RU2565280C2 - Способ лесотаксации территории - Google Patents
Способ лесотаксации территории Download PDFInfo
- Publication number
- RU2565280C2 RU2565280C2 RU2012113106/13A RU2012113106A RU2565280C2 RU 2565280 C2 RU2565280 C2 RU 2565280C2 RU 2012113106/13 A RU2012113106/13 A RU 2012113106/13A RU 2012113106 A RU2012113106 A RU 2012113106A RU 2565280 C2 RU2565280 C2 RU 2565280C2
- Authority
- RU
- Russia
- Prior art keywords
- forest
- taxation
- territory
- classes
- control points
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
Изобретение относится к лесному хозяйству, в частности к дистанционным методам таксации лесов на обширных площадях. Способ характеризуется тем, что осуществляют дистанционное зондирование таксируемой территории с разрешением 2-40 м по трем-десяти спектральным каналам в диапазоне 0,45-90 мкм. Составляют цифровую модель рельефа. Зондирование таксируемой территории осуществляют в различные сезоны. Цифровую модель рельефа разделяют на иерархические уровни. Полученные данные формируют в виде базы данных со строчной структурой и пространственной привязкой, в каждой строке которой размещают набор спектральных характеристик по каждому каналу за каждый период и набор иерархических уровней рельефа с их характеристиками, которую классифицируют по итеративной процедуре K-средних при К=2. Сравнивают спектральные характеристики в полученных классах с заранее заданными устойчивыми спектральными образами типов ландшафтного покрова. Выделяют основные соответствия полученных классов заданным типам ландшафтного покрова. Выделяют классы, имеющие лесохозяйственную ценность. В каждом классе, имеющем лесохозяйственную ценность, определяют число контрольных точек по соотношению Li=wlog2mi, где mi - частота класса i во всей выборке, w - коэффициент точности в зависимости от распространенности типа ландшафтного покрова, a Li - количество контрольных точек внутри класса i. Контрольные точки размещают внутри выделенных классов. На контрольных точках проводят лесотаксационные полевые описания. Полученными в результате описаний лесотаксационными характеристиками дополняют базу данных. Для каждой лесотаксационной характеристики осуществляют интерполяцию ее состояний на всю таксируемую территорию. Определяют точность интерполяции. Выделяют гомогенные участки относительно интерполированных состояний лесотаксационных характеристик. По заданному порогу сходства гомогенные участки меньше принятых минимальных размеров лесотаксационного выдела объединяют с соседними, наиболее близкими по состоянию, участками. Способ обеспечивает точность лесотаксации при минимальных трудозатратах. 6 з.п. ф-лы, 6 ил.
Description
Изобретение относится к лесному хозяйству, в частности к дистанционным методам таксации лесов на обширных площадях.
Известны способы оценки состояния насаждений при наземной (натурной) таксации лесов: визуальный (глазомерный); выборочно-измерительный; перечислительный [см., например, Справочник, «Общесоюзные нормативы для таксации лесов», изд-во «Космос», М., 1992 г., стр.180-185, таблицы 60-63 «Шкала оценки категорий состояния деревьев» и «Характеристики категорий состояния насаждений».
Известен способ натурной таксации путем индивидуального пересчета деревьев на пробных площадках, по которому разбивают площадь лесного массива на мозаику участков, проводят измерения таксационных параметров на пробном (ключевом) участке (см., например, Анучин Н.П. Лесная таксация, 5-е издание. - М.: Лесная промышленность, 1962 г., стр.248-250).
Известен способ оценки состояния лесов, по которому осуществляют дистанционные спектрометрические измерения с борта орбитальной станции коэффициентов спектральной яркости зондируемой лесной площади в синем В, зеленом G и красном R участках видимого спектра, затем рассчитывают значения хроматических коэффициентов жизненности (патент RU №2038001).
