点击次数：

发表刊物：遥感学报

关键字：ICESat-2，无人机激光雷达，Landsat 8 OLI，随机森林，经验贝叶斯克里金

摘要：森林冠层高度作为森林垂直结构的关键参数，其精准估测在碳循环与森林地上生物量（Above-Ground Biomass，AGB）研究中发挥着不可或缺的作用。随着遥感技术的不断发展，多源遥感数据为大尺度森林监测中 冠层高度估测提供了新的可能性。本研究以中国东北地区（Northeast China，NEC）为研究区域，提出了一种结 合随机森林（Random Forests， RF）和经验贝叶斯克里金（Empirical Bayesian Kriging， EBK）方法的模型（RF EBK），用于区域尺度森林冠层高度的估测。该模型基于星载激光雷达ICESat-2（Ice， Cloud， and Land Elevation Satellite-2） 提供的离散冠层高度数据（ATL08）、Landsat 8 OLI影像、航天飞机雷达地形测绘任务 （Shuttle Radar Topography Mission，SRTM）地形数据以及森林冠层覆盖数据（CATCD），首先采用基于交叉验证 的递归特征消除方法（Recursive Feature Elimination-Cross Validation，RFE-CV）对多源遥感数据中提取的特征因 子进行筛选，通过RF模型进行森林冠层高度估测，并计算测试集的估测残差。基于估测残差的空间自相关性， 利用EBK方法对估测残差进行建模，得到研究区域空间连续残差插值结果，并对RF估测结果进行残差校正，从 而有效提高模型的估测精度，最终实现中国东北地区2023年30m森林冠层高度的高精度估测。结果表明，森林 冠层覆盖特征因子在冠层高度估测中的重要性较高。在模型精度方面，RF-EBK模型相较于单独使用RF模型具 有更优的估测性能，验证集R²提高了59.52%，RMSE和rRMSE均降低了27%。此外，使用在研究区域内6个采样 点采集的无人机激光雷达（Unmanned Aerial Vehicle Laser Scanning， ULS）数据对RF-EBK模型估测结果进行精 度验证， R²为0.69，RMSE为1.65 m，rRMSE为7.81%。综上所述，RF-EBK模型能够实现区域尺度森林冠层高 度的高精度估测，为中国东北地区的精准营林管理和可持续森林资源经营提供了有效的技术支持。

合写作者：赵颖慧

第一作者：李响

论文类型：期刊论文

通讯作者：甄贞*

是否译文：否

发表时间：2025-01-01

收录刊物：EI