基于机载激光雷达和机器学习的林分平均胸径遥感估测

为探究不同模型对林分平均胸径的预测精度，使用贵州省桂花国有林场马厂工区同步获取的机载激光雷达点云数据和地面实测样地数据，通过提取样地水平的点云特征变量，采用方差膨胀因子分析和皮尔逊相关性检验进行自变量选择，建立机器学习模型估测样地平均胸径。结果表明：1)点云特征变量，如平均冠层高度和高度偏态与林分平均胸径有很强的相关性。2)机器学习模型(随机森林、支持向量机、最近邻算法)优于多元线性回归模型，其中，随机森林的拟合效果最好。随机森林的决定系数(R²)为0.71,均方根误差(RMSE)为2.50。3)通过柳杉纯林、针叶混交林、针阔混交林、马尾松纯林4种森林类型的林分平均胸径预测值与实际值差值，进一步证实随机森林模型精度最高，拟合效果最好。利用机载激光雷达点云数据提取点云特征变量，并构建基于机器学习算法的林分平均胸径估测模型是可行的，该方法的精度能满足森林资源调查的应用需求，可作为辅助林业调查工作的技术手段。