应用背包和无人机LiDAR数据对森林地上生物量估测

激光雷达(LiDAR)技术在林业调查中应用广泛,能够精确获取森林垂直结构信息。利用背包LiDAR结合实地调查样地,验证其替代实地调查的可行性;应用UAV-LiDAR数据,采用多元逐步回归(MSR)、支持向量机(SVM)和随机森林(RF)算法,建立地上生物量估测模型并进行对比分析。研究结果显示:(1)在人工干预下,应用背包LiDAR数据提取的单木参数与实测值高度相关,平均胸径的决定系数(R^(2))为0.98,均方根误差(R_(MSE))为0.35 cm;平均树高的R^(2)为0.96,R_(MSE)为0.63 m。(2)应用背包LiDAR构建的生物量样本,利用UAV-LiDAR建立的AGB估测模型中,随机森林模型表现最佳(R^(2)=0.75,R_(MSE)=23.58 t/hm^(2)),其次是支持向量机模型(R^(2)=0.63,R_(MSE)=30.49 t/hm^(2)),多元逐步回归模型表现最差(R^(2)=0.54,R_(MSE)=35.60 t/hm^(2))。因此,背包LiDAR获取的单木胸径及树高精度较高,可替代实测样地生物量,以扩大样本覆盖范围;应用背包LiDAR数据结合机载LiDAR,可实现较大尺度的森林生物量快速估测,为大范围森林生物量反演提供了一种可行方法。

依据背包和无人机激光雷达数据对思茅松林分结构参数估测

以15块样方调查数据验证背包激光雷达数据提取单木参数的精度,依据270块背包激光雷达数据单木分割后计算得到的林分结构参数与无人机机载激光雷达数据特征参数相结合,通过最优估测模型对研究区的林分结构参数进行反演与预测。结果表明:(1)背包激光雷达数据提取单木参数时,单木分割F-score(F)得分的范围在95%~100%,胸径的均方根误差(E_(RMS))在0.08~1.68 cm,树高的均方根误差在0.71~2.29 m;(2)平均树高最优估测模型决定系数(R^(2))为0.87,E_(RMS)为1.09 m,平均绝对误差(E_(MA))为0.68 m;Lorey’s树高最优估测模型R^(2)为0.88,E_(RMS)为0.79 m,E_(MA)为0.54 m;算术平均胸径最优估测模型R^(2)为0.81,E_(RMS)为1.02 cm,E_(MA)为0.79 cm;蓄积量最优估测模型R^(2)为0.82,E_(RMS)为17.06 m^(3)·hm^(-2),E_(MA)为12.05 m^(3)·hm^(-2);胸高断面积最优估测模型R^(2)为0.78,E_(RMS)为3.48 m^(2)·hm^(-2),E_(MA)为2.55 m^(2)·hm^(-2);郁闭度最优估测模型R^(2)为0.85,E_(RMS)为0.03,E_(MA)为0.02;林分密度最优估测模型R^(2)为0.91,E_(RMS)为157.60株·hm^(-2),E_(MA)为97.68株·hm^(-2)。

基于GEE平台1995—2022年云南省LULC变化及驱动因素分析

快速准确地获取土地利用信息,可为城市发展和生态环境保护提供参考依据。基于谷歌地球引擎(Google Earth Engine,GEE)平台的多时相Landsat图像密集时间叠加和随机森林算法对云南省的土地利用类型进行分类,分析云南省土地利用和土地覆盖(Land use and Land cover,LULC)时空变化趋势,并使用地理探测器定量评估关键的驱动因素。结果表明,1)LULC分类平均总体精度和Kappa系数分别为88.64%、86.01%,精度较高,满足数据使用要求。2)云南省土地类型以林地、耕地、草地及稀疏灌草混交地为主,占比97.91%~98.38%,土地利用转移以林地和耕地互相转换、草地及稀疏灌草混交地转为耕地为主。3)云南省滇中和滇东部的土地利用强度总体高于其他地区,滇西北和滇西南地区的土地利用强度较低。4)不同驱动因素对LULC影响程度存在显著差异,植被类型、年均气温和土壤类型对LULC变化的影响程度相对较小,高程、坡度、坡向、年均降水、人口密度、GDP和人口城镇化率等对LULC变化的影响程度普遍较高,其中GDP、人口密度和人口城镇化率对LULC变化程度影响较高。研究结果可为云南省后续生态环境保护政策制定和区域可持续发展提供数据基础与支撑。