基于遙感技術(shù)預(yù)測(cè)小黑楊人工林木材性質(zhì)的研究.pdf

1、本文以山西朔州楊樹(shù)速生豐產(chǎn)林基地的3種栽植密度(2m×5m(A)、4m×5m(B)和4m×10m(C))的小黑楊(Populus×xiaoheiT.S.HwangetLiang)為試驗(yàn)材料，獲得了如下創(chuàng)新性研究成果與結(jié)論： 1.首次應(yīng)用高空間分辨率的QuickBird衛(wèi)星影像信息提取與分析技術(shù)對(duì)木材性質(zhì)進(jìn)行了評(píng)估。通過(guò)提取樹(shù)冠參數(shù)、分析建模并與常規(guī)的林分調(diào)查、木材性質(zhì)測(cè)試分析有機(jī)結(jié)合，建立了以衛(wèi)星影像估測(cè)的林木特征參數(shù)為自變量的

2、木材生長(zhǎng)量和木材性質(zhì)的預(yù)測(cè)模型，為小黑楊木材性質(zhì)的評(píng)定和木材生長(zhǎng)量的預(yù)測(cè)提供了一種全新的研究方法和分析手段，對(duì)其它楊樹(shù)人工林材性分析和評(píng)價(jià)具有較高的借鑒價(jià)值。 2.在數(shù)據(jù)分析和建立模型過(guò)程中，首次將經(jīng)濟(jì)學(xué)中“彈性理論”的Conb-Douglas生產(chǎn)函數(shù)理論應(yīng)用到木材科學(xué)與技術(shù)領(lǐng)域，用生產(chǎn)彈性和邊際產(chǎn)量等分析方法系統(tǒng)分析了樹(shù)木特征因子與木材生長(zhǎng)量間的關(guān)系。同時(shí)，引入人工神經(jīng)網(wǎng)絡(luò)模型中的BP算法，把人工神經(jīng)網(wǎng)絡(luò)模型的高擬合度和較強(qiáng)的

3、預(yù)測(cè)能力應(yīng)用到分析遙感數(shù)據(jù)與木材性質(zhì)的關(guān)系中，取得了較好的預(yù)測(cè)效果。 3.研究結(jié)果表明： (1)栽植密度對(duì)小黑楊人工林冠幅(CW)、冠長(zhǎng)(CL)、胸徑(DBH)、胸徑分布、徑高比(DH)的影響極為顯著，而對(duì)樹(shù)高(H)和胸高形率的影響不顯著。隨著栽植密度的增加，樹(shù)冠冠幅、冠長(zhǎng)、胸徑減??；徑高比呈“V”形變化。栽植密度越小，較大徑階的林木株數(shù)比例越高； (2)栽植密度對(duì)木材生長(zhǎng)量(濕心材面積(HA)、邊材面積(SA)

4、、幼齡材面積(JA)、成熟材面積(MA)和胸高斷面積(WHA))和濕心材、邊材比例有著顯著的影響。隨著栽植密度的減小，濕心材面積，邊材面積，幼齡材面積，胸高斷面積增加；濕心材、邊材比例降低；成熟材面積為“低—高—低”波動(dòng)。 (3)栽植密度對(duì)纖維寬度、纖維雙壁厚、導(dǎo)管比量、胞壁率、導(dǎo)管個(gè)數(shù)、導(dǎo)管弦向直徑、基本密度、抗彎彈性模量(MOE)、順紋抗壓強(qiáng)度(CGS)的影響達(dá)到極顯著水平；對(duì)纖維壁腔比、抗彎強(qiáng)度(MOR)的影響達(dá)到顯著水平

5、；對(duì)纖維長(zhǎng)度、纖維腔徑、長(zhǎng)寬比、纖維比量、射線比量、化學(xué)成分和紙漿得率的影響不顯著。栽植密度對(duì)木材纖維形態(tài)特征和基本密度的徑向變異有不同程度的影響，但不改變它們變異的一般模式。 (4)木材生長(zhǎng)量與實(shí)測(cè)樹(shù)木(林分)特征因子(包括冠幅、冠長(zhǎng)、胸徑、樹(shù)高、尖削度(ST)、栽植密度等)之間符合Conb-Douglas生產(chǎn)函數(shù)的形式，可以用Conb-Douglas生產(chǎn)函數(shù)對(duì)木材生長(zhǎng)量進(jìn)行預(yù)測(cè)(模型的R2=0.66～0.97)，同時(shí)應(yīng)用彈性