Наиболее близким к предложенному техническим решением является способ экологического мониторинга лесов, включающий дистанционную регистрацию полей яркости лесной растительности аэрокосмическими средствами, причем дистанционную регистрацию полей яркости лесной растительности осуществляют путем зондирования много- или гиперспектральным датчиком в зеленой G (450-550 нм), красной R (550-670 нм) и ближней инфракрасной БИК (670-950 нм) зонах спектра с одновременным получением цифровых изображений для каждой зоны и проводят математическую обработку полученной информации (патент RU №2406295). Оперативность, производительность и глобальность контроля состояния лесных массивов обеспечивается особенностями космической съемки. Недостатком способа является малая точность получаемых карт пространственного распределения состояний лесотаксационных переменных и отсутствие прямых оценок состояния леса (возраст, запас, высота и т.д.). Поэтому точная лесотаксация на основе предложенных выше способов невозможна.
Технической задачей, на решение которой направлено предлагаемое изобретение, является получение точных карт пространственного распределения состояний лесотаксационных переменных при минимизации трудозатрат.
Для решения этой технической задачи предлагается способ лесотаксации территории, по которому осуществляют дистанционное зондирование таксируемой территории в различные сезоны с разрешением 2-40 м по трем-десяти спектральным каналам в диапазоне 0,45-90 мкм, составляют цифровую модель рельефа, разделенную на иерархические уровни, полученные данные формируют в виде базы данных со строчной структурой и пространственной привязкой, в каждой строке которой размещают набор спектральных характеристик по каждому каналу за каждый период и набор иерархических уровней рельефа с их характеристиками, которую классифицируют по иерархической итеративной процедуре К-средних при К=2, с последовательным выделением 2, 4, 8, 16… классов, которые соответствуют типологическим категориям состояния леса на соответствующем иерархическом уровне, полученные классы сравнивают по спектральным характеристикам с заранее заданными устойчивыми спектральными образами типов ландшафтного покрова, выделяют основные соответствия полученных классов заданным типам ландшафтного покрова, выделяют классы, имеющие лесохозяйственную ценность. В каждом классе, имеющем лесохозяйственную ценность, определяют число контрольных точек по соотношению Li=wlog2mi где mi - частота класса i во всей выборке, w - коэффициент точности в зависимости от распространенности типа ландшафтного покрова, a Li - количество контрольных точек внутри класса i, контрольные точки размещают внутри выделенных классов, на контрольных точках проводят лесотаксационные полевые описания, полученными в результате описаний лесотаксационными характеристиками дополняют базу данных, для каждой лесотаксационной характеристики, на основе значений мультиспектральных характеристик и характеристик рельефа, статистическими методами осуществляют интерполяцию ее состояний на всю таксируемую территорию, рассчитывают среднеквадратическую ошибку интерполяции, выделяют по принятой точности гомогенные участки с площадью большей или равной минимальному выделу, определяемому разрядом лесотаксации, для каждого гомогенного выдела рассчитывают среднее значение и среднеквадратическую ошибку каждой лесотаксационной характеристики. Иерархические уровни рельефа получают спектральным анализом цифровой модели рельефа, коэффициент точности выбирают исходя из 3-5 описаний на наиболее распространенный класс и не менее одного на наименее распространенный. Контрольные точки размещают внутри соответствующих выделенных классов с учетом транспортной доступности и удаленности от других точек в том же классе, для участков с неоднозначностью интерполяции лесотаксационных характеристик больше заданного порога проводят дополнительные полевые измерения, интерполяцию и оценку точности интерполяции производят дискриминантным анализом, интерполяцию лесотаксационной характеристики с непрерывным распределением осуществляют построением регрессионной модели зависимости реальных измеренных значений описываемой переменной от осей дискриминантного анализа и рассчитывают их значения для всей области интерполяции.
Реализация предлагаемого способа лесотаксации территории, т.е. получение карт пространственного распределения состояний лесотаксационных переменных, поясняется чертежами и описанием операций в соответствии с предлагаемым способом.
