森林研究：开放获取
开放获取

抽象的

使用 Landsat ETM+、Aster GDEM 和激光雷达估算地上森林生物量

莉塞特·科尔特斯·海梅·埃尔南德斯、迭戈·巴伦西亚和帕特里西奥·科尔瓦兰

地上生物量的测量对于了解树木和大气之间的碳流动非常重要；遥感在使广泛和难以到达的地区实现这一目标方面发挥着重要作用。本研究使用不同来源的数据（包括 Landsat ETM ster GDEM、ALS（LiDAR）和森林清查）比较了地上森林生物量估计模型。建立了两组预测变量：第一组包括从 Landsat ETM 和 Aster GDEM 中提取的变量，第二组包括来自 Landsat 与 LiDAR 产品（数字地形模型、数字表面模型和树冠高度模型）相结合的变量。所有模型均采用随机森林算法构建；此方法显式返回每个预测变量的重要性，因此允许选择最佳变量集。分别根据辐射松、蓝桉和次生青冈的森林覆盖率进行了估算。使用 Landsat-LiDAR 组合比使用 Landsat-Aster GDEM 数据获得更好的结果。此外，将该模型应用于松树覆盖时，结果更好（伪 R2 77.22%）。