6、分析方法中的單因素彈性系數(shù)、多因素彈性系數(shù)和邊際產(chǎn)量對(duì)小黑楊木材生長(zhǎng)量隨樹(shù)木特征因子的變化而變化進(jìn)行合理分析和解釋。 (5)用實(shí)測(cè)的樹(shù)木特性因子指標(biāo)來(lái)預(yù)測(cè)小黑楊木材的MOE/MOR、順紋抗壓強(qiáng)度、苯醇抽提物、綜纖維素含量，效果較好(R2＞0.5)；而建立在樹(shù)木特性因子與木材纖維長(zhǎng)度、導(dǎo)管個(gè)數(shù)、導(dǎo)管弦向直徑、腔徑比量、胞壁率和纖維素含量間的預(yù)測(cè)模型只能解釋它們變異的30～47％(R2=0.3～0.462)；對(duì)其它木材性質(zhì)的預(yù)測(cè)效果

7、一般。 (6)以全色波段空間分辨率為0.61m、多光譜波段空間分辨率為2.44m的QuickBird衛(wèi)星影像為數(shù)據(jù)源，采用后差分的全球定位系統(tǒng)(GPS)對(duì)每株立木進(jìn)行定位，利用遙感圖像處理軟件對(duì)影像進(jìn)行幾何精校正、數(shù)據(jù)融合等處理，并且采用面向?qū)ο蟮姆诸惙椒ǎ瑢?duì)影像進(jìn)行多尺度分割，特征提取分析，提取小黑楊(目標(biāo))樹(shù)冠大小信息(冠幅)。從QuickBird衛(wèi)星影像上提取的小黑楊樹(shù)冠冠幅的精度達(dá)到97.36％，高于前人的研究結(jié)果。

8、 (7)建立了基于QuickBird衛(wèi)星影像測(cè)量的小黑楊樹(shù)冠冠幅值的林木胸徑和樹(shù)高估測(cè)模型，預(yù)測(cè)精度分別為93％和79％；建立了基于QuickBird衛(wèi)星影像預(yù)測(cè)的小黑楊單株立木去皮材積和帶皮材積的模型，R2分別為0.796和0.773。 (8)采用多元回歸和BP神經(jīng)網(wǎng)絡(luò)模型方法，建立了QuickBird衛(wèi)星影像估測(cè)的樹(shù)木特征參數(shù)與木材生長(zhǎng)量、木材性質(zhì)(CGS、MOE/MOR等)的關(guān)系模型，實(shí)現(xiàn)了基于QuickBird衛(wèi)星影

9、像對(duì)小黑楊木材性質(zhì)預(yù)測(cè)的目的。通過(guò)對(duì)多元回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行精度檢驗(yàn)，預(yù)測(cè)木材生長(zhǎng)量和主要力學(xué)性質(zhì)的精度分別大于65％和82％。分析比較了多元回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果，認(rèn)為在小樣本的前提下，人工神經(jīng)網(wǎng)絡(luò)的黑箱方法優(yōu)于多元回歸方程。主要的多元回歸預(yù)測(cè)模型如下：JA=-5265.33632-751.3514Ln(RSCW)+2204.19828Ln(PD)-58.89242Ln(SD)(R2=0.891)MA=433.

10、45338-498.96863(RSCW)+214.8088(RSCW)2-36.64026(RSCW)3+2.17212(RSGW)4(R2=0.644)WHA=-596.11252+3.1966Ln(RSCW)+452.3394Ln(PD)-78.00336Ln(SD)(R2=0.899)HA=616.64414+247.03516/(RSCW)-12135/(PD)+27038/(SD)(R2=0.898)SA=exp(-44.9

11、4291+824.473/(PH)-19.35549/(RSCW)+208.69558/(PD)+45.11216/(SD))(R2=0.648)CSG=EXP(10.28458+0.25954(PH)+1.02084(RSCW)-0.42044(PD)-25.93999/(SD))(R2=0.700)MOE--54.4627-2.97797(PH)-8.11663(RSCW)+3.12618(PD)-855.46649(1/SD)(R