面向森林生长的建模、计算和仿真技术

《面向森林生长的建模、计算和仿真技术》以虚拟森林仿真中的生长计算加速和场景快速可视化技术为线索，结合森林生长的知识建模和数据组织，详细阐述虚拟森林快速仿真方向研究的前沿技术。《面向森林生长的建模、计算和仿真技术》共7章，第1章介绍森林生长仿真技术的发展与现状，引出森林生长仿真中存在的问题；第2章描述森林生长仿真的知识表达，通过对森林知识建模为虚拟森林生长的快速仿真提供基础；第3章阐述大规模森林场景数据的组织算法；第4章介绍大规模虚拟森林生长模型的加速计算；第5章从三维树木叶片模型简化、大规模森林场景的快速漫游算法等方面介绍支持虚拟森林快速仿真的可视化技术；第6章探讨一种基于LiDAR点云数据的单木检测算法；第7章探讨虚拟森林仿真系统的构件化集成技术。

目录
“智能科学技术著作丛书”序
前言
第1章 森林生长仿真技术的发展与现状 1
1.1 森林生长仿真技术的发展 1
1.2 森林生长仿真技术的现状 1
1.2.1 森林生长仿真的建模算法 2
1.2.2 森林生长仿真的形态表示技术 11
1.2.3 森林生长仿真数据的管理 17
1.2.4 森林生长仿真系统的构建 19
1.2.5 主要研究工作 21
第2章 森林生长仿真的知识表达 23
2.1 森林中植物群落的基础知识 23
2.1.1 植物群落生长的知识框架 23
2.1.2 植物群落知识建模概述 24
2.1.3 植物群落知识建模的特点 25
2.2 森林中植物群落知识的本体表达算法 25
2.2.1 植物群落知识建模的本体表达算法 25
2.2.2 植物群落知识的OWL描述 29
2.3 森林中植物个体生长环境影响模型的建立及表达 30
2.3.1 个体生长的植物学知识 30
2.3.2 植物学知识的本体表达 34
2.3.3 环境影响模型的建立 40
2.3.4 环境影响模型的本体表达 44
2.4 森林中植物种群生长模型的建立及表达 46
2.4.1 种内竞争模型的建立及表达 46
2.4.2 种间竞争模型的建立及表达 49
2.4.3 植物种群生长模型的建立及表达 51
2.5 基于本体的森林群落知识库的构建与实现 54
2.5.1 基于本体的森林群落知识库的构建 54
2.5.2 基于本体的森林群落知识库的实现 55
2.6 本章小结 58
第3章 大规模森林场景数据的组织算法 59
3.1 场景数据的分割 59
3.2 树木与场景信息数据的外存存储 60
3.2.1 树木信息数据 60
3.2.2 场景信息数据 64
3.2.3 外存数据关联 66
3.3 树木与场景信息数据的内存存储 67
3.3.1 树木信息数据 68
3.3.2 场景信息数据 74
3.4 本章小结 74
第4章 大规模虚拟森林生长模型的加速计算 75
4.1 虚拟森林生长计算框架 75
4.2 数据调度优化的虚拟森林场景生长模型快速求解 76
4.3 利用空间相似性的森林生长加速计算 84
4.3.1 森林场景空间尺度上的相似性计算 85
4.3.2 利用空间相似性的大规模森林场景快速生成 89
4.3.3 实验结果分析 93
4.4 基于CUDA的森林演化并行加速计算 96
4.4.1 森林演化并行加速思想的提出 97
4.4.2 种子分布并行优化计算 100
4.4.3 成年树竞争的多分辨率GPU计算加速 111
4.5 本章小结 120
第5章 支持虚拟森林快速仿真的可视化技术 121
5.1 基于树叶简化的多分辨率树木模型建立算法 121
5.1.1 三维树木叶片模型简化中的分治策略 121
5.1.2 基于视觉感知的树叶简化排序策略 124
5.1.3 保持视觉感知的树叶相似性的计算 125
5.1.4 应用分析 128
5.2 几何与图像混合的三维树木模型轻量化算法 133
5.2.1 基于视觉感知的三维树木混合轻量化表达模型构建 134
5.2.2 动态视点下保持视觉感知的三维树木模型即时重构 140
5.2.3 实验结果分析 144
5.3 大规模森林场景的快速漫游算法 152
5.3.1 基于视点的调度算法 152
5.3.2 场景数据的并行调度 153
5.4 本章小结 156
