智能采伐機(jī)作為新一代的采伐設(shè)備,極大的提高了采伐作業(yè)效率,不僅能夠按照人們的需求規(guī)格把每株樹(shù)伐倒并進(jìn)行造材,同時(shí)在作業(yè)過(guò)程中,依靠采伐頭及傳感器,測(cè)量并收集海量的數(shù)據(jù),包括每株樹(shù)被截取木材段的小頭直徑、長(zhǎng)度、體積等,這些數(shù)據(jù)可以與其他數(shù)據(jù)源的數(shù)據(jù)融合為相關(guān)研究和實(shí)踐提供信息。智能采伐頭記錄的數(shù)據(jù)不包含單株樹(shù)的樹(shù)高和立木的胸徑,而森林和生物量建模中樹(shù)高和胸徑是最常用的自變量。因此,本文借助一組包含3251株輻射松的干形數(shù)據(jù)集,在分析一組采伐頭數(shù)據(jù)特征和一組伐樁數(shù)據(jù)特征的基礎(chǔ)上,構(gòu)建了一套實(shí)驗(yàn)數(shù)據(jù),用于分別建立適用于估計(jì)基于采伐頭數(shù)據(jù)的單木胸徑和樹(shù)高模型。胸徑估計(jì)模型的建立是首先對(duì)實(shí)驗(yàn)數(shù)據(jù)集中每株樹(shù)都選取30個(gè)離地面高度,從0.05 m到2.95 m,間隔為0.1 m,通過(guò)三次埃爾米特插值方法(PCHIP)獲取每株樹(shù)在這30個(gè)高度處的直徑,分別建立這30個(gè)高度處直徑與胸徑的數(shù)學(xué)關(guān)系,采用最小二乘法對(duì)30個(gè)方程進(jìn)行參數(shù)的估計(jì),得到30組轉(zhuǎn)換系數(shù),模型的檢驗(yàn)選用額外的29個(gè)高度,采用PCHIP方法得到直徑,并利用曲線擬合法、線性插值法和近鄰插值法三種方式得到29個(gè)高度處得到轉(zhuǎn)換系數(shù),并預(yù)測(cè)胸徑。實(shí)驗(yàn)結(jié)果表明:利用線性插值法得到某個(gè)高度處的轉(zhuǎn)換系數(shù)來(lái)預(yù)測(cè)胸徑時(shí)最精確,此外,模型適應(yīng)性的平均相對(duì)誤差和總相對(duì)誤差都在±5%以?xún)?nèi),可應(yīng)用于實(shí)際的生產(chǎn)中。對(duì)于樹(shù)高的估計(jì),本文提出采用兩種模型估計(jì)樹(shù)高,一是利用Varjo模型,并對(duì)其中的去皮直徑變量替換成帶皮直徑,以適應(yīng)采伐作業(yè)中數(shù)據(jù)記錄的實(shí)際情況;另一種是基于三角函數(shù)干形方程,使用迭代的方法估計(jì)樹(shù)高。兩個(gè)樹(shù)高估計(jì)模型對(duì)比結(jié)果表明:在預(yù)測(cè)精度上,替換變量后的Varjo模型整體表現(xiàn)較優(yōu),在實(shí)際應(yīng)用中可優(yōu)先使用該模型;在靈活性方面,基于迭代方法的樹(shù)高估計(jì)模型則表現(xiàn)更好,在部分采伐段信息缺失的情況下,可正常使用該模型,而替換變量后的Varjo模型則不再適用。
【學(xué)位單位】：北京林業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類(lèi)】：S776.31
【部分圖文】：

