如需要完整文档点击下方 "点击下载文档" 按钮

目的 通过2018年1—2月广西国有高峰林场机载激光雷达数据及地面调查数据，采用参数方法和非参数方法建立回归模型，反演桉Eucalyptus树人工林森林蓄积量。 方法 通过点云提取点云高度参数、点云密度参数、林分郁闭度等点云特征变量，采用参数方法(逐步回归、偏最小二乘回归)和非参数方法(随机森林回归、支持向量机回归)进行林分蓄积量构建，通过与样地实测数据对比，进行模型回归预测性能评估，进而选择出表现最优蓄积量反演模型。 结果 采用留一法对以上4种模型进行验证，结果显示：逐步回归模型R2为0.85、均方根误差(RMSE)为23.93 m3·hm−2、平均绝对误差(MAE)为18.18 m3·hm−2；偏最小二乘回归模型R2为0.81、RMSE为26.52 m3·hm−2、MAE为19.94 m3·hm−2；核函数为RBF的支持向量回归模型R2为0.88、RMSE为21.35 m3·hm−2、MAE为16.62 m3·hm−2；随机森林回归模型R2为0.84、RMSE为24.53 m3·hm−2、MAE为17.41 m3·hm−2。 结论 采用随机森林进行变量筛选后，RBF-SVR模型拟合优度及泛化能力最优；通过逐步筛选法结合方差膨胀因子(VIF)方法优选变量的逐步回归模型次之；最后为随机森林回归模型与偏最小二乘回归模型。可见，在解决林业激光雷达领域中的回归预测问题时，采用非参数方法构建RBF-SVR模型更有优势。本研究建立的4种森林类型蓄积量模型，各模型均有较高精度且符合森林资源调查相关技术规定要求。图6表6参25

如需要完整文档点击下方 "点击下载文档" 按钮

《基于机载激光雷达点云的桉树林分蓄积量估算模型构建》

将 完整文档 下载到本地，方便收藏和查阅

文件号：105248

点击下载文档