基于无人机多光谱影像的云南松林蓄积量估测模型OA北大核心CSTPCD

【目的】无人机多光谱遥感影像较可见光影像具有更丰富的光谱信息,在森林蓄积量估测中具有较大潜力。以无人机载多光谱遥感影像为主要数据源,探索森林蓄积量的遥感估测模型,以克服传统地面调查工作量大、耗时长、成本高等弊端。【方法】以滇中地区典型天然云南松Pinusyunnanensis纯林为研究对象,利用无人机多光谱影像提取单波段反射率、各类植被指数、纹理特征等,计算各特征变量的标准地均值;筛选与云南松林蓄积量相关性显著的特征变量,采用多元线性、随机森林、支持向量机建立云南松林蓄积量估测模型,以决定系数(R^(2))、平均绝对误差(E_(MA))、均方根误差(E_(RMS))、平均相对误差(EMR)评价模型精度。【结果】①3种模型中,随机森林的精度最高(R^(2)=0.89,E_(MA)=4.69 m^(3)·hm^(-2),E_(RMS)=5.45 m^(3)·hm^(-2),EMR=14.5%),其次为支持向量机(R^(2)=0.74,E_(MA)=5.27 m^(3)·hm^(-2),E_(RMS)=8.31 m^(3)·hm^(-2),EMR=13.1%),最低为多元线性回归模型(R^(2)=0.35,E_(MA)=10.12 m^(3)·hm^(-2),E_(RMS)=12.85 m^(3)·hm^(-2),EMR=28.1%);3种模型在测试集上的估测精度均有所降低,随机森林的模型表现最好,支持向量机次之,多元线性最差。②3种模型在云南松林蓄积量估测中均存在一定的低值高估和高值低估现象。③基于无人机多光谱影像估测云南松林蓄积量,纹理特征仍是不可忽视的重要因子。【结论】基于无人机多光谱影像,在不进行单木分割的情景下,提取标准地的单波段反射率、植被指数、纹理特征均值,筛选适用于蓄积量估算的变量构建估测模型。通过对3种模型进行精度评价,随机森林为云南松林蓄积量估测的最佳模型。