第6章 基于LiDAR点云数据的单木检测算法 157
6.1 基本流程 158
6.2 基于梯度方向聚类的LiDAR点云数据单木检测算法 159
6.2.1 LiDAR点云数据栅格化 159
6.2.2 基于方向梯度的聚类 161
6.2.3 单木的选取和参数的确定 162
6.3 实验数据 163
6.4 实验结果分析 164
6.4.1 检测结果演示 165
6.4.2 各个实验区域的检测结果 166
6.4.3 总体检测结果 169
6.4.4 不同森林类型的检测结果 170
6.5 本章小结 170
第7章 虚拟森林仿真系统的构件化集成技术 171
7.1 虚拟森林仿真构件的设计 171
7.1.1 仿真构件规格 171
7.1.2 仿真构件接口 174
7.1.3 仿真构件实现 175
7.2 业务流程驱动的虚拟森林仿真构件组装与集成算法 176
7.2.1 仿真构件组装框架设计 176
7.2.2 仿真构件组装与集成 179
7.3 本章小结 183
参考文献 184

第1章 森林生长仿真技术的发展与现状
　　1.1 森林生长仿真技术的发展
　　森林是地球上*庞大、*复杂的具有多物种、多功能与多效益的生态系统。构成森林的各种植物的生命活动与表现过程会对当地及周围的环境产生影响，也与人类的生活和生存息息相关。由于已有的天然林资源不能满足日益增长的需求，世界各国纷纷投资营造人工林。目前我国人工林建设存在诸多问题，如造林合格率低、*终蓄积量低等，所以研究森林生长演化的科学规律，提高森林经营管理水平，具有重要的理论意义和应用价值。
　　传统的森林经营算法是通过森林资源调查对调查数据进行统计、分析，得出一些文字、图表或简单的二维表格，作为森林调查资料的*终表现形式。由于森林生态系统变化缓慢，更新周期长，并且森林的变化具有不可逆性，所以采用常规的实验算法研究森林生长规律和经营管理效果，不仅实验周期长，而且耗费大量的人力、财力。随着3S技术(地理信息系统、遥感和全球定位系统)、网络技术、计算机技术等现代信息技术在林业生产管理中的不断应用，数字林业得到了迅速发展。数字林业的建设目的是为林业构造一个统一的立体的开放式信息集成系统，推动营林、森林保护、林业管理、林产工业等技术的信息化进程，为林业和全社会提供信息服务。
　　森林生长仿真是数字林业的重要内容，主要作用是根据森林中树木生长、更新和死亡的规律，模拟森林群落的成长过程和变化机理，预测森林未来的生长发展趋势，并利用三维显示等可视化技术对森林环境进行呈现，从而使得林业管理者能够在这些信息的辅助下做出正确的决策，采取合适的经营措施。
　　1.2 森林生长仿真技术的现状
　　森林生态系统作为陆地生态系统的主体，是陆地上面积*大、分布*广、组成结构*复杂、物质资源*丰富的生态系统。森林植被的组成、结构及其动态变化一直是森林生态学研究的热点。由于构成森林生态系统主体的树木种类多、数量大、寿命长，其动态变化过程具有时间跨度和空间尺度大的特性，要对森林生态系统的生长过程进行模拟非常困难，所以对虚拟森林生长仿真技术的研究是一项具有挑战性的工作。近年来，国内外的研究人员在森林生长仿真的建模算法、形态表示、数据管理和系统构建等方面开展了相关研究。
　　1.2.1 森林生长仿真的建模算法
　　1. 知识建模
　　由于森林动态生长环境的复杂性和森林中植物种类的多样性，无论是采用数值化的算法对森林动态生长进行模拟，还是针对森林中单木的生长形态进行可视化仿真，都需要对森林生长过程中的知识进行建模。从一般意义上讲，知识建模是指为描述世界所做的一组约定，是知识的符号化、形式化或模型化。不同的知识表达算法，是不同的形式化的知识模型。知识表示的研究既要考虑知识的表示与存储，又要考虑知识的使用。
　　森林生长仿真的知识表示是将森林动态生长过程中的知识进行抽象，按照某种知识表达算法对知识进行形式化描述，使之成为计算机能处理的数据结构。
　　常见的面向知识建模的表达算法有如下几种[1]。
　　1)产生式系统表示法
