LIDAR技术在林业调查中的应用研究

林业资源管理 ›› 2007, Vol. 0 ›› Issue (6): 73-77.

LIDAR技术在林业调查中的应用研究

张彦林^1,2, 冯仲科¹, 杨伯钢¹, 马友平¹, 姚山¹

1.北京林业大学测绘与3S技术中心,北京100083;
2.甘肃林业职业技术学院,甘肃天水 741020;
3.北京市测绘设计研究院,北京100038

收稿日期:2007-05-16 修回日期:2007-09-17 发布日期:2020-12-10
作者简介:张彦林(1963-)男,甘肃天水人,副教授,博士生,主要研究方向为3S技术在林业中应用。Email:cato2005@sina.com;责任作者:冯仲科,教授,博士生导师,主要研究方向为3S技术。Email:fengzhongke@126.com

Applications of LIDAR Technology in Forestry Investigation

ZHANG Yanlin^1,2, FENG Zhongke¹, YANG Bogang³, MA Youping¹, YAO Shan¹

1. Institute of GIS, RS & GPS, Beijing Forestry University, 100083, P. R. China;
2. Gansu Forestry Technological College, Tianshui,741020, Gansu,P.R. China;
3. Beijing Research Institute of Surveying and Designing, Beijing 100038,China

Received:2007-05-16 Revised:2007-09-17 Published:2020-12-10

摘要/Abstract

摘要： 以LIDAR测量树高为研究内容,利用全站仪对研究区选定的37株样木的树高和材积进行精准测量,获取训练样本实测数据。通过BP神经网络分析,建立了LIDAR测量树高与实测树高、材积的拟合函数方程,实现了用LIDAR树高数据计算单木材积的过程。从拟合的结果来看,树高相关系数R为0.993 2,平均残差平方和为0.086 312。材积相关系数R为0.974 7,平均残差平方和为0.000 310 5,达到了林业调查精度的要求,在林业数表的编制方面是一个比较好的范例。

关键词: LIDAR, 树高, 材积, BP神经网络, 拟合函数方程

Abstract: This paper studied measurement of tree heights by using LIDARtechnology. The total station precisely measured height and volume of the 37 selected sample trees, which served as measured sample data. With the analysis ofBPNeural Networks, function equation was established to fit LIDAR images to real-measured tree height and volume data, which processed realization of using LIDARdata to calculate individual tree volume. It can be drawn from the fitting result that correlative coefficient of height was 0.993 2 and mean residual sum of squares was 0.086 312, correlative coefficient of volume was 0.974 7 and mean residual sum of squares was 0.000 310 5, this result metthe requirement of forestry investigation precision. It also set a good examplefor forestry tables making.

Key words: LIDAR, tree heights, tree volumes, BP Neural Networks, fitting function equation

中图分类号:

P225.1
S758

张彦林, 冯仲科, 杨伯钢, 马友平, 姚山. LIDAR技术在林业调查中的应用研究[J]. 林业资源管理, 2007, 0(6): 73-77.

ZHANG Yanlin, FENG Zhongke, YANG Bogang, MA Youping, YAO Shan. Applications of LIDAR Technology in Forestry Investigation[J]. FOREST RESOURCES WANAGEMENT, 2007, 0(6): 73-77.

[1]	谭德宏, 舒清态, 赵洪莹, 王柯人, 袁梓健. 基于遗传算法优化BP神经网络模型估测高山松叶面积指数[J]. 林业资源管理, 2020, 0(5): 123-130.
[2]	田意, 吴宏炜, 张伟志, 黄光灿, 庄崇洋, 江希钿. 福州市米槠林分相容性胸径生长模型和树高曲线模型研究[J]. 林业资源管理, 2020, 0(4): 44-49.
[3]	许粲, 江腾达. 一种机载LIDAR数据估算森林蓄积参数的方法[J]. 林业资源管理, 2020, 0(3): 105-110.
[4]	彭其龙, 陈哲夫, 陈端吕. 湖南栎类-马尾松天然混交林单木生长模型研究[J]. 林业资源管理, 2020, 0(2): 94-102.
[5]	曾伟生, 曹迎春, 陈新云, 赵连清. 河北省主要树种单木和林分生长率模型研建[J]. 林业资源管理, 2020, 0(1): 30-37.
[6]	罗洪斌, 舒清态, 庞勇, 王强, 王冬玲. 运用机载LiDAR数据对橡胶林地上生物量估测的采样尺度效应分析[J]. 林业资源管理, 2020, 0(1): 136-142.
[7]	刘治平, 曹宗英, 张旭华, 尹淑英. 甘肃省人工云杉林二元立木材积方程的编制研究[J]. 林业资源管理, 2020, 0(1): 172-176.
[8]	曾伟生. 总体与林分水平的树高-胸径模型对蓄积量估计的影响分析[J]. 林业资源管理, 2019, 0(6): 38-41.
[9]	张江平, 丁贵杰. 贵州人工柳杉单株二元立木材积模型研究[J]. 林业资源管理, 2019, 0(6): 62-68.
[10]	刘江俊, 高海力, 方陆明, 郑辛煜, 姜广宇. 基于无人机影像的树顶点和树高提取及其影响因素分析[J]. 林业资源管理, 2019, 0(4): 107-116.
[11]	覃阳平, 李华, 李永亮, 张成程, 王蒙. 云南省主要针叶树种树高曲线模型研建[J]. 林业资源管理, 2019, 0(4): 46-51.
[12]	萨如拉, 徐加睿, 王智慧, 张科, 于宪军. 基于树干解析的兴安落叶松人工林单木生长模型研究[J]. 林业资源管理, 2019, 0(2): 88-92.
[13]	陈晨, 刘光武, 申洁梅, 高福玲. 太行山区栓皮栎天然次生林树高模型构建[J]. 林业资源管理, 2018, 0(6): 146-149.
[14]	曾伟生. 我国主要树种二元立木材积表的检验[J]. 林业资源管理, 2018, 0(5): 35-41.
[15]	徐期瑚, 林丽平, 薛春泉, 罗勇, 杨加志, 雷渊才. 基于树高-年龄分级的广东枫香生长模型[J]. 林业资源管理, 2018, 0(5): 47-53.