Método de Estimativa de Volume Florestal Baseado em Modelo de Crescimento Alométrico e Dados de Sensoriamento Remoto Multissource

A estimativa precisa do volume florestal é crucial para o manejo florestal, equilíbrio do orçamento de carbono e monitoramento de ecossistemas. No entanto, a aquisição rápida, em grande escala e de alta precisão do volume florestal ainda é desafiadora. Propusemos um método de acoplamento do modelo de crescimento alométrico e dados multissource para estimativa de volume florestal (CAMFVe). Primeiro, o modelo de estimativa de DBH é construído por meio de Escaneamento a Laser Terrestre (TLS) e Escaneamento a Laser Aerotransportado (ALS) para obter um volume medido mais preciso. Em segundo lugar, os atributos espectrais do Landsat e os atributos estruturais do ALS são extraídos e ampliados para a escala de plot de 30 m, e os atributos ótimos para a estimativa de volume são selecionados. Em terceiro lugar, o modelo de CAMFVe é construído e aplicado para obter o volume da área de estudo. Finalmente, a aplicabilidade do CAMFVe é avaliada sob quatro ambientes de crescimento florestal (diferentes categorias de fechamento de copa e inclinação), e a precisão é comparada com Regressão Linear Múltipla (MLR), Floresta Aleatória (RF) e Máquina de Vetores de Suporte (SVM). Os resultados mostram que: (1) O modelo de estimativa de DBH por TLS e ALS melhora a precisão do cálculo de DBH do ALS com uma redução de 2,058 cm no RMSE. (2) A média da altura da copa (Hmean) e o Índice de Vegetação Aprimorado (EVI) são identificados como os atributos estruturais e espectrais ótimos, respectivamente. (3) O modelo construído por Hmean e EVI consistentemente alcança maior precisão para a maioria dos ambientes de crescimento florestal, e a adição do atributo espectral melhora a precisão da estimativa de volume com uma redução de 10,152% no RMSE em comparação com o modelo baseado em Hmean. (4) Comparado com MLR, RF e SVM, o CAMFVe oferece maior precisão, requer menos parâmetros e é mais simples e eficiente. Nosso método proposto, baseado no modelo de crescimento alométrico e utilizando índice de vegetação em vez de DBH, fornece uma solução para estimativa de volume em larga escala e alta precisão ao combinar LiDAR espacial e imagens de satélite ópticas.