[目的 ]以2016年9月廣西壯族自治區(qū)高峰林場實驗區(qū)獲取的機載LiDAR點云數(shù)據(jù)為基礎(chǔ),通過提取30 m×30 m空間林分尺度下的LiDAR點云特征變量實現(xiàn)對林分平均高的估測。[方法 ]首先將105塊實測林分平均高度的樣地數(shù)據(jù)按照3:1的比例隨機劃分為訓(xùn)練樣本（79）和檢驗樣本（26）,采用隨機森林回歸（RFR）和支持向量回歸（SVR）兩種機器學習算法對79個訓(xùn)練樣本與對應(yīng)的林分LiDAR點云特征變量回歸建模。建模方案包括隨機森林模型、支持向量機模型及隨機森林+支持向量機組合模型。其次利用26個檢驗樣本數(shù)據(jù)評價模型預(yù)測精度。最后統(tǒng)計3個模型中訓(xùn)練樣本和檢驗樣本對應(yīng)的精度評價指標,以一個預(yù)測精度高、泛化能力強的模型作為最終模型進行林分平均高制圖。[結(jié)果 ]表明:隨機森林模型的訓(xùn)練樣本和檢驗樣本的決定系數(shù)（R2）分別為0.886 1和0.837 5,均方根誤差（RMSE）分別為1.22和1.56;支持向量機模型的訓(xùn)練樣本和檢驗樣本的決定系數(shù)（R2）分別為0.886 4和0.840 9,均方根誤差（RMSE）分別為1.21和1.54;組合模型的訓(xùn)練樣本和檢驗樣本的決定系數(shù)（R2）分別為0.... 

【文章來源】：林業(yè)科學研究. 2020,33(04)北大核心CSCD

【文章頁數(shù)】：8 頁

【參考文獻】：
期刊論文
[1]基于機載激光雷達的落葉松組分生物量反演[J]. 洪奕豐,張守攻,陳偉,陳東升,項偉波,龐勇.  林業(yè)科學研究. 2019(05)
[2]機載激光雷達森林垂直結(jié)構(gòu)剖面參數(shù)的沿海平原人工林林分特征反演[J]. 劉浩,張崢男,曹林.  遙感學報. 2018(05)
[3]基于ArboLiDAR的大野口林區(qū)森林參數(shù)估測[J]. 高婷,李衛(wèi)忠,趙鵬祥,張曉麗,高凌寒.  西北林學院學報. 2017(04)
[4]隨機森林算法在機載LiDAR數(shù)據(jù)林分平均樹高估算中的應(yīng)用研究[J]. 魯林,周小成,余治忠,韓尚,汪小欽.  地球信息科學學報. 2016(08)
[5]基于機載LiDAR數(shù)據(jù)的林分平均高及郁閉度反演[J]. 穆喜云,張秋良,劉清旺,龐勇,胡凱龍.  東北林業(yè)大學學報. 2015(09)
[6]基于機載激光雷達的寒溫帶典型森林高度制圖研究[J]. 穆喜云,張秋良,劉清旺,龐勇,胡凱龍.  北京林業(yè)大學學報. 2015(07)
[7]基于機載激光雷達與Landsat 8 OLI數(shù)據(jù)的亞熱帶森林生物量估算[J]. 徐婷,曹林,申鑫,佘光輝.  植物生態(tài)學報. 2015(04)
[8]長白落葉松單木參數(shù)與生物量機載LiDAR估測[J]. 劉峰,譚暢,張貴,劉京軒.  農(nóng)業(yè)機械學報. 2013(09)
[9]點云密度對機載激光雷達林分高度反演的影響[J]. 龐勇,李增元,譚炳香,劉清旺,趙峰,周淑芳.  林業(yè)科學研究. 2008(S1)
[10]機載激光雷達平均樹高提取研究[J]. 龐勇,趙峰,李增元,周淑芳,鄧廣,劉清旺,陳爾學.  遙感學報. 2008(01)



本文編號：3512735