在瑞典南部，树干并不会影响利用机载激光雷达（aerial lidar）对地表可燃物量进行估算的准确性

地表燃料分层预测中树干点过滤的影响及模型优化研究。使用高密度LiDAR数据（2500点/m2）分析树干点过滤（TPF）对落叶层（R2=0.39）、草本层（R2=0.26-0.28）和枝条生物量预测的影响，发现TPF对模型性能影响不显著，但5米缓冲区强度指标对0-0.5米层预测至关重要，线性回归优于随机森林和非线性模型。

　　

摘要

背景

地表燃料和梯状燃料在控制火灾行为方面起着重要作用，对其的估算对于火灾建模和管理至关重要。尽管机载激光扫描（ALS）能够提供关于森林三维结构的高成本效益、空间明确的数据，但由于树冠遮挡和树干的存在，其在地表燃料估算方面的实用性仍不确定。我们评估了树干点过滤（TPF）对模型性能的影响，该模型用于估算垂直梯度为0.0–2.0米的各层中的地表燃料负荷，这些层次包括枯枝落叶层、草本层和灌木层。我们使用了来自瑞典南部北方-温带混交林的高密度ALS数据（约2500个点/平方米）。我们比较了438种LiDAR指标在利用参数化（线性和非线性）和非参数化（随机森林——RF）回归方法表征地表燃料方面的性能。

结果

在比较不同过滤类型下的LiDAR衍生指标分布和模型性能时，TPF没有显著影响，尽管在0.5–2.0米层次中观察到轻微的改进。地表燃料层次建模的性能在枯枝落叶层深度时最高（R2 = 0.39），在草本层和树枝生物量时为中等（R2 = 0.26–0.28）。线性回归模型的性能始终优于RF模型，并且比非线性回归模型的性能略好。利用参数化回归方法预测枯枝落叶层深度时，TPF的影响可以忽略不计（ΔR2 = 0.02）。基于强度的指标在利用至少5米缓冲半径进行计算时，对于建模0.0–0.5米层次内的燃料层非常有用。

结论

去除树干点并未影响机载LiDAR数据中地表燃料的表示。然而，我们建议正确分类地面点和非地面点以及检测如巨石和枯木等物体，可以对地表燃料的准确预测产生重大影响。