林业科学

作者：熊晓燕1,2,3,李彩霞1,2,3,*,柴国奇4,陈龙4,贾翔5,雷令婷1,2,3,张晓丽1,2,3,*

单位：1. 北京林业大学　林木资源高效生产全国重点实验室　北京 1000832. 北京林业大学林学院 　精准林业北京市重点实验室　北京 1000833. 北京林业大学　森林培育与保护教育部重点实验室　北京 1000834. 中国林业科学研究院资源信息研究所　北京 1000915. 河南省科学院地理研究所　郑州 450052

关键词：无人机激光雷达,全球生态系统动态调查,随机森林,森林地上生物量,经验贝叶斯克里金法

基金：中欧对地观测合作森林监测技术与示范应用（2021YFE0117700-3）。

目的: 结合无人机激光雷达（UAV-LiDAR）和全球生态系统动态调查（GEDI）数据，构建“样地?局部?区域”估算框架估算高峰林场森林地上生物量（AGB），为森林碳储量监测提供新路径。方法: 以林场内样地实测数据为基础，评估多元线性回归（MLR）、随机森林（RF）和支持向量回归（SVR）3种模型在估算UAV-LiDAR区域AGB中的性能。为扩增区域尺度样本数量，利用GEDI光斑处的UAV-LiDAR区域AGB，结合筛选的GEDI光斑关键特征，构建光斑尺度AGB估算模型，预测林场内的光斑AGB。联合UAV-LiDAR局部AGB与光斑AGB，采用经验贝叶斯克里金（EBK）法实现森林AGB空间插值；对关键光斑特征进行EBK插值，并结合UAV-LiDAR估算的AGB构建模型，实现AGB空间分布反演。结果: 与MLR和SVR模型相比，RF模型在估算UAV-LiDAR区域AGB中表现更优异，R2高达0.95，RMSE为9.96 Mg?hm?2，rRMSE为9.79%。利用RF估算的光斑AGB与UAV-LiDAR区域AGB的拟合较好，R2为0.93，RMSE为5.93 Mg?hm?2，rRMSE为5.84%。采用UAV-LiDAR局部AGB和光斑AGB协同插值的预测精度R2为0.78，RMSE为22.30 Mg?hm?2，MAE为16.99 Mg?hm?2。与基于插值关键特征（fhd、rh96、cover、pt4和pai）的AGB反演结果相比，获得的研究区AGB空间范围更合理（49.26~193.27 Mg?hm?2）。结论: 以“样地?局部?区域”AGB估算框架为基础，并采用随机森林算法和空间插值法，有效结合UAV-LiDAR和GEDI数据，克服了实测样地数量有限和遥感数据空间不连续的问题，验证了光斑样本在森林区域AGB估算中的可行性，实现了高峰林场AGB估算，为森林碳储量评估和可持续管理提供了数据支撑。

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