基于機(jī)載激光雷達(dá)數(shù)據(jù)的天山云杉林蓄積量反演模型構(gòu)建

曲延斌，王振錫*，呂金城，馬琪瑤，郝康迪，葛 瑤

(1.新疆農(nóng)業(yè)大學(xué) 林學(xué)與園藝學(xué)院，新疆 烏魯木齊 830052；2.新疆教育廳 干旱區(qū)林業(yè)生態(tài)與產(chǎn)業(yè)技術(shù)重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830052)

森林作為陸地生態(tài)系統(tǒng)中最大的碳庫(kù)，在應(yīng)對(duì)氣候變化和實(shí)現(xiàn)碳中和目標(biāo)過(guò)程中發(fā)揮著不可替代的作用[1]。森林植物吸收大氣中的CO2并將其固定在植被或土壤中，從而減少CO2在大氣中的濃度，具有顯著的固碳能力。森林蓄積量是指一定森林面積上存在著的林木樹(shù)干部分的總材積[2]，既可以反映一個(gè)地區(qū)的森林資源規(guī)模及水平，也能夠衡量森林的健康狀況、豐富程度和固碳能力，是森林資源調(diào)查中最為重要的指標(biāo)之一。在傳統(tǒng)森林資源調(diào)查過(guò)程中，森林蓄積量測(cè)算主要依賴于抽樣技術(shù)和大量人工調(diào)查，具有工作量大、周期長(zhǎng)、實(shí)效性差的缺點(diǎn)，快速、準(zhǔn)確獲取大面積森林蓄積量一直都是森林資源經(jīng)營(yíng)管理領(lǐng)域亟待解決的技術(shù)難題。

近年來(lái)，遙感技術(shù)憑借大面積同步觀測(cè)和周期短的優(yōu)勢(shì)，廣泛用于森林資源調(diào)查、規(guī)劃和監(jiān)測(cè)等，極大地提高了工作效率。尤其是機(jī)載激光雷達(dá)技術(shù)，突破了傳統(tǒng)光學(xué)遙感的局限性，在獲取地形和林分結(jié)構(gòu)因子等信息方面具有不可比擬的優(yōu)越性，為準(zhǔn)確、高效獲取森林蓄積量提供了新的技術(shù)途徑[3-5]。許多學(xué)者利用機(jī)載激光雷達(dá)數(shù)據(jù)開(kāi)展了森林結(jié)構(gòu)參數(shù)信息提取研究[6-8]，不少學(xué)者在森林蓄積量估測(cè)方面進(jìn)行了有益的探索[9-13]。王臣立等[9]利用LANDSAT-TM植被指數(shù)組合，結(jié)合森林清查數(shù)據(jù)，構(gòu)建了熱帶人工林蓄積量的多元回歸與神經(jīng)網(wǎng)絡(luò)模型；劉瓊閣等[11]利用偏最小二乘法開(kāi)展了基于TM影像的密云縣森林蓄積量遙感估測(cè)，精度達(dá)到了90.1%；廖順寶等[13]基于全國(guó)森林資源清查數(shù)據(jù)，采用不同森林類(lèi)型面積和蓄積量之間的線性回歸關(guān)系反映了公里網(wǎng)格尺度上的森林蓄積量空間變化。