[发明专利]一种天然成过熟林无人机协同树种生长模型最佳择伐方法

说明书

本发明公开了一种天然成过熟林无人机协同树种生长模型最佳择伐方法。该发明运用无人机对天然成过熟林进行摄影，获取影像数据制作出DOM图；通过DOM图获取单个树木的冠径D，同时结合树种生长模型，计算出树木的胸径d，树高H和材积量V；把冠径D和胸径d作为人工神经网络+遗传算法的输入量，△d作为输出量可构建出一个模型；通过该模型把其他树木的冠径D和胸径d输入计算出该树木胸径变化量△d；依据树木单位面积上的生长量为最小值时即为择伐目标树，求出K棵择伐木，并使得K棵择伐木的材积量不超过该小班年度生长量当K棵择伐木的材积量等于该小班的林木年度生长量时即为最佳择伐方案。

一、技术领域

本发明涉及一种天然成过熟林最佳择伐方法，特别是一种天然成过熟林无人机协同树种生长模型最佳择伐方法。

二、技术背景

传统的天然成过熟林择伐方法主要有径级择伐、采育择伐、择伐和经营择伐，虽然择伐方式多样，但仍需要林业人员去实地量测调查确定择伐目标树，在实际具体操作过程中存在着一些不足，具体体现在：

①采用传统的择伐方法需要林业人员进行多年连续观测树木的生长状况，来确定择伐目标树，工作量大且耗费大量的人力物力和资金，工作时间长。

②传统的择伐方法在天然成过熟林实地进行树木的测量过程中，由于林分密度较大，树高和冠幅不易量算，量测结果受到人为主观影响因素大。

③传统的择伐方法需要林业工作者有一定的专业知识技巧，且在确定采伐强度、间隔期会有很大的不确定性，对整个小班情况不能进行准确的把握。

④在天然成过熟林中，林业从业人员不易前行，测量工具不易携带。

因此，目前采用的林业人员实地进行目标择伐木的确定方式对天然成过熟林的择伐存在着一定的不准确性和局限性，且确定择伐木的效率很低，给天然成过熟林的择伐带来了很大的不便。

三、发明内容

为了克服传统林业人员实地进行目标择伐木的确定带来的不准确性和局限性，更高效省时省力的确定天然林中的择伐木，现利用无人机协同树种生长模型来确定天然成过熟林中最佳择伐方法。

本发明是这样实现的：

①通过无人机摄影获取天然成过熟林小班的影像数据，然后内业处理制作出DOM图，通过DOM图可得到小班内各个树木的冠径D。

②由已知树种的生长模型：D＝a₁d^b可推导出该树种每个立木的胸径、树高和树木的材积量，结合冠径D通过人工神经网络+遗传算法可构建出一个求解胸径变化量△d的模型，将其他树木的冠径D和胸径d输入模型，可求解得其他立木胸径变化量△d。

③依据公式：可求得每个树木单位面积上的生长量，当立木单位面积生长量为最小时即为要择伐目标树，进而求得在天然成过熟林中要择伐的K棵择伐目标树，并使K棵择伐木的材积量不超过该小班林木年度生长总量，当K棵择伐木的材积量等于天然成过熟林小班年度生长量时即为最佳择伐方案。

本发明具有以下优点：

①无需林业从业人员到天然林中实地测量，工作量相对较小，节省了大量的人力物力。

②对数据的操作更为方便，大大节省了时间。

③可直接从DOM数据中得到立木的冠径和小班内的总体情况，通过人工神经网络和遗传算法构建出准确的模型，更有利于选择择伐木，确定采伐强度和采伐周期。

五、具体实施方式：

神经网络是用来处理非线性关系的，遗传算法是用来解决最值问题的，生物进化、优胜略汰，更灵活没有限制。二者结合GA和NN共同处理问题，在NN固定的网络拓扑下，利用GA确定链接权重，或者直接利用GA优选网络结构再用bp训练网络。具体实现流程如下：