一、用点抽样进行森林连续清查的研究(论文文献综述)
李春干,代华兵[1](2021)在《中国森林资源调查:历史、现状与趋势》文中进行了进一步梳理自20世纪50年代初以来,中国森林资源规划设计调查经历了目测调查(踏查)、航空目测调查、以小班为基础的抽样调查、以地形图为基础的小班调查和以高分辨率卫星遥感图像为基础的小班调查5个主要技术发展阶段。文中介绍各阶段森林资源调查的主要调查内容、技术方法和手段,其中小班调查内容和林分调查因子测量方法自20世纪80年代中期以来基本稳定,但小班区划和数据处理方法随着遥感和计算机技术的进步得到了较大发展;综述了2017年以来以机载激光雷达和高分遥感为核心技术的大区域森林资源调查技术进展,并展望了超高分辨率卫星遥感图像、无人机、地基激光雷达等新技术在森林资源调查中的应用前景。
刘金成[2](2019)在《林分因子测计关键技术研发与应用》文中认为森林生态系统是人类赖以生存和发展的最为稳定和最为丰富的资源库之一,对维持全球生态系统平衡起着不可替代的重要支撑作用。如何正确认识和经营管理好森林生态系统一直是科学界研究的重点和热点问题。林分作为森林生态系统中区划森林的最小地域单位,其特征因子是反映森林生态系统现状及其变化规律的基础数据,因此,在林业、生态和环境等诸多领域内,林分因子都成为了相关基础研究的关键数据,且需求量很大。如何高效率、高质量、低成本地对这些林分因子进行获取和统计分析,对于正确认识和指导森林生态系统的规划和决策具有较大的现实意义。为了实现这一目的,本文将林分因子的测量、计算、统计和预测分析等一体化流程统称为林分因子测计过程,并分别围绕林分的观测、监测/检测和建模预测等核心需求展开,以北京市作为研究区,以“互联网+3S技术”为技术支撑,重点研发了林分信息化观测技术、林分微样地空间抽样技术和林分生物量/碳储量动态预测技术等林分因子测计领域的关键技术,同时,分别从理论、方法和实践层面对林分因子测计关键技术的现实需求性、理论可行性和技术适用性等进行了探讨和评价分析。其主要研究结果如下:(1)林分信息化观测技术研发率先将手持式PX-80激光扫描仪引入到我国林分观测中,分别在平坦实验区和山区坡地实验区对其测计能力进行了验证,实验结果表明,其偏差(Bias)、均方根误差(RMSE)、相对偏差(rBias)和相对均方根误差(rRMSE)等评价指标均满足精度要求,是一种较为推荐的林分信息化观测技术手段。研制了一种实时动态多功能立体摄影测树系统——RTK测树仪,并依此设计了适用于单木级观测的“双向交叉摄影测量法”和适用于林分观测的“仿航线法”,实现了样木位置、胸径、树高及任意高处直径等单木级因子测计和林分三维点云构建、树心坐标位置、林分平均胸径、林分平均高等林分因子测计。实验结果表明,地面摄影测量技术以其高效性、灵活性和廉价性等优势有望在林分观测中有良好的应用前景。(2)林分微样地空间抽样技术研发基于“互联网+3S技术”思维和地理空间相似性原理,提出一种大尺度林分微样地同质化抽象聚类方法,并将北京市全域聚类为300~1000个林分微样地,同时,采用5~9棵树法对选定的微样地进行定时、定点、定位、定标的现场复测,实现对林分生长动态监测和检测的目的。为了评价其可行性,随机选取100个微样地,将其林分因子提取结果与对应的标准样地进行对比,结果表明,林分微样地法可以达到与标准样地法相近的抽样精度,其提取结果可以代表特定林分的整体平均情况。在现场实测微样地的基础上,提出利用RTK测树仪的环绕连续摄影构建可量测林分微样地3D点云的方法,实现了微样地的三维可视化,并可依据点云模型提取样木点位坐标、胸径、树高等测树仪因子,进而计算出林分平均胸径、林分平均高、株数密度和蓄积量等林分因子。实验结果表明,点云微样地法与实测微样地法具有较强的相关性,林分因子提取精度较高,同时,点云微样地法还具有三维可视化、数据采集效率高、人工成本投入低等优点,是一种推荐的林分微样地抽样方法。(3)林分生物量/碳储量动态预测技术研发以北京市214个连续清查固定样地为研究对象,在考虑环境因素影响的前提下,基于第六、第七、第八次连续3期的固定样地数据,以时间(林分年龄)参数为主导关键因子,借助SPSS Modeler软件建立了基于异速生长方程的林分生物量多元回归预测模型,实现了对未来时间段内林分生物量和碳储量的预测。结果表明,建模样本和检验样本的R2均在0.82以上,表明模型系数的拟合优度较好,估计值的标准差(SEE)、总相对误差(TRE)、平均系统误差(MSE)、平均预估误差(MPE)和平均百分标准误差(MPSE)等评价指标同样满足精度要求。此外,借助Matlab平台建立了基于BP人工神经网络的林分生物量动态预测模型,对于训练样本和检验样本,其R2均在0.88以上,拟合效果要优于多元回归模型,SEE、TRE、MSE、MPE和MPSE等评价指标同样满足精度要求,且略优于多元回归模型。同时,分别利用建立的多元回归模型和BP-ANN模型对214个固定样地下一期的生物量和碳储量进行了预测分析,证明了两种模型的稳定性和适用性。
