成竺欣，王秀蘭*，沈亞駿，常晨，馮仲科，蔣君志偉，孫素芬，張浪，馬文苑

(1.北京林業(yè)大學(xué)，精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室， 北京 100083；2.北京市農(nóng)林科學(xué)院農(nóng)業(yè)信息與經(jīng)濟(jì)研究所，北京 100097；3.上海市園林科學(xué)規(guī)劃研究院，上海 200232；4.上海城市困難立地綠化工程技術(shù)研究中心，上海 200232)

森林是人類重要的資源寶庫，我國森林在陸地生態(tài)系統(tǒng)中起主導(dǎo)作用，森林生物量約占中國陸地生態(tài)系統(tǒng)總生物量的69.5%，對(duì)于維持陸地生態(tài)系統(tǒng)平衡有著不可替代的作用[1]。隨著“精準(zhǔn)林業(yè)”和“數(shù)字林業(yè)”的提出，森林資源調(diào)查方法也向著精細(xì)化、數(shù)字化、自動(dòng)化發(fā)展[2]。調(diào)查森林中樹木胸徑(diameter at breast height，DBH)、樹高、材積是森林資源調(diào)查過程中的重要工作。傳統(tǒng)森林資源調(diào)查方式依賴角規(guī)、胸徑尺等工具進(jìn)行人工觀測(cè)與測(cè)量，不僅浪費(fèi)大量人力、物力，在時(shí)間周期與精度方面也有一定缺陷；傳統(tǒng)立木材積獲取信息的方法是對(duì)樣木進(jìn)行倒伐測(cè)量[3]，會(huì)嚴(yán)重破壞環(huán)境，且工作效率較低、成本較高[4]。國內(nèi)外提出的無損測(cè)量立木材積方法已有很多，比如正形數(shù)法測(cè)材積、望高法等，但這些方法普遍存在精度不高、限制條件多、操作繁瑣等特點(diǎn)[5]。為了快速、自動(dòng)、精準(zhǔn)獲取立木材積，近年來國內(nèi)外學(xué)者發(fā)明出很多測(cè)量儀器，如三維激光掃描儀[6]、全站儀[7]、電子經(jīng)緯儀[8]、手持式超站儀[9]等，這些儀器精度較高，但仍存在器材笨重、成本過高等缺陷。此外，航空攝影技術(shù)以及無人機(jī)航測(cè)技術(shù)也取得了很大的進(jìn)步，在森林資源清查和林木蓄積估測(cè)中得到了廣泛的應(yīng)用，但成本仍然很高[10]。有學(xué)者為了提高林副產(chǎn)品產(chǎn)量，優(yōu)化經(jīng)濟(jì)效益，將超聲掃描系統(tǒng)用于樹木體積的測(cè)量和繪制，并取得了良好的效果[11]。目前，無損、高精度、便攜易操作等特點(diǎn)已成為森林觀測(cè)裝備技術(shù)的重要研究方向。

我國東北部森林是我國重要的林區(qū)組成，也是北半球高緯度森林的重要組成部分。從我國1978年第一次頒布二元立木材積表開始[4]，近30年來我國森林資源種類和結(jié)構(gòu)發(fā)生了很大改變，即次生林逐漸成為森林資源主體，尤其在我國東北地區(qū)，次生林以占整體森林資源的72%[12]。本研究選擇東北遼陽地區(qū)，針對(duì)當(dāng)?shù)刂饕獦浞N，利用手持式測(cè)樹超站儀進(jìn)行無損立木精測(cè)與模型研建，為摸清當(dāng)?shù)厣脂F(xiàn)狀、結(jié)構(gòu)，并為今后森林資源的動(dòng)態(tài)管理與信息更新提供數(shù)據(jù)支持，以期實(shí)現(xiàn)一種更高精度，更便捷的森林資源觀測(cè)方法。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)遼寧省遼陽市地處遼東半島中部，東依遼東山地，西望遼河平原，地理坐標(biāo)范圍E12235′04″～123°41′00″，N 40°42′19″～41°36′32″。因地貌成因、氣候類型諸因素，該地區(qū)植被類型豐富，境內(nèi)現(xiàn)有植物800余種。東部低山丘陵是長白植物區(qū)系與華山植物區(qū)系的交匯區(qū)，是全市次生林和人工林最集中的地區(qū)，大面積人工林的主要樹種有柞樹、油松等，此外多落葉闊葉林和針葉闊葉混交林。平原地區(qū)人工闊葉林主要分布在長(春)大(連)線以西，屬遼河沖積平原區(qū)。針葉樹種分布較多的為紅松、樟子松等[13]。據(jù)此，本研究將遼陽地區(qū)主要樹種分為以下幾種：樟子松、油松、落葉松、柞樹、刺槐、楊樹、硬闊、軟闊。但由于楊樹不同品種間干形差距較大，如用同一回歸模型擬合則誤差較大，應(yīng)分樹種建模，因此，本文又將楊樹分為速生楊樹、中生楊樹以及慢生楊樹分別建模，總計(jì)10種樹種。

