(7)

　　式中，yi为实测值，Yi为估算值，n为样本数。 3.3最优三维绿量估算模型选取由于篇幅所限，本文以栾树为例介绍模型构建及检验的研究过程，其余树种给出最终回归的模型结果。以胸径、树高、冠高、冠幅为自变量因子的栾树三维绿量估算模型拟合结果如表3所示。可以看出模型最终输入变量有冠高、胸径和冠幅，剔除了树高因子，逐步回归后产生三个模型，F检验各模型回归均显著，且共线性诊断方差膨胀因子(Variance Inflaction Factor，VIF)均小于5，表明了模型的拟合优度和稳定性。其中冠幅因子对三维绿量的解释力最大，达到82.2%，增加冠高因子后模型精度为92.6%，比单变量模型优度明显提高，均方根误差也明显减小，同理增加胸径因子后三变量模型精度提高到93.6%，但模型精度提高的幅度变小;树高因子被剔除，说明增加树高因子未提高模型拟合优度。

　　从模型变量来看，通常回归方程包含的自变量越多，剩余均方越小，估算值误差也愈小，模拟的效果愈好。但是方程中的变量增多，精度提高的幅度变小，拟合工作量却越大。综上所述，栾树三维绿量的大小主要受胸径、冠高、冠幅的影响，其最优估算模型是以胸径(D)、冠高(CH)、冠幅(CL)为变量的三变量模型，即：

(8)

　　在城市森林调查和规划实践工作中，可以根据精度和测量难度选取上述任意一个模型作为三维绿量的估算模型。

　　表3 栾树三维绿量模型拟合结果

　　Table 3 Modeling fitting results of Koelreuteria Paniculata 编号 模型

　　变量 参数估计 评价指标 F检验 共线性(VIF) a b c d R2 RMSE 1 V=aCLb -0.779 2.61 0.822 0.252 354.92* <1 2 V=aDbCLc -0.836 1.797 1.043 0.926 0.151 474.98* <1.766 3 V=aDbCHcCLd 0.649 1.683 0.739 0.474 0.936 0.151 212.79* <3.287 3.4主要树种估算模型及精度评价同理对其余树种进行拟合建立最优评估模型，计算R2、F及均方根误差(RMSE)指示其回归模型的相关性及显著性。

　　由如表4的拟合结果可以看出，各树种模型拟合相关系数均达到90%以上，范围在91.9%~98.4%，显著性大于112.722，表明胸径、冠高、冠幅能较好地解释三维绿量，呈极显著特征，各种树木回归模型精度高。同时，各树种最优估算模型均方误差在0.2以内，也进一步说明估算模型均有较高精度。其中以女贞树种估算模型为最优，该模型均方误差为0.121，模型估算精度达到98.4%。综上所述，各树种最优三维绿量模型的拟合精度和估算精度均满足要求，能很好地估算连云港市主要树种的三维绿量。

　　表4 主要树种三维绿量最优模型及检验结果

　　Table 4 Optimal model and test results of other tree species 树种 变量 参数估计 评价指标 a b c d R2 RMSE F 大叶女贞 DCHCL -0.765 -0.005 0.834 2.060 0.984 0.121 2235.652 栾树 DCHCL 0.649 0.474 0.739 1.683 0.936 0.151 273.742 紫叶李 DCHCL -0.845 0.016 0.941 2.046 0.958 0.161 212.792 枫香树 DCHCL 1.093 0.643 0.681 1.697 0.959 0.122 242.791 广玉兰 DCHCL -0.370 0.129 0.580 2.170 0.919 0.178 112.722 棕榈 DCHCL -1.054 -0.084 1.288 2.186 0.925 0.193 134.476 垂柳 DCHCL 0.262 0.309 1.305 1.278 0.955 0.155 169.342 榉树 DCHCL 0.030 0.500 1.626 1.324 0.970 0.135 138.133 樟树 DCHCL -0.431 0.009 1.370 1.410 0.974 0.067 423.221 4 结论为了实现城市森林三维绿量快速且精准的估算，本文以连云港市主城区9种主要树种为研究对象，基于三维激光扫描技术获取点云数据，针对树冠的不规则性以三维Alpha-Shape法计算三维绿量，建立树木三维绿量估算模型，得出以下结论：

