利用采伐机、遥感与环境数据预测挪威云杉林分中的根腐病材积

与挪威云杉 (Picea abies [L.] Karst.) 相关的根腐病 (BR) 损害在北半球木材生产中造成相当大的经济损失。尽管关于 BR 损害的信息对森林管理中的最优决策至关重要，但森林信息系统中通常缺乏 BR 损害分布图。我们利用 186,026 株立木（皆伐）的采伐机信息、遥感数据和环境数据（如气候与地形特征），在挪威林分级预测了受 BR 损害的木材材积。我们使用了两组预测变量的随机森林 (RF) 模型：(1) 采伐后可用的预测变量（理论情形）和 (2) 采伐前可用的预测变量（制图情形）。我们发现，表征森林成熟度的森林属性，如基于遥感的高度、采伐木材材积和胸高平方平均直径，是最重要的预测变量之一。从机载激光扫描数据和 Sentinel-2 影像获得的遥感预测变量比环境变量更重要。采用留林分交叉验证的理论情形取得了 11.4 $m^3ha^{-1}$ 的 RMSE（伪 $R^2$：0.66），而制图情形伪 $R^2$ 为 0.60。当以采伐林分的空间相异 k-means 聚类作为交叉验证单元时，制图情形对应的 RMSE 值和伪 $R^2$ 分别为 15.6 $m^3ha^{-1}$ 和 0.37。这表明，关于空间邻近林分 BR 状况的知识对于获得满意的 BR 损害制图误差率具有高度重要性。