【目的】以人工落叶松为例,探索基于无人机激光雷达(Unmanned aerial vehicle LiDAR,UAVLiDAR)点云的单木探测提取树高的误差对胸径反演的影响并校准,实现单木参数(胸径、树高)的准确度量,为大尺度高效便捷估测单木参数提供新的思路。...【目的】以人工落叶松为例,探索基于无人机激光雷达(Unmanned aerial vehicle LiDAR,UAVLiDAR)点云的单木探测提取树高的误差对胸径反演的影响并校准,实现单木参数(胸径、树高)的准确度量,为大尺度高效便捷估测单木参数提供新的思路。【方法】以东北林业大学帽儿山实验林场13块4个龄组(幼龄林、中龄林、近熟林和成熟林)的落叶松人工林样地UAV-LiDAR数据及野外调查数据为数据源,基于UAVLiDAR点云的单木探测提取的树高,分别以普通最小二乘法(Ordinary least squares,OLS)和3种误差变量回归(标准主轴(Standard major axis,SMA)、远程主轴(Ranged major axis,RMA)和极大似然估计(Maximum likelihood estimate,MLE))构建胸径-树高模型,研究探测误差对各龄组人工落叶松胸径反演的影响并校准。【结果】利用UAV-LiDAR点云的单木探测提取4个龄组树高的相对均方根误差(rRMSE),误差范围为3.41%~5.14%;在胸径-树高模型预测方面,3种误差变量回归均优于OLS,RMA预测效果最好,4个龄组反演单木胸径的rRMSE降低了2.21%~3.58%。【结论】当满足模型假设时,误差变量回归比OLS在预测响应变量方面表现更好,是估计无偏的模型系数的理想方法,本研究中RMA方法表现最好;本研究所构建的人工落叶松胸径反演模型具有较高的预估精度,各项误差均保持在合理范围内,可实现应用UAV-LiDAR高效便捷地估测大尺度森林单木参数的目的,可在实践中推广。展开更多
文摘【目的】以人工落叶松为例,探索基于无人机激光雷达(Unmanned aerial vehicle LiDAR,UAVLiDAR)点云的单木探测提取树高的误差对胸径反演的影响并校准,实现单木参数(胸径、树高)的准确度量,为大尺度高效便捷估测单木参数提供新的思路。【方法】以东北林业大学帽儿山实验林场13块4个龄组(幼龄林、中龄林、近熟林和成熟林)的落叶松人工林样地UAV-LiDAR数据及野外调查数据为数据源,基于UAVLiDAR点云的单木探测提取的树高,分别以普通最小二乘法(Ordinary least squares,OLS)和3种误差变量回归(标准主轴(Standard major axis,SMA)、远程主轴(Ranged major axis,RMA)和极大似然估计(Maximum likelihood estimate,MLE))构建胸径-树高模型,研究探测误差对各龄组人工落叶松胸径反演的影响并校准。【结果】利用UAV-LiDAR点云的单木探测提取4个龄组树高的相对均方根误差(rRMSE),误差范围为3.41%~5.14%;在胸径-树高模型预测方面,3种误差变量回归均优于OLS,RMA预测效果最好,4个龄组反演单木胸径的rRMSE降低了2.21%~3.58%。【结论】当满足模型假设时,误差变量回归比OLS在预测响应变量方面表现更好,是估计无偏的模型系数的理想方法,本研究中RMA方法表现最好;本研究所构建的人工落叶松胸径反演模型具有较高的预估精度,各项误差均保持在合理范围内,可实现应用UAV-LiDAR高效便捷地估测大尺度森林单木参数的目的,可在实践中推广。