基于遙感技術(shù)的小黑楊木材產(chǎn)量和質(zhì)量預(yù)測.pdf

1、樹冠是樹木的重要組成部分，人們常常通過研究樹冠來監(jiān)測樹木長勢，預(yù)測樹木生長量，甚至判定木材材質(zhì)；高空間分辨率衛(wèi)星影像具有觀測范圍廣、信息量豐富、重復(fù)觀測等特點(diǎn)，為研究林分樹冠提供了理想的數(shù)據(jù)源。 本研究的主要目的是探索將高空間分辨率衛(wèi)星遙感技術(shù)應(yīng)用于楊樹人工林木材產(chǎn)量和質(zhì)量評估的可行性，為楊樹人工林經(jīng)濟(jì)價值的預(yù)測和評估開辟新的途徑。具體而言，本文以我國人工林栽培面積最大的楊樹的一個無性系一小黑楊(Populusxxiaohei

2、T.S．Hwang et Liang)為研究對象，利用高空間分辨率QuickBird衛(wèi)星影像提取樹冠信息，試圖建立樹冠特征參數(shù)及估測的樹木特征因子與林木生長特征、木材性質(zhì)、立木材積、濕心材、幼齡材材積以及木材產(chǎn)品出材量(單板、纖維)的關(guān)系模型。利用這些模型可以對林分生長狀況、林木材質(zhì)及其加工利用價值進(jìn)行大范圍地分析和評估，為木材用作膠合板、制漿造紙材料提供指導(dǎo)。該研究將遙感技術(shù)與木材加工利用結(jié)合起來，對森林經(jīng)營管理和林木定向培育具有重要

3、的指導(dǎo)意義。 論文的主要結(jié)論和成果如下： (1)小黑楊樹冠特征對林木生長(樹高除外)影響顯著。樹冠較大的林木，生長活力大，其胸徑和材積生長量較大；但枝下高較低，樹干尖削度較大，幼齡材、濕心材生長量較大；樹冠特征與林木生長密切相關(guān)。樹冠大小對木材基本密度、靜曲強(qiáng)度(MOR)以及纖維形態(tài)特征(纖維長度、寬度、長寬比)的影響不大；對平均生長輪寬度、彈性模量(MOE)和順紋抗壓強(qiáng)度的影響顯著；平均生長輪寬度與冠幅呈密切的正相關(guān)性

4、，MOE、順紋抗壓強(qiáng)度與冠幅呈負(fù)相關(guān)性。利用冠幅預(yù)測MOE和順紋抗壓強(qiáng)度的精度不高(R<'2>均為0.45)。因此，對于與樹冠特征關(guān)系密切的林木生長指標(biāo)，如胸徑、立木材積、幼齡材、濕心材面積，可以考慮利用高空間分辨率遙感數(shù)據(jù)反演的冠幅參數(shù)來預(yù)測，而木材性質(zhì)與冠幅之間的關(guān)系較弱，因而利用遙感技術(shù)進(jìn)行預(yù)測效果不好。 (2)利用高空間分辨率QuickBird衛(wèi)星影像為數(shù)據(jù)源，采用幾何精校正、數(shù)據(jù)融合、去除陰影以及目視解譯的圖像處理方法

5、，能夠較為精確地提取不同栽植密度的小黑楊林木樹冠信息。遙感影像測定冠幅值與實(shí)測值的平均絕對誤差為0.15 m，平均相對誤差為5.74％，該方法可以在一定程度上替代傳統(tǒng)的野外冠幅測量方法。 (3)利用遙感影像提取的冠幅以及由其估測的胸徑、樹高參數(shù)為自變量，建立的立木材積模型能很好地預(yù)測小黑楊立小材積，決定系數(shù)R<'2>值為0.87～0.92；利用遙感影像提取的冠幅可直接預(yù)測立木材積。 (4)小黑楊林木的濕心材比例較高，占

6、樹干體積的56.0％～65.2％；其主要分布于樹干下部，在樹干內(nèi)呈錐形分布，即沿樹干高度向上，濕心材斷面積和比例呈減小趨勢。栽植密度對林木濕心材材積和濕心材比例有顯著影響，較小的栽植密度林木濕心材生長量較大。利用實(shí)測胸徑、樹高及枝下高為自變量，建立各種回歸模型，對小黑楊林木濕心材材積估測的精度較高(R<'2>值為0.87-0.92)，其中，胸徑是濕心材材積最好的解釋變量。 (5)小黑楊林木幼齡材在樹干內(nèi)分布不均勻，樹干底部幼齡材

7、面積較大，幼齡材所占斷面積的比例較高，隨著樹干高度的增加，幼齡期逐漸縮短，幼齡材面積逐漸減小，幼齡材比例呈遞減趨勢。27年生小黑楊林木幼齡材比例為68.5％～79.0％；不同栽植密度的林木幼齡材材積和比例差異明顯，較小的栽植密度林木幼齡材生長量較大。利用實(shí)測胸徑為自變量的二次多項(xiàng)式模型可以對小黑楊林木幼齡材材積進(jìn)行較好地估測(R<'2>值為0.95)。 (6)以高空間分辨率QuickBird衛(wèi)星影像數(shù)據(jù)反演的胸徑參數(shù)為自變量，建

8、立小黑楊林木濕心材和幼齡材材積預(yù)測模型，R<'2>值分別為0.78、0.83。利用高空間分辨率QuickBird遙感技術(shù)預(yù)測小黑楊立木濕心材和幼齡材材積的方法是可行的。 (7)以實(shí)測樹木特征因子(胸徑、樹高及高徑比)為輸入變量，建立BP人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測立木單板出材量及纖維產(chǎn)量相關(guān)指標(biāo)的精度較高，干物質(zhì)重、纖維素產(chǎn)量、綜纖維素產(chǎn)量、木質(zhì)素產(chǎn)量、抽提物產(chǎn)量及單板出材量平均預(yù)測精度分別達(dá)到94.53％、94.61％、94.97％、