森林蓄積量的大小不僅與樹(shù)高、林分密度等林分結(jié)構(gòu)因子直接相關(guān)，而且地形因素對(duì)其也有著非常重要的影響。楊鳳萍等[14]研究了油松(Pinustabuliformis)和華山松(P.armandii)蓄積量的垂直梯度變化規(guī)律，認(rèn)為海拔梯度對(duì)林分蓄積量具有一定的影響。劉貴峰等[15]驗(yàn)證了海拔差異對(duì)天山云杉林蓄積測(cè)量有著顯著影響。劉俊等[16]認(rèn)為不同立地質(zhì)量對(duì)森林蓄積量遙感估測(cè)有較明顯的影響，且分立地質(zhì)量類(lèi)型建模精度要明顯優(yōu)于統(tǒng)一建模精度。R.Nelsonetal[17]利用脈沖激光系統(tǒng)獲取森林樹(shù)冠高度，以預(yù)測(cè)地面森林生物量與木材體積，模型預(yù)測(cè)的平均總蓄積量在地面值的2.6%以內(nèi)。在天山云杉方面以機(jī)載激光雷達(dá)數(shù)據(jù)為數(shù)據(jù)源開(kāi)展的森林蓄積量反演大多基于“樹(shù)高-胸徑”或“冠幅-胸徑”關(guān)系模型，采用材積表法構(gòu)建林分蓄積量反演模型[17-21]。這些研究，一方面沒(méi)有綜合考慮林分高度、林分密度以及地形條件等多變量因素與林分蓄積量的緊密關(guān)系，另一方面所構(gòu)建的森林蓄積量模型大部分屬于傳統(tǒng)的基于回歸關(guān)系的經(jīng)驗(yàn)?zāi)Ｐ?，而包含某種生物生長(zhǎng)機(jī)理的生物生長(zhǎng)模型較少。鄧立斌等[22]以林分地位指數(shù)、林分年齡和林分密度為自變量構(gòu)建模型對(duì)杉木的蓄積量進(jìn)行預(yù)估，所建立模型精度較高。Schumacher模型是基于可變密度的收獲預(yù)估模型，模型中充分考慮了對(duì)林分蓄積量具有決定作用的影響因子，除樹(shù)高外，也包含年齡、林分密度、立地質(zhì)量等因子，使林分蓄積量的反演精度得到較大的提高[23-24]。冉啟香等[25]，以 Richards和Schumacher模型為基礎(chǔ)模型，采用不同密度指標(biāo)，擬合油松林分的斷面積與蓄積量，預(yù)估效果較好，且Schumacher模型的預(yù)估精度要更高于Richards模型，充分考慮到影響森林蓄積量的林分因子，大大提高了森林蓄積量以及收獲量預(yù)估的準(zhǔn)確度。

