关键词:
ICESat-2/ATLAS
贝叶斯优化算法
机器学习方法
SVM-RFE
半方差函数
摘要:
【目的】旨在评估星载光子计数雷达数据估测森林郁闭度(Forest Canopy Closure,FCC)的潜力,为优化森林管理规划提出一种高效率、低成本估测区域尺度FCC的新技术方法。【方法】研究以星载激光雷达ICESat-2/ATLAS光子点云数据为信息源,以滇西北生态脆弱区香格里拉为研究区,结合54块地面实测样地数据,在前期对点云数据进行去噪、分类等预处理的基础上,对研究区74808个有林地光斑冠层参数进行提取(共计59个),使用支持向量机的递归特征消除算法(SVM-RFE)优选特征变量,采用普通克里格(OK)插值出区域尺度特征变量的空间分布,基于贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型建模,以决定系数(R^(2))、均方根误差(RMSE)、总体预测精度(P)、残差平方和(R_(SS))和相对均方根误差(R_(RMSE))作为模型评价指标,以此构建研究区FCC估测模型。【结果】1)由ICESat-2/ATLAS提取的光斑冠层参数经SVM-RFE优选后,6个(asr、n_toc_photons、n_ca_photons、h_min_canopy、toc_roughness、photon_rate_can)冠层参数的平均交叉验证精度高为0.60,可作为OK插值变量;2)以优选的冠层参数作为OK插值变量拟合最佳半方差函数,所有变量的块金效应(SR<25%)较弱,具有强烈的空间自相关性,除asr变量的最佳拟合模型为球状模型(R^(2)=0.689,R_(SS)=2.05×10^(-6),R_(RMSE)=0.1602)外,其余5个变量的最佳拟合模型均为指数模型(R^(2),0.71~0.93;R_(SS),2.34×10^(-9)~1.54×10^(-4);R_(RMSE),0.0239~0.1886);3)在BO-RF、BO-GBRT、BO-KNN郁闭度估测模型中,以BO-RF模型综合建模精度最高(R^(2)=0.73,RMSE=0.09、P=80.13%),可作为研究区FCC遥感估测模型;4)使用BO-RF模型估测的研究区FCC进行空间制图,均值为0.53,主要分布在0.3~0.6之间,占比77.44%。FCC高值区域总体呈现出由东南向北延伸分布的趋势,与研究区森林资源分布情况基本一致。【结论】该方法可为优化森林资源管理提供一种技术与方法上的参考。