На фиг.1 показана карта распределения запаса древесины в метрах кубических на гектар, на фиг.2 - гистограмма ошибок распознания запасов древесины на территории, на фиг.3 - карта распределения запаса ели в метрах на гектар (в спелых лесах более 450 м3 на 1 га), на фиг.4 - гистограмма ошибок распознания запасов ели, на фиг.5 - карта распределения высоты древостоя (м) по территории, на фиг.6 - гистограмма ошибок распознания высоты древостоя.
Проведена таксация трех лесотаксационных параметров: общий запас древесины, запас древесины конкретной породы (ель), высота древостоя. Таксация проведена на территории Нелидовского района Тверской области. В работе использовались две сцены LANDSAT за апрель и май с агрегированным до 1 га разрешением. Первоначально была произведена опорная классификация методом k-средних. На основе этой классификации были размещены точки полевых описаний в соответствии с методикой. Для удобства точки были размещены в основном на территории Центрального лесного биосферного заповедника и его окрестностей. На каждой точке проводилось определение формулы древостоя и суммы площадей поперечных сечений стволов на 1 га при помощи полнотомера Биттерлиха (использовался прибор Masser Rc3h), а также измерялась высота древостоя (использовалась функция высотометра того же прибора). Всего было сделано 760 полевых описаний. Интерполяция полевых измерений проводилась по снимкам Landsat с помощью дискриминатного анализа. В результате дискриминантного анализа был получен набор дискриминантных осей для каждой таксируемой характеристики. По осям были построены регрессионные модели таксируемых переменных. Таким образом получено континуальное отображение запасов древесины и высоты древостоя. Средняя погрешность в доверительном интервале 0.95 составила: 12% для общих запасов, 23% для запасов ели, 10% для высоты древостоя. Средний запас по району составил 217 м3/га, средний запас ели - 30 м3/га, Средняя высота древостоя составила 19.5 метра. Общий запас древесины по району составил 324551629 м3, запас сосны - 45780478 м3. Запасы спелых участков (более 400 м3/га) составили в целом 20369358 м3, а ели - 5952244 м3. На чертежах приведены пространственные распределения соответствующих лесотаксационных характеристик территории Нелидовского района. Для наглядности запасы древесины и высота древостоя разбиты на группы. Группы общих запасов, имеющие лесохозяйственную ценность, начинаются от ~200 м2/гa, остальные территории обобщены в группу с условно нулевым запасом.
На графиках фиг.2, 4, 6 приведены гистограммы ошибок распознания соответствующих лесотаксационных характеристик. Наибольшие ошибки (0.2-0.4) принадлежат областям с небольшой высотой древостоя (до 10 м) и низкими запасами (до 50 м3), а также областям с отсутствующим древостоем. В целом погрешности согласуются с допусками лесотаксации первого разряда для территорий имеющих лесохозяйственную ценность.
Claims (7)
1. Способ лесотаксации территории, по которому осуществляют дистанционное зондирование таксируемой территории в различные сезоны с разрешением 2-40 м по трем-десяти спектральным каналам в диапазоне 0,45-90 мкм, составляют цифровую модель рельефа, отличающийся тем, что зондирование таксируемой территории осуществляют в различные сезоны, цифровую модель рельефа разделяют на иерархические уровни, полученные данные формируют в виде базы данных со строчной структурой и пространственной привязкой, в каждой строке которой размещают набор спектральных характеристик по каждому каналу за каждый период и набор иерархических уровней рельефа с их характеристиками, которую классифицируют по иерархической итеративной процедуре K-средних при К=2, с последовательным выделением 2, 4, 8, 16… классов, которые соответствуют типологическим категориям состояния леса на соответствующем иерархическом уровне, полученные классы сравнивают по спектральным характеристикам с заранее заданными устойчивыми спектральными образами типов ландшафтного покрова, выделяют основные соответствия полученных классов заданным типам ландшафтного покрова, выделяют классы, имеющие лесохозяйственную ценность, в каждом классе, имеющем лесохозяйственную ценность, определяют число контрольных точек по соотношению Li=wlog2mi, где mi - частота класса i во всей выборке, w - коэффициент точности в зависимости от распространенности типа ландшафтного покрова, a Li - количество контрольных точек внутри класса i, контрольные точки размещают внутри выделенных классов, на контрольных точках проводят лесотаксационные полевые описания, полученными в результате описаний лесотаксационными характеристиками дополняют базу данных, для каждой лесотаксационной характеристики, на основе значений мультиспектральных характеристик и характеристик рельефа, статистическими методами осуществляют интерполяцию ее состояний на всю таксируемую территорию, рассчитывают среднеквадратическую ошибку интерполяции, выделяют по принятой точности гомогенные участки с площадью большей или равной минимальному выделу, определяемому разрядом лесотаксации, для каждого гомогенного выдела рассчитывают среднее значение и среднеквадратическую ошибку каждой лесотаксационной характеристики.