1.2 觀測(cè)儀器

手持式超站儀由北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室自主研發(fā)，其以攝影測(cè)量學(xué)原理、圖像處理技術(shù)原理、傳感器技術(shù)、測(cè)樹學(xué)原理等為基礎(chǔ)，由定制版安卓手機(jī)、紅外激光測(cè)距儀、可調(diào)節(jié)式云臺(tái)、地面測(cè)量解算軟件組成。其中定制版手機(jī)將CPU、RAM、ROM、GPU、觸控顯示屏、CCD鏡頭、重力傳感器、陀螺儀、GPS芯片等精密部件高度集成[14],如圖1所示。

圖1 手持式超站儀構(gòu)成Fig.1 Hand-held super station

地面解算軟件利用Java語言編繪實(shí)現(xiàn)，軟件采用模塊化設(shè)計(jì)，其功能有樹高測(cè)量模塊、胸徑測(cè)量模塊、材積測(cè)量模塊、國家森林資源連續(xù)清查模塊、森林資源規(guī)劃設(shè)計(jì)模塊。其中， 森林資源規(guī)劃設(shè)計(jì)模塊又可分為3D電子角規(guī)觀測(cè)法與N棵樹微樣地觀測(cè)法兩個(gè)模塊。

1.3 觀測(cè)方法

野外觀測(cè)是針對(duì)遼陽市327塊微樣地展開的調(diào)查與數(shù)據(jù)收集，采用典型抽樣調(diào)查方法選取不同樣地、不同樹種(10個(gè)樹種)、不同徑階的樣木進(jìn)行手持式超站儀立木無損觀測(cè)。在觀測(cè)時(shí)，首先選擇樹干垂直于地面，主干圓直，有明顯樹梢的樹木為樣木，且樣木樹高要在5 m以上，胸徑要在5 cm以上；外業(yè)測(cè)量人員使用紅漆對(duì)樣木胸徑、地徑位置進(jìn)行標(biāo)記，方便手持式測(cè)樹超站儀進(jìn)行精準(zhǔn)測(cè)量。對(duì)同一棵樣木要在兩個(gè)相互垂直方向選擇觀測(cè)點(diǎn)對(duì)其進(jìn)行2次觀測(cè)，取平均值作為測(cè)量值。以遼陽地區(qū)主要樹種為目標(biāo)，采用手持式超站儀立木無損精測(cè)技術(shù)，無需倒伐立木，通過非接觸式攝影測(cè)量方法獲取不少于1 000棵標(biāo)準(zhǔn)木作為建模樣本，每個(gè)樹種均不少于100棵。為排除因樹干干型不規(guī)則而引起的測(cè)量誤差，樣木選擇盡量應(yīng)以有明顯主梢，主干圓直且垂直于地面的樹木為標(biāo)準(zhǔn)，具體方案如下。

首先，手持式超站儀在測(cè)量時(shí)其位置應(yīng)與所觀測(cè)樣木保持在該樹樹高1～1.5倍之間，保持儀器豎直，并通過90°方向的分別2次測(cè)量單木胸徑與樹高并求取平均值，以減少樹干干形不規(guī)則對(duì)精度的影響，同時(shí)獲取清晰完整樣木的圖像和照片。在獲取了單木胸徑與樹高后，根據(jù)手持式超站儀材積測(cè)量模塊測(cè)算出標(biāo)準(zhǔn)木材積。樹干材積(V)是按模擬圓臺(tái)累加法得出的，即將樹梢看作圓錐體、樹干看作圓臺(tái)結(jié)合體其測(cè)算方法為分段求積法，計(jì)算公式[15]如式(1)所示。由于計(jì)算每棵樹材積的模型都一樣，利用地面攝影測(cè)量軟件自動(dòng)計(jì)算，使得手持式超站儀測(cè)樹的操作非常簡便。

