林业科学

作者：张宇娇1,赵恒谦1,2,*,付含聪1,刘哿1,皇甫霞丹1,刘轩绮1

单位：1. 中国矿业大学(北京)地球科学与测绘工程学院　北京1000832. 中国矿业大学(北京)内蒙古研究院　鄂尔多斯 017010

关键词：无人机激光雷达,无人机光学影像,单木尺度,地上生物量,机器学习

基金：国家自然科学基金项目（41701488）；鄂尔多斯市科技重大专项（ZD20232304）；中央高校基本科研业务费专项资金项目（2025JCCXDC01）；中国矿业大学（北京）博士研究生拔尖创新人才培育基金项目（BBJ2023024）。

目的: 针对北方森林，协同无人机激光雷达和无人机RGB影像进行单木地上生物量估测，以彰武县樟子松和杨树为研究对象，探究应用组合数据和单一数据对针、阔叶林单木地上生物量估测的影响，为彰武县防风固沙人工林单木地上生物量的精准预测提供技术参考。方法: 从LiDAR点云和基于RGB光学影像获取的数字正射影像图（DOM）中提取单木尺度高度、强度、密度、冠层结构、光谱、纹理和植被指数多特征，采用置换重要性（PI）和Boruta优选特征子集，结合地面实测单木地上生物量数据，使用随机森林（RF）、极端梯度提升树（XGBoost）和分类提升算法（CatBoost）3种典型机器学习方法构建樟子松和杨树地上生物量估测模型，对仅用LiDAR数据、仅用DOM数据以及联合二者的建模结果进行比较。结果: 1） 点云高度和冠层结构是估测2个树种单木地上生物量的关键特征；纹理特征仅对樟子松地上生物量估测产生积极影响。2） 对于樟子松，基于组合数据的单木地上生物量估测精度最高，优于单一LiDAR和单一RGB影像；3种数据集的最优模型分别为ALL-PI-XGBoost、LiDAR-PI-XGBoost和DOM-PI-RF，测试集R2分别为0.77、0.69、0.67，RMSE分别为10.94、12.75、13.16 kg·plant?1。对于杨树，基于组合数据和单一LiDAR数据的单木地上生物量估测精度相当，且优于单一RGB影像；3种数据集的最优模型分别为ALL-PI-XGBoost、LiDAR-Boruta-XGBoost和DOM-Boruta-CatBoost，测试集R2分别为0.85、0.85、0.59，RMSE分别为17.63、17.11、28.99 kg·plant?1。结论: 基于低成本无人机遥感技术获取的高密度点云和高分辨率影像可以实现彰武县防风固沙人工林单木地上生物量高精度、快速且无损估测；应用组合数据和单一数据对针、阔叶林单木地上生物量估测有不同影响，组合数据可以显著提高樟子松单木地上生物量估测精度。

来源：2025年第8期

《林业科学》期刊编辑部

查看林业科学杂志2025年第8期