2. Способ лесотаксации территории по п.1, отличающийся тем, что иерархические уровни рельефа получают спектральным анализом цифровой модели рельефа.
3. Способ лесотаксации территории по п.1, отличающийся тем, что коэффициент точности выбирают исходя из 3-5 описаний на наиболее распространенный класс и не менее одного на наименее распространенный.
4. Способ лесотаксации территории по п.1, отличающийся тем, что контрольные точки размещают внутри соответствующих выделенных классов с учетом транспортной доступности и удаленности от других точек в том же классе.
5. Способ лесотаксации территории по п.1, отличающийся тем, что для участков с неоднозначностью интерполяции лесотаксационных характеристик больше заданного порога проводят дополнительные полевые измерения.
6. Способ лесотаксации территории по п.1, отличающийся тем, что интерполяцию и оценку точности интерполяции производят дискриминантным анализом.
7. Способ лесотаксации территории по п.1, отличающийся тем, что интерполяцию лесотаксационной характеристики с непрерывным распределением осуществляют построением регрессионной модели зависимости реальных измеренных значений описываемой переменной от осей дискриминантного анализа и рассчитывают их значения для всей области интерполяции.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2012113106/13A RU2565280C2 (ru) | 2012-04-04 | 2012-04-04 | Способ лесотаксации территории |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2012113106/13A RU2565280C2 (ru) | 2012-04-04 | 2012-04-04 | Способ лесотаксации территории |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2012113106A RU2012113106A (ru) | 2013-10-10 |
RU2565280C2 true RU2565280C2 (ru) | 2015-10-20 |
Family
ID=49302708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2012113106/13A RU2565280C2 (ru) | 2012-04-04 | 2012-04-04 | Способ лесотаксации территории |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2565280C2 (ru) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2728159C1 (ru) * | 2019-12-23 | 2020-07-28 | Общество с ограниченной ответственностью "Центр космических технологий и услуг" | Способ таксации насаждений |
RU2739436C1 (ru) * | 2020-03-26 | 2020-12-24 | Общество с ограниченной ответственностью "Экомониторинг" | Способ актуализации лесотаксационных данных на основе машинного обучения |
RU2773144C1 (ru) * | 2021-06-29 | 2022-05-31 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Московский государственный университет имени М.В. Ломоносова" (МГУ) | Способ определения запасов стволовой древесины с использованием данных воздушной беспилотной съемки |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2130707C1 (ru) * | 1998-02-11 | 1999-05-27 | Московский государственный университет леса | Способ оценки запаса древостоя |
RU2183847C2 (ru) * | 2000-06-28 | 2002-06-20 | Московский государственный университет леса | Способ таксации насаждений |
RU2406295C1 (ru) * | 2009-04-27 | 2010-12-20 | Государственное учреждение "Научный центр проблем аэрокосмического мониторинга" - ЦПАМ "АЭРОКОСМОС" | Способ экологического мониторинга лесов |
-
2012
- 2012-04-04 RU RU2012113106/13A patent/RU2565280C2/ru not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2130707C1 (ru) * | 1998-02-11 | 1999-05-27 | Московский государственный университет леса | Способ оценки запаса древостоя |
RU2183847C2 (ru) * | 2000-06-28 | 2002-06-20 | Московский государственный университет леса | Способ таксации насаждений |
RU2406295C1 (ru) * | 2009-04-27 | 2010-12-20 | Государственное учреждение "Научный центр проблем аэрокосмического мониторинга" - ЦПАМ "АЭРОКОСМОС" | Способ экологического мониторинга лесов |
