对松山地区影像进行区划[13-16]，然后提取树冠和树高信息，之后是对胸径信息的提取，由于无人机影像无法直接获得胸径信息，根据冠幅和胸径拟合关系方程，通过冠幅信息进而获得胸径值。选取3个使用度高的冠径-胸径关系方程并挑选松山6个常见的树种拟合并分别选取最佳冠径-胸径关系式（见图1）。

结果表明各方程拟合效果较为理想，油松最优胸径-冠径模型幂函数方程拟合效果最佳，为D=8.19K0.70，相关系数为0.692 482，核桃楸最优胸径-冠径模型幂函数方程拟合效果最佳，为D=5.93K0.81，相关系数为0.587 336，椴树最优胸径-冠径模型指数函数方程拟合效果最佳，为D=6.38e0.22K，相关系数为0.599 314，白蜡最优胸径-冠径模型幂函数方程拟合效果最佳，为D=4.83K0.77，相关系数为0.638 734，榆树最优胸径-冠径模型对数函数方程拟合效果最佳，为D=6.48lnK+4.29，相关系数为0.601 133，白桦最优胸径-冠径模型幂函数方程拟合效果最佳，为D=6.02K0.71，相关系数为0.597 561（见表1）。

图2 北京松山小班规划图Fig.2 Planning map of Song-mountain in Beijing

2.2 林分因子精度评价

将林地中随机抽取18块样地作为检验数据，根据经纬度、坡度、坡向等信息从影像中定位并找出对应数据，根据九棵树多边形样地计算方法计算出每块小班各调查因子数值，使之与通过实地观测用传统方法计算得出的数值进行分析检验，求出精度与误差值。计算结果如表2、表3所示，检验结果表明效果较理想，误差在准许范围之内。

表1 松山针叶林与阔叶林D-K回归模型Table 1 D-K regression model of coniferous and broad-leaved forests

3 结论与讨论

3.1 结 论

提出一种采用九棵树多边形样的调查方法来建立林分调查因子模型，基于无人机对森林进行小班区划并获取小班调查因子，利用九棵树多边形样地计算平均胸径、平均高、林分密度以及林分蓄积量模型。随机抽取18块样地通过每木检尺运用传统公式计算各林分调查因子并根据经纬度、坡度、坡位等信息定位无人机影像数据，利用九棵树法求得各林分调查因子与传统方法进行精度验证。

表2 九棵树法求得值和实测值对比Table 2 Comparison of ninetree method calculated values and measured values

表3 林分因子精度Table 3 Precision table of stand factor

经过精度分析，各林分调查因子相对误差介于8.80%～12.57%，相关系数介于0.624～0.927，满足森林资源调查需求，在较小尺度精准测量上既保证了精准度又节省野外工作量，提高工作效率。

将无人机融入九棵树多边形样地算法，弥补了利用传统方法耗材耗力浪费资源而用遥感影像测量精度有限制的局限性，适用于小尺度精准林业作业，既保证精度有可以极大程度减少野外人工作业量，为指定森林经营方案提供了新的方向，但对大尺度测量则遥感卫星影像比较合适[17-20]。

3.2 讨论与分析

（1）利用九棵树法结合无人机提取林分因子由于影像分辨率高但范围晓得特点只适用于中小尺度的调查研究，对于大尺度林分因子调查则应选择遥感影像

（2）本方法适用于华北、东北地区林分不是过密集的地方，对于南方林分过于密集，在影像上选择九棵树法比较困难，对于这一部分有待于进一步研究。

[1]赵 芳.测树因子遥感获取方法研究[D].北京:北京林业大学,2014.

[2]高 祥.森林资源调查监测信息化技术方法研究[D].北京:北京林业大学,2015.

[3]樊仲谋.摄影测树原理与技术方法研究[D].北京:北京林业大学,2015.

[4]尹少华,周文朋.湖南省森林碳汇估算与评价[J].中南林业科技大学学报,2013,33(7):136-139+144.

[5]韦雪花,王 佳,冯仲科.北京市13个常见树种胸径估测研究[J].北京林业大学学报,2013, 5(5):56-63.

