Модели для оценки диаметра стволов деревьев и древостоев лесообразующих видов Северной Евразии по морфометрии крон и полога

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

В рамках климатически оптимизированного ведения лесного хозяйства необходима точная информация о фитомассе и углерододепонирующей способности лесов. К настоящему времени опубликовано множество эмпирических моделей и составлена масса таксационных нормативов для оценки фитомассы деревьев и древостоев по измеренным на пробных площадях морфометрическим показателям. Однако их применение c целью оценки углерододепонирующей способности лесов на больших площадях средствами традиционной наземной таксации лесов довольно трудозатратно. Альтернатива может состоять в использовании лазерной (лидарной) техники, однако она не позволяет определять основные массообразующие показатели — диаметр ствола дерева или средний диаметр стволов древостоя. Для совмещения традиционных эмпирических моделей и таблиц фитомассы с данными дистанционного зондирования необходимы модели промежуточного звена для оценки диаметра ствола или среднего диаметра древостоя в зависимости от морфометрии полога, регистрируемой или наземными способами, или дистанционно. Цель настоящего исследования состояла в построении моделей зависимости диаметра ствола дерева и среднего диаметра древостоя от основных морфометрических показателей полога, полученных путем наземных измерений, но доступных для лидарного сканирования. Модели построены на уровне родов, как совокупностей викарирующих видов. Исходными данными для исследования послужили материалы двух авторских баз данных о фитомассе и морфоструктуре 5320 деревьев и 5817 древостоев Евразии. Для 13 родов построены двухфакторные аллометрические зависимости: (а) диаметра ствола на высоте груди от высоты дерева и диаметра кроны и (б) среднего диаметра древостоя от его средней высоты и густоты, объясняющие в большинстве случаев от 90 до 97 % изменчивости искомого показателя. Предложенные модели, построенные по данным традиционной наземной таксации, могут быть напрямую применены в лидарных технологиях или использованы для валидации моделей, построенных по данным лидарного зондирования. Это особенно актуально ввиду отсутствия наземных измерений морфометрии крон и полога по большинству существующих видов и местообитаний. Использование предложенных моделей по результатам дистанционной регистрации морфологии крон и полога дает возможность для оценки фитомассы и углеродного пула деревьев и древостоев на некоторых территориях в режиме реального времени путем их совмещения с имеющимися нормативными материалами для определения фитомассы деревьев и древостоев.

Полный текст

Доступ закрыт

Об авторах

В. А. Усольцев

Уральский государственный лесотехнический университет; Уральский государственный экономический университет

Автор, ответственный за переписку.
Email: Usoltsev50@mail.ru
Россия, ул. Сибирский тракт, д. 37, Екатеринбург, 620100; ул. 8 Марта/Народной Воли, 62/45, Екатеринбург, 620144

Список литературы

  1. Алтынцев М.А., Сабер К.Х.М. Методика автоматизированной фильтрации данных мобильного лазерного сканирования // Вестник Сибирского государственного университета геосистем и технологий. 2021. № 3. С. 5—19.
  2. Антанайтис В.В., Манкус Р., Шяпетене Я.А. Закономерности лесной таксации: Методическое пособие. Каунас: Литовская сельскохозяйственная академия, 1976. С. 5—10.
  3. Антанайтис В.В., Тябера А.П., Шяпетене Я.А. Законы, закономерности роста и строения древостоев: Методическое пособие. Каунас: Литовская сельскохозяйственная академия, 1986. 157 с.
  4. Бойко Е.С., Карагян А.В. Цифровое моделирование древесно-кустарниковой растительности аккумулятивных берегов по данным воздушного лазерного сканирования // Вестник Сибирского государственного университета геосистем и технологий. 2021. № 2. С. 103—114.
  5. Данилин И.М., Медведев Е.М., Мельников С.Р. Лазерная локация Земли и леса: Учебное пособие. Красноярск: Ин-т леса СО РАН, 2005. 182 с.
  6. Демидов В.Э. Применение воздушного лазерного сканирования для картирования рельефа, поиска следов антропогенного воздействия и изучения растительного покрова на территории Приокско-Террасного государственного природного биосферного заповедника // Труды Мордовского государственного природного заповедника им. П.Г. Смидовича. 2021. № 28. С. 74—82.