杨柳[3](2017)在《3D影像森林资源调查信息提取研究》文中研究表明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。
李云,陈晓,张英团[4](2016)在《美国、德国、法国和日本森林资源调查体系对我国森林资源调查与监测的启示》文中指出随着信息化的进程,建立高效的森林资源调查与监测体系,获得快捷可靠的森林资源信息对促进我国"生态林业、民生林业"发展,助力生态文明建设具有重要意义。本文从调查监测体系、抽样设计和样地设置、调查因子、调查技术、调查周期及成果公开等方面对美国、德国、日本、法国和我国的森林资源调查现状进行介绍和对比总结,指出了目前我国森林资源调查存在的主要问题,并针对性的提出了对策及建议,为进一步优化我国森林资源监测体系提供一定的参考依据。
王雪军,项海兵[5](2014)在《基于不同尺度样地的森林面积估算对比分析——以鞍山市为例》文中提出研究一类调查与二类调查的差异,分析现有森林资源样地调查方式的效率和误差,对比分析调整样地数量和样地面积大小后对市级区域森林面积估算的精度。以鞍山市为研究区,以二类调查小班数据为基础,以现行4 km×8 km样地间隔的标准样地数量为最大样本量,分析了在样方边长分别为25、30、250 m,1、2、3、4 km与样地数量分别为现行数量的1/2、1/3、1/4和1/5等情况下样地估算森林面积总体的精度。结果表明:样地面积越大,像元的混合度越大;现行抽样方式精度较高,误差仅为0.65%;当样地数量为现有样地数量的1/2,样地大小为2 km×2 km时,是较为准确估算鞍山市森林面积值的最佳抽样方式,误差为0.29%;虽然采样率为1/3,边长为3km和4 km方式的精度更高,但是调查的面积更大。
闫飞[6](2014)在《森林资源调查技术与方法研究》文中研究表明森林是地球生态系统的重要组成部分,是人类社会得以持续健康发展的基础,我国为了掌握宏观森林资源现状与动态,经过五十余年的努力,构建了一整套较为完善的国家森林资源连续清查技术体系,并以5年为一个调查周期最终汇总形成面向全国的森林资源清查结果报告。其关键技术是精确测定同一固定样地的初查和复查数据,并利用所取得的成对值进行直接分析比较,以得到森林资源现状及其消长变化。本文围绕“森林资源调查技术与方法”这一重要的林业科学技术问题展开了较为创新和系统的研究,主要研究内容包括利用误差传播定律和数理统计方法分析森林资源调查中包含的各种误差及其相互关系,为了尽可能消除这些误差,研发高精度的森林调查仪器并验证其在固定样地调查中的使用效果和精度,研究利用多边形法进行森林蓄积量估测。首先,将森林资源调查中产生的误差分为抽样误差和观测误差。我国森林资源调查精度是以抽样误差的大小来表示,不包括观测误差,因此可能会出现抽样精度很高,但实际精度较低的情况。抽样误差是指由于样地抽样设计不当,导致样本平均数与总体平均数产生误差,而根据误差产生的不同环节,我们将观测误差分为样地面积误差、样地量测误差和样地模型误差,利用误差传播定律和数理统计方法,结合若干实际算例介绍了每种误差和总误差的计算方法及其相互关系,并提出了相应的系统改进设想。其次,为了尽可能的消除误差提高调查精度,对森林资源调查的关键技术与方法进行了研究,以自主研发的FTS-2型测树全站仪为森林资源调查装备,以30块大型乔木固定样地,约24500棵样木为研究对象进行调查试验,结果表明,利用高精度FTS-2型测树全站仪进行森林固定样地调查,可以得到固定样地中每棵树木的三维坐标,其中坐标测量中误差<±4mmm,高程中误差<±7mm;每木树高值测量精度约为97%,平均用时<5秒;每木胸径值测量相对误差仅为2%,平均用时约为3秒;每木冠幅测量值相对误差<10%,并实现树冠体积量测和三维表达;立木材积测量值精度可达95%。同时实现样木分布成图、样地样木精准复位与样地数字化三维建模;此外,以全站仪每木三维坐标为离散点信息,利用Voronoi多边形算法实现林分空间结构参数信息化提取和分析,最后介绍了其他先进设备--三维激光扫描仪和电子测树枪在样地调查中的应用,旨在为我国森林资源调查关键技术与方法提供先进精准的仪器装备和调查手段。最后,以FTS-2型测树全站仪为调查仪器,以多边形法为森林蓄积量调查方法,在北京市区及周边区县实验林场中随机抽取共计70个角规抽样点进行调查。通过与传统角规蓄积量调查方法比较得出多边形样地形状为六边形即样地边界木选择6棵时,林分蓄积量估测精度较高。同传统角规样地调查相比,利用多边形样地进森林蓄积量、林分密度、每公顷断面积、林分平均高等林分因子的调查具有更好的稳定性和准确性,精度均可达90%左右,该方法为我国森林蓄积量估测提供了新的方法和技术支持。
曾伟生,黄国胜,陈新云[7](2011)在《关于对平原地区森林资源抽样调查方法的思考》文中进行了进一步梳理平原地区森林资源抽样调查结果能否准确反映其造林绿化成效,已经日益受到广泛关注。首先对平原地区森林资源的分布特点进行了分析,阐述了现行抽样调查方法存在的主要问题,并提出了改进平原地区森林资源抽样调查方法的建议。
