基于多源遥感数据与贝叶斯优化的山地森林冠层郁闭度高精度估算研究

本文创新性地结合ICESat-2/ATLAS星载光子计数激光雷达与Sentinel-1/2多源遥感数据，采用贝叶斯优化（BO）算法改进机器学习模型，构建了山地森林冠层郁闭度（FCC）的跨尺度估算体系。研究通过地理加权回归（GWR）模型实现从足迹尺度到区域尺度的精准映射，验证了高密度光子点云数据在复杂地形区FCC反演中的优越性，为森林资源评估与生物多样性监测提供了低成本、高精度的技术方案。

　　

1 引言

森林冠层郁闭度（FCC）作为评估森林资源与生物多样性的核心参数，其精准测算对理解人类活动与气候变化对生态系统的影响至关重要。传统测量方法受限于效率与尺度，而光学遥感易受光谱饱和影响，机载激光雷达成本高昂。本研究以中国西南高山区的香格里拉市为试验区，首次将新一代星载光子计数激光雷达ICESat-2/ATLAS数据作为主信息源，结合54个实测样地，构建了从足迹尺度到区域尺度的FCC估算体系。

2 研究材料

2.1 研究区概况

香格里拉市地处横断山脉，平均海拔3,459米，森林覆盖率76%，以冷温带针叶林（云杉、冷杉等）为主。复杂地形与显著海拔落差（4,042米）为验证ATLAS数据在异质地形的适应性提供了理想场所。

2.2 数据获取与预处理

• 实测数据：54个半径8.5米的圆形样地（匹配ATLAS足迹尺寸），采用测线法获取FCC真值，RTK定位误差<0.02米。

• ATLAS数据：选用2018年发射的ICESat-2卫星ATL03（原始光子）与ATL08（地表高程）产品，通过DDBSCAN+KNNB算法去噪，PTD方法分类地面与冠层光子。

• 多源遥感：Sentinel-1 SAR数据经辐射定标与地形校正，Sentinel-2多光谱数据利用红边波段增强植被特征。

3 研究方法

3.1 特征变量优化

从ATLAS提取50个参数，经随机森林（RF）筛选出6个关键变量：Landsat_perc（贡献率12.68%）、h_dif_canopy等；区域尺度从91个变量中优选13个，最终保留NDVI、坡度等6个通过OLS共线性诊断（VIF<10）的因子。

3.2 模型构建

• 足迹尺度：采用贝叶斯优化（BO）改进KNN、RFR、GBRT模型，其中BO-GBRT表现最优（R²=0.65，RMSE=0.10）。

• 区域尺度：以74,808个森林足迹FCC值为训练样本，结合GWR模型实现空间连续预测，AICc降至99,265.12。

4 结果与分析

4.1 模型性能

BO算法使模型精度显著提升：

• BO-GBRT较原始GBRT的R²提升48.95%，RMSE降低20.36%。

• GWR模型验证R²达0.70，预测精度P=88.27%，残差MAR=0.047。

4.2 空间分布特征

研究区FCC均值0.50，68.43%区域处于0.3–0.6区间。高值区（>0.6）集中分布于北部天然林区，低值区（<0.3）见于东南部城镇带，与人类活动强度呈负相关。40个独立验证样地的R²为0.62，证实模型可靠性。

5 讨论

5.1 技术创新

• 光子点云优势：17米小足迹与0.7米采样间隔显著降低地形干扰，较传统GLAS（70米足迹）更适合山地应用。

• 跨尺度建模：首次实现ATLAS足迹级FCC向区域尺度的无缝扩展，为全球森林参数制图提供范式。

5.2 应用前景

该方法在平原区的可移植性需进一步验证，未来可通过增加群落类型样本优化模型普适性。结合深度学习算法有望突破小样本限制，推动大尺度生态监测的自动化。

6 结论

研究证实ICESat-2/ATLAS数据在复杂地形区FCC估算中的优越性，所提"BO优化+GWR扩展"技术路线兼具低成本与高精度优势，为森林资源动态监测与碳中和评估提供了可靠工具。