  7. Иванова Н.В., Шашков М.П., Шанин В.Н. Определение характеристик смешанных древостоев по данным аэрофотосъемки с применением беспилотного летательного аппарата (БПЛА) // Вестник Томского государственного университета. Биология. 2021. № 54. С. 158—175.
  8. Кабонен А.В., Иванова Н.В. Оценка биометрических характеристик деревьев по данным наземного LiDAR и разносезонной аэрофотосъемки в искусственных насаждениях // Nature Conservation Research. Заповедная наука. 2023. Т. 8. № 1. С. 64—83.
  9. Ковязин В.Ф., Виноградов К.П., Киценко А.А., Васильева Е.А. Воздушное лазерное сканирование для уточнения таксационных характеристик древостоев // Известия вузов. Лесной журнал. 2020. № 6. С. 42—54.
  10. Лескинен П., Линднер М., Веркерк П.-Й., Набуурс Г.-Я., ван Брусселен Й., Куликова Е., Хассегава М., Леринк Б. Леса России и изменение климата. Что нам может сказать наука. 11. Европейский институт леса, 2020. 140 с. https://doi.org/10.36333/wsctu11
  11. Лиепа И.Я. Динамика древесных запасов: Прогнозирование и экология. Рига: Зинатне, 1980. 170 с.
  12. Мак-Лоун Р.Р. Математическое моделирование — искусство применения математики // Математическое моделирование. М.: Мир, 1979. С. 9—20.
  13. Мошкалев А.Г., Давидов Г.М., Яновский Л.Н., Моисеев В.С., Столяров Д.П., Бурневский Ю.И. Лесотаксационный справочник по Северо-Западу СССР. Л.: ЛТА, 1984. 319 с.
  14. Налимов В.В. Теория эксперимента. М.: Наука, 1971. 208 с.
  15. Усольцев В.А. Перспективы 3D-моделирования пространственной структуры фитомассы лесов // Эко-потенциал. 2014. № 2. С. 55—71. https://elar.usfeu.ru/bitstream/123456789/3356/1/Usoltsev.pdf
  16. Усольцев В.А. Фитомасса лесов Северной Евразии: База данных и география. Екатеринбург: Изд-во УрО РАН, 2001. 708 с. http://elar.usfeu.ru/handle/123456789/3280
  17. Усольцев В.А. Фитомасса лесов Северной Евразии: Нормативы и элементы географии. Екатеринбург: Изд-во УрО РАН, 2002. 762 с. http://elar.usfeu.ru/handle/123456789/3302
  18. Усольцев В.А. Биологическая продуктивность лесов Северной Евразии: Методы, база данных и ее приложения. Екатеринбург: УрО РАН, 2007. 636 с. http://elar.usfeu.ru/handle/123456789/3281
  19. Усольцев В.А. Фитомасса и первичная продукция лесов Евразии. Екатеринбург: УрО РАН, 2010. 570 с. http://elar.usfeu.ru/handle/123456789/2606
  20. Усольцев В.А. Биологическая продуктивность лесообразующих пород в климатических градиентах Евразии (к менеджменту биосферных функций лесов). Екатеринбург: Уральский государственный лесотехнический университет, 2016а. 384 с. http://elar.usfeu.ru/handle/123456789/5634
  21. Усольцев В.А. Фитомасса модельных деревьев лесообразующих пород Евразии: База данных, климатически обусловленная география, таксационные нормативы. Екатеринбург: Уральский государственный лесотехнический университет, 2016б. 336 с. http://elar.usfeu.ru/handle/123456789/5696
  22. Усольцев В.А. Фитомасса модельных деревьев для дистанционной и наземной таксации лесов Евразии. Электронная база данных. Екатеринбург: Ботанический сад УрО РАН, Уральский государственный лесотехнический университет, 2023а. 1 электрон. опт. диск (CD-ROM). https://elar.usfeu.ru/handle/123456789/12451
  23. Усольцев В.А. Биомасса и первичная продукция лесов Евразии. Электронная база данных. Екатеринбург: Ботанический сад УрО РАН, Уральский государственный лесотехнический университет, 2023б. 1 электрон. опт. диск (CD-ROM). https://elar.usfeu.ru/handle/123456789/12452
  24. Усольцев В.А. Модели для оценки возраста деревьев и древостоев лесообразующих видов Евразии по морфометрии крон и полога, доступной для воздушного лазерного сканирования // Биосфера. 2024. № . 4. С. 399—406.