高莉[8](2011)在《基于ALOS的退耕还林工程监测和土地利用类型划分研究 ——以沽源县九连城镇为例》文中指出为了从根本上改善我国急剧恶化的生态环境,我国实施了包括天然林资源保护工程、京津风沙源治理工程、退耕还林工程、三北及长江流域等重点防护林体系建设工程、重点地区速生丰产用材林基地建设、野生动植物保护、自然保护区建设工程六大林业重点工程。京津风沙源治理工程监测范围包括北京、天津、河北、山西、内蒙古五省(市、区)在内的75个县(旗)。选取分辨率较高、植被特征明显的夏季遥感影像作为遥感监测信息源。本文以ALOS数据作为卫星遥感数据信息源,利用计算机进行监督分类和人机交互式解译,可提取工程区实际退耕还林面积,但对所有图斑进行实地植被状况调查的费用是非常昂贵和费时的。采用不等概抽样方法(PPS),将给定的遥感解译图斑面积/各工程实施图斑面积作为辅助因子,根据30块工程实际面积和GPS实地量测退耕还林面积,估计工程保存造林总面积,将两者提取面积做了对比分析。分析结果表明,该方法分析精度达到86.2%,对及时掌握工程实施进度及质量,也具有极其重要的意义。九连城地面异质性强烈,该区土地利用情况模糊,积极探索有效地遥感图像提取方法获得准确的土地利用信息,具有重要的现实意义。本文通过建立各类地物的光谱信息模型,实现对九连城镇通过提取遥感信息,获得准确的土地利用状况,为农牧交错区的复杂的地物光谱特征提供有效地参考。根据基本组分,采用线性光谱混合分析模型对ALOS遥感影像进行分解。本研究中将土地利用类型分为林地、耕地、盐碱地和草地四种基本组分,通过对水体进行掩膜处理以减少对线性光谱混合模型分解的影响。对ALOS图像进行混合像元分解,得到的均方根误差统计,RMS平均值为0.053,方差为0.018,较好的区分了四种土地利用类型。通过对研究区退耕还林工程区的监测和土地利用类型现状的研究,对农牧交错带的科学管理和规划提供了有效地决策支持。
李玉堂[9](2011)在《森林资源空间数据集成管理技术的研究与应用》文中研究表明森林资源数据获取与更新是森林资源调查永恒的主题,从有森林调查开始,森林调查从业者对获取准确的森林资源数据进行不懈的努力。从全林每木到抽样调查,从样地调查到角规抽样,从对坡勾绘到航片的应用,从航片到卫片,从手工制图到地理信息的应用,从罗盘配合地形图定位到GPS手持机和PDA的应用等,无不表明森林资源空间数据的获取手段的提高和调查数据精度的提高。本研究采取理论和实践紧密相结合的技术路线,主要是应用“3S”技术,对在森林资源空间数据的采集和更新的实际工作遇到的具体问题做了一些研究来提高数据采集和更新的效率,主要内容如下:1采用以Visual Basic6.0为开发平台,对MapInfo Professional进行集成开发,实现非地理要素的结合,发挥了工具型地理信息系统的长处又弥补了属性数据编辑能力不强的弱点。2通过地理信息属性数据录入的研究,实现了数据的双模式输入,即代码输入和下拉框选择输入,实现了华表组件的数据和地图窗口的互动,编辑小班属性的同时可以看到小班的图形数据以及小班范围内的遥感影像,克服了小班图形数据和属性数据”张冠李戴”的现象。3将森林资源空间数据的采集工作分解到林班,能够使每一个工作人员完成自己的内业工作,对提高森林资源空间数据的准确性,提高数据采集的速度和质量。4针对具有一个控制点的图像研究出图像单点配准的方法,简化了图像配准的过程,提高了工作效率。5应用地形数据(DEM)直接完成小班的立地条件数据填写,提高了准确性。应用DEM数据制作成的晕渲地形林相图,直接具有立体效果,形成新一代的地形林相图。方便林业基层工作人员读图和调查人员区划立地类型小班。6 GPS数据提供的地理数据为森林资源空间图形数据采集和更新提供了准确的数据源,这些数据是巨大的信息财富。本研究提供了利用这些数据的方法,在实际生产中得到广泛引用,取得了很好的效果。7采用局部矢量化的方法,利用三类调查数据对森林资源空间数据的更新,扭转了现实森林资源管理中,数据“1年清、2年变、3年乱”的被动局面。8森林资源空间数据的主要来源是遥感数据,对两期的TM影像进行比较可以发现该时间段的森林变化情况,对这些变化的发现可以使森林调查有的放矢,提高森林调查的质量。本研究通过两期影像NDVI差值的分布,来确定两期的资源变化,取得了很好的效果,在实践中有指导作用。9将样地数据进行矢量化管理,将样木的真实空间分布进行描述,实现森林资源空间数据一体化管理,实现抽样调查体系和目测现地调查体系的结合。通过这些数据完成检查小班的调查质量,计算精度,两套调查体系进行比估等工作。