天山云杉(Piceaschrenkianavar.tianschanica)作為新疆天山山地最主要的地帶性森林植被，其林分占新疆天然林喬木林地面積的44.9%，是構(gòu)成天山乃至新疆森林生態(tài)系統(tǒng)的物質(zhì)主體，在涵養(yǎng)水源、調(diào)節(jié)氣候、應(yīng)對(duì)氣候變化、實(shí)現(xiàn)碳中和目標(biāo)和維持山區(qū)生態(tài)系統(tǒng)平衡等方面發(fā)揮著重要的主導(dǎo)作用，為了更好地開(kāi)展森林生態(tài)效益評(píng)價(jià)、建立生態(tài)效益補(bǔ)償機(jī)制以及監(jiān)測(cè)森林碳匯等工作，大面積天然林森林蓄積量的測(cè)定無(wú)疑成為區(qū)域生態(tài)綜合監(jiān)測(cè)的重要內(nèi)容之一。由此，探索和研究利用現(xiàn)代信息技術(shù)進(jìn)行天山云杉林蓄積量快速、準(zhǔn)確測(cè)定的技術(shù)方法顯得尤為迫切。

本研究在天山云杉林實(shí)地調(diào)查的基礎(chǔ)上，結(jié)合機(jī)載激光雷達(dá)數(shù)據(jù)，綜合考慮林分年齡、林分密度和立地質(zhì)量等因子，采用Schumacher收獲預(yù)估模型建立多變量天山云杉林蓄積量反演模型，旨在獲得便捷、快速提取森林蓄積信息的技術(shù)方法，為探索山地天然林精準(zhǔn)監(jiān)測(cè)與評(píng)價(jià)提供技術(shù)途徑。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于天山山脈中段的新疆農(nóng)業(yè)大學(xué)實(shí)習(xí)林場(chǎng)(86°46′-86°57′E，43°16′-43°26′N(xiāo))，該地域地處頭屯河上游，烏魯木齊市西南方位110 km(圖1)，東西長(zhǎng)達(dá)15 km，南北長(zhǎng)達(dá)17.5 km。林場(chǎng)屬于溫帶大陸性氣候，平均海拔2 200 m，年平均降水量達(dá)600 mm，平均溫度3 ℃，年日照大于1 300 h，無(wú)霜期約為140 d。森林主要分布在北坡、東北坡和西北坡，以天山云杉純林為主，混雜有少部分天山樺(BetuIatianschanica)、山楊(Populusdavidiana)、天山花楸(Sorbustianschanica)等樹(shù)種。

1.2 數(shù)據(jù)來(lái)源

1.2.1 影像數(shù)據(jù)來(lái)源 激光雷達(dá)影像數(shù)據(jù)拍攝于2020年10月15日，采用華測(cè)導(dǎo)航AS-1300HL多平臺(tái)激光雷達(dá)系統(tǒng)(表1)，該雷達(dá)可以有效穿透植被，獲取植被的垂直結(jié)構(gòu)信息，更好地進(jìn)行點(diǎn)云分類(lèi)與森林參數(shù)提取。選擇天氣晴朗的中午時(shí)間起飛，在最大程度上消除樹(shù)木陰影的影響。

表1 激光雷達(dá)主要參數(shù)

1.2.2 外業(yè)數(shù)據(jù)獲取 2020年6月，按照森林資源二類(lèi)調(diào)查技術(shù)規(guī)程，以無(wú)人機(jī)航拍圖像為底圖，結(jié)合實(shí)際地形、林分結(jié)構(gòu)特征等布設(shè)樣地。采用系統(tǒng)抽樣法，在林場(chǎng)范圍內(nèi)以東西30 m和南北50 m為間隔確定樣方中心，樣方規(guī)格為30 m×30 m，通過(guò)遙感判讀，保留100個(gè)天山云杉純林樣方。樣方圍測(cè)采用羅盤(pán)法，相對(duì)閉合差小于1/200，在樣方邊界涂刷紅油漆進(jìn)行標(biāo)識(shí)。對(duì)樣方內(nèi)胸徑大于5 cm，樹(shù)高大于3 m的天山云杉全部每木檢尺，并采用天山云杉二元材積表法計(jì)算樣地蓄積量。采用華測(cè)i90慣導(dǎo)RTK，基于載波相位動(dòng)態(tài)實(shí)時(shí)差分(Real-time kinematic)方法實(shí)時(shí)獲得厘米級(jí)的實(shí)測(cè)樣地中心點(diǎn)和4個(gè)角樁的坐標(biāo)，同時(shí)記錄樣地的坡度、坡向、海拔等基本信息(表2)。

表2 樣方每木檢尺數(shù)據(jù)

2 特征參數(shù)提取與結(jié)果

利用GIS軟件提取與天山云杉林蓄積量相關(guān)的林木樹(shù)高、林木每公頃株數(shù)、樣地坡度、坡向、海拔這些GIS因子建立蓄積量模型，提高對(duì)蓄積量的估測(cè)精度。

2.1 特征參數(shù)的提取

2.1.1 樹(shù)高與每公頃株數(shù)的提取 對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，通過(guò)設(shè)定的高度閾值進(jìn)行去航帶重疊點(diǎn)與噪聲點(diǎn)處理，基于Kraus濾波算法[24]結(jié)合中值濾波分離出地面點(diǎn)，再收集地面點(diǎn)進(jìn)行地面高程的重建，插值生成數(shù)字高程模型(digital elevation model,DEM)。收集去噪后的第1次回波點(diǎn)插值生成的數(shù)字表面模型(digital surface model,DSM)，利用DSM減去DEM獲得研究區(qū)林分的冠層高度模型(CHM，canopy height model)。冠層高度模型構(gòu)建原理見(jiàn)圖1。

