基于EBKRP法优化GEDI数据的龙竹叶绿素含量估测

　　

摘要： 叶绿素含量是评价森林健康状况和植被生长状况的重要参数,利用遥感技术以低成本准确估测区域尺度叶绿素含量是当前亟待解决的问题。本研究以云南省玉溪市新平县为研究区,以GEDI数据为主要信息源,基于经验贝叶斯克里金回归预测(EBKRP)法准确获取研究区内光斑特征参数在未知空间的连续分布,结合52块样地实测数据,采用Pearson、随机森林(RF)、梯度提升回归树(GBRT)3种方法筛选最优组合参数,利用随机森林回归(RFR)模型和GBRT模型建立区域尺度龙竹叶绿素含量最佳估测模型。结果表明:EBKRP法预测精度高,结果可靠,R²值在0.34～0.99,RMSE值在0.012～3134.005,rRMSE值在0.011～0.854,CRPS在965.492～1626.887。参数选优方法不同,选出的最佳组合参数略有差异。遥感建模方法不同,构建的模型精度存在差异,利用GBRT模型构建的遥感估测模型(R²=0.94,RMSE=0.132,P=91.2%),其性能优于 RFR模型(R²=0.89,RMSE=0.192,P=89.3%);选用GBRT模型估测研究区龙竹叶绿素含量,其分布范围为0.22～2.32 g·m^-2,平均叶绿素含量为1.36 g·m^-2,此研究结果与研究区龙竹分布具有一致性,说明基于EBKRP法优化后的GEDI数据,选用GBRT模型进行森林生化参数估测具有可行性,结果可靠,可为森林健康监测提供有效支持与服务。