基于机载激光雷达点云的桉树林分蓄积量估算模型构建

作者：邓焯; 李斌; 范光鹏; 赵天忠^*; 于永辉

来源：浙江农林大学学报, 2022, 39(06): 1330-1339.

• 机载激光雷达
• 林分蓄积量
• 参数回归
• 非参数回归
• 变量筛选

【目的】通过2018年1—2月广西国有高峰林场机载激光雷达数据及地面调查数据，采用参数方法和非参数方法建立回归模型，反演桉Eucalyptus树人工林森林蓄积量。【方法】通过点云提取点云高度参数、点云密度参数、林分郁闭度等点云特征变量，采用参数方法 (逐步回归、偏最小二乘回归)和非参数方法 (随机森林回归、支持向量机回归)进行林分蓄积量构建，通过与样地实测数据对比，进行模型回归预测性能评估，进而选择出表现最优蓄积量反演模型。【结果】采用留一法对以上4种模型进行验证，结果显示：逐步回归模型R2为0.85、均方根误差(RMSE)为23.93 m3·hm-2、平均绝对误差(MAE)为18.18 m3·hm-2；偏最小二乘回归模型R2为0.81、RMSE为26.52 m3·hm-2、MAE为19.94 m3·hm-2；核函数为RBF的支持向量回归模型R2为0.88、RMSE为21.35 m3·hm-2、MAE为16.62 m3·hm-2；随机森林回归模型R2为0.84、RMSE为24.53 m3·hm-2、MAE为17.41 m3·hm-2。【结论】采用随机森林进行变量筛选后，RBF-SVR模型拟合优度及泛化能力最优；通过逐步筛选法结合方差膨胀因子(VIF)方法优选变量的逐步回归模型次之；最后为随机森林回归模型与偏最小二乘回归模型。可见，在解决林业激光雷达领域中的回归预测问题时，采用非参数方法构建RBF-SVR模型更有优势。本研究建立的4种森林类型蓄积量模型，各模型均有较高精度且符合森林资源调查相关技术规定要求。图6表6参25

• 单位
  北京林业大学; 广西壮族自治区国有高峰林场