基于树高的生物量估计与不确定性量化
应用统计
2023-05-18 v2
摘要
我们提出一种通过 LiDAR 数据近似异速生长方程的单木生物量估计模型。由于从星载 LiDAR 测量中估计树冠直径具有挑战性，我们开发了一种利用高斯过程回归器在单木尺度上关联树高与生物量的模型。为验证所提模型，我们汇集了 8,342 个关于树高、树干直径和生物量的样本，覆盖全球存在的七种生物群系。我们将模型与基于 Jucker 数据及我们自有数据集的另外四种模型进行参照比较。尽管我们的方法偏离标准生物量-高度-直径模型，我们证明了高斯过程回归模型是一种可行的替代方案。此外，我们将树木生物量估计的不确定性分解为基于模型与基于拟合的贡献。我们验证了高斯过程回归器能够将拟合不确定性降低至 5% 以下。利用机载 LiDAR 测量与地面野外清查调查，林分尺度（或样地尺度）研究证实我们模型的相对误差低于 1%。本研究使用的数据可在 https://github.com/zhu-xlab/BiomassUQ 获取。
引用
@article{arxiv.2305.09555,
title = {Biomass Estimation and Uncertainty Quantification from Tree Height},
author = {Qian Song and Conrad M Albrecht and Zhitong Xiong and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2305.09555},
year = {2023}
}
备注
in press, IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens