基于多源遥感数据联合的西南山地森林郁闭度估测

[目的]森林郁闭度(Foret Canopy Cloure,FCC)是评价森林资源和生物多样性重要的生物参数,利用多源遥感协同手段以较小成本实现高精度区域森林郁闭度反演是当前研究热点。[方法]本研究以星载激光雷达ICEat-2%2FATLA数据为主要信息源提取建模参数,在前期结合 54 块实测样地数据,采用贝叶斯优化(Bayeian optimization,BO)算法改进后的随机森林(random foret%2C+RF)、K-最近邻值法(K-Nearet Neighbor,K-NN)、梯度回归(Gradient Booting Regreion Tree,GBRT)模型获取光斑尺度ATLA光斑内的FCC,联合多源遥感影像entinel-1%2F2 及地形因子基于地理加权回归模型(Geographically Weighted Regreion,GWR)进行区域尺度的西南山地香格里拉市FCC遥感估测。采用决定系数(R2)、均方根误差(RME)、绝对残差均值(R)和预测精度(P%)综合评价模型拟合优度。[结果]结果表明,(1)在提取的 50 个ATLA激光雷达光斑参数指标中,经RF特征变量优选后,其中6 个特征参数(Landat_perc、h_dif_canopy、ar、h_min_canopy、toc_roughne、n_touc_photon)贡献率较大,可作为光斑尺度遥感估测模型变量;(2)在光斑尺度研建的BO-RF、BO-KNN和BO-GBRT模型中,以BO-GBRT模型估测的FCC结果最优,留一交叉验证(Leave One Out Cro Validation,LOOCV)的R2%3D 0.65、RME%3D 0.10、R%3D 0.079,P%3D 79.2%,可作为研究区有林地 74808 个ATL A光斑的FCC估测模型;(3)以有林地ATLA光斑尺度的FCC值作为区域尺度GWR模型的训练样本数据,模型精度为R2%3D 0.70,RME%3D 0.06,P%3D 88.27%;(4)FCC遥感估测值与实测值的R2为 0.7,相关系数为 0.784,具有较高的一致性;研究区FCC均值为 0.50,主要分布在 0.3-0.6 之间,占比68.43%;FCC高值区域由西北向东南贯穿分布,北部地区和东南部分别为FCC高值、低值主要分布区。[结论]基于ICEat-2%2FATLA高密集、高精度光斑进行山地FCC估测具有一定优势,以光斑尺度的小样本数据估测结果可作为区域尺度GWR模型的训练样本数据,能为光斑尺度外推至区域尺度低成本、高精度估测FCC提供一种参考。关键词:ICEat-2%2FATLA;贝叶斯优化算法;机器学习;地理加权回归;多源遥感数据