结合UAV-LiDAR和Sentinel-2的森林蓄积量估测

遥感技术结合实测样地数据能够实现稳健和高效的森林蓄积量(growing stock volume)估测,可以大大减少调查时间和成本,同时便于定期监测。以内蒙古自治区赤峰市旺业甸林场为研究区,以典型温带针叶人工林为研究对象,通过两阶段外推法,利用随机森林算法结合实测样地数据、UAV-LiDAR数据和Sentinel-2多光谱数据估测整个研究区人工林的森林蓄积量。将实测样地数据外推至UAV-LiDAR样地,建立Field-UAV-LiDAR模型;将第一阶段生成的UAV-LiDAR估测的森林蓄积量外推至全覆盖的Sentinel-2卫星图像,建立Field-UAV-LiDAR-S-2模型。通过与实测样地数据和Sentinel-2提取的特征变量建立的直接预测模型(Field-S-2)进行对比。研究结果表明,基于Field-UAV-LiDAR模型的森林蓄积量估测精度最高(R^(2)=0.79、RMSE为42.34 m^(3)/hm^(2)、rRMSE为19.24%),其次是基于Field-UAV-LiDAR-S-2模型的森林蓄积量估测精度(R^(2)=0.68、RMSE为50.19 m^(3)/hm^(2)、rRMSE为29.43%),基于Field-S-2模型的森林蓄积量估测精度最低(R^(2)=0.49、RMSE为63.25 m^(3)/hm^(2)、rRMSE为33.08%)。研究结果验证了结合UAV-LiDAR和Sentinel-2数据估测森林蓄积量有效性,为大面积森林蓄积量估测提供参考思路。