基于光学遥感联合GEDI反演森林蓄积量研究

传统的森林蓄积量调查方法强度大、成本高、耗时长。单纯利用光学遥感影像特征进行森林蓄积量反演时,由于缺乏大量的样地数据支持,加之在森林接近郁闭时光谱反射率易饱和,导致蓄积量反演蓄积精度有限。通过结合光学遥感数据和GEDI足迹点提供的冠层高度信息,可以极低的成本获取大量具有较高蓄积量精度的足迹点,从而通过加密训练样地提升研究区域使用光学遥感反演乔木森林蓄积量的精度。结果显示:(1)当森林高度百分位数(RH)为RH 80时,GEDI提取森林高度特征与机载LiDAR提取树高一致性最高,R^(2)=0.44,RMSE为6.04 m。(2)使用不包含树高特征的光学遥感回归模型预测森林每公顷蓄积量,R^(2)为0.29,RMSE为64.95 m^(3)·hm^(-2);加入树高特征的回归模型预测森林每公顷蓄积的R^(2)为0.59,RMSE为49.53 m^(3)·hm^(-2);样地加密后再使用无树高特征的回归模型预测森林每公顷蓄积的R^(2)为0.46,RMSE为56.55 m^(3)·hm^(-2)。因此,通过结合GEDI足迹点加密样地后可以明显提升研究区域遥感反演乔木森林蓄积量的精度。(3)2020年云南省普洱市思茅区公布的总活立木蓄积量为2629×10^(4)m^(3),使用GEDI足迹点加密训练样地后反演得到的总蓄积量为2289×10^(4)m^(3),整体预测精度为83%。其分布空间格局与森林资源二类调查结果基本相符。