(1)

式中，V為材積，D為胸徑，h為樹高;D0為樹干底部直徑，D1.3為樹干1.3 m處直徑通過實(shí)地量測(cè)獲得；D2、D3、Dn-1、Dn利用手持式超站儀觀測(cè)樹干獲得的數(shù)據(jù)，通過相關(guān)數(shù)學(xué)模型經(jīng)過計(jì)算而得。

國內(nèi)可供選擇的二元材積模型有多種多樣，如山本式、多項(xiàng)式、斯泊爾式等[16]。山本式相比其他立木材積模型而言山本式具有較強(qiáng)的靈活性，且可以較好的體現(xiàn)胸徑、樹高和材積三要素之間的關(guān)系[17-19]。所以本文選用基于山本和藏式的二元材積模型、一元材積模型、樹高胸徑回歸模型，公式分別如式(2)～(4)所示。

V1=a1Db1Hc1

(2)

V2=a2Db2

(3)

H=a3Db3

(4)

式中，a1、b1、c1、a2、b2、a3、b3為待擬合系數(shù)。

采用SPSS軟件對(duì)材積模型進(jìn)行非線性擬合，評(píng)價(jià)和比較時(shí)，采用以下6項(xiàng)指標(biāo)作為基本評(píng)價(jià)指標(biāo)：決定系數(shù)(R2)、估計(jì)值標(biāo)準(zhǔn)差(SEE)、總相對(duì)誤差(TRE)、平均系統(tǒng)誤差(MSE)、平均預(yù)估誤差(MPE)和平均百分標(biāo)準(zhǔn)誤差(MPSE)。通常R2和SEE評(píng)價(jià)模型是最常用的評(píng)價(jià)指標(biāo)，反映了模型的擬合優(yōu)度；TRE和MSE是反映擬合效果的重要指標(biāo)，二者都應(yīng)該控制在±3%或±5%范圍內(nèi)，當(dāng)接近0時(shí)效果最好；MPE是反映平均碳儲(chǔ)量估值的精度指標(biāo)，MPSE反映個(gè)體估計(jì)的準(zhǔn)確性，擬合好的模型還應(yīng)具有參數(shù)穩(wěn)定特點(diǎn)和殘差以0為基準(zhǔn)線上下對(duì)稱隨機(jī)分布[20]。

(5)

(6)

(7)

(8)

(9)

(10)

2 結(jié)果與分析

2.1 主要樹種材積模型與樹高胸徑模型

對(duì)遼陽地區(qū)327塊微樣地進(jìn)行測(cè)量，將所得數(shù)據(jù)進(jìn)行歸納匯總、數(shù)據(jù)檢查與異常數(shù)據(jù)剔除獲得觀測(cè)數(shù)據(jù)，如表1所示。

表1 觀測(cè)數(shù)據(jù)Table 1 Observation data

利用表1的實(shí)測(cè)樣本數(shù)據(jù)，對(duì)方程進(jìn)行非線性回歸擬合，獲得其參數(shù)值，如表2所示。進(jìn)而得出10個(gè)樹種的相容性材積模型如下。

表2 遼陽主要樹種材積模型參數(shù)估計(jì)值Table 2 Parameter value of volume model and height-DBH model