　　各树种三维绿量与其树高、冠高、胸径、冠幅四个测树因子均呈现显著相关性，利用幂函数能较好地拟合三维绿量与各因子的相关关系，其中冠幅的解释力最大，相关性均达到82.2%以上。

　　经逐步回归分析得出，利用异速生长方程能很好地拟合三维绿量与测树因子的相关关系，建立树种三维绿量与测树因子的关系模型。其中，最优模型均为以冠高、胸径和冠幅为因子的三变量模型。所建立的各树种三维绿量最优模型拟合效果好，拟合精度均高于91.9%，可应用于估算连云港市城市森林各树种的三维绿量。在城市森林调查实践工作中，也可以根据测量难度选取其中任意一个测树因子估算三维绿量。

　　本研究为单株乔木三维绿量的估测提供了一种可行的方法，研究结果也为其他城市森林三维绿量的测算提供参考性。三维Alpha-Shape法估算的缺点在于，对树冠内部的微小空隙无法消除，所估算的单株三维绿量会比实际值偏高。虽然从理论讲与传统的算法有明显的优势，可以更准确地模拟树木形状，计算三维绿量，但还需要不断改进，进一步提高估算精度。

　　参考文献:

　　[1]冯代丽, 刘艳红, 王斐,等. 基于三维绿量的城市绿地生态效益评价综述[J]. 中国农学通报, 2017, 33(6):129-133.

　　[2]黄晓鸾, 张国强. 城市生存环境绿色量值群的研究(1)[J]. 中国园林, 1998(6):61-63.

　　[3]周坚华, 孙天纵. 三维绿色生物量的遥感模式研究与绿化环境效益估算[J]. 遥感学报, 1995, 10(3):162-174.

　　[4]刘立民, 刘明. 绿量城市绿化评估的新概念[J]. 中国园林, 2000(5):32-34.

　　[5]郑绍伟, 李隽, 黎燕琼,等. 利用形态因子建立城市森林主要乔木树种三维绿量预估模型[J]. 四川林业科技, 2017, 38(1):6-10.

　　[6]涂宏涛, 孙玉军, 吴明钦,等. 杉木人工林树冠表面积及体积模型的研究[J]. 中南林业科技大学学报, 2015(9):88-92.

　　[7]周廷刚, 罗红霞, 郭达志. 基于遥感影像的城市空间三维绿量(绿化三维量)定量研究[J]. 生态学报, 2005, 25(3):415-420.

　　[8]周坚华. 城市绿量测算模式及信息系统[J]. 地理学报, 2001, 56(1):14-23.

　　[9]周一凡, 周坚华. 绿量快速测算模式[J]. 生态学报, 2006, 26(12):4204-4211.

　　[10]刘常富, 何兴元, 陈玮,等. 沈阳城市森林三维绿量测算[J]. 北京林业大学学报, 2006, 28(3):32-37.

　　[11]刘常富, 何兴元, 陈玮,等. 沈阳城市森林三维绿量模拟及其影响因子[J]. 应用生态学报, 2008, 19(6):1173-1178.

　　[12]谢丽琼, 张晓丽, 宋金秀. 基于TM影像的森林三维绿量的遥感测算[J]. 南京林业大学学报(自然科学版), 2015, 39(1):104-108.

　　[13]冯仲科, 罗旭, 马钦彦,等. 基于三维激光扫描成像系统的树冠生物量研究[J]. 北京林业大学学报, 2007(s2):52-56.

　　[14]刘鲁霞, 庞勇, 李增元,等. 用地基激光雷达提取单木结构参数——以白皮松为例[J]. 遥感学报, 2014, 18(2):365-377.

　　[15]樊仲谋, 冯仲科, 郑君,等. 基于立方体格网法的树冠体积计算与预估模型建立[J]. 农业机械学报, 2015, 46(3):320-327.

　　[16]冯仲科, 唐雪海, 姚山,等. 一种基于三维激光扫描仪的乔木三维绿量测定方法, CN 102305622 A[P]. 2012.

　　[17]巩垠熙, 闫飞, 冯仲科,等. 改进的三角网构网算法用于LiDAR树冠体积提取[J]. 红外与毫米波学报, 2016, 35(2):177-183.

 3/4   首页 上一页 1 2 3 4 下一页 尾页