　　产生式系统(production system)表示法是常用的知识表达算法之一。它是依据人类大脑记忆模式中各种知识间大量存在的因果关系，以“IF-THEN”的形式，即产生式规则表示出来[2]。在产生式系统中，知识分为两部分：事实，表示静态知识，如事物、事件和它们之间的关系；产生式规则，表示推理过程和行为。产生式规则的如果(IF)部分称为条件、前项或产生式的左边，说明应用该规则必须满足的条件；那么(THEN)部分称为操作、结果、后项或产生式的右边，表示条件满足后可以执行的内容。产生式规则的两边可采用谓词逻辑、符号和语言的形式，或者用很复杂的过程语句来表示。
　　整个产生式系统由三部分组成，即总数据库(或全局数据库)、产生式规则和控制策略[3]，各部分之间的关系如图1.1所示。总数据库也称为上下文、当前数据库或暂时存储器，根据总数据库的条件可以启用相应的产生式规则。产生式规则用于存放与求解问题有关的某个领域知识的规则的集合及其交换规则。执行产生式规则的操作会引起总数据库的变化，这可能会使其他产生式规则的条件得到满足。控制策略是推理机构，由一组程序组成，用来控制产生式系统的运行，决定问题求解过程的推理线路，实现对问题的求解。控制策略的作用是说明下一步应该选用什么规则，也就是如何应用规则。通常从选择规则到执行操作有匹配、冲突解决和操作三个步骤。
　　产生式系统在植物建模领域的主要应用是L系统(L-system)。1968年，匈牙利生物学家Lindenmayer[4]使用形式化语言模拟多细胞组织的生长过程，这就是L?系统的雏形。L?系统以自动机理论为基础，用字符串序列来表示细胞的状态，
　　图1.1 产生式系统的主要组成
　　通过字符串序列的变化来描述人工生命形态的生成过程。从本质上讲，L系统是一个产生式系统，通过对植物对象生长过程的经验进行概括和抽象，创建产生式规则，根据初始状态对产生式规则进行有限次迭代，以生成字符串序列来表现植物的拓扑结构。对产生的字符串序列进行几何解释，就能生成非常复杂的分形图形。
　　加拿大卡尔加里大学的Prusinkiewicz等[5]利用L系统在植物虚拟仿真领域做出了杰出的贡献。他们不仅对采用L系统模拟植物进行了深入研究，还在研究过程中对L系统理论进行了扩展，并针对植物虚拟仿真的特点，开发出L+C建模语言(L+C modeling language)。以Prusinkiewicz教授为*的工作小组还在硅图公司(SGI)的工作站开发出基于UNIX系统的虚拟植物实验室和植物分形产生器，以及基于Windows的L-Studio系统(图1.2)。这些系统通过编译植物对应的L文法，使用L+C建模语言实现对不同类型植物的模拟，并且能够用简单动画的形式表现出植物生长的过程[6]。
　　图1.2 L-Studio系统的一个简单例子
　　德国卡尔斯鲁厄理工学院开发的Xfrog软件使用L系统(组件式)实现植物的拓扑结构[7]。该软件定义了一些表示植物器官、植物结构、全局变量和功能函数的小图符，每个图符与描述其具体属性的参数表对应。这些图符是构筑植物结构的部件，用户通过组合这些图符就能生成相应的植物，如图1.3所示。
　　图1.3 Xfrog软件模拟的枫树
　　中国农业大学运用L系统建立了不同土壤水分条件下小麦根系生长发育的三维可视化模型，并与北方工业大学计算机辅助设计(computer aided design， CAD)中心合作，实现了理想条件下冬小麦苗期生长的三维动画模拟[8]。
　　2)框架表示法
　　框架理论于1975年被提出，经常作为理解视觉、自然语言对话及其他复杂行为的基础。框架表示法是在框架理论基础上发展起来的一种结构化的知识表达算法，现已在多种系统中得到广泛应用。框架是一种描述对象属性的数据结构，是知识表示的一个基本单位。一个框架由若干个槽组成，每一个槽又可根据实际情况划分为若干个侧面。一个槽用于描述对象某一方面的属性，一个侧面用于描述相应属性的一个方面。槽和侧面具有的属性值分别称为槽值和侧面值，槽值和侧面值可以是另一个框架的名称。
　　在用框架表示的知识系统中，问题的求解主要是通过匹配与填槽实现的。当要求解某个问题时，*先把这个问题用一个框架表示出来，然后通过与知识库中已有的框架进行匹配，找出一个或几个可匹配的预选框架作为初步假设，并在此初步假设的引导下收集进一步的信息，*后用某种评价算法对预选框架进行评价，以决定是否接受它。
