基于星载激光雷达数据的森林地上生物量估算方法比较OA北大核心CSTPCD

近年来,星载激光雷达数据已被广泛用于大尺度森林地上生物量估计,但由于其激光光斑采样点不连续,通常使其需要与辅助数据相结合来估算森林地上生物量的连续分布,且估算方法仍存在许多不确定性。研究以祁连山国家公园为样本,结合星载激光雷达ICESat/GLAS数据、Landsat OLI数据和样地调查数据建立了3种基于非参数化算法(普通克里金插值(Ordinary Kriging,OK),支持向量回归(Support Vector regression,SVR)和随机森林(Random forest,RF))的森林地上生物量估算模型,以森林资源清查数据独立验证各模型估计精度。结果发现:3种模型的均方根误差(RMSE)从低到高依次为SVR(19.053 t·hm^(-2))、RF(21.074 t·hm^(-2))和OK(26.362 t·hm^(-2)),平均相对误差(MRE)从低到高依次为SVR(31.890%)、RF(33.314%)和OK(55.398%),且除OK模型外,SVR与RF模型的总体相对误差(TRE)都在可接受的范围内。进一步对SVR与RF模型生成的森林地上生物量空间分布的准确性进行验证,发现相较RF模型,SVR模型生成的森林地上生物量空间分布与森林资源清查数据更为接近。SVR森林地上生物量估计模型在数量精度和分布精度上都表现更优。结果可为今后基于星载激光雷达数据的森林地上生物量估算提供借鉴。