基于机载LiDAR的树冠形态特征因子对单木生物量估算的影响

机载激光雷达遥感(light detection and ranging,LiDAR)是高精度单木参数反演的可靠手段,但单木生物量估算一直是研究的难点和热点。以马尾松、桉树为研究对象,基于从机载LiDAR数据中提取树高、冠幅为自变量,辅助以冠形率(crown shape ratio,CSR)、树冠率(crown rate,CR)等形态特征因子,采用随机森林(random forest,RF)、最小二乘支持向量机(least squares support vector machine,LS-SVM)、梯度提升回归树(gradient boosting decision tree,GBRT)机器学习构建生物量估算模型,对比分析各模型反演单木生物量的精度。结果表明:加入树冠形态特征因子可以有效提高生物量模型的精度;在3种模型中,RF模型效果最佳,未加入树冠形态特征因子的模型拟合结果R^(2)为0.77,rRMSE(relative root mean square error)为21.57%,加入树冠形态特征因子后,在不同的组合下,模型拟合的R^(2)分别为0.86、0.85、0.85,rRMSE分别为20.93%、20.17%、21.19%。