林国忠[10](2010)在《森林资源二类调查方法的改进及监测体系研究》文中研究表明森林是整个国民经济持续、快速、健康发展的基础,在国家经济建设和可持续发展中具有不可替代的地位和作用。森林资源二类调查在我国森林资源调查体系中有着重要的地位和作用,是国营林业局、林场、县级单位编制森林经营方案、总体设计和林业规划的基础工作,是我国森林资源调查体系中的重要组成部分。我国森林资源二类调查主要采用角规辅助的小班调查与县级加密样地控制调查结果的方法,由于县级森林连清抽样体系的资金往往得不到保证,许多县市放弃了以县为总体的森林连续清查样地加密系统,这又为以县为总体的森林资源二类调查带来不可回避的精度控制问题。同时,森林生态监测的进展也为以山头地块乃至流域(小班的组合)为基本单位的森林资源调查提出了新的要求。本文针对我国森林资源二类调查现状及建立县级监测体系要求,提出了一种二类调查方法进行改进,即以县为总体、小班为基本单元(或小班的组合)的不等概抽样,抽中的小班建立角规固定样地,采用角规测树动态监测的理论与方法建立县级小班总体的森林资源动态监测体系;对其余未抽中的小班,仍采用常规角规辅助调查的方法;对森林生态监测要求的监测区域可结合典型小班抽样的方法进行调查。论文提出了小班不等抽样计算方法和总体林分断面积生长量、蓄积生长量的计算方法。小班不等概抽样应尽量选择与调查因子相关性紧密的辅助因子来确定单元的抽取概率,提高不等概抽样的抽样效率和估计精度。本文以广东省博罗县2005年小班二类调查数据及同期的ETM+遥感数据为例,对主要树种(桉树、马尾松、南洋楹、其它软阔)进行按树种、龄组,以及树种与龄组组合划分类型(分层),选取了小班面积、郁闭度、小班面积与郁闭度积(小班郁闭度与小班面积积可看为小班林冠投影面积和)、以及用遥感影像技术提取的小班平均NDVI与小班面积积(小班平均NDVI值×小班面积可以表示为小班像元NDVI值和)作为辅助因子,对小班蓄积进行相关性分析与比较。结果表明,按树种与龄组组合划分类型后,辅助因子与小班蓄积相关性有明显提高,其中小班面积与郁闭度积的测度与小班蓄积的相关关系可达到0.90;小班平均NDVI与小班面积积与小班蓄积的相关关系可达到0.84。从现势性考虑,小班平均NDVI与小班面积积作为小班不等概抽样的辅助因子。论文采用张角法对县级总体林分断面积生长量和蓄积生长量进行估算。张角法测树生蓄积量、断面积等会出现跳跃现象或零增长现象。论文从理论上论证了张角法测林分生长量是无偏的。论文对张角法与传统保留木法、变角规系数法估算林分生长量方法进行了比较。通过理论和实例验证了张角法和传统保留木法在保留木前后期胸高断面积比不大时是一致的,传统保留木法中常用的普列斯勒式与张角法的非常接近;变角规系数法和张角法计算公式可以推导出相似的表达形式,在机理上也是一致的。论文对森林资源二类调查方法的改进及动态监测体系的主要方案做了全面的阐述,分析和总结了小班区划的方法,对小班测度进行了完善,提出了森林资源测度和林林生态状况两类测度(森林资源测度分为单株木指标、林分指标和大林林指标共计48个指标;森林生态状况指标分为6类38个指标)。为验证角规抽样动态监测体系的可行性,本文以广西西南部分一类调查角规样点及角规样点落在小班组合而成的部分总体的为例,对2000年和2005年两期二类调查数据进行了抽样实验和生长量估计。用不等概抽样估计方法得到2000年、2005年小班总体蓄积估计量分别为3785.580m3、4162.119m3,估计精度分别为69%、78%;用张角法计算得出小班总体蓄积生长量为530.020m3,该值与2000年期的蓄积估计量3785.580m3累加得到2005年的蓄积估计量为4315.600m3,落在2005年总体蓄积估计区间(3786.340575,4537.897487)内,结果表明论文提出的二类调查方法的改进和动态监测方法是有效的。本文仅对森林资源二类调查的改方法进行了理论上的探讨及试验的计算与总结。该方法进一步的推广应用还需与抽样控制方法的结果进行对比与分析。论文对后续的研究和试验工作提出了建议。
二、用点抽样进行森林连续清查的研究(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、用点抽样进行森林连续清查的研究(论文提纲范文)
(2)林分因子测计关键技术研发与应用(论文提纲范文)
摘要 |
ABSTRACT |
1. 引言 |
1.1. 研究背景与意义 |
1.2. 国内外研究综述 |
1.2.1. 森林调查技术体系的发展 |
1.2.2. 林分观测技术的发展 |
1.2.2.1. 林分观测技术的四个阶段 |
1.2.2.2. 林分观测装备的研究现状 |
1.2.2.3. 林分信息化观测技术的研究现状 |
1.2.3. 林分抽样调查技术的发展 |
1.2.4. 林分生物量/碳储量预测技术的发展 |
1.3. 研究内容 |
1.3.1. 研究目标 |
1.3.2. 研究内容 |
1.3.3. 技术路线 |
1.3.4. 关键科学问题 |
1.4. 章节安排 |
1.5. 本章小结 |
2. 研究区概况 |
2.1 总体自然条件 |
2.1.1. 地理位置 |
2.1.2. 地形地貌 |
2.1.3. 水文条件 |
2.1.4. 气候条件 |
2.1.5. 植被条件 |
2.2. 总体社会经济 |
2.2.1. 人口及组成 |
2.2.2. 经济状况 |
2.3. 实验区概况 |
2.3.1. 平地实验区 |
2.3.2. 坡地实验区 |
2.4. 本章小结 |