　　框架与产生式系统相结合的知识表达算法已经成功运用到农作物的生长模拟中，主要用来模拟小麦、水稻、棉花等农作物的生长以及栽培管理。河南农业大学的席磊等[9]提出使用描述框架定义问题域涉及的因素，使用规则组描述问题域内求解的问题；基于这种知识表示技术，设计实现了农业专家系统开发工具的知识管理子系统，并给出知识管理子系统中因素分类、知识检测、知识求精和知识发现等构件的实现算法。
　　3)面向对象的知识表达算法
　　用面向对象的类或对象表示知识的算法，都可以称为面向对象的知识表达(object-oriented knowledge representation， OOKR)算法。面向对象的知识表达算法是以对象为中心来组织知识库系统结构的，对象(object)是面向对象的知识表达算法的主体，是知识库的基本单元。一个对象应包括问题描述框架、知识和知识处理算法，即
　　对象 = 问题描述框架 + 知识 + 知识处理算法
　　面向对象的知识表达算法中另一个重要概念是对象类(object class)。将具有相同结构、操作，并遵守相同约束规则的对象集成一组，这组对象的抽象称为对象类。对象类中的一个具体对象称为对象实例。每个对象类都定义了一组算法，实际上可将其视为允许作用于该类对象上的各种操作。对象类实现了数据与操作的封装[10]。面向对象的知识表达算法的主要特征为模块性、继承性、封装性、多态性和易维护性。
　　面向对象的知识表达算法在植物生长仿真中也有相应应用。法国国际发展农业研究中心通过观察植物的结构获得了植物形式和结构的定性理解，然后定量地测量表示植物形态的数据，并采用面向对象的知识表达算法进行表示，由此制作模型参数表，*后在场景中生成植物的图形。云南农业大学的彭琳等[11]通过将面向对象和产生式相结合的知识表达算法，以甜玉米病虫害诊断专家系统的知识表示为例，详细介绍了面向对象的知识表达算法的专家系统的具体实现算法。
　　4)本体表达算法
　　本体的概念*初起源于哲学领域，在哲学领域把本体定义为对世界上客观存在物的系统描述，即存在论[12]。近十几年来，本体的相关研究日益成熟，也远远超过了哲学领域的范畴，与信息技术、知识工程及人工智能都有密切关系。在本体的众多定义中，*著名且引用*为广泛的是由Gruber[13]提出的，他采用概念化的形式定义〈D，R〉结构，把本体解释成共享概念化的明确的形式化规范，其中D是领域，R是D中相关的关系集合，因此该定义能够很好地表现出本体的本质特性。本体论是通过交互各方(人或程序)对特定领域内共用的词汇、术语及其分类建立一致的认可和理解，进行知识的共享和重用的思想[12]。
　　目前，本体技术在很多领域得到了应用。国内比较有影响的是中国科学院数学研究所的陆汝钤等[14，15]对于常识知识的实用性研究，其主要目的是建立一个大规模的常识知识库Pangu，并探讨如何利用常识知识来解决一些实际问题(如机器翻译和自然语言理解等)][。中国科学院计算技术研究所曹存根等[16-18]的大规模知识系统的研究也有深远意义[][19]。另外，浙江大学人工智能研究所开发出一些基于领域本体的医疗信息管理系统[20，][21]。本体在植物知识建模领域的应用还处于初级阶段。植物本体联盟(Plant Ontology Consortium， POC)主导的项目主要从植物结构和植物生长发育两个方面完成对植物本体库的构建[22]-[23][24]。POC构建的植物本体概念清楚、关系明朗，有助于用户对植物知识进行查询，但是直接应用于植物仿真领域还存在问题，例如，POC构建的本体库所提供的植物概念和植物属性很难直接作为植物的仿真参数。
　　2. 森林数值化生长模型
　　1)森林数值化生长模型的发展历史
　　传统的森林动态仿真以数值化算法进行生长过程的模拟，采用的工具是图表，以收获表(即生长过程表)*为典型。收获表是以表格的形式对某一地域按不同的林分级、地位级分别记载不同生长阶段的林分因子(如密度、平均直径和蓄积量等)的一种算法[25]。在我国，收获表是从?1940?年开始出现的[26]。收获表的应用是林业长远规划的需要，随着收获表的不断编制，数学公式开始得到应用。
　　随着回归分析技术应用到森林生长和收获的研