林业科学

作者：格根塔娜1,月亮高可2,3,*,李晓松2,姬翠翠3,王建和1,沈通2,王天璨2,4

单位：1. 内蒙古自治区林业与草原工作总站　呼和浩特 0100102. 中国科学院空天信息创新研究院　北京 1000943. 重庆交通大学智慧城市学院　重庆 4000744. 中国科学院大学　北京 100101

关键词：GEDI,内蒙古退耕还林,树高,梯度提升树,可持续森林管理

基金：科技基础资源调查专项（2022FY202300）。

目的: 构建适宜于退耕还林地块的树高样本集，协同遥感数据与机器学习方法估测退耕还林地块树高，为新一轮退耕还林成效监测提供参考依据。方法: 为实现对内蒙古新一轮退耕还林地块树高的准确估测，本研究提出了一种优化的GEDI样本筛选方法，构建成一套适宜于退耕还林地块的高质量树高样本集；借助Sentinel-2中高空间分辨率遥感数据和地形数据，利用梯度提升树算法对退耕还林地块树高进行估测，并对内蒙古退耕还林地块的树高状况进行分析。结果: 基于GEDI和Sentinel-2机器学习模型，可以实现退耕还林乔木地块树高的准确估测，决定系数R2为0.73，估测精度EA为72%，均方根误差RMSE为1.82 m；GEDI样本的优化筛选能提升退耕还林地块树高估测精度，与未筛选的样本相比模型估测精度R2提高了0.32，RMSE降低了0.83 m，EA提升了13%；红边归一化植被指数、差值植被指数、海拔、坡度与坡向变量重要性较高，累计贡献度超过50%，由此证明植被指数与地形信息是树高估算的关键重要性因子。内蒙古退耕还林地块乔木树高区间为2.5~20 m，平均为5.5 m，其中53.51%分布在5~10 m。结论: 本研究所提出的GEDI样本优化筛选方法显著提高了退耕还林地块树高估测的精度，证明了针对退耕还林地块特点优化筛选的有效性。基于遥感数据与机器学习，本研究实现了内蒙古退耕还林乔木地块树高的估测，为退耕还林地块树高估测提供了可行方法。

来源：2025年第3期

《林业科学》期刊编辑部

查看林业科学杂志2025年第3期