(一) 基于手持（或背包）激光掃描儀進行林場伐區設計調查
激光雷達（Lidar）數據可以獲取森林結構的詳細三維信息，近年來，輕量化設備開發促進了移動LiDAR平臺（背包激光掃-19-描儀和手持式激光掃描儀）的發展，掃描方式靈活，測量效率高，能夠對樹木進行三維重建，獲取高精度的單木參數。團隊利用手持激光雷達數據，綜合多種提取算法準確獲取樹木位置，提取胸徑、冠幅、樹高、材積等單木參數，單木分割精度達到90%以上；胸徑和樹高誤差（RMSEr）均在10%以內；數據采集效率高，每畝僅需20分鐘。利用手持（或背包）激光掃描儀進行林場伐區設計調查能夠提升人工林單木參數采集精度與效率，降低林場伐區設計調查成本。目前已在南平、漳州、龍巖等地的馬尾松林、杉木、桉樹人工林開展應用。
(二）林場/縣尺度森林小班數據的自動更新
隨著森林資源管理由粗放向精細化的轉變，森林分類逐漸向樹種的準確識別轉變，對森林關鍵參數的更新頻率和精度要求越來越高。團隊研發了協同高分遙感和自動分層分類技術的樹種分類方法，提出了基于機載激光雷達進行樹高、林齡、蓄積量等關鍵林分參數反演方法，實現林場/縣尺度人工林小班數據的自動更新；團隊在國家重點研發計劃項目“人工林資源監測關鍵技術研究”的支撐下，突破了復雜森林樹種分類的瓶頸，開發了一套基于節點優化的自動分層分類算法，該算法優于經典的隨機森林和回歸決策樹算法，在廣西南寧山區樹種精度達85%，推廣至福建晉江石獅市城區86.5%，安徽利辛縣平原區97.30%。取得林學會行業標準1項、軟件著作權2項。
（三）大范圍人工林樹種（如桉樹、杉木等）蓄積量/生物量/碳儲量估測和監測關鍵技術
聯合高分辨率多維度遙感變量和輔助數據，開展了主要人工林樹種的蓄積量/生物量/碳儲量估測建模，實現了人工林主要樹種的蓄積量/生物量/碳儲量時空動態監測。提出基于不同區域樣本的通用模型(混合效應模型)和改進加權最小二乘法和反向傳播算法，對安徽、福建和廣西三省人工林（桉樹、杉木、馬尾松）碳儲量進行了預測，精度為82.1%-84.9%。通過多源遙感數據的融合及時間序列影像數據技術挖掘與碳儲量關系密切的林分結構和林齡參數，解決了森林碳儲量估算中遙感數據飽和問題；通過嵌入森林類型、地形等因子分層提高了遙感估算精度（87.35%，88%），并實現人工林（桉樹）區域碳儲量時空監測（不同時間推廣精度在84.6%-86.9%）。
(四)基于陸面和生態過程模型的人工林生態系統碳水循環研究
人工林在木材供應和緩解全球變暖等方面發揮著重要作用，準確揭示其碳水循環過程是開展人工林可持續經營的重要基礎。綜合Landsat、GF-6、Sentinel-2、無人機Lidar等多種遙感數據、樣地調查數據和多種模型模式，在基于面向對象的多尺度分割方法對森林小班邊界優化的基礎上，準確模擬人工林碳水循環過程，樣地尺度上人工林的胸徑、樹高和地上碳儲量模擬精度達85%以上，可針對不同尺度（小班、林場和區域）開展未來固碳潛力評估和不同經營管理方案模擬，探索維持和提升地方穩定林業碳匯的經營方案，為地方實現碳中和目標提供決策支撐。
評論
全部評論