融合无人机和手持激光雷达数据的思茅松单木地上生物量估测OA

【目的】探讨无人机激光雷达、手持激光雷达以及二者融合点云数据在单木参数提取及地上生物量估测中的适用性,提升复杂林分中单木尺度建模的准确性。【方法】以云南省林业和草原科学院普文试验林场的5块思茅松Pinus kesiya样地为研究对象,分别采集无人机激光雷达点云、手持激光雷达点云2类单一数据源,并完成2类数据融合处理。采用分水岭算法对无人机激光雷达点云进行单木分割,手持激光雷达及融合点云则通过距离判别聚类算法进行单木分割。随后,从单木点云提取4个结构特征、40个高度变量、10个密度变量和17个体素特征,共计71个变量。通过Boruta算法与随机森林变量重要性排序进行特征筛选,最终选取关键变量构建基于随机森林的单木地上生物量估测模型,并对不同数据源的建模精度进行对比分析。【结果】1)无人机、手持和融合点云数据单木分割综合分割精度(F)分别为0.90、0.95、0.97。2)基于无人机、手持和融合点云数据提取的单木树高的决定系数(R^(2))分别为0.93、0.94、0.94,均方根误差(RMSE)分别为1.43、1.74、1.68 m。融合点云数据单木胸径估测精度为:R^(2)=0.95,RMSE为2.13 cm。3)3类点云各提取的71个变量经Boruta算法与随机森林筛选,每类数据均独立筛选得到8个核心变量,用于单木生物量建模。4)基于无人机点云数据的单木地上生物量估测精度为:R^(2)=0.83,RMSE为85.69 kg/株,rRMSE为44.53%;手持点云数据的单木地上生物量估测精度为:R^(2)=0.87,RMSE为72.02 kg/株,rRMSE为36.34%;融合点云数据的单木地上生物量估测精度为:R^(2)=0.86,RMSE为70.65 kg/株,rRMSE为36.72%。【结论】基于随机森林方法构建的单木生物量模型对不同数据源均表现出良好的预测效果,其中融合无人机与手持激光雷达的点云数据在预测精度和稳定性方面表现更优。