  25. Усольцев В.А., Цепордей И.С., Часовских В.П. Модели для оценки биомассы деревьев лесообразующих видов по диаметру кроны в связи с использованием дронов // Хвойные бореальной зоны. 2023. Т. 41. № 4. С. 300—305.
  26. Усольцев В.А., Цепордей И.С. Возрастные изменения в структуре надземной фитомассы лесообразующих видов Евразии // Лесоведение. 2023. № 6. С. 563—576. doi: 10.31857/S0024114823060116, EDN: EHRIEL
  27. Усольцев В.А., Цепордей И.С., Плюха Н.И. Взаимосвязи диаметров ствола и кроны лесообразующих видов Евразии // Известия Санкт-Петербургской лесотехнической академии. 2024. Вып. 250. С. 176—199. doi: 10.21266/2079-4304.2024.250.176-199.
  28. Цепордей И.С. Биологическая продуктивность лесообразующих видов в климатическом контексте Евразии. Екатеринбург: Изд-во УМЦ УПИ, 2023. 467 с. https://elar.usfeu.ru/handle/123456789/12450
  29. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1977. 200 с.
  30. Юнсон Э.В., Мельничук Д.Ю. Цифровой двойник лесного массива // Международный научно-исследовательский журнал. 2024. № 6. С. 1—5.
  31. Assman E. Die Bedeutung des “erweiterten Eichhorn’schen Gesetzes” für die Kontrolle von Fichten Ertragstafeln // Forstwissenschaftliches Centralblatt. 1955. V. 74. P. 321—330.
  32. Assmann E. Waldertragskunde: Organische Produktion, Struktur, Zuwachs und Ertrag von Waldbeständen. München, Bonn, Wien: BLV Verlagsgesellschaft, 1961. 492 p.
  33. Baskerville G.L. Use of logarithmic regression in the estimation of plant biomass // Canadian Journal of Forest Research. 1972. V. 2. № 1. P. 49—53.
  34. Besnard S., Koirala S., Santoro M., Weber U., Nelson J., Gütter J., Herault B., Kassi J., N’Guessan A., Neigh C., Poulter B., Zhang T., Carvalhais N. Mapping global forest age from forest inventories, biomass and climate data // Earth System Science Data. 2021. V. 13. P. 4881—4896.
  35. Bi H., Fox J.C., Li Y., Lei Y., Pang Y. Evaluation of nonlinear equations for predicting diameter from tree height // Canadian Journal of Forest Research. 2012. V. 42. P. 789—806.
  36. Brandeis T., Randolph K.C., Strub M.R. Modelling Caribbean tree stem diameters from tree height and crown width measurements // Mathematical and Computational Forestry & Natural-Resource Sciences. 2009. V. 1. № 2. P. 78—85.
  37. Cao Q.V., Dean T.J. Predicting diameter at breast height from total height and crown length: Proceedings of the 15th biennial southern silvicultural research conference. Asheville, NC: U.S.D.A. Forest Service, Southern Research Station. Tech. Rep. SRS-GTR-175, 2013. P. 201—205.
  38. Chang A., Jung J., Kim Y. Estimation of forest stand diameter class using airborne lidar and field data // Remote Sensing Letters. 2015. V. 6. № 6. P. 419—428.
  39. Coops N.C., Tompalski P., Goodbody T.R.H., Queinnec M., Luther J.E., Bolton D.K., White J.C., Wulder M.A., van Lier O.R., Hermosilla T. Modelling LiDAR-derived estimates of forest attributes over space and time: a review of approaches and future trends // Remote Sensing. 2021. V. 260. Article 112477.
  40. Dean T.J., Cao Q.V., Roberts S.D., Evans D.L. Measuring heights to crown base and crown median with LiDAR in a mature, even-aged loblolly pine stand // Forest Ecology and Management. 2009. V. 257. № 1. P. 126—133.
  41. Dean T.J., Long J.N. Validity of constant-stress and elastic-instability principles of stem formation in Pinus contorta and Trifolium pretense // Annals of Botany. 1986. V. 58. P. 833—840.
  42. Drake J.B., Dubayah R.O., Knox R.G., Clark D.B., Blair J.B. Sensitivity of large-footprint lidar to canopy structure and biomass in a neotropical rainforest // Remote Sensing of Environment. 2002. V. 81. P. 378—392.
