农业机械学报

作者：孙钊，谢运鸿，王宝莹，谭军，王轶夫，孙玉军

单位：中国地质调查局军民融合地质调查中心,北京林业大学,北京林业大学,中国地质调查局军民融合地质调查中心,北京林业大学,北京林业大学,

关键词：森林地上生物量;估测模型;无人机密集点云;SfM;可见光植被指数;机器学习

基金：中国地质调查局地质调查项目（DD20243093）和林业科学技术推广项目（[2019]06）

森林地上生物量（Aboveground biomass，AGB）是评价森林生长情况的重要指标。基于数字航空摄影（Digital aerial photography，DAP）生成的二维和三维数据，分别计算了41个点云高度变量和16个可见光植被指数，利用?6种回归?算法（随机森林（RF）、袋装树（BT）、支持向量回归（SVR）、Cubist、类别型特征提升（CatBoost）、极端梯度提升（XGBoost））分别构建了单一变量集和综合变量集AGB估测模型，探索了不同变量对于AGB估测模型的贡献。研究结果表明光谱数据集和点云数据集AGB预测模型精度最高分别为Cubist和XGBoost，R2分别为0.5309和0.6395。组合数据集最高精度模型为XGBoost，R2达到0.7601, XGBoost模型具有更高的AGB估测稳定性。研究还表明6种机器学习模型的贡献主要取决于所考虑的回归方法，所选择的特征个数和特征对模型的重要性在不同的模型中并不一致。DOM光谱特征在AGB的估测中具有更高的重要性。总体来说，二维和三维数据的结合能够有效提高森林AGB估测精度，基于无人机倾斜摄影获取的RGB影像能够实现森林AGB的快速无损估计。

来源：2024年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第6期