3. 林分信息化观测技术 |
3.1. 信息化森林资源观测技术评述 |
3.2. 材料准备 |
3.2.1. 激光雷达设备 |
3.2.1.1. 硬件构成 |
3.2.1.2. 软件构成 |
3.2.1.3. 功能及参数 |
3.2.2. 摄影测量设备 |
3.2.2.1. 硬件构成 |
3.2.2.2. 核心硬件的设计与组装 |
3.2.2.3. 软件构成 |
3.2.2.4. 功能及参数 |
3.3. 精度检验指标 |
3.4. 地面激光雷达森林观测技术 |
3.4.1. 测量原理 |
3.4.2. 数据获取与处理 |
3.4.2.1. 数据获取 |
3.4.2.2. 数据预处理 |
3.4.2.3. 树木坐标提取 |
3.4.2.4. 树木胸径和树高提取 |
3.4.3. 实验结果与分析 |
3.4.3.1. 林分平坦地区验证 |
3.4.3.2. 林分山区验证 |
3.4.3.3. 讨论与结论 |
3.5. 地面摄影测量森林观测技术 |
3.5.1. 测量原理与方法 |
3.5.1.1. 单木常规测量 |
3.5.1.2. 单木高精度建模测量 |
3.5.1.3. 林分测量 |
3.5.2. 实验结果与分析 |
3.5.2.1. 单木常规测量验证 |
3.5.2.2. 单木高精度建模验证 |
3.5.2.3. 林分平坦地区验证 |
3.5.2.4. 林分山区验证 |
3.5.2.5. 讨论与结论 |
3.6. 本章小结 |
4. 林分微样地空间抽样技术 |
4.1. 林分微样地设计 |
4.2. 林分微样地建立方法 |
4.2.1. 微样地建立标准 |
4.2.2. 基于现场实测的微样地建立方法 |
4.2.3. 基于影像点云的微样地建立方法 |
4.3. 林分微样地观测原理 |
4.3.1. 林分因子计算原理 |
4.3.2. 林分微样地监测原理 |
4.3.3. 林分微样地检测原理 |
4.4. 精度检验指标 |
4.5. 实验验证与分析 |
4.5.1. 微样地布设基本情况 |
4.5.2. 微样地法与实测样地法对比 |
4.5.3. 点云微样地法与实测微样地法对比 |
4.5.4. 讨论分析 |
4.6. 本章小结 |
5. 林分生物量/碳储量动态预测技术 |
5.1. 模型研建思路 |
5.2. 研究数据采集与处理 |
5.2.1. 数据来源 |
5.2.1.1. 连续清查固定样地数据 |
5.2.1.2. 环境因子数据 |
5.2.2. 数据整理 |
5.2.2.1. 样地数据关联 |
5.2.2.2. 样地生物量计算 |
5.2.2.3. 建模因子筛选 |
5.2.3. 主要数据处理工具 |
5.3. 建模技术方法与评价 |
5.3.1. 样地数据划分 |
5.3.2. 模型评价指标 |
5.3.3. 林分生物量数理统计模型的建立方法 |
5.3.3.1. 建模因子标准化 |
5.3.3.2. 模型建立 |
5.3.3.3. 模型结果及精度评价 |
5.3.3.4. 分析与讨论 |
5.3.4. 林分生物量机器学习模型的建立方法 |
5.3.4.1. 数据整理 |
5.3.4.2. 模型建立方法 |
5.3.4.3. 模型结果与精度评价 |
5.3.4.4. 分析与讨论 |
5.4. 林分生物量/碳储量预测分析 |
5.4.1. 林分生物量预测 |
5.4.2. 林分碳储量预测 |
5.4.3. 不同建模方法的对比分析 |
5.5. 本章小结 |
6. 结论与展望 |
6.1. 结论 |
6.2. 技术对比 |
6.3. 创新点 |
6.4. 展望 |
参考文献 |
个人简介 |
导师简介 |
获得成果目录 |
致谢 |
(3)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 |
(4)美国、德国、法国和日本森林资源调查体系对我国森林资源调查与监测的启示(论文提纲范文)
1 国内外森林资源调查体系概况 |
1.1 调查监测体系的建立 |
1.1.1 美国 |
1.1.2 德国 |
1.1.3 法国 |
1.1.4 日本[2, 12] |
1.1.5 中国 |
1.2 抽样设计与样地设置 |
1.2.1 抽样设计 |
1.2.1.1 三阶分层抽样 |
1.2.1.2 系统抽样 |
1.2.2 样地设置 |
1.2.2.1 群团样地 |
1.2.2.2 同心圆样地 |
1.2.2.3 方形样地 |
1.3 调查因子 |
1.3.1 与木材有关的调查 |
1.3.2 森林资源综合评价方面的调查 |
1.4 调查技术 |
1.4.1 仪器设备方面 |
1.4.3 数据更新方面 |
1.5 调查周期 |
1.6 成果公开 |
2 我国森林资源调查存在的主要问题 |
2.1 调查体系未能有效衔接 |
2.1.1 调查目的、调查方法和调查时间不一致 |
2.1.2 调查技术标准不统一 |
2.2 抽样设计和样地设置单调, 效率低 |
2.4 调查手段和技术落后 |
2.5 调查周期长, 调查成果时效性差 |
2.6 成果公开和共享性差 |
3 我国森林资源调查发展的对策 |
