AI算法加入！八种树龄的测定方法讲解！

01

在调查过程中，工作人员可通过查阅地方志、名人游记、古建筑资料等相关文献，明确古树名木的树龄。

优势：此方法较为简便，且准确率高，有据可循，规范性强，查阅文献的同时还能调研古树本身对应的文化资产。

缺点：遇到的大部分古树都缺乏文字记载，即使可从资料里搜集到一定的信息，但这些信息数据的精准性大多不高，记载的古树与现有古树也不一定一致。

02

这是一种通过走访当地居民，搜集信息，确定古树树龄的大致范围的。

该方法有一定的局限性，使用此方法的古树树龄不长，在当地有较多老人知晓与该古树有关的信息。其次是老人大多会依靠记忆和当地的传说向工作人员提供信息，不确定性较大。

03

利用本地（本气候区）森林资源清查中同树种的树干解析资料，或 利用贮木场同树种原木进行树干解析，获得年轮和直径数据，建立年轮与直径回归模型，计算和推测古 树的年龄。

例如在实际调查中，为了计算方便，树龄也可用胸径与平均年直径生长量的比值估测，树龄Ａ＝胸径Φｓ/(２×胸高处平均年轮宽度Ｗ)；平均年直径生长量Ｚ＝２×胸高处平均年轮宽度，即树龄Ａ估算公式为:Ａ＝Φｓ/２Ｗ 或 Ａ＝Φｓ/Ｚ，来计算古木的树龄。

目前，此类方法在古树名木树龄鉴定中，应用率较高，优点突出，一旦工作人员能够确定出树干胸径与树龄之间的关系，确定树木的树龄就不再困难。

但该方法也具有一定的局限性，树木个体生长受遗传性、所经历的环境影响较为明显，同时生长过程中气候的变化，也会影响树木胸径与树龄之间的关系，进而造成树龄计算不准确，为古树名木类推造成较大的困难。

04

CT扫描法，主要指的是一种使用X线束、γ 射线和超声波技术明确古树树龄的方法，工作人员可借助此类技术，得出树木树干断面的成像，观察图像中含有的年轮数，进而借助年轮与树龄之间的关系，判断古木的树龄。

该方法性能优势突出，在计算过程中不会对树木造成较大的物理损伤，缺点是经济适用性不佳，设备过于昂贵，且受树木早晚材密度差异等因素的影响，设备最终显示的图像通常并不清晰，对年轮较多的树木的显示较为模糊，如此便会为古木树龄确定带来一定的困难。

05

树木年轮学法，是指使用生长锥等道具，从古树名木的树干中钻取样芯，提取树芯中含有的年轮宽度信息，结合区域内同树种树木年轮数据，判断古木的具体树龄的一种方法，实际测量中，工作人员可使用相应设备，定位树木生

长整体的历史信息，并评估树木的树龄。

需要注意的是，实际工作中，工作人员在观察树芯、依据年轮数定位古木年龄时，应综合考虑气候因素等多项因素，这是因为当这些因素出现异常时，树木有可能产生“伪年轮”或“丢失年轮”，为古木树龄鉴定带来一定的困难。工作人员可使用交叉定年技术，确定此类古木的树龄，取到样本后，可依照树木从地面长至取样的高度，确定古木的树龄。若树木内部存在中心腐朽的现象，阻碍工作人员采取样本，也可结合区域内同树种生长的历史信息，定位树芯腐朽部分的年龄，进而科学合理地估算出树木的实际年龄。

为了保证树木受到最小的伤害，采样时，采用较细的生长锥对活树进行样芯采样。取到的样芯放置在纸吸管内，并在吸管上用油性笔标注代码。纸吸管的优点在于可使样芯中的水分充分挥发以避免样芯发霉，可对样芯起保护作用。

实践证明，此种鉴定方法准确性和可靠性较高，实际鉴定中，工作人员应收集区域内全部树种生长的基础资料，这具有较高的难度，需要工作人员耗费较多的人力、物力和财力。对于鉴定工序中用到的“生长锥”这一道具，工作人员曾疑虑其是否会为树木造成一定的伤害，但多年实践表明，该道具对树木造成的伤害较小，远不及树木日常从风吹雨淋中受到的伤害，且树木内部的解剖结构与愈伤组织也能够减少该工具给树木带来的影响。

1600-3000元不等

06

树木针测仪是用于探测树木（木材）内部结构的仪器，通过探针钻入树木阻抗测量纪录，可以方便和精确地探测树木的内部结构如腐烂或空洞情况、材质状况、生长状况（年轮分析）等。

针测仪是目前户外测古树树龄最为准确的设备，除非古树比较特殊，不然一般当天就能看到结果。除了可以知道古树的树龄外，该仪器甚至可以分析这棵古树存活期间不同年份的降雨量，并且该测量方式对树的伤害最小，仅会留一毫米直径的孔洞。

此测定方法兼容性也较高，对完整古树树体，将采用针测仪通过对不同年轮抗阻的测定，计算出检测部分树体的树龄；对有空洞、腐烂部分的树体，将针测仪已测定的数据作为基础数据进行回归分析模拟，也能求算出较为精确的树龄。

此方法的缺点是一台针测仪价格在几万到十几万不等，价格较为昂贵。

不同型号，6-11万不等

07

碳14测定法全称叫“碳—14年代测定法”或“放射性碳定年法（Radiocarbon dating）”，是根据碳14的衰变程度来计算出样品的大概年代的一种测量方法。

但实践证明，该种方法的适用性有限，工作人员需要从树干基部髓心处取得相应的木质样本，测定树木释放同位素的衰减量，最终确定古木的树龄。

这种取样方法难度较高，适用性不佳，若能取得样本，工作人员就已经可以使用树木年轮学更为准确地鉴定树龄，相较于14C方法，该方法鉴定更为简单。此外，借助树皮中韧皮纤维素构成的环带层数判断树皮年龄，也可得出较为准确的结果，但此种方法的适用性较为有限，因为部分树木在生长早期中长出的树皮，在长期的风吹雨淋、季节变换下，已经基本脱落，因此工作人员很难完成采样。

要根据样品数量及检测时长确定价格

08

现有的古树树龄测定方法主要都是针对单棵古树,不适合对大量的同种古树群进行树龄测定。

针对此问题，人工智能专家们开发了一种基于无人机遥感和卷积神经网络的树龄梯度识别方法。

首先根据林业古树分级的要求，设定好古树的树龄梯度，通过无人机获得古树群的图像，对获得的图像进行合成，并分割出单棵古树图像，利用基于CNN的多种模型对训练集中的单棵古树图像特征进行抽象与学习，以自动获取图像深层特征,最后对测试集中的古树图像进行识别,识别出其树龄梯度。 

现有技术实验结果表明：本方法的树龄梯度测定准确率为85.56%, 单棵古树树龄梯度测定时间仅为0.5小时，准确率和时间效率远胜传统树龄测定方法。

新技术尚未商用，成本不可知