圖1 冠層高度模型構(gòu)建原理

樹(shù)高的提取是在冠層高度模型(CHM)的基礎(chǔ)上對(duì)其進(jìn)行局部最大值提取，利用ArcGIS軟件空間分析中的焦點(diǎn)統(tǒng)計(jì)功能，對(duì)鄰域內(nèi)象元的最大值賦予焦點(diǎn)，利用柵格計(jì)算工具將焦點(diǎn)統(tǒng)計(jì)所得結(jié)果與CHM相減，差值為0的點(diǎn)為樹(shù)木的最高點(diǎn)，因天山云杉為針葉樹(shù)種，其樹(shù)木最高點(diǎn)即為樹(shù)冠頂點(diǎn)，運(yùn)行重分類(lèi)命令，去掉非冠層頂點(diǎn)，并將冠層頂點(diǎn)由柵格數(shù)據(jù)轉(zhuǎn)換為矢量數(shù)據(jù)。

對(duì)獲得的矢量樹(shù)冠頂點(diǎn)與DEM、DSM和CHM的高程數(shù)據(jù)進(jìn)行對(duì)比，結(jié)合樹(shù)冠頂點(diǎn)密度情況，對(duì)偽樹(shù)冠頂點(diǎn)進(jìn)行剔除。并且根據(jù)研究區(qū)域?qū)嶋H樹(shù)高情況，對(duì)低于2 m的樹(shù)冠頂點(diǎn)也進(jìn)行剔除，剩余的樹(shù)冠頂點(diǎn)位置則為林木頂點(diǎn)，在ArcGIS軟件中將剩余樹(shù)冠頂點(diǎn)與CHM圖層疊加，獲取林木樹(shù)高，并根據(jù)樹(shù)冠頂點(diǎn)數(shù)，得到樣地每公頃株數(shù)。提取結(jié)果見(jiàn)圖2。

圖2 樹(shù)冠頂點(diǎn)高度提取

2.1.2 海拔、坡度、坡向的提取 使用ArcGIS10.4軟件，將DEM數(shù)據(jù)導(dǎo)入，利用3D Analyst工具柵格表面執(zhí)行等值線命令，在DEM的基礎(chǔ)上生成等高線圖(圖3A)，執(zhí)行坡向命令，生成坡向圖(圖3B)，執(zhí)行坡度命令，以5°為間隔進(jìn)行處理生成坡度圖(圖3C)，利用數(shù)據(jù)管理工具中的柵格屬性獲取等高線、坡度、坡向的平均值，為接下來(lái)的蓄積量的計(jì)算提供參數(shù)。

注:A等高線圖像；B坡向圖像；C坡度圖像。

2.2 Schumacher收獲預(yù)估模型

采用Schumacher(1939)收獲模型構(gòu)建天山云杉林蓄積量模型。Schumacher模型的蓄積量收獲曲線為

M=α0e-α1/t

(1)

(2)

轉(zhuǎn)換的一般形式為：

lnM=β0+β1t-1+β2f(SI)+β3f(SD)

(3)

式中:M表示單位面積上的林分收獲量；t表示林分年齡；f(SI)表示地位指數(shù)SI的函數(shù)；f(SD)表示林分密度SD的函數(shù)；α0、α1、β0、β1、β2、β3為方程參數(shù)。

由于生態(tài)、氣候等隨機(jī)因素的影響，樹(shù)高生長(zhǎng)是一個(gè)隨機(jī)過(guò)程，這個(gè)過(guò)程可以用林分樹(shù)高生長(zhǎng)的全體樣本函數(shù)空間表示，并且受到立地質(zhì)量的影響。但林分立地質(zhì)量與林分密度不能當(dāng)作隨機(jī)因子來(lái)分析處理，隨著林分年齡的增大，它對(duì)林分樹(shù)高的影響愈發(fā)明顯。對(duì)于天山云杉樹(shù)種，其材積生產(chǎn)潛力與樹(shù)高生長(zhǎng)呈正相關(guān)，且受林分密度和間伐的影響不大，因此，本研究用天山云杉林分平均高來(lái)估計(jì)立地質(zhì)量。

