构建基于激光雷达(light detection and ranging,LiDAR)数据的林分平均高反演模型可为无瓣海桑长势的动态监测提供技术支撑.以北部湾茅尾海无瓣海桑红树林湿地为对象,基于机载LiDAR提取的高度和强度参数变量,借助决定系数R2、均方根误差RMSE、赤池信息准则AIC和贝叶斯信息准则BIC指标对随机森林、支持向量机以及神经网络3种模型进行了优选,在最优模型的支持下估算了研究区的红树林平均高及其空间分布状况.结果表明,研究区无瓣海桑的林分平均高介于3.90～11.58 m之间,其中树高较高、胸径较大的无瓣海桑主要分布在潮沟附近以及研究区中部.在估算无瓣海桑的林分平均高时,贡献率最大的是样方点云高度最大值,其次是75％～99％分位数高度.随机森林回归模型在估测林分平均高模型中的精度最高(R2=0.9381,RMSE=0.58 m,AIC=80.50和BIC=49.05);支持向量机模型次之,该模型在测试阶段的R2为0.7665,RMSE为1.27 m;神经网络模型的拟合效果最差.总体而言,随机森林模型是研究区无瓣海桑林分平均高反演的最优模型.

无瓣海桑;支持向量机;神经网络;随机森林;林分平均高

北部湾大学资源与环境学院,钦州 535000;北部湾大学广西北部湾海洋灾害研究重点实验室,钦州 535000;北部湾大学海洋地理信息资源开发利用重点实验室,钦州 535000

[1]邓静雯;田义超;张强;陶进;张亚丽;黄升光-.机载LiDAR在红树林林分平均高估算中的应用)[J].自然资源遥感,2022(03):129-137

机载,LiDAR,林分平均高,高估,激光雷达,light,detection,ranging,反演模型,无瓣海桑,长势,北部湾,茅尾海,红树林湿地,强度参数,参数变量,决定系数,RMSE,赤池信息准则,AIC,贝叶斯信息准则,BIC,最优模型,分布状况,树高,胸径,潮沟,点云,云高,分位数,随机森林回归模型,估测,支持向量机模型,测试阶段,拟合效果,总体而言,随机森林模型

0.29737