无人机激光扫描能否作为预测同龄杉木（Cunninghamia lanceolata）人工林树木生长的传统野外方法的有效替代？

《European Journal of Forest Research》：Can unmanned aerial vehicle laser scanning serve as an effective alternative to traditional field methods for predicting tree growth in even-aged Chinese fir (Cunninghamia lanceolata) plantations?

　　

摘要

准确预测树木生长对可持续森林管理至关重要，然而，传统基于地面的树木尺寸和竞争关系测量方法耗费人力且耗时，限制了森林监测的空间和时间范围。本研究评估了无人机激光扫描（ULS）是否能有效替代传统基于地面的方法，用于预测杉木（Cunninghamia lanceolata）人工林中的树木胸径生长量（DBHI）。我们于 2013 年在福建省将乐县建立了 15 个固定样地，并于 2023 年进行了野外调查和 ULS 扫描以计算径级生长量。采用结合特征筛选和 SHAP 分析的可解释机器学习方法，我们利用三组变量集（仅野外数据、仅 ULS 数据、组合数据）开发了具有贝叶斯优化的随机森林模型。ULS 衍生变量实现了与传统野外方法在统计上等价的预测精度（R²?=?0.572 对比 0.542；ΔR^2?=?0.029，95% 置信区间 0.028–0.031；通过在ΔR^2?=?0.05 界限下的 TOST 检验确认等价性）。该差异对应于平均 10 年生长量 6.00 cm 中的 0.06 cm，即约 1%，且整合两种数据源并未进一步改善性能（R²?=?0.566）。结构指标是所有模型中的主要预测因子，分别对基于野外的模型、基于 ULS 的模型和组合模型贡献了 67.9%、85.2% 和 62.3%。由于绝对精度差距很小，这些发现表明，在同龄杉木人工林中，ULS 可以作为与传统野外方法具有可比可靠性的实用替代方案——可能减少所需的野外测量工作量——而不是作为一种普遍优越的方法。其在结构复杂、混交或异龄林中的表现仍有待验证。