基于智能采伐头数据的胸径估计模型和树高估计模型构建

发布时间：2020-10-16 20:04

　　 智能采伐机作为新一代的采伐设备,极大的提高了采伐作业效率,不仅能够按照人们的需求规格把每株树伐倒并进行造材,同时在作业过程中,依靠采伐头及传感器,测量并收集海量的数据,包括每株树被截取木材段的小头直径、长度、体积等,这些数据可以与其他数据源的数据融合为相关研究和实践提供信息。智能采伐头记录的数据不包含单株树的树高和立木的胸径,而森林和生物量建模中树高和胸径是最常用的自变量。因此,本文借助一组包含3251株辐射松的干形数据集,在分析一组采伐头数据特征和一组伐桩数据特征的基础上,构建了一套实验数据,用于分别建立适用于估计基于采伐头数据的单木胸径和树高模型。胸径估计模型的建立是首先对实验数据集中每株树都选取30个离地面高度,从0.05 m到2.95 m,间隔为0.1 m,通过三次埃尔米特插值方法(PCHIP)获取每株树在这30个高度处的直径,分别建立这30个高度处直径与胸径的数学关系,采用最小二乘法对30个方程进行参数的估计,得到30组转换系数,模型的检验选用额外的29个高度,采用PCHIP方法得到直径,并利用曲线拟合法、线性插值法和近邻插值法三种方式得到29个高度处得到转换系数,并预测胸径。实验结果表明:利用线性插值法得到某个高度处的转换系数来预测胸径时最精确,此外,模型适应性的平均相对误差和总相对误差都在±5%以内,可应用于实际的生产中。对于树高的估计,本文提出采用两种模型估计树高,一是利用Varjo模型,并对其中的去皮直径变量替换成带皮直径,以适应采伐作业中数据记录的实际情况;另一种是基于三角函数干形方程,使用迭代的方法估计树高。两个树高估计模型对比结果表明:在预测精度上,替换变量后的Varjo模型整体表现较优,在实际应用中可优先使用该模型;在灵活性方面,基于迭代方法的树高估计模型则表现更好,在部分采伐段信息缺失的情况下,可正常使用该模型,而替换变量后的Varjo模型则不再适用。
【学位单位】：北京林业大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：S776.31
【部分图文】：

个数据集中共包含］６２４３株树，每一株树都自动被切割成若干段，总共包含６５８２７个??木材段。采伐段个数主要集中在３、４、５段，初步的统计得出，大于等于８段的共有??１７２株树（图２－１），由于这部分数据所占的比例较小，而且通过观察数据发现，在截??取１２？４２段的这些树中，截取的每一段长度都很短，全部都在５０ｃｍ以下，这些数据??可能是采伐作业前用来校正采伐机测量系统所使用，并非商业用材，因此，从整个数??据集中剔除掉这１７２株树。截取木材段总长度是该株树中所有木材段的长度之和，初??步的处理剔除掉采伐段总长度小于等于３ｍ的５株树。剩余树木的截取木材段总长度??变化范围３．５？３６．３３?ｍ?（图２－１?）。??３５?５５５６?２５??Ｎ＝１６２４３??３０?门??２０??２￣?３７６４?—??３４８０?ｓ？１??０ｓ??１?６、ｉ?ｃ．??Ｆ２０?吝１５??Ｉ１５－?１１〇?ｎ??Ｌｉ．?ｕ

另外在０．５?￣１．３?ｍ之间，绝大部分的树都是在０．７?ｍ处测量一次，１．３?ｍ之上到树顶??位置的测量间隔在１．５？３?ｍ之间。数据集中带皮胸径最小值以及最大值分别是３．９??ｃｍ和７９．１?ｃｍ，树高最小值以及最大值分别是６．４?ｍ和４４．５?ｍ（图２－３?）。則等人（２００１，??２０１２）使用同样的数据集进行干形方程以及树高胸径模型的研宄，对这部分数据集做??了更详尽的描述。初步的数据处理剔除掉干形数据集中８６株没有测量任何带皮直径??的树，最终在实验过程中只使用３丨６５株树。??４５ｊ?ｉｓ］?￣￣?ｉｓ－??Ｉ：?ｉ＇°?１１?ｉｔ??１５?ｎ?ｎ??Ｗ?－Ｌ??■????〇」」Ｈ１１．１１１．?ｈ－ｉ＾?丨］Ｌ丨」」」」」」．－「＾￣??￣１０?２０＾￣４０￣５０￣６０?７０?８０?＂１?１５?２５?＇?￣￣?５?１０?１５?２０?２５?３０?３５￣＂４０￣４５??带皮胸径（ｃｍ）?带皮瞄径（ｃｍ）?树高（ｉｎ）??图２－３干形数据集中树高和带皮胸径散点图以及树高和带皮胸径的分布图，上下两条曲线代表??分别使用０．９９５和０．００５两个分位点利用非线性分位数回归拟合得到的曲线（见后文）??Ｆｉｇ．?２－３?Ｓｃａｔｔｅｒ?ｐｌｏｔ?ａｎｄ?ｆｒｅｑ

