基于无人机影像的天山云杉林树高提取及蓄积量的反演

【目的】提取影像高程数据建立模型反演天山云杉林分蓄积量,为天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰西森林公园的天山云杉(Picea Schrenkiana var. tianshanica)为研究对象,无人机航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法提取无人机影像高程数据得到天山云杉树高,根据样地实测数据建立胸径树高模型,最终根据胸径树高模型反演天山云杉林林分蓄积量。【结果】利用无人机影像提取树高与实测树高存在显著正相关关系,提取平均精度为88.42%,建立天山云杉胸径-冠幅模型的相关系数为0.696,而胸径-树高模型的相关系数为0.730;验证胸径-树高模型,计算RMSE值为12.386,拟合效果显著。基于胸径-树高模型反演林分蓄积量精度为87.66%,与实测值比对,残差值大部分落在(-2,+2)残差区间。【结论】采用局部最大值算法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了无人机不能对胸径直接测量的缺陷,进而反演天山云杉林林分蓄积量。     

基于机载激光雷达数据的天山云杉林蓄积量反演模型构建

构建多变量的天山云杉林Schumacher蓄积收获模型,提高林分蓄积量反演精度,获得便捷、快速提取森林蓄积信息的技术方法,为探索山地天然林精准监测与评价提供技术途径。以2020年激光雷达影像与样地实测数据为研究材料,在激光雷达影像图中提取遥感因子,代入Schumacher蓄积收获模型中,通过再参数化来构建适用于天山云杉林的可变密度收获预估模型,并进行精度检验。结果表明,激光雷达影像分辨率较高,进行点云数据处理后,树高提取精度为89.64%,每公顷株数提取精度为85.13%,坡度提取精度为84.26%,坡向提取精度为84.26%,海拔提取精度为97.25%。结合Schumacher蓄积收获模型构建天山云杉蓄积量反演模型,R²=0.80,将检验数据代入模型中,估测蓄积量与实测蓄积量平均精度为90.22%,模型的拟合度较好。研究将立地因子、林分密度、林龄等变量引入Schumacher蓄积收获模型,对于天山云杉的蓄积估测精度有较大提高,优于以往经验模型,满足新疆山地天然林数字经营管理的标准。     

基于WorldView-2影像和随机森林算法的天山云杉蓄积量反演

【目的】研究林地遥感因子与蓄积量的关系来反演天山云杉林分蓄积量,为新疆天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰国家西森林公园的天山云杉（Picea schrenkiana var.tianshanica）为研究对象,以样地内每木检尺为依据,基于WorldView-2影像,使用eCognition Developer 提取样地的光谱信息、纹理因子与植被指数三种遥感因子,通过随机森林算法建立模型反演天山云杉林分蓄积量。【结果】提取的24种遥感因子,筛选出对蓄积量影响最大的5种特征变量,分别为NDVI1、NDVI2、RVI2、均一性（Homogeneity）与相关性（Correlation）,建立随机森林回归模型,解释度高达81.27%,决定系数R²=0.8648（P<0.05）,估测样地蓄积量精度为86.38%。【结论】建立的随机森林回归模型可以有效地反演天山云杉林林分蓄积量。