林业科学

作者：吴家敏1,2,3,王亚欣2,3,孙斌2,3,*,马志杰4,孙维娜5,洪亮1

单位：1. 云南师范大学地理学部　昆明 6505002. 中国林业科学研究院资源信息研究所　北京 1000913. 国家林业和草原局林业遥感与信息技术重点实验室　北京 1000914. 鄂尔多斯市林业和草原局　鄂尔多斯 0170105. 鄂尔多斯市国际荒漠化防治技术创新中心　鄂尔多斯 017010

关键词：柠条锦鸡儿,无人机,生物量,极端梯度提升决策树,激光雷达数据

基金：国家自然科学基金面上项目（42271407）；鄂尔多斯生态系统碳汇潜力评估技术创新——灌木植被碳储量监测计量方法研究技术服务。

目的: 运用无人机数据，通过面向对象方法对鄂尔多斯市柠条锦鸡儿进行单株识别，对比RF、SVR、XGBoost机器学习算法，实现单株柠条锦鸡儿的高精度提取及生物量精准估测，为干旱地区环境保护、碳储量研究等提供参考。方法: 综合利用无人机载多光谱和激光雷达数据，融合光谱和垂直结构信息，基于面向对象方法开展单株柠条锦鸡儿高精度提取研究。在此基础上，通过对比随机森林 （RF）、支持向量回归 （SVR）和极端梯度提升决策树 （XGBoost） 3种机器学习算法，进行生物量的遥感精准估测。结果: 1） 利用无人机获取超高分辨率影像数据，通过LSMS分割算法和SVM分类器能够实现单株柠条锦鸡儿的高精度识别，各样方柠条锦鸡儿的分割准确率在86%以上，总样方准确率在90%以上，欠分割和过分割误差在6%以下，总体分类精度达91.51%。2） 基于支持向量机的递归特征消除（SVM-RFE）方法筛选出对生物量建模贡献度高的17个变量，其中包括2个平面特征和15个高度变量，高度变量对生物量的累计贡献度显著高于平面特征（8.7 vs. 1.39）。3） 与RF和SVR模型相比，XGBoost模型对柠条锦鸡儿的单株生物量具有更高的估测结果（R2=0.95，RMSE=259.57 g，MAE=157.51 g），尤其在生物量低于2 000 g时效果最佳。4） 通过UAV-LiDAR提取的多个植被垂直结构信息，反映出植被内部生长的多样性和垂直复杂性，有助于提升生物量估测精度。此外，综合考虑高度的平均绝对偏差、变异系数、方差、高度百分位数等多维度高度变量进行生物量预测，相比单一的最大值高度变量指标更具优势。结论: 利用LSMS分割和SVM分类方法提取单株灌木，为单株植被的识别提供了技术参考；引入多维度的点云高度指标参与生物量估测，弥补了单一多光谱数据对柠条锦鸡儿垂直结构信息的缺失，提高了生物量估测精度； XGBoost模型为干旱区小尺度的灌木生物量估测提供了新的视角和工具；基于无人机数据获取的高分辨率影像和点云数据，避免了对当地生态环境造成破坏，尤其是在脆弱的沙地区域。

来源：2025年第6期

《林业科学》期刊编辑部

查看林业科学杂志2025年第6期