학술논문
基于UAV-LiDAR和误差变量回归的落叶松人工林单木参数估测 / Estimation of individual tree parameters of larch plantations based on UAV-LiDAR and error-in-variable regression
Document Type
Academic Journal
Source
中南林业科技大学学报 / Journal of Central South University of Forestry & Technology. 43(7):52-64
Subject
Language
Chinese
ISSN
1673-923X
Abstract
[目的]以人工落叶松为例,探索基于无人机激光雷达(Unmanned aerial vehicle LiDAR,UAV-LiDAR)点云的单木探测提取树高的误差对胸径反演的影响并校准,实现单木参数(胸径、树高)的准确度量,为大尺度高效便捷估测单木参数提供新的思路.[方法]以东北林业大学帽儿山实验林场 13 块 4 个龄组(幼龄林、中龄林、近熟林和成熟林)的落叶松人工林样地UAV-LiDAR数据及野外调查数据为数据源,基于UAV-LiDAR点云的单木探测提取的树高,分别以普通最小二乘法(Ordinary least squares,OLS)和 3 种误差变量回归(标准主轴(Standard major axis,SMA)、远程主轴(Ranged major axis,RMA)和极大似然估计(Maximum likelihood estimate,MLE))构建胸径-树高模型,研究探测误差对各龄组人工落叶松胸径反演的影响并校准.[结果]利用UAV-LiDAR点云的单木探测提取 4 个龄组树高的相对均方根误差(rRMSE),误差范围为3.41%～5.14%;在胸径-树高模型预测方面,3 种误差变量回归均优于OLS,RMA预测效果最好,4 个龄组反演单木胸径的rRMSE降低了2.21%～3.58%.[结论]当满足模型假设时,误差变量回归比OLS在预测响应变量方面表现更好,是估计无偏的模型系数的理想方法,本研究中RMA方法表现最好;本研究所构建的人工落叶松胸径反演模型具有较高的预估精度,各项误差均保持在合理范围内,可实现应用UAV-LiDAR高效便捷地估测大尺度森林单木参数的目的,可在实践中推广.