基于无人机-激光雷达数据和非线性混合效应模型预测中国东北落叶松枝下高

作为森林经营的核心内容,枝下高(HCB)模型可为森林生长和收获的研究提供理论依据。本研究对 11 个区域 118 块样地内的 8364 棵长白落叶松进行了调查,建立了两水平非线性混合效应(nonline ar mixed effect,NLME)枝下高模型。所有预测数据均来自无人机激光雷达(UAV-LiDAR)扫描系统,该系统适用于大面积的森林测量。研究分析了不同的树木个体大小、竞争因子、林分因子及其组合对枝下高的影响,并采用留一交叉验证法对模型进行验证。结果表明,NLME模型与基础模型相比,预测精度显著提高,平均绝对误差为 0.89,相对平均绝对误差为 9.71%。此外,还对NLME模型区域级和样地级采样策略进行了模拟。根据不同的预测规模和精度要求,每个站点随机选择 15 棵树或每个地块选择 3 棵最大的树和 3 棵中等大小的树是最有利的选择,特别是在同时考虑调查成本和模型预测精度的情况下。本研究构建的枝下高预测模型将为有效利用无人机-激光雷达数据促进落叶松人工林进行管理决策提供有价值的工具。