南京林业大学学报(自然科学版)

作者：唐依人,贾炜玮,王帆,孙毓蔓,张颖

单位：1.东北林业大学林学院,黑龙江 哈尔滨 150040,2.东北林业大学森林生态系统可持续经营教育部重点实验室,黑龙江 哈尔滨 150040

关键词：长白落叶松(黄花落叶松),点云数据,枝条特征因子,枝条生物量,混合模型,随机森林

基金：国家自然科学基金区域联合基金项目(U21A20244)

【目的】探究利用地基激光雷达(terrestrial laser scanning,TLS)点云数据估测枝条生物量的可行性,构建预测长白落叶松(黄花落叶松)枝条生物量的最优模型。【方法】以利用孟家岗林场26株长白落叶松点云数据提取出的733个一级枝条的特征因子[枝长(LBL)、弦长(LBCL)、基径(dB)、着枝角度(AB)、弓高(HBAH)、枝条基部断面积(SBAB)、相对着枝深度(dRDINC)]和对应的实测数据为数据源,分别建立枝条水平上的一级枝条生物量基础模型,通过对比基础模型之间的差异来分析利用TLS数据建立枝条生物量模型的可行性。最后利用TLS数据分别对比基础模型、混合效应模型和随机森林模型的预测效果。【结果】基础模型中最终选定的自变量为SBAB和LBCL。利用TLS数据建立的枝条生物量基础模型具有更好的预测精度。对比3种模型预测能力结果显示,随机森林模型无论在训练集还是测试集上都表现出最好的效果,具体顺序为:随机森林模型>混合效应模型>基础模型。其中随机森林模型的决定系数(R2)相较于混合模型和基础模型分别提高了1.32%和4.89%,均方根误差(RMSE)分别降低了11.23%和13.60%。【结论】基于TLS利用随机森林算法能够准确对枝条生物量进行估测,不仅为随机森林算法在林分生长模型上的应用奠定了一定的实践基础,也为TLS在树冠结构研究中的应用提供了重要的参考价值。

来源：2023年第2期

《南京林业大学学报(自然科学版)》期刊编辑部

查看南京林业大学学报(自然科学版)杂志2023年第2期