3 結(jié)果與分析

3.1 林分因子提取精度分析

將100個(gè)樣地的樹(shù)高、每公頃株數(shù)、坡度、坡向、海拔進(jìn)行提取，為了驗(yàn)證基于高光譜遙感數(shù)據(jù)的樣地因子提取精度，對(duì)其進(jìn)行與實(shí)測(cè)值的對(duì)比檢驗(yàn)。

基于激光雷達(dá)影像對(duì)樹(shù)高和每公頃株數(shù)進(jìn)行克里金插值法，對(duì)坡度、坡向、海拔進(jìn)行裁剪、屬性提取、樣地因子屬性平均數(shù)分析后，所獲得的樹(shù)高提取精度為89.64%，每公頃株數(shù)提取精度為85.13%，坡度提取精度為84.26%，坡向提取精度為82.63%，海拔提取精度為97.25%(表3)。其中提取每公頃株數(shù)時(shí)，由于天山云杉的冠幅形狀與不同林木冠幅大小的差距，進(jìn)行焦點(diǎn)統(tǒng)計(jì)時(shí)選擇圓形，并將半徑設(shè)置為1，以避免冠幅較小的云杉有遺漏，但會(huì)造成較大冠幅的云杉形成2個(gè)以上的偽頂點(diǎn)，導(dǎo)致每公頃株數(shù)提取數(shù)量高于實(shí)測(cè)數(shù)量，精度降低，除此之外，其他提取因子與實(shí)際測(cè)量所得數(shù)據(jù)的精度均在80%以上，因選取樣地具有代表性且基數(shù)較大，有較高的適用性，所以使用遙感影像來(lái)對(duì)樣地因子進(jìn)行估測(cè)提取是適用于天山云杉的(圖4)。

圖4 立地因子提取精度對(duì)比折線

表3 立地因子提取值精度統(tǒng)計(jì)

3.2 基于激光雷達(dá)數(shù)據(jù)的Schumacher蓄積收獲模型構(gòu)建

將70個(gè)樣地提取的林分因子數(shù)據(jù)代入Schumacher蓄積收獲模型中，進(jìn)行基于激光雷達(dá)影像數(shù)據(jù)的模型構(gòu)建獲得以下函數(shù)

lnM=5.027-99.217/t+0.047SI+0.001×A

(5)

SI=2.951-(-0.000 127)×B-0.004×C-0.000 174×D+0.179×t

(6)

t=5.6435×H-14.707

(7)

式中:M為樣地蓄積量；t為林分平均年齡；A為林分每公頃株數(shù)；B為樣地坡向；C為樣地坡度；D為樣地海拔；H為林分平均高。

樣地提取因子代入模型后，所獲蓄積量lnM的模型擬合度R2=0.8；立地質(zhì)量SI函數(shù)擬合度R2=0.99；林分年齡t的函數(shù)R2=0.83。

3.3 模型檢驗(yàn)

將剩余30個(gè)樣地的林分提取因子數(shù)據(jù)代入模型中，求出樣地的估測(cè)蓄積量，并與實(shí)地調(diào)查所得蓄積量進(jìn)行比較分析，檢驗(yàn)?zāi)Ｐ偷倪m用性以及對(duì)天山云杉蓄積量反演的精度。得到樣地估測(cè)蓄積量與實(shí)地測(cè)量蓄積量相比，其中精度最高為99.04%，最低為78.52%，平均精度為90.22%。

