利用稀疏采样激光雷达支持森林清查与小区域估计的模型：以阿拉斯加塔纳纳 G-LiHT 激光雷达为例
应用统计
2024-02-01 v5
摘要
本文建立并实现了一种两阶段层次贝叶斯模型，用于在激光雷达稀疏采样与地理参考森林清查样地测量数据下估计森林生物量密度与总量。该模型的动机源于美国农业部（USDA）林务局森林清查与分析（FIA）计划的目标，即为阿拉斯加内陆偏远的塔纳纳清查单元（TIU）提供生物量估计。所提模型可给出任意大小区域的层级生物量估计。基于模型的估计与 TIU FIA 基于设计的后分层估计进行了比较。针对 TIU 内两个实验林的基于模型的小区域估计（SAEs）与各自利用密集独立清查样地网络生成的基于设计的估计进行了比较。模型参数估计与生物量预测由 FIA 样地测量、与 FIA 样地子集空间对齐的激光雷达数据，以及用于界定土地利用/土地覆盖层与森林冠层覆盖百分比的全覆盖遥感数据共同提供。结果表明，当清查数据稀疏或资源受限导致无法收集足够数据以通过基于设计的方法达到所需精度时，基于模型的方法可用于估计森林变量。
引用
@article{arxiv.2302.06410,
title = {Models to support forest inventory and small area estimation using sparsely sampled LiDAR: A case study involving G-LiHT LiDAR in Tanana, Alaska},
author = {Andrew O. Finley and Hans-Erik Andersen and Chad Babcock and Bruce D. Cook and Douglas C. Morton and Sudipto Banerjee},
journal= {arXiv preprint arXiv:2302.06410},
year = {2024}
}