樟子松材積系列模型：

V1=9.190×10-5D2.093H0.566

V2=1.745×10-4D2.331

油松材積系列模型：

V1=6.925×10-5D1.747H1.132

V2=4.251×10-4D2.059

H=2.609D0.483

落葉松材積系列模型：

V1=8.030×10-5D1.842H0.925

V2=4.045×10-4D2.133

H=3.011D0.516

柞樹材積系列模型：

取消引風(fēng)機(jī)入口調(diào)節(jié)閥，使引風(fēng)機(jī)入口調(diào)節(jié)閥處于全開狀態(tài)，DCS根據(jù)爐子的不同周期所需的不同爐膛負(fù)壓以及現(xiàn)場(chǎng)爐膛負(fù)壓的檢測(cè)值，通過PID計(jì)算向變頻器發(fā)出4～20mA信號(hào)對(duì)風(fēng)機(jī)轉(zhuǎn)速自動(dòng)調(diào)速，從而實(shí)現(xiàn)對(duì)爐膛負(fù)壓的自動(dòng)跟蹤控制，最大限度地滿足生產(chǎn)工藝的要求，同時(shí)節(jié)約電能，極大地提高經(jīng)濟(jì)效益，增加設(shè)備的自動(dòng)化水平［4］?？刂品绞讲捎矛F(xiàn)場(chǎng)控制和DCS控制兩種?，F(xiàn)場(chǎng)控制柜屏上按鈕操作起/停運(yùn)行及調(diào)速；自動(dòng)控制調(diào)速信號(hào)來自上一級(jí)DCS控制系統(tǒng)，DCS根據(jù)傾動(dòng)爐爐內(nèi)壓自動(dòng)跟蹤調(diào)節(jié)工藝需要設(shè)定負(fù)壓值，然后自動(dòng)計(jì)算出變頻器的頻率，從而實(shí)現(xiàn)變頻器的頻率對(duì)爐膛負(fù)壓的實(shí)時(shí)跟蹤。見圖3。

V1=6.886×10-5D1.748H1.132

V2=4.186×10-4D2.128

H=2.479D0.533

刺槐材積系列模型：

V1=9.861×10-5D1.897H0.761

V2=2.102×10-4D2.284

H=2.872D0.492

硬闊材積系列模型：

V1=7.699×10-5D1.821H0.929

V2=2.480×10-4D2.200

H=3.495D0.411

軟闊材積系列模型：

V1=2.858×10-5D1.918H0.314

V2=4.889×10-4D2.003

H=3.095D0.391

速生楊樹材積系列模型：

V1=6.108×10-5D1.924H0.885

V2=1.069×10-4D2.539

H=1.952D0.683

中生楊樹材積系列模型：

V1=5.091×10-5D1.755H1.129

V2=5.740×10-4D2.027

H=3.311D0.526

慢生楊樹材積系列模型：

V1=8.614×10-5D1.923H0.757

V2=3.565×10-4D2.112

H=3.721D0.422

式中，V1代表二元材積模型，V2代表一元材積模型，H代表樹高胸徑模型，D代表胸徑，H代表樹高。

2.2 模型評(píng)價(jià)分析

2.2.1二元材積模型評(píng)價(jià)分析 從表3中可以看出，遼陽地區(qū)主要樹種的二元材積模型相關(guān)系數(shù)范圍約為0.896～0.991，只有樟子松數(shù)據(jù)低于但非常接近90%，平均達(dá)到0.94左右，說明該模型可以解釋94%的材積變化，有良好的擬合效果，滿足林業(yè)調(diào)查所規(guī)定的90%標(biāo)準(zhǔn)。估計(jì)值標(biāo)準(zhǔn)誤差值均較小，說明其擬合值接近于實(shí)測(cè)值。平均系統(tǒng)誤差和總相對(duì)誤差值均控制在±3%內(nèi)，滿足行業(yè)標(biāo)準(zhǔn)。平均預(yù)估誤差均小于2.7%，說明該模型達(dá)到預(yù)定精度要求這一核心指標(biāo)。平均百分標(biāo)準(zhǔn)誤差范圍1.88%～2.92%，說明該模型對(duì)單木材積的預(yù)估精度可達(dá)到97%以上，預(yù)估效果良好。

2.2.2一元材積模型與樹高胸徑模型評(píng)價(jià)分析 從表4中可以看出，除樟子松外，其余9個(gè)樹種的一元材積模型擬合優(yōu)度均達(dá)到0.9以上。10個(gè)樹種的一元材積模型和樹高胸徑模型平均預(yù)估誤差、總相對(duì)誤差均小于3%，達(dá)到編制采集表所需要求。平均系統(tǒng)誤差值與平均百分標(biāo)準(zhǔn)誤差均較小，分別說明每個(gè)樣本單元實(shí)際值的平均水平與絕對(duì)值平均數(shù)均非常接近相應(yīng)模型的估計(jì)值。結(jié)合表？與表？可以看出，二元材積模型與一元材積模型在相關(guān)系數(shù)均取得良好效果，但二元材積模型誤差更小，擬合效果更佳。

通過手持式超站儀測(cè)量并建立的遼陽當(dāng)?shù)刂饕獦浞N的二元材積模型的平均系統(tǒng)誤差除樟子松外均保持在1%以內(nèi)，總相對(duì)誤差均保持在3%以內(nèi)，該模型具有良好的擬合精度良好。一元材積模型、樹高胸徑模型的平均系統(tǒng)誤差除樟子松外均保持在1%以內(nèi)，總相對(duì)誤差均保持在1%以內(nèi)。二元材積模型、一元材積模型的決定系數(shù)除樟子松外均保持在90%以上。二元材積模型的平均百分比標(biāo)準(zhǔn)差與平均預(yù)估誤差均保持在3%之內(nèi)，一元材積模型與樹高胸徑模型的平均百分比標(biāo)準(zhǔn)差除軟闊外均取得良好擬合效果。其次通過6項(xiàng)評(píng)價(jià)模型方法對(duì)所建模型進(jìn)行精度評(píng)價(jià)，可以看出遼陽當(dāng)?shù)刂饕獦浞N的二元材積模型在擬合精度方面優(yōu)于一元材積模型與樹高胸徑模型。手持式超站儀在野外測(cè)量精度方面可以達(dá)到行業(yè)標(biāo)準(zhǔn)，并且憑借自身無損、便攜、易操作等特點(diǎn)在研建立木材積模型方面具有可行性。

表4 不同樹種一元材積模型與樹高胸徑模型評(píng)價(jià)指標(biāo)Table 4 Evaluation index of one-way volume model and height-DBH model

3 討論

本文以遼陽地區(qū)10個(gè)主要樹種為研究對(duì)象，以北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室自主研發(fā)的手持式超站儀野外測(cè)量數(shù)據(jù)為基礎(chǔ)，綜合利用回歸模型建模方法，方便遼陽地區(qū)材積表的修正。手持式超站儀實(shí)現(xiàn)了對(duì)樹木的無損傷、高精度、便捷性測(cè)量，數(shù)據(jù)穩(wěn)定性良好，可以用于實(shí)際測(cè)量。該模型研建首次使用在遼陽地區(qū)材積表修訂工作中，實(shí)現(xiàn)了材積測(cè)量樣木零倒伐，保護(hù)了遼陽地區(qū)自然環(huán)境與森林生態(tài)資源，提供了一種可行的森林調(diào)查采樣方案，為遼陽當(dāng)?shù)厣鷳B(tài)建設(shè)與可持續(xù)發(fā)展提供了新思路，同時(shí)也為遼陽地區(qū)森林資源經(jīng)營與管理提供了科學(xué)依據(jù)。

森林觀測(cè)裝備的精準(zhǔn)度是首要保證，手持式超站儀在滿足了精度的前提下仍有一些待解決的問題和待提升的功能。隨著互聯(lián)網(wǎng)技術(shù)，人工智能等發(fā)展，森林資源信息快速、準(zhǔn)確、智能提取與動(dòng)態(tài)化監(jiān)控也將成為其發(fā)展趨勢(shì)。手持式超站儀還有待與森林資源信息管理平臺(tái)、智能手機(jī)以及互聯(lián)網(wǎng)技術(shù)結(jié)合，真正實(shí)現(xiàn)森林計(jì)測(cè)裝備的智能化、便攜式、自動(dòng)化、精準(zhǔn)化。

遼陽當(dāng)?shù)刂饕獦浞N的生長發(fā)育過程中，水分、光照、土壤等特性和立地條件等對(duì)樹木的生長發(fā)育產(chǎn)生影響，由于數(shù)據(jù)采集的局限性，本研究未將這些因素考慮在內(nèi)。因此，在今后的模型研建中，可以把水分，光照，立地指數(shù)等因素引入模型，研建喬木生長預(yù)測(cè)模型，為森林資源動(dòng)態(tài)監(jiān)控提供參考依據(jù)。