將樣地實(shí)測(cè)獲得的蓄積量作為自變量x，根據(jù)模型所估測(cè)獲得的蓄積量作為因變量y，建立線性回歸方程：y=0.964 1x+0.749 1，其中相關(guān)系數(shù)R=0.875(圖5)。

圖5 樣地蓄積量實(shí)測(cè)值與預(yù)測(cè)值線性回歸

將實(shí)測(cè)蓄積量與代入模型檢測(cè)獲得的估測(cè)蓄積量放入SPSS軟件中，根據(jù)實(shí)測(cè)值與估測(cè)值建立殘差分布圖(圖6)，并進(jìn)行T檢驗(yàn)，從殘差圖可以看出數(shù)據(jù)的殘差值大多數(shù)在(-2，+2)殘差區(qū)間內(nèi)，說(shuō)明回歸模型能較好地符合原始數(shù)據(jù)，且進(jìn)行配對(duì)T檢驗(yàn)后，表4中T值為1.741，顯著性概率P=0.092>0.05。因此，對(duì)天山云杉蓄積量的估測(cè)值與實(shí)測(cè)值差異并不顯著，建立的蓄積量收獲預(yù)估回歸模型符合預(yù)期效果。

圖6 云杉蓄積量殘差分布

表4 樣地蓄積量估測(cè)值與實(shí)測(cè)值配對(duì)樣本檢驗(yàn)

4 結(jié)論與討論

4.1 結(jié)論

1)采用激光雷達(dá)進(jìn)行遙感數(shù)據(jù)采集，不僅提高工作效率，在進(jìn)行單木分割時(shí)，使用基于分水嶺算法及點(diǎn)云聚類(lèi)等多種分割算法，實(shí)現(xiàn)對(duì)測(cè)區(qū)整體激光點(diǎn)云的單木分割，獲得清晰的分割效果，在進(jìn)行因子提取時(shí)有較高的精度，其中樣地海拔提取平均精度達(dá)到97.25%，樹(shù)高提取精度為89.64%。

2)在對(duì)蓄積量進(jìn)行建模過(guò)程中，對(duì)立地質(zhì)量進(jìn)行參數(shù)化，使用坡度、坡向、海拔等已知因子構(gòu)建立地質(zhì)量函數(shù)，其擬合度R2達(dá)到0.99，說(shuō)明對(duì)立地質(zhì)量進(jìn)行在參數(shù)化的方法是可行的。

3)基于Schumacher蓄積收獲模型，以林分蓄積量的倒數(shù)lnM作為因變量，將林齡的倒數(shù)作為預(yù)測(cè)變量，構(gòu)建出的模型為lnM=5.027-99.217/t+0.047SI+0.001SD，林分的蓄積量隨著年齡t的增大而不斷增大，與立地質(zhì)量和林分密度也有著正相關(guān)關(guān)系。

4)建立的收獲預(yù)估模型與以往Schumacher蓄積收獲模型的研究有著共性，且包含的分模型精度也都較高，實(shí)際值與模型計(jì)算出估測(cè)值差異性不顯著，總模型對(duì)天山云杉林蓄積量估測(cè)精度達(dá)到90%，為以后的研究提供了一定的參考價(jià)值，利用Schumacher蓄積收獲模型能夠?qū)μ焐皆粕嫉男罘e量估測(cè)提供科學(xué)的理論基礎(chǔ)，對(duì)天山云杉的營(yíng)林措施制定也有著較好的指導(dǎo)意義。

4.2 討論

相比較以往的遙感技術(shù)，激光雷達(dá)數(shù)據(jù)具有更加便捷、準(zhǔn)確的特征，本次試驗(yàn)工作時(shí)間選在天氣良好，天空無(wú)云，12:00左右以消除云朵、山體或云杉本身陰影對(duì)影像提取時(shí)可能產(chǎn)生的影響因子。

