首页|期刊导航|安全与环境工程|融合BLS与ULS的森林蓄积量模型构建

融合BLS与ULS的森林蓄积量模型构建OA

中文摘要

为解决现有森林蓄积量模型存在的随胸径变化的系统性误差(径阶依赖性)及模型反演缺乏生态解释性等问题,选取武汉市洪山区、蔡甸区和黄陂区的7个代表性样地,采用无人机激光扫描(unmanned laser scanning,ULS)与背包激光扫描(backpack laser scanning,BLS)同步获取林分上层冠层和林下树干点云数据,并基于统一地理坐标完成多源点云融合,以实测胸径结合二元材积表计算的蓄积量为参考值,系统对比了基于最小二乘圆拟合的蓄积量预测算法、基于机器学习点云特征的模型法[随机森林(random forest,RF)、支持向量机(support vector machine,SVM)、K近邻(K-nearest neighbor,KNN)、极端梯度提升(extreme gradient boosting,XGBoost)、人工神经网络(artificial neural network,ANN)以及多元线性回归(multiple linear regression,MLR)]和基于耦合冠层体积的机器学习模型法3种方法。结果表明:①最小二乘圆拟合蓄积量算法整体精度较高(R^(2)=0.94,rRMSE=26.13%),但小径阶样本的预测误差随径阶减小而增大,因此小径阶样本宜采用自适应采样策略与多特征融合算法,大径阶样本适用传统几何参数模型;②机器学习点云特征模型在大径阶样本中误差递增;③耦合冠层体积后的机器学习模型精度显著提升,其中RF模型表现突出(ΔR^(2)=15%)。研究突破了传统基于形态参数的预测方法局限,实现了胸径误差校正与冠层生态过程的耦合,验证了融合激光雷达点云三维空间结构特征与森林生长生态过程机制的“三维结构-生态机制”双驱动模型的可行性。

李春艳;范域立;陈强;潘政尚;祁雄辉;强晓农

中国地质大学(武汉)公共管理学院,湖北武汉430074 湖北生态工程职业技术学院,湖北武汉430200中国地质大学(武汉)公共管理学院,湖北武汉430074湖北省林业调查规划院,湖北武汉430079湖北省林业调查规划院,湖北武汉430079湖北生态工程职业技术学院,湖北武汉430200中国地质大学(武汉)公共管理学院,湖北武汉430074

资源环境

森林蓄积量机器学习材积径阶冠层体积激光雷达

《安全与环境工程》 2026 (4)

P.386-400,15

湖北省自然科学基金项目(42171272)。

10.13578/j.cnki.issn.1671-1556.20250194

评论