基于机载激光雷达点云和随机森林算法的森林蓄积量估测

S750; [目的]基于机载激光雷达点云数据提取的森林高度参数和郁闭度,结合分层地面样地调查数据,采用随机森林算法构建森林蓄积量估测模型,分析机载激光雷达点云数据在森林蓄积量反演方面的潜力,为森林蓄积量高效准确估测提供方法依据.[方法]以直径30 m的地面样圆离散点云数据为数据源,经数据校准等预处理后,利用LiDAR360软件提取森林高度参数(最大高、平均高等)和郁闭度,并将数据随机分成训练数据(70％)和验证数据(30％).采用随机森林算法构建森林蓄积量估测模型,对仅用高度参数建模以及联合高度参数和郁闭度建模结果进行比较;同时运用R软件VSURF工具包筛选建模变量,对筛选后变量的建模结果进行分析.[结果]仅用高度参数建模的估测精度为R2=0.75、RMSE=40.07 m3·hm-2、MAE=29.21 m3·hm-2、MRE=49.40％,联合高度参数和郁闭度建模的估测精度为R2=0.79、RMSE=36.23 m3·hm-2、MAE=26.16 m3·hm-2、MRE=38.35％.通过变量筛选,建模参数从24个减少至7个,可极大提高运算效率,同时R2未变化,RMSE从36.23 m3·hm-2升至36.50 m3·hm-2,rRMSE从31.92％升至32.97％,MAE从26.16 m3·hm-2降至26.08 m3·hm-2,MRE从38.35％降至38.05％.[结论]机载激光雷达点云数据可以提取森林的垂直结构信息(高度参数)和水平结构信息(郁闭度),具备三维结构参数提取能力.采用随机森林算法,增加林分郁闭度信息可显著提高森林蓄积量估测精度.通过变量筛选,虽然能够降低参数数量,但对模型精度具有一定影响,在建模精度要求较高的情况下,建议使用全变量进行蓄积量估测;而在数据量较大的情况下,建议使用筛选变量进行蓄积量估测.基于机载激光雷达点云数据估测森林蓄积量显著优于光学遥感数据,可为森林蓄积量高效准确估测提供方法依据,能够满足大范围森林蓄积量快速反演需求.