基于变量优选的机载激光雷达对林分平均高的反演

森林高度是反映森林数量和质量的重要指标，是森林经营管理的重要基础数据，准确获取森林高度信息一直是林业遥感研究的目标。本研究以广西高峰林场的105块地面实测样地数据和机载激光雷达(Light detection and ranging, LiDAR)数据为基础，从点云数据中提取35个特征变量，分别采用支持向量机-递归特征消除法(SVM-RFE)、轻量级梯度提升机(LightGBM)和主成分分析(PCA)法进行特征筛选，并结合参数模型(LR)和非参数模型(RFR、KNN)对林分平均高进行反演。研究结果表明，不同特征选择方法和估测模型的组合精度差异较大。其中，利用LightGBM进行特征筛选结合KNN回归反演效果最佳，建模的R²和RMSE分别为0.83和1.64 m,验证的R²和RMSE分别为0.81和1.56 m。此外，在SVM-RFE、LightGBM和PCA这3种特征筛选方法中LightGBM的效果最好，无论在RFR模型还是在KNN模型中均能得到较高的R²,优于SVM-RFE和PCA。