基于Landsat影像数据的香格里拉市优势树种蓄积量估测模型构建

以香格里拉市优势树种高山栎、高山松、云冷杉及云南松为研究对象,构建基于遥感的森林蓄积量估测模型。采用2006年和2016年的Landsat TM/OLI影像及二类调查数据,随机从每期数据中各选取100个小班,提取其影响因子,利用相关性强的因子构建RF模型和MLR模型。结果表明,2006年各树种蓄积量RF模型的拟合R²在0.779~0.862范围,预测精度P值为80.17%~92.16%;2016年RF模型的拟合R²为0.761~0.865,预测精度P值为81.61%~95.53%。建立MLR模型后,2006年树种蓄积量估测模型的拟合R²为0.214~0.336,预测精度P值为34.12%~47.16%;2016年模型的拟合R²为0.238~0.391,预测精度P值为34.82%~52.57%。估测结果与二类调查数据的误差为：高山栎、高山松、云冷杉、云南松分别增加了8.54×10⁵m³、3.65×10⁶m³、4.12×10⁶m³、3.96×10⁴m³,误差分别为0.36%、0.78%、0.44%、0.62%。对比二种模型估测结果表明,随机森林模型能更精确地估测优势树种蓄积量。