  43. Eichhorn F. Ertragstafeln für die Weißtanne. Berlin: Springer, 1902. 118 p.
  44. Eichhorn F. Beziehungen zwishen Bestandeshöhe und Bestandesmasse // Allgemeine Forst- und Jagdzeitung. 1904. V. 80. P. 45—49.
  45. Filipescu C.N., Groot A., MacIsaac D.A., Cruickshank M.G., Stewart J.D. Prediction of diameter using height and crown attributes: a case study // Western Journal of Applied Forestry. 2012. V. 27. № 1. P. 30—35.
  46. Fu L., Duan G., Ye Q., Meng X., Luo P., Sharma R.P., Sun H., Wang G., Liu Q. Prediction of individual tree diameter using a nonlinear mixed-effects modeling approach and airborne LiDAR data // Remote Sensing. 2020. V. 12. Article 1066.
  47. Galvincio J.D., Popescu S.C. Measuring individual tree height and crown diameter for mangrove trees with airborne lidar data // International Journal of Advanced Engineering, Management and Science. 2016. V. 2. № 5. P. 431—443.
  48. Gavrikov V.L. A simple theory to link bole surface area, stem density and average tree dimensions in a forest stand // European Journal of Forest Research. 2014. V. 133. № 6. P. 1087—1094.
  49. Gerhardt E. Über Bestandes- Wachstumsgesetze und ihre Anwendung zur Aufstellung von Ertragstafeln // Allgemeine Forst- und Jagdzeitung. 1909. V. 85. P. 117—128.
  50. Gerhardt E. Zur Ertragstafelfrage: Eine dreiteilige Fichtenertragstafel // Allgemeine Forst- und Jagdzeitung. 1928. V. 104. P. 377—386.
  51. Global Mapper: Getting Started Guide. Blue Marble Geographics, 2018. 24 p. Available at: https://www.bluemarblegeo.com/docs/guides/global-mapper-19-gettingstarted-guide-en.pdf.
  52. Gonzalez-Benecke C.A., Fernández M.P., Gayoso J., Pincheira M., Wightman G. Using tree height, crown area and stand-level parameters to estimate tree diameter, volume, and biomass of Pinus radiata, Еucalyptus globulus and Еucalyptus nitens // Forests. 2022. V. 13. № 12. Article 2043.
  53. Gonzalez-Benecke C.A., Gezan S.A., Samuelson L.J., Cropper W.P., Leduc D.J., Martin T.A. Estimating Pinus palustris tree diameter and stem volume from tree height, crown area and stand-level parameters // Journal of Forestry Research. 2014. V. 25. № 1. P. 43—52.
  54. Gould S. Allometry and size in ontogeny and phylogeny // Biological Reviews. 1966. V. 41. № 4. P. 587—640.
  55. Hao Y., Widagdo F.R.A., Liu X., Quan Y., Dong L., Li F. Individual tree diameter estimation in small-scale forest inventory using UAV laser scanning // Remote Sensing. 2021. V. 13. № 13. Article 24.
  56. Harding D.J., Lefsky M.A., Parker G.G., Blair J.B. Laser altimeter canopy height profiles: methods and validation for closed-canopy, broadleaf forests // Remote Sensing of Environment. 2001. V. 76. P. 283—297.
  57. Harrington R. Comparison of field- and LIDAR-derived tree crown parameters in mid-rotation loblolly pine. M. Sc. thesis, Mississippi State University, Mississippi State, MS, 2001. 43 p.
  58. Inoue A., Koyama R., Koshikawa K., Yamamoto K. Comparison of models for estimating stem surface area of coniferous trees grown in old-growth natural forests // Journal of Forestry Research. 2021. V. 26. № 1. P. 1—6.
  59. Inoue A., Nishizono T. Conservation rule of stem surface area: a hypothesis // European Journal of Forest Research. 2015. V. 134. № 4. P. 599—608.
  60. Jerez Rico M. Modeling canopy structure effects on loblolly pine growth. 2002. LSU Doctoral Dissertations. 79 р. https://repository.lsu.edu/gradschool_dissertations/837
  61. Kalliovirta J., Tokola T. Functions for estimating stem diameter and tree age using tree height, crown width and existing stand database information // Silva Fennica. 2005. V. 39. P. 227—248.
