融合近程激光雷达与多源遥感数据的中国林冠基部高度空间分布制图研究及其在森林管理与火灾风险评估中的应用

本文提出一种改进的机载激光雷达(Lidar)林冠基部高度(CBH)估算方法，通过点云密度均衡化与树冠形态校正技术，将均方根误差(RMSE)降低50%，并首次生成中国1 km分辨率平均CBHa(6.76±1.59 m)与最小CBHmin(2.70±0.85 m)产品，为森林垂直结构监测、火险评估和生物量模型构建提供关键数据支撑。

　　

Section snippets

Close-range Lidar data

本研究获取2015-2024年间中国多种植被类型（除青藏高原高寒植被区外）的近程激光雷达(Lidar)数据（图1）。采用多传感器多平台策略（图S1，表1），数据量达400 TB，覆盖面积约1117.76 km2，包含361条航带和37组地面激光扫描(TLS)/背包点云，基本涵盖中国主要森林类型。

Methods

本节首先介绍基于机载激光雷达点云的改进型CBH精确提取方法，随后详细描述基于机器学习与卫星数据的升尺度方法，通过大量样地近程激光雷达点云提取的CBH生成精细尺度连续数据产品（整体框架见图2）。

CBH results at tree level

为验证树级CBH提取新方法，将基础方法（命名为Ori）与本研究算法（命名为Proposed）进行对比。采用仅有点云填充的方法（命名为Filled_Only）分步展示改进效果。在6个有机载激光雷达(ALS)点云的样地中，树级验证结果（表3）显示...

Advances and limitations of the improved CBH estimation algorithm

树级CBH的精确估算对生成平均与最小CBH至关重要。本研究提出的方法在森林场景中实现了ALS点云与其他近程点云的CBH对齐估算。通过林下点云填充和树枝朝向考量，将ALS数据初始误差从2 m降至1 m，显著提升树级CBH估算的RMSE。该方法...

Conclusion

CBH数据产品在绘制森林垂直结构、量化森林火险、评估林分质量和测算森林生物量方面具有关键作用。当前中国缺乏国家尺度CBH产品，难以满足森林垂直结构研究需求。基于卫星的简单估算往往高估CBH，且无法获取平均与最小CBH值。近程激光雷达...

（注：根据要求省略了CRediT、Declaration of competing interest和Acknowledgements部分的翻译）