3.1 完善调查机制, 统一技术标准, 建立综合调查体系 |
3.2 建立全国统一的抽样体系框架, 完善抽样调查方法 |
3.3 完善森林资源监测指标体系, 开展多目标资源调查和环境监测 |
3.4 改善调查手段与设备, 提高数据采集水平 |
3.5 资源共享应用、调查成果公开 |
(5)基于不同尺度样地的森林面积估算对比分析——以鞍山市为例(论文提纲范文)
1 研究区概况 |
2 材料与方法 |
3 结果与分析 |
3.1 尺度变化 |
3.2 抽样强度 |
4 结束语 |
(6)森林资源调查技术与方法研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
1. 绪论 |
1.1. 前言 |
1.2. 研究背景 |
1.2.1. 世界森林资源清查发展历史及现状 |
1.2.2. 中国森林资源连续清查发展历史及现状 |
1.2.3. 中国森林资源连续清查关键技术及其精度标准 |
1.2.4. 森林调查误差分析、仪器研究及样地调查方法研究进展 |
1.3. 本文研究的意义、内容及章节安排 |
2. 森林资源调查误差系统分析 |
2.1. 森林资源调查误差分类及相关概念 |
2.2. 森林调查抽样误差 |
2.3. 森林调查观测误差 |
2.3.1 样地面积误差 |
2.3.2 样地量测误差 |
2.3.4 样地模型误差 |
2.4. 固定样地一次观测总误差 |
2.5. 固定样地动态监测误差 |
2.6. 系统设计与调查方法改进设想 |
2.6.1 分层成团布设样地 |
2.6.2 部分重复联合估计 |
2.7. 小结 |
3. 森林固定样地调查信息化方法研究 |
3.1 研究区及仪器介绍 |
3.1.1 研究区概况 |
3.1.2 仪器简介 |
3.2 研究方法与技术流程 |
3.2.1 样地控制网建立 |
3.2.2 样木三维坐标测量 |
3.2.3 样木复位 |
3.2.4 样木树高测量 |
3.2.5 样木胸径测量 |
3.2.6 样木树冠冠幅及体积测量 |
3.2.7 样木材积测量 |
3.2.8 样木测量程序实现 |
3.2.9 林分空间结构参数提取 |
3.3 结果与讨论 |
3.3.1 坐标测量精度分析及应用 |
3.3.2 树高测量精度分析 |
3.3.3 胸径测量精度分析 |
3.3.4 冠幅测量精度分析 |
3.3.5 树冠体积计算及三维建模 |
3.3.6 立木材积精度分析 |
3.3.7 固定样地连续清查结果汇总 |
3.3.8 林分空间结构分析 |
3.4 其他先进设备在固定样地调查中的应用 |
3.4.1 三维激光扫描仪树冠因子提取技术 |
3.4.2 测树枪固定样地调查技术 |
3.5 小结 |
4. 森林蓄积量调查方法研究 |
4.1 研究背景 |
4.2 研究区及仪器介绍 |
4.2.1 研究区概况 |
4.2.2 仪器介绍 |
4.3 研究方法与技术流程 |
4.3.1 多边形样地调查方法 |
4.3.2 研究路线 |
4.4 结果与讨论 |
4.4.1 多边形样地最佳形状确定 |
4.4.2 多边形样地法与角规法调查精度对比 |
4.5 小结 |
5. 结论与展望 |
5.1 全文总结 |
5.2 创新点介绍 |
5.3 研究展望 |
参考文献 |
个人简介 |
导师简介 |
获得成果目录 |
致谢 |
(7)关于对平原地区森林资源抽样调查方法的思考(论文提纲范文)
1 问题提出 |
2 平原地区森林资源的分布特点 |
3 现行抽样调查方法存在的主要问题 |
4 改进平原地区抽样调查方法的建议 |
(8)基于ALOS的退耕还林工程监测和土地利用类型划分研究 ——以沽源县九连城镇为例(论文提纲范文)
摘要 ABSTRACT 1 引言 |
1.1 研究背景 |
1.2 研究目的和研究内容 |
1.2.1 研究目的 |
1.2.2 研究内容 |
1.3 研究技术路线 2 林业重点工程监测体系研究现状 |
2.1 森林调查主要抽样方法应用研究现状 |
2.1.1 不等概抽样 |
2.1.2 基于遥感的抽样调查 |
2.1.3 小结 |
2.2 遥感影像植被信息提取方法 |
2.2.1 图像处理与分类 |
2.2.2 植被指数提取法 |
2.2.3 基于线性光谱分离的土地利用信息提取方法 |
2.2.4 其他植被信息提取方法 |
2.2.5 基于ALOS的遥感影像信息提取的研究 |
2.2.6 小结 3 研究区概况和数据获取 |
3.1 研究区概况 |
3.1.1 地理位置 |
3.1.2 地形地貌 |
3.2 数据源的选取与数据预处理 |
3.2.1 ALOS卫星成像参数简介 |
3.2.2 资料收集 |
3.2.3 ALOS影像校正 4 沽源县基于PPS的退耕还林工程监测 |
4.1 退耕还林工程图斑判读及信息提取 |
4.1.1 退耕还林工程监测现状 |
4.1.2 GPS实地测量 |
4.2 利用不等概抽样方法估计工程有效总面积 |
4.2.1 抽样方法 |
4.2.2 PPS抽样估计及精度计算方法 |