  62. Lee D., Choi J. Evaluating maximum stand density and size–density relationships based on the competition density rule in Korean pines and Japanese larch // Forest Ecology and Management. 2019. V. 446. P. 204—213.
  63. Lee S.-H., Kim D.-H., Jeong J.-H., Han S.-H., Kim S., Park H.-J., Kim H.-J. Developing a yield table and analyzing the economic feasibility for Acacia hybrid plantations in achieving carbon neutrality in southern Vietnam // Forests. 2022. V. 13. № 8. Article 1316.
  64. Lefsky M.A., Cohen W.B., Acker S.A., Parker G.G., Spies T.A., Harding D. LIDAR remote sensing of the canopy structure and biophysical properties of Douglas-fir western hemlock forests // Remote Sensing of Environment. 1999. V. 70. P. 339—361.
  65. Li W., Duveiller G., Wieneke S., Forkel M., Gentine P., Reichstein M., Niu S., Migliavacca M., Orth R. Regulation of the global carbon and water cycles through vegetation structural and physiological dynamics // Environmental Research Letters. 2024. V. 19. Article 073008.
  66. Luo Y., Wang X., Ouyang Z., Lu F., Feng L., Tao J. A review of biomass equations for China’s tree species // Earth System Science Data. 2020. V. 12. № 1. P. 21—40.
  67. Luoma V., Saarinen N., Wulder M.A., White J.C., Vastaranta M., Holopainen M., Hyyppä J. Assessing precision in conventional field measurements of individual tree attributes // Forests. 2017. V. 8. № 2. Article 38.
  68. Magin R. Möglichkeiten der dynamischen Bonitierung im Hinblick auf die künftige Einheitsbewertung // Allgemeine Forst Zeitschrift. 1955. V. 10. P. 122—124.
  69. Magnussen S., Boudewyn P. Derivations of stand heights from airborne laser scanner data with canopy-based quantile estimators // Canadian Journal of Forest Research. 1998. V. 28. № 7. P. 1016—1031.
  70. Maltamo M., Mustonen K., Hyyppä J., Pitkänen J., Yu X. The accuracy of estimating individual tree variables with airborne laser scanning in a boreal nature reserve // Canadian Journal of Forest Research. 2004. V. 34. № 9. P. 1791—1801.
  71. Means J.E., Acker S.A., Fitt J.B., Renslow M., Emerson L., Hendrix C.J. Predicting forest stand characteristics with airborne scanning LiDAR // Photogrammetric Engineering and Remote Sensing. 2000. V. 66. P. 1367—1371.
  72. Metzger K. Der Wind als massgebender Faktor für das Wachsthum der Bäume // Mündener Forstliche Hefte. 1893. V. 3. P. 35—86.
  73. Moriguchi K., Ueki T., Saito M. Responses of spacing indices for relative yield based on the reciprocal competition-density effect // Forest Science. 2017. V. 63. № 5. P. 485—495.
  74. Newton P.F. Stand density management diagrams: modelling approaches, variants, and exemplification of their potential utility in crop planning // Canadian Journal of Forest Research. 2021. V. 51. № 2. P. 236—256.
  75. Özdemir İ. Estimation of forest stand parameters using airborne LIDAR data // SDU Faculty of Forestry Journal. 2013. V. 14. P. 31—39.
  76. Panagiotidis D., Abdollahnejad A., Surový P., Chiteculo V. Determining tree height and crown diameter from high-resolution UAV imagery // International Journal of Remote Sensing. 2017. V. 38. № 8—10. P. 2392—2410.
  77. Parker R.C., Evans D.L. An application of LiDAR in a double-sample forest inventory // Western Journal of Applied Forestry. 2004. V. 19. № 2. P. 95—101.
  78. Parker R.C., Mitchel A.L. Smoothed versus unsmoothed LiDAR in a double-sample forest inventory // Southern Journal of Applied Forestry. 2005. V. 29. № 1. P. 40—47.
  79. Pereira Martins-Neto R., Garcia Tommaselli A.M., Imai N.N., Honkavaara E., Miltiadou M., Saito Moriya E.A., David H.C. Tree species classification in a complex Brazilian tropical forest using hyperspectral and LiDAR data // Forests. 2023. V. 14. № 5. Article 945. https://doi.org/10.3390/f14050945
  80. Poorter H., Jagodzinski A.M., Ruiz-Peinado R., Kuyah S., Luo Y., Oleksyn J., Usoltsev V.A., Buckley T.N., Reich P.B., Sack L. How does biomass allocation change with size and differ among species? An analysis for 1200 plant species from five continents // New Phytologist. 2015. V. 208. № 3. P. 736—749
  81. Popescu S.C. Estimating biomass of individual pine trees using airborne lidar // Biomass and Bioenergy. 2007. V. 31. P. 646—655.