個(gè)數(shù)據(jù)集中共包含］６２４３株樹(shù)，每一株樹(shù)都自動(dòng)被切割成若干段，總共包含６５８２７個(gè)??木材段。采伐段個(gè)數(shù)主要集中在３、４、５段，初步的統(tǒng)計(jì)得出，大于等于８段的共有??１７２株樹(shù)（圖２－１），由于這部分?jǐn)?shù)據(jù)所占的比例較小，而且通過(guò)觀察數(shù)據(jù)發(fā)現(xiàn)，在截??�。保�？４２段的這些樹(shù)中，截取的每一段長(zhǎng)度都很短，全部都在５０ｃｍ以下，這些數(shù)據(jù)??可能是采伐作業(yè)前用來(lái)校正采伐機(jī)測(cè)量系統(tǒng)所使用，并非商業(yè)用材，因此，從整個(gè)數(shù)??據(jù)集中剔除掉這１７２株樹(shù)。截取木材段總長(zhǎng)度是該株樹(shù)中所有木材段的長(zhǎng)度之和，初??步的處理剔除掉采伐段總長(zhǎng)度小于等于３ｍ的５株樹(shù)。剩余樹(shù)木的截取木材段總長(zhǎng)度??變化范圍３．５？３６．３３?ｍ?（圖２－１?）。??３５?５５５６?２５??Ｎ＝１６２４３??３０?門(mén)??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之間，絕大部分的樹(shù)都是在０．７?ｍ處測(cè)量一次，１．３?ｍ之上到樹(shù)頂??位置的測(cè)量間隔在１．５？３?ｍ之間。數(shù)據(jù)集中帶皮胸徑最小值以及最大值分別是３．９??ｃｍ和７９．１?ｃｍ，樹(shù)高最小值以及最大值分別是６．４?ｍ和４４．５?ｍ（圖２－３?）。則等人（２００１，??２０１２）使用同樣的數(shù)據(jù)集進(jìn)行干形方程以及樹(shù)高胸徑模型的研宄，對(duì)這部分?jǐn)?shù)據(jù)集做??了更詳盡的描述。初步的數(shù)據(jù)處理剔除掉干形數(shù)據(jù)集中８６株沒(méi)有測(cè)量任何帶皮直徑??的樹(shù)，最終在實(shí)驗(yàn)過(guò)程中只使用３丨６５株樹(shù)。??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??帶皮胸徑（ｃｍ）?帶皮瞄徑（ｃｍ）?樹(shù)高（ｉｎ）??圖２－３干形數(shù)據(jù)集中樹(shù)高和帶皮胸徑散點(diǎn)圖以及樹(shù)高和帶皮胸徑的分布圖，上下兩條曲線代表??分別使用０．９９５和０．００５兩個(gè)分位點(diǎn)利用非線性分位數(shù)回歸擬合得到的曲線（見(jiàn)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??帶皮直徑（ｃｍ）??圖３－１選取的８?jìng)�(gè)高度處帶皮胸徑和直徑的散點(diǎn)圖??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時(shí)胸徑的預(yù)測(cè)值（ｃｍ）??圖３－２高度在０．０５?ｍ處，采用ｙ?＝?＆線性模型模擬得到胸徑的預(yù)測(cè)值和殘差散點(diǎn)圖??Ｆｉｇ．?３－２?Ｔｈｅ?ｐｌｏｔ?ｏｆ?ｒｅｓｉｄｕａｌｓ?ａｇａｉｎｓｔ?ｔｈｅ?ｐｒｅｄｉｃｔｅｄ?ｏｖｅｒｂａｒｋ?ｄｉａｍｅｔｅｒ?ａｔ?ｂｒｅａｓｔ?ｈｅｉｇｈｔ?ｆｏｒ?ｓｔｕｍｐ?ｈｅｉｇｈｔ??０．０５?ｍ，?ｕｓｅ?ｔｈｅ?ｌｉｎｅａｒ?
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邱小可;;《樹(shù)高千尺》(楷書(shū))[J];城市公共交通;2019年02期

2 ;墻外樹(shù)高[J];作家天地;2019年18期

3 魏藍(lán);祝成明;;樹(shù)高千尺[J];小獼猴學(xué)習(xí)畫(huà)刊;2018年19期

4 玄老漢;韓興娥;;葉落歸根[J];小學(xué)生學(xué)習(xí)指導(dǎo);2016年33期

5 兩色風(fēng)景;吳懷銀;;懸崖逃生記[J];兒童故事畫(huà)報(bào);2016年17期

6 安子;;布谷鳥(niǎo)[J];初中生寫(xiě)作;2016年12期

7 梁衡;;房高不要超過(guò)樹(shù)高[J];求學(xué);2017年11期

8 林芳萍;;湖邊的小草[J];小學(xué)生作文選刊;2017年10期

9 遲子建;;誰(shuí)能讓我?guī)ё咝强誟J];高中生學(xué)習(xí)(作文素材);2017年05期

10 藺啟瑞;;春風(fēng)[J];少年月刊;2017年Z4期

相關(guān)博士學(xué)位論文 前4條

1 何春霞;樹(shù)高極限的水分限制機(jī)理研究[D];北京林業(yè)大學(xué);2009年

2 馮琦;機(jī)載X-波段雙天線干涉SAR森林結(jié)構(gòu)參數(shù)估測(cè)方法[D];中國(guó)林業(yè)科學(xué)研究院;2015年

3 黃曉東;地面攝影測(cè)量獲取測(cè)樹(shù)因子的研究[D];北京林業(yè)大學(xué);2016年

4 陳金星;便攜式測(cè)樹(shù)儀的研制及應(yīng)用研究[D];北京林業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 路寬;基于智能采伐頭數(shù)據(jù)的胸徑估計(jì)模型和樹(shù)高估計(jì)模型構(gòu)建[D];北京林業(yè)大學(xué);2017年

2 王佳慧;帽兒山闊葉混交林天然更新幼苗幼樹(shù)空間分布及樹(shù)高預(yù)估模型[D];東北林業(yè)大學(xué);2019年

3 賈永倩;南疆果樹(shù)生產(chǎn)園樹(shù)高遙感估測(cè)研究[D];新疆農(nóng)業(yè)大學(xué);2017年

4 郭嘉;秦嶺天然松櫟混交林樹(shù)高胸徑關(guān)系及競(jìng)爭(zhēng)因子分析[D];西北農(nóng)林科技大學(xué);2019年

5 黃峰;栓皮櫟樹(shù)高預(yù)測(cè)混合效應(yīng)模型研究[D];浙江農(nóng)林大學(xué);2019年

6 隋宏大;樹(shù)高測(cè)量綜合技術(shù)比較研究[D];北京林業(yè)大學(xué);2009年

7 羅雪蓮;基于合成孔徑雷達(dá)的地表參數(shù)及森林樹(shù)高反演[D];電子科技大學(xué);2017年

8 周淑芳;基于機(jī)載LiDAR與航空像片的單木樹(shù)高提取研究[D];東北林業(yè)大學(xué);2007年

9 李慧敏;基于微波遙感數(shù)據(jù)的森林參數(shù)反演[D];電子科技大學(xué);2017年

10 王佳燕;海南東寨港幾種紅樹(shù)植物主要生長(zhǎng)特征因子間的關(guān)系研究[D];華南熱帶農(nóng)業(yè)大學(xué);2007年

本文編號(hào)：2843715