基于激光雷达的木麻黄地上生物量及碳储量反演OA

【目的】为精准估算木麻黄人工林的地上生物量(AGB)与碳储量(AGCS),筛选适用于福建省平潭综合实验区木麻黄人工林的最优预测模型。【方法】以平潭综合实验区木麻黄人工林为研究对象,基于无人机激光雷达(UAV-LiDAR)、地基激光雷达(TLS)以及融合无人机-地基激光雷达(Fusion-LiDAR)的点云数据获取木麻黄单木树高、胸径和冠幅,并利用反向传播神经网络(BPNN)、随机森林(RF)以及偏最小二乘回归(PLSR)等3种算法分别构建木麻黄AGB和AGCS预测模型。【结果】(1)不同点云单木分割精度从高到低为Fusion-LiDAR点云>UAV-LiDAR点云>TLS点云。(2)Fusion-LiDAR点云提取单木结构参数拟合度优于UAV-LiDAR点云和TLS点云,其提取的树高、胸径、冠幅拟合决定系数(R^(2))分别为0.94、0.88、0.83。(3)BPNN模型对于木麻黄AGB和AGCS的拟合度最高,预测能力最强。BPNN模型AGB拟合效果:训练集,R^(2)=0.84,相对分析误差(RPD)=2.42;验证集,R^(2)=0.75,RPD=1.63。BPNN模型AGCS拟合效果:训练集,R^(2)=0.82,RPD=1.96;验证集,R^(2)=0.81,RPD=2.12。【结论】UAV-LiDAR点云和TLS点云融合可以提高木麻黄单木分割精度和单木结构参数提取精度,BPNN模型对平潭综合实验区木麻黄人工林AGB和AGCS的预测能力最强,在3种模型中表现最优。