  82. Salas C., Ene L., Gregoire T.G., Næsset E., Gobakken T. Modelling tree diameter from airborne laser scanning derived variables: A comparison of spatial statistical models // Remote Sensing of Environment. 2010. V. 114. P. 1277—1285.
  83. Sexton J.O., Bax T., Siqueira P., Swenson J.J., Hensley S. A comparison of lidar, radar, and field measurements of canopy height in pine and hardwood forests of southeastern North America // Forest Ecology and Management. 2009. V. 257. P. 1136—1147.
  84. Sharma R.P., Bílek L., Vacek Z., Vacek S. Modelling crown width–diameter relationship for Scots pine in the Central Europe // Trees — Structure and Function. 2017. V. 31. P. 1875—1889.
  85. Smolina A., Illarionova S., Shadrin D., Kedrov A., Burnaev E. Forest age estimation in northern Arkhangelsk region based on machine learning pipeline on Sentinel-2 and auxiliary data // Scientific Reports. 2023. V. 13. Article 22167.
  86. Stereńczak K., Mielcarek M., Wertz B., Bronisz K., Zajączkowski G., Jagodziński A.M., Ochał W., Skorupski M. Factors influencing the accuracy of ground-based tree-height measurements for major European tree species // Journal of Environmental Management. 2019. V. 231. P. 1284—1292.
  87. Sun Y., Jin X., Pukkala T., Li F. Predicting individual tree diameter of larch (Larix olgensis) from UAV—LiDAR data using six different algorithms // Remote Sensing. 2022. V. 14. Article 1125.
  88. Ter-Mikaelian M.T., Korzukhin M.D. Biomass equations for sixty-five North American tree species // Forest Ecology and Management. 1997. V. 97. P. 1—24.
  89. Thomasius H. Untersuchungen über die Brauchbarkeit einiger Wachstumsgrößen von Bäumen und Beständen für die quantitative Standortsbeurteilung // Archiv für Forstwesen. 1963. V. 12. № 12. P. 1267—1323.
  90. Umemi K., Inoue A. A model for predicting mean diameter at breast height from mean tree height and stand density // Journal of Forest Research. 2024. V. 29. № 3. P. 186—195.
  91. West G.B., Brown J.H., Enquist B.J. A general model for the origin of allometric scaling laws in biology // Science. 1997. V. 276. P. 122—126.
  92. West G.B., Brown J.H., Enquist B.J. A general model for the structure and allometry of plant vascular system // Nature. 1999. V. 400. P. 664—667.
  93. Whitfield J. All creatures great and small // Nature. 2001. V. 413. P. 342—344.
  94. Wirth C., Schumacher J., Schulze E.-D. Generic biomass functions for Norway spruce in Central Europe — a meta-analysis approach toward prediction and uncertainty estimation // Tree Physiology. 2004. V. 24. P. 121—139.
  95. Xu Q., Li B., Maltamo M., Tokola T., Hou Z. Predicting tree diameter using allometry described by non-parametric locally-estimated copulas from tree dimensions derived from airborne laser scanning // Forest Ecology and Management. 2019. V. 434. P. 205—212.
  96. Yao W., Krull J., Krzystek P., Heurich M. Sensitivity analysis of 3D individual tree detection from LiDAR point clouds of temperate forests // Forests. 2014. V. 5. P. 1122—1142.
  97. Young B. Comparison of field and LiDAR measurements of loblolly pine. M. Sc. thesis, Mississippi State University, Mississippi State, MS, 2000. 76 p.
  98. Zagalikis G., Cameron A.D., Miller D.R. The application of digital photogrammetry and image analysis techniques to derive tree and stand characteristics // Canadian Journal of Forest Research. 2005. V. 35. № 5. P. 1224—1237.
  99. Zianis D., Mencuccini M. On simplifying allometric analyses of forest biomass // Forest Ecology and Management. 2004. V. 187. № 2—3. P. 311—332.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025