１０?３０?５０?７０?９０?１０?３０?５０?７０?９０?１０?３０?５０?７０?９０?１０?３０?５０?７０?９０??带皮直径（ｃｍ）??图３－１选取的８个高度处带皮胸径和直径的散点图??Ｆｉｇ．?３－１?Ａ?ｍｕｌｔｉｐａｎｅｌ?ｄｉｓｐｌａｙ?ｏｆ?ｏｖｅｒｂａｒｋ?ｄｉａｍｅｔｅｒ?ａｔ?ｂｒｅａｓｔ?ｈｅｉｇｈｔ?ｐｌｏｔｔｅｄ?ａｇａｉｎｓｔ?ｏｖｅｒｂａｒｋ?ｄｉａｍｅｔｅｒ?ａｔ??８?ｏｆ?ｔｈｅ?３０?ｓｐｅｃｉｆｉｅｄ?ｈｅｉｇｈｔｓ?ａｂｏｖｅ?ｇｒｏｕｎｄ??ｌＯｊ??？?〇?〇?〇??『終：??－Ｓ＇?〇〇?〇〇％?６?Ｏ?〇?〇〇?。?。?ｃ??－?。。。。０?。?〇?＊?。￥?。。??０。?。?。。：浐。〇。。?〇?〇?〇。??〇?°??°?〇?。?〇?〇〇?〇??°?〇?〇??－１０．—丫—．．．．．．．．．．．．．．．．．．．．，???．．．．．＿ｒ?．．．．．．ｒ．．．．．．—．．．．．．．．．．．．．．．．．????，???０?１０?２０?３０?４０?５０?６０?７０?８０?９０??高度在０．０５ｍ时胸径的预测值（ｃｍ）??图３－２高度在０．０５?ｍ处，采用ｙ?＝?＆线性模型模拟得到胸径的预测值和残差散点图??Ｆｉｇ．?３－２?Ｔｈｅ?ｐｌｏｔ?ｏｆ?ｒｅｓｉｄｕａｌｓ?ａｇａｉｎｓｔ?ｔｈｅ?ｐｒｅｄｉｃｔｅｄ?ｏｖｅｒｂａｒｋ?ｄｉａｍｅｔｅｒ?ａｔ?ｂｒｅａｓｔ?ｈｅｉｇｈｔ?ｆｏｒ?ｓｔｕｍｐ?ｈｅｉｇｈｔ??０．０５?ｍ，?ｕｓｅ?ｔｈｅ?ｌｉｎｅａｒ?
【相似文献】

相关期刊论文 前10条

1 邱小可;;《树高千尺》(楷书)[J];城市公共交通;2019年02期

2 ;墙外树高[J];作家天地;2019年18期

3 魏蓝;祝成明;;树高千尺[J];小猕猴学习画刊;2018年19期

4 玄老汉;韩兴娥;;叶落归根[J];小学生学习指导;2016年33期

5 两色风景;吴怀银;;悬崖逃生记[J];儿童故事画报;2016年17期

6 安子;;布谷鸟[J];初中生写作;2016年12期

7 梁衡;;房高不要超过树高[J];求学;2017年11期

8 林芳萍;;湖边的小草[J];小学生作文选刊;2017年10期

9 迟子建;;谁能让我带走星空[J];高中生学习(作文素材);2017年05期

10 蔺启瑞;;春风[J];少年月刊;2017年Z4期

相关博士学位论文 前4条

1 何春霞;树高极限的水分限制机理研究[D];北京林业大学;2009年

2 冯琦;机载X-波段双天线干涉SAR森林结构参数估测方法[D];中国林业科学研究院;2015年

3 黄晓东;地面摄影测量获取测树因子的研究[D];北京林业大学;2016年

4 陈金星;便携式测树仪的研制及应用研究[D];北京林业大学;2016年

相关硕士学位论文 前10条

1 路宽;基于智能采伐头数据的胸径估计模型和树高估计模型构建[D];北京林业大学;2017年

2 王佳慧;帽儿山阔叶混交林天然更新幼苗幼树空间分布及树高预估模型[D];东北林业大学;2019年

3 贾永倩;南疆果树生产园树高遥感估测研究[D];新疆农业大学;2017年

4 郭嘉;秦岭天然松栎混交林树高胸径关系及竞争因子分析[D];西北农林科技大学;2019年

5 黄峰;栓皮栎树高预测混合效应模型研究[D];浙江农林大学;2019年

6 隋宏大;树高测量综合技术比较研究[D];北京林业大学;2009年

7 罗雪莲;基于合成孔径雷达的地表参数及森林树高反演[D];电子科技大学;2017年

8 周淑芳;基于机载LiDAR与航空像片的单木树高提取研究[D];东北林业大学;2007年

9 李慧敏;基于微波遥感数据的森林参数反演[D];电子科技大学;2017年

10 王佳燕;海南东寨港几种红树植物主要生长特征因子间的关系研究[D];华南热带农业大学;2007年

本文编号：2843715