Non-Patent Citations (1)
Title |
---|
КОВЯЗИН В.Ф. и др., Основы лесного хозяйства и таксация леса, Санкт-Петербург, Москва, Краснодар, "Лань", 2008, с. 291 " 342 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2728159C1 (ru) * | 2019-12-23 | 2020-07-28 | Общество с ограниченной ответственностью "Центр космических технологий и услуг" | Способ таксации насаждений |
WO2021133211A1 (ru) * | 2019-12-23 | 2021-07-01 | Общество с ограниченной ответственностью "Центр космических технологий и услуг" | Способ таксации насаждений |
RU2739436C1 (ru) * | 2020-03-26 | 2020-12-24 | Общество с ограниченной ответственностью "Экомониторинг" | Способ актуализации лесотаксационных данных на основе машинного обучения |
RU2773144C1 (ru) * | 2021-06-29 | 2022-05-31 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Московский государственный университет имени М.В. Ломоносова" (МГУ) | Способ определения запасов стволовой древесины с использованием данных воздушной беспилотной съемки |
Also Published As
Publication number | Publication date |
---|---|
RU2012113106A (ru) | 2013-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105608293B (zh) | 融合光谱与纹理特征的森林地上生物量反演方法及系统 | |
CN105740759B (zh) | 基于多时相数据中特征提取的中稻信息决策树分类方法 | |
CN112287892B (zh) | 基于无人机高光谱和机器学习算法的乔木生物量测算方法 | |
Lin et al. | Retrieval of effective leaf area index (LAIe) and leaf area density (LAD) profile at individual tree level using high density multi-return airborne LiDAR | |
Straub et al. | A comparison of different methods for forest resource estimation using information from airborne laser scanning and CIR orthophotos | |
CN108896021B (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
Bi et al. | Estimating vertical chlorophyll concentrations in maize in different health states using hyperspectral LiDAR | |
He et al. | Using LiDAR data to measure the 3D green biomass of Beijing urban forest in China | |
CN110378926A (zh) | 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法 | |
CN113269825B (zh) | 基于地基激光雷达技术林木胸径值提取的方法 | |
CN107632967A (zh) | 一种草地产草量估算方法 | |
Alberti et al. | A LiDAR-based approach for a multi-purpose characterization of Alpine forests: an Italian case study | |
CN115170341A (zh) | 利用激光雷达修正小微样的林业资源碳汇精准测算方法 | |
Smits et al. | Individual tree identification using different LIDAR and optical imagery data processing methods | |
RU2565280C2 (ru) | Способ лесотаксации территории | |
Vyas et al. | Canopy level estimations of chlorophyll and LAI for two tropical species (teak and bamboo) from Hyperion (EO1) data | |
Li et al. | Hyperspectral inversion of maize biomass coupled with plant height data | |
CN115953685A (zh) | 多层多尺度分割的农用大棚类型信息提取方法及系统 | |
CN112577954B (zh) | 城市绿地地上生物量估测方法 | |
CN110554406B (zh) | 一种基于无人机立体摄影测量点云的次生林结构参数反演的方法 | |
Raeva et al. | Optimized post-processing of multiple UAV images for forestry inspections | |
Huang et al. | Information fusion approach for biomass estimation in a plateau mountainous forest using a synergistic system comprising UAS-based digital camera and LiDAR | |
Xiao et al. | Construction of terrain information extraction model in the karst mountainous terrain fragmentation area based on UAV remote sensing | |
Deng et al. | Tree crown recognition algorithm on high spatial resolution remote sensing imagery | |
RU2773144C1 (ru) | Способ определения запасов стволовой древесины с использованием данных воздушной беспилотной съемки |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20150809 |
|
NF4A | Reinstatement of patent |
Effective date: 20180806 |
|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20200405 |