[6]宁 晨,闫文德,叶生晶,等.喀斯特城市亮叶桦意杨混交林生态系统生物量及生产力研究[J].中南林业科技大学学报,2011, 31(5):161-166.

[7]Kitahara F, Mizoue N, YoshidA S.Effects of Training for Inexperienced Surveyors on Data Qualityof TreeDiameter and Height Measurements[J].Silva Fennicas, 2010,44(4): 657-667.

[8]徐伟恒,冯仲科,苏志芳,等.手持式数字化多功能电子测树枪的研制与试验[J].农业工程学报,2013(3):90-99.

[9]张 雨,林 辉,臧 卓,等.高光谱遥感影像森林信息提取方法比较[J].中南林业科技大学学报,2013,33(1):75-79.

[10]余国斌.基于遥感影像的森林资源智能区划技术研究[D].长沙:中南林业科技大学,2013.

[11]王茹雯,彭道黎,吴 涛,等.利用面向对象的技术进行树冠信息提取研究[J].中国农学通报,2010,26(15):128-134.

[12]王 伟.无人机影像森林信息提取与模型研建[D].北京:北京林业大学,2015.

[13]Gougeon,Francois.Automatic individual tree crown delineation using a valley-following algorithmandarule-based system[J],The InternationalForumon Automated Interpretation of High Spatial Digital Imagery for Forestry,1998,55(4):33-46.

[14]樊江川.无人机航空摄影测树技术研究[D].北京:北京林业大学,2014.

[15]王 佳,冯仲科.航空数字摄影测量对林分立木测高及精度分析[J].测绘科学,2011,36(6):77-79.

[16]魏 涌,毕 凯.低空无人机航摄系统在正射影像制作中的应用[J].铁道勘察,2014(2):17-19.

[17]胥利红.森林参数数字摄影测量提取技术的应用研究[D].哈尔滨:东北林业大学,2010.

[18]张 雨,林 辉,臧 卓,等.高光谱遥感影像森林信息提取方法比较[J].中南林业科技大学学报,2013,33(1):75-79.

[19]陈 利,林 辉,孙 华,等.基于决策树分类的森林信息提取研究[J].中南林业科技大学学报,2013,33(1):46-51.

[20]孙 华,林 辉,石军南,等.湖南省森林资源连续清查遥感抽样技术的对比分析[J].中南林业科技大学学报,2010,30(11): 26-31.

Principle and application of forest investigation factor by nine-tree method

SUN Mengyinga,b, FENG Zhongkea,b, LI Yunyaa,b
(a.Collgeg of Forestry, Precision Forestry Key Laboratory of Beijing; b.Forest Cultivation and Protection Key Laboratory of Ministry for Education, Beijing Forestry University, Beijing 100083, China)

Forest survey factor is important parameter to master the forest vegetation growth, this paper proposes a method named nine-tree method to extract stand factors.18 sample plots were selected to accuracy veri fi cation by comparing nine-tree method with traditional calculation formula of wood seized feet fi eldwork in Beijing Song-mountain.The test result shows that relative error of stand factors between 8.80%-12.57%, correlation coef fi cient between 0.624-0.927.The results meet the requirements of the forest resources sub compartment surveying which can replace traditional measures.Combining UAV with ninetree method changes traditional wood seized feet fi eldwork to the global, indoor, large scale survey witch provides a reference for the national forest management planning formulation.

polygon sample plots; UAV; regression equation; forest factor accuracy

S757

A

1673-923X(2017)04-0070-05

10.14067/j.cnki.1673-923x.2017.04.012

2016-07-04

国家自然科学基金项目（41371001）；北京市自然科学基金项目（6161001）

孙梦营，硕士研究生 通讯作者：冯仲科，教授，博士生导师， E-mail：fengzhongke@126.com

孙梦营，冯仲科，李蕴雅.九棵树法提取林分调查因子原理与应用[J].中南林业科技大学学报，2017, 37(4): 70-74.

[本文编校：文凤鸣]