在對(duì)因子進(jìn)行提取時(shí)，誤差的因素包括在中齡林或幼齡林林分中，由于樹(shù)木頂端生長(zhǎng)的枝條過(guò)于幼嫩，頂端較細(xì)，在激光雷達(dá)進(jìn)行數(shù)據(jù)采集時(shí)，激光探測(cè)信號(hào)不能在達(dá)到林木頂點(diǎn)時(shí)成功反射回在信號(hào)采集器中，處理點(diǎn)云數(shù)據(jù)時(shí)，選取到林木尖端以下較粗的枝干作為樹(shù)木的頂點(diǎn)，導(dǎo)致提取樹(shù)高低于實(shí)測(cè)樹(shù)高，在后期蓄積量計(jì)算過(guò)程中，由于小樹(shù)的蓄積較小，且本試驗(yàn)中，對(duì)林木樹(shù)高計(jì)算方面，采用群體水平繪制樹(shù)高曲線圖的方法獲取樣地整體的平均樹(shù)高，因此單株小樹(shù)樹(shù)高誤差對(duì)試驗(yàn)結(jié)果蓄積量的計(jì)算影響較小。坡向會(huì)由于一個(gè)樣地中存在著山脊或者山谷的情況，導(dǎo)致坡向有較大的起伏，提取坡向時(shí)會(huì)產(chǎn)生誤差值。

對(duì)蓄積量反演過(guò)程中，需要考慮到樹(shù)木的生長(zhǎng)依賴于林地的立地條件，與立地質(zhì)量和林分密度等因素是密切相關(guān)的，因此，在構(gòu)建模型過(guò)程中，要獲取立地質(zhì)量和林分密度等因子信息數(shù)據(jù)，建立合適的模型。在加入坡向、坡度、海拔等地形因素構(gòu)建模型估測(cè)蓄積量方面，馮凱等[26]在基于landset8遙感影像以立地因子為自變量，采用BP神經(jīng)網(wǎng)絡(luò)與逐步線性回歸為建模方法，構(gòu)建蓄積量反演模型，精度達(dá)到78.5%，蘇迪等[27]在基于無(wú)人機(jī)影像的基礎(chǔ)上，對(duì)地形因子進(jìn)行提取，使用偏最小二乘回歸法構(gòu)建蓄積量估測(cè)模型，估測(cè)精度達(dá)到88.43%。江希鈿等[28]以林分年齡、地位指數(shù)SI、林分密度指數(shù)SDI為輸入變量，從模型間的相容性出發(fā)，建立了杉木人工林可變密度的全林分模型。

本試驗(yàn)基于激光雷達(dá)數(shù)據(jù)，獲得的模型效果與蔣伊尹等[29]對(duì)大興安嶺興安落葉松的天然林分收獲量預(yù)估結(jié)果規(guī)律一致，林分的蓄積量與該林分的立地質(zhì)量和林分密度有著密切的關(guān)系。

將立地指數(shù)與林分密度因素引入到Schumacher方程中，建立出天山云杉的蓄積收獲預(yù)估模型，回避了過(guò)往的以胸徑樹(shù)高反演蓄積量的模式，由于樹(shù)木胸徑在遙感影像上無(wú)法直接獲取，只能通過(guò)樹(shù)高或者冠幅等其他因子進(jìn)行建模轉(zhuǎn)換，二次轉(zhuǎn)換導(dǎo)致誤差環(huán)節(jié)增多，在激光雷達(dá)點(diǎn)云數(shù)據(jù)下，直接獲取了林分的樹(shù)高與株數(shù)，結(jié)合密度與立地質(zhì)量對(duì)林分的蓄積量進(jìn)行反演，減免了通過(guò)中間變量換算林木胸徑，從而減小了誤差存在的幾率，對(duì)于林分的蓄積量估測(cè)精度遠(yuǎn)高于以往含有胸徑因素參與其中的蓄積模型，更有益于構(gòu)建具有普適性的林分調(diào)查蓄積反演模型。