-
题名用无人机激光雷达数据估测人工林生物量
- 1
-
-
作者
牛金岩
朱建华
韩璐
周明珠
陈贝玲
-
机构
中国林业科学研究院森林生态环境与自然保护研究所
林草碳汇研究院
湖北秭归三峡库区森林生态系统定位观测研究站
东北林业大学
黑龙江森工碳资产投资开发有限公司
-
出处
《陆地生态系统与保护学报》
2025年第2期36-46,共11页
-
基金
国家自然科学基金(32371685)
中国林业科学研究院基本科研业务费专项资助(CAFYBB2023ZA003)。
-
文摘
【目的】利用无人机激光雷达数据,构建一个结构稳定的马尾松(Pinus massoniana)林和落叶松(Larix gmelinii)林地上生物量模型;探讨激光雷达生物量指数生物量模型(AGB˗LBI)和随机森林生物量模型对2个树种的适用性,为人工林生物量高效估测提供科学依据。【方法】选取湖北省京山市太子山地区马尾松人工林和牡丹江林口地区落叶松人工林,应用无人机激光雷达获取样地点云数据,并结合常规的人工测量方法,进行样地尺度的生物量估测。运用超体素约简与谱聚类相结合的单木分割方法,对点云数据进行单木分割,并采用AGB˗LBI模型进行估测。同时,对点云参数进行全面提取,筛选出重要的点云参数,建立随机森林模型进行估测。用决定系数(coefficient of determination,R^(2))、均方根误差(root mean square error,RMSE)、相对均方根误差(relative RMSE,rRMSE)、平均绝对误差(mean absolute error,MAE)和平均相对误差(mean relative error,MRE)评价模型精度。【结果】1)AGB˗LBI模型的精度评价结果,对马尾松林在单木尺度为R^(2)=0.86和RMSE=1.56 kg,在样地尺度为R^(2)=0.61和RMSE=27.41 t/hm^(2);对落叶松林在单木尺度为R^(2)=0.78和RMSE=38.67 kg,在样地尺度为R^(2)=0.98和RMSE=25.03 t/hm^(2)。2)利用马尾松林的所有提取特征变量建立的随机森林的精度评价结果,在验证阶段为R^(2)=0.91和RMSE=6.09 t/hm^(2)。3)利用筛选出的与生物量相关性最高的9个特征变量,建立了1个树种的随机森林模型,其在验证阶段的R^(2)上升,即经变量筛选后的模型精度得到进一步提高。【结论】以LBI指数(LiDAR biomass Index,LBI)为基础的AGB˗LBI生物量模型的估算精度高,对马尾松林和落叶松林有着良好的适应性;利用随机森林模型时,通过特征变量的筛选,可以提升计算效率并且提高模型估算精度;在样本量充足的情况下随机森林模型有更好的估测精度,但在样本量较少的情况下则是AGB˗LBI生物量模型对样本量具有更高的普适性;利用无人机激光雷达数据构建的马尾松和落叶松模型有较好的估测精度,充分展示了激光雷达的高效、便捷性。研究结果为更大尺度的无人机激光雷达估测模型提供了科学依据,为大范围森林生物量反演提供了一种可行方法。
-
关键词
马尾松
落叶松
无人机激光雷达
AGB-LBI模型
随机森林模型
-
Keywords
Pinus massoniana
Larix gmelinii
UAV LiDAR
AGB-LBI model
random forest model
-
分类号
S758
[农业科学—森林经理学]
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