4.2.3 工程图斑PPS抽样统计 |
4.2.3.1 遥感解译面积和历年工程实施面积 |
4.2.3.2 精度检验 |
4.3 小结 5 利用线性光谱混合分析模型进行上地利用类型划分 |
5.1 线性光谱混合分析模型 |
5.2 端元选择的途径 |
5.3 端元选择的方法 |
5.3.1 散点图端元选择法 |
5.3.2 像元纯净度指数端元选择法 |
5.4 选择基本组分 |
5.4.1 掩膜处理和创建波谱库 |
5.4.2 MNF变换 |
5.5 线性光谱混合分析模型 |
5.6 图像分类 |
5.7 精度评价 6 结论与讨论 |
6.1 主要结论 |
6.2 讨论 |
6.3 创新点 参考文献 个人简介 导师简介 致谢 |
(9)森林资源空间数据集成管理技术的研究与应用(论文提纲范文)
摘要 |
Abstract |
1 综述 |
1.1 引言 |
1.2 森林资源的数据特征 |
1.3 森林资源调查的沿革 |
1.3.1 调查体系形成 |
1.3.2 我国森林调查的分类 |
1.3.3 现行二类调查方法 |
1.3.4 计算机在森林资源调查中的应用 |
1.4 "3S"技术 |
1.4.1 地理信息技术(GIS)在森林资源调查中的应用 |
1.4.2 遥感技术(RS)在森林调查和监测中的应用 |
1.4.3 全球定位系统(GPS)在森林资源调查中的应用 |
1.4.4 嵌入式GIS |
1.4.5 小结 |
1.5 研究的目的和意义 |
1.5.1 研究目的 |
1.5.2 研究意义 |
1.5.3 技术路线 |
1.5.4 创新点 |
2 森林资源管理平台设计和数据处理 |
2.1 地理信息系统软件的分类 |
2.2 MapInfo产品简介 |
2.2.1 Maplnfo产品的应用模式的选择 |
2.3 GPS的应用 |
2.3.1 GPS手持机数据利用 |
2.3.2 对讲机GPS的应用 |
2.3.3 小结 |
2.4 图像的单点配准 |
2.4.1 图像配准的原理 |
2.4.2 Mapinfo Professional中图像配准文件的结构 |
2.4.3 BMP文件结构分析 |
2.4.4 坐标旋转变换 |
2.4.5 实现步骤 |
2.4.6 结果验证 |
2.4.7 小结 |
3 森林资源空间数据采集与更新 |
3.1 森林资源空间数据的快速采集 |
3.1.1 数据采集工作的有效分解 |
3.1.2 方便的打开地图界面 |
3.1.3 平差功能的实现 |
3.1.4 成图标准化 |
3.1.5 小班注记的形成 |
3.1.6 提出小班界 |
3.1.7 小班着色 |
3.1.8 小结 |
3.2 属性数据的采集 |
3.2.1 华表组件简介 |
3.2.2 华表组件与地理信息系统属性表的信息传递设计 |
3.2.3 属性数据的快速采集设计 |
3.2.4 筛选功能的实现 |
3.2.5 小结 |
3.3 局部矢量化 |
3.3.1 局部矢量化的提出 |
3.3.2 局部矢量化的设计思想 |
3.3.3 局部矢量化的关键 |
3.3.4 局部矢量化的实现 |
3.3.5 小结 |
3.4 森林资源空间历史数据的管理 |
3.4.1 时态GIS |
3.4.2 时间维的表达方式 |
3.4.3 时态GIS的实现方式 |
3.4.4 小结 |
4 地形数据的应用 |
4.1 地貌立体表示方法 |
4.2 数字高程模型(Digital Elevation Model,简称DEM) |
4.2.1 规则格网模型 |
4.2.2 等高线模型 |
4.2.3 不规则三角网(TIN,Triangulated Irregular Network) |
4.3 错误高程值的查找 |
4.3.1 检查等高线高程值的常用方法 |
4.3.2 检查等高线错误的原理 |
4.3.3 实现步骤 |
4.4 海拔高、坡度、坡向的填写 |
4.4.1 DEM模型的获得 |
4.4.2 将Grid模型转换为点、面实体的图层 |
4.4.3 点状实体的海拔高、坡度和坡向填写 |
4.4.4 面状小班海拔高、坡度和坡向的填写 |
4.5 林相图的"平面立体"制作 |
4.5.1 地形数据的准备 |
4.5.2 山体阴影的处理 |
4.5.3 加载到地图窗口中 |
4.5.4 "平面立体"林相图的应用 |
4.6 小结 |
5 森林资源变化监测 |
5.1 植被指数 |
5.2 TM影像的光谱特征 |
5.3 归一化植被指数NDVI |
5.4 监测原理 |
5.5 森林资源变化监测步骤 |
5.5.1 数据源 |
5.5.2 二进制图像数据输入 |
5.5.3 遥感影像的纠正配准 |
5.5.4 影像裁切 |
5.5.5 求算NDVI |
5.5.6 求算NDVI的差值影像 |
5.5.7 森林资源变化定位 |
5.5.8 检测验证 |
5.6 小结 |
6 样地的管理模式研究 |
6.1 样地管理模式的选择 |
6.2 样地的输入界面设计 |
6.3 样地每木输入设置 |
6.4 样地材料的逻辑检查 |
6.5 样地计算 |
