基于机载小光斑全波形LiDAR的亚热带林分特征反演

【目的】研究通过集成波形信号处理、空间解析和重构建模以及综合波形信息提取方法，探索基于小光斑全波形LIDAR特征变量高精度反演林分特征的新方法。【方法】以江苏南部丘陵地区的亚热带天然次生林为研究对象，在预处理和分析小光斑全波形 LIDAR 数据的基础上，首先基于体元空间框架分解和提取波形的振幅能量信息，并构建伪垂直波形模型；然后，从中提取空间位置信息（即点云）及几何辐射变量，计算 LiDAR点云和波形特征变量，并通过相关性分析筛选特征变量；最后，结合地面实测林分特征参数构建反演模型并验证精度。【结果】1）各 LiDAR特征变量对 Lorey’s树高的敏感性最高，对蓄积量和地上生物量次之，对胸高断面积最低，而返回脉冲总能量和返回脉冲峰值点数对胸高断面积的敏感性却高于其他林分特征因子；在点云特征变量组中，平均高、高度百分位数及冠层上部的返回点云密度与各林分特征之间的相关性较高，而在波形特征变量组中，能量中值高度的均值、返回脉冲长度的标准差和冠层粗糙度的标准差与各林分特征之间的相关性较高；2） Lorey’s 树高的模型估算精度最高（ RMSE为实测均值的7.26%），而蓄积量、地上生物量和胸高断面积的模型估算精度略低且较相近（ RMSE为实测均值的15.91%～19.82%）；模型自变量的数量都在3个以内，选中的自变量为高度百分位数、冠层返回点云密度、返回脉冲长度和冠层粗糙度的标准差；3）各林分特征实测值与交叉验证估算值的拟合结果表明， Lorey’s树高的拟合效果最好（R2=0.85），地上生物量（R2=0.68）和蓄积量（R2=0.59）次之，而胸高断面积（R2=0.45）最低；4） Lorey’s 树高、蓄积量和地上生物量的空间分布状况基本一致，源于它们内在的相关性；相比其他3个特征变量，胸高断面积的空间分布不够连续，这可能是由于其预测模型精度较低所致。【结论】各林分特征综合回归模型的拟合效果和精度都高于仅使用点云特征变量拟合模型的精度，表明了波形特征变量提取森林中下层信息的潜力。点云特征变量描述了森林冠层及上部的三维结构及密度信息，而波形特征变量则获得了森林冠层及以下部分完整的垂直分布和能量信息，二者互补可提升林分特征反演的精度。

基于机载激光雷达和机器学习的林分平均胸径遥感估测

为探究不同模型对林分平均胸径的预测精度,使用贵州省桂花国有林场马厂工区同步获取的机载激光雷达点云数据和地面实测样地数据,通过提取样地水平的点云特征变量,采用方差膨胀因子分析和皮尔逊相关性检验进行自变量选择,建立机器学习模型估测样地平均胸径。结果表明:1)点云特征变量,如平均冠层高度和高度偏态与林分平均胸径有很强的相关性。2)机器学习模型(随机森林、支持向量机、最近邻算法)优于多元线性回归模型,其中,随机森林的拟合效果最好。随机森林的决定系数(R^(2))为0.71,均方根误差(RMSE)为2.50。3)通过柳杉纯林、针叶混交林、针阔混交林、马尾松纯林4种森林类型的林分平均胸径预测值与实际值差值,进一步证实随机森林模型精度最高,拟合效果最好。利用机载激光雷达点云数据提取点云特征变量,并构建基于机器学习算法的林分平均胸径估测模型是可行的,该方法的精度能满足森林资源调查的应用需求,可作为辅助林业调查工作的技术手段。

机载激光雷达森林垂直结构剖面参数的沿海平原人工林林分特征反演

中国是世界上人工林面积最大的国家,实时、定量、精确地获取人工林林分特征对于人工林资源监测、管理以及全球碳循环具有重要意义。以北亚热带沿海平原人工林为研究对象,借助机载激光雷达LiDAR(Light Detection And Ranging)点云数据并结合地面实测的55个样地来反演人工林林分特征。首先,构建冠层高度分布剖面CHD(Canopy Height Distribution)和枝叶剖面FP(Foliage Profile);然后,通过Weibull函数分别对CHD和FP进行拟合并提取Weibull参数作为特征变量(第1组);同时,还直接基于点云提取了LiDAR高度变量HRM(HeightRelated Metrics)和冠层密度变量DRM(Density-Related Metrics)(第2组);最后,结合地面实测数据和两组特征变量构建了多元回归模型用于预测各林分特征(即林分密度、平均胸径、胸高断面积、Lorey’s树高、蓄积量和地上生物量)。结果表明:(1)与只使用基于点云的特征变量(即第2组)相比,结合点云特征变量(第2组)和冠层垂直结构剖面特征变量(第1组)的各林分特征预测精度均有所提升(ΔAdjusted R2=0—0.13,ΔrRMSE=0.08—3.65%);(2)对各林分特征预测的结果中,Lorey’s树高(Adjusted R2=0.85, rRMSE=7.66%)和蓄积量(Adjusted R2=0.84,rRMSE=14.27%)的预测精度最高,地上生物量(Adjusted R2=0.78, rRMSE=14.15%)、胸高断面积(Adjusted R2=0.73, rRMSE=14.70%)和平均胸径(Adjusted R2=0.64, rRMSE=15.05%)次之,林分密度(Adjusted R2=0.58,rRMSE=26.16%)的预测精度最低;(3)Weibull函数较准确地反映了亚热带人工林垂直冠层结构,可以有效提高林分特征反演精度。