基于无人机与机器学习的闽江河口秋茄红树林分布与地上生物量协同监测研究

　　 摘要:

河口潮间带红树林作为重要的“蓝碳”生态系统,其分布信息提取和地上生物量估测是加强对红树林湿地监测和评估的研究热点。本研究以福建闽江河口湿地秋茄红树林为研究对象。首先,基于无人机RGB影像,通过面向对象多尺度分割提取影像特征,并采用交叉递归消除法选取研究区植被类型分类的最佳特征组合；其次,采用支持向量机与随机森林算法对比得出最优分类模型,实现秋茄红树林空间分布信息提取；接着,利用样木测树因子构建适用于当地的秋茄异速生长方程；进而结合无人机LiDAR数据和样地实测数据,利用交叉递归消除法筛选点云特征变量；最后,构建样地尺度的秋茄红树林地上生物量估测模型,对比多元线性回归模型、K近邻模型、极端梯度提升模型和随机森林模型的估测精度以确定最优模型,并基于最优模型反演研究区秋茄红树林地上生物量空间分布。结果发现:(1)无人机RGB影像面向对象最优分割尺度、形状因子和紧凑度因子分别为 42、0.5、0.5；(2)利用面向对象结合机器学习算法进行湿地植被类型分类,对比得出随机森林算法分类效果较好,分类精度为92.24%,Kappa系数为0.906。故根据随机森林算法进行研究区整体植被类型分类,并提取秋茄红树林空间分布信息；(3)选取最优单木异速生长方程为幂函数形式:；(4)最优秋茄林地上生物量估测模型为随机森林模型,R2为0.724,RMSE为6.555Mg/hm2,rRMSE为0.412,基于最优估测模型反演研究区秋茄红树林地上生物量,发现秋茄地上生物量分布呈现由西北到东南先增后减趋势。因此,无人机数据与机器学习算法的结合能够精确提取红树林分布信息并估测其地上生物量,本研究建立的闽江河口湿地专用异速生长方程和“分布信息-地上生物量”协同监测体系,可为评估闽江河口湿地生态修复工程成效提供支持,为红树林湿地生态系统经营管理提供科学依据。