6.6 样地与小班因子对照表 |
6.7 小结 |
结论与讨论 |
参考文献 |
附录 |
攻读学位期间发表的学术论文及参与的科研项目 |
致谢 |
个人简历 |
(10)森林资源二类调查方法的改进及监测体系研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第一章 引言 |
1.1 研究课题的背景 |
1.2 研究的目的和意义 |
1.3 研究的内容和思路 |
第二章 我国森林资源二类调查的现状与发展 |
2.1 二类调查现状 |
2.1.1 调查体系的形成 |
2.1.2 二类调查的内容 |
2.2 二类调查的发展 |
2.2.1 调查内容的发展 |
2.2.2 3S技术在二类调查中的应用 |
2.3 二类调查的改进 |
2.3.1 二类调查存在的问题 |
2.4 本章小结 |
第三章 角规测树生长的基础理论 |
3.1 角规测定林分每公顷断面积方法 |
3.1.1 角规绕测计数木株数法 |
3.1.2 角规控制检尺法 |
3.1.3 断面积系数F_g及角规定数的确定 |
3.2 角规测定每公顷蓄积量方法 |
3.2.1 角规绕测法 |
3.2.2 角规控制检尺法 |
3.3 角规测定林分生长量的传统方法 |
3.4 角规测树中的误差分析 |
3.5 本章小结 |
第四章 张角法角规测树生长的理论方法 |
4.1 张角法原理与方法 |
4.2 张角法测树生长量的无偏性证明 |
4.3 张角法与其它角规理论的比较 |
4.3.1 固定角规系数法 |
4.3.2 变角规系数数方法 |
4.4 本章小结 |
第五章 角规抽样动态监测体系的建立 |
5.1 小班区划 |
5.1.1 小班区划的目的 |
5.1.2 小班区划的条件 |
5.1.3 小班区划方法 |
5.1.4 细班区划方法 |
5.2 小班测度 |
5.2.1 森林资源测度 |
5.2.2 森林生态状况 |
5.3 小班的抽样及精度 |
5.3.1 不等概抽样的理论与分析 |
5.3.2 小班样本组织与估计 |
5.3.3 森林资源动态估计 |
5.4 小班复位与调查 |
5.4.1 样地复位 |
5.4.2 样木复位 |
5.4.3 样木(竹)检尺 |
5.4.4 其它因子调查 |
5.5 森林资源的分析与评价 |
5.5.1 森林资源质量的评价 |
5.5.2 森林生态状况评价 |
5.5.3 综合评价 |
5.6 本章小结 |
第六章 小班不等概抽样辅助因子选择与分析 |
6.1 数据与方法 |
6.1.1 技术路线 |
6.1.2 数据源 |
6.1.3 数据处理 |
6.1.4 小班类型的划分 |
6.2 辅助因子筛选 |
6.2.1 小班面积 |
6.2.2 小班郁闭度×小班面积 |
6.2.3 小班平均NDVI×小班面积 |
6.3 结果与分析 |
6.3.1 按树种分类型后辅助因子相关性分析 |
6.3.2 按龄组分类型后辅助因子相关性分析 |
6.3.3 按龄组与树种组合分类型后辅助因子相关性分析 |
6.3.4 结论 |
6.4 本章小结 |
第七章 角规抽样动态监测体系的验证分析 |
7.1 研究区与技术路线 |
7.1.1 研究区概况 |
7.1.2 技术路线 |
7.1.3 数据处理 |
7.2 结果与分析 |
7.2.1 小班PPS抽样估计 |
7.2.2 角规样点树生长量估计 |
7.2.3 结果分析 |
7.3 本章小结 |
第八章 结论与建议 |
8.1 结论 |
8.1.1 主要创新点 |
8.1.2 存在的问题 |
8.2 讨论 |
8.3 应用前景 |
8.4 建议 |
参考文献 |
详细摘要 |
四、用点抽样进行森林连续清查的研究(论文参考文献)
- [1]中国森林资源调查:历史、现状与趋势[J]. 李春干,代华兵. 世界林业研究, 2021(06)
- [2]林分因子测计关键技术研发与应用[D]. 刘金成. 北京林业大学, 2019(04)
- [3]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)
- [4]美国、德国、法国和日本森林资源调查体系对我国森林资源调查与监测的启示[J]. 李云,陈晓,张英团. 林业建设, 2016(01)
- [5]基于不同尺度样地的森林面积估算对比分析——以鞍山市为例[J]. 王雪军,项海兵. 东北林业大学学报, 2014(11)
- [6]森林资源调查技术与方法研究[D]. 闫飞. 北京林业大学, 2014(12)
- [7]关于对平原地区森林资源抽样调查方法的思考[J]. 曾伟生,黄国胜,陈新云. 林业资源管理, 2011(05)
- [8]基于ALOS的退耕还林工程监测和土地利用类型划分研究 ——以沽源县九连城镇为例[D]. 高莉. 北京林业大学, 2011(11)
- [9]森林资源空间数据集成管理技术的研究与应用[D]. 李玉堂. 东北林业大学, 2011(09)
- [10]森林资源二类调查方法的改进及监测体系研究[D]. 林国忠. 南京林业大学, 2010(03)