宇宙搭載光子計数LiDARは、迅速に大範囲の植生情報を取得する能力を持ち、森林のパラメータ推定に広く使用されているが、普遍性が低いなどの問題があります。 この研究は、ICEStat-2 ATLASデータを使用して、冠高と冠高の異質性、垂直構造特性を利用して森林の蓄積量推定モデルの精度を向上させる可能性に焦点を当てています。 まず、除去されたICEStat-2データを100mの推定単位に分割し、品質管理を行い、異常な単位を識別および削除してデータの品質を確保します。 これをベースに、特徴パラメータのグループ事前選択および規則的な部分集合選択法を使用して、ポイントクラウドの高さ分布特性、冠高および冠高の異質性特性、垂直構造特性を総合的に利用して森林の蓄積量を推定し、最適な特徴組合せ形式を選択します。 研究結果は、スイスのアールゴー州の針広葉樹混交林に対して、ATLAS蓄積量の推定最適モデルが冠層の上部平均高さ、65％密度分位数、葉面積重み付き冠層積および枝葉プロフィールの平均値で構成されていることを示しています。 モデルの10倍交差検証の平均精度は、R²=0.78、RMSE=92.48 m³・hm^-2、rRMSE=0.24です。。 月のR²が約10%向上し、rRMSEは0.28から0.24に低下し、冠層の異質性の高い森林区での蓄積量推定モデルの能力が向上しました。 この研究は、ICEStat-2データを使用した森林蓄積量推定の精度を向上させ、広範囲の森林蓄積量および炭素量のモニタリングアプリケーションに使用する方法を提供します。

森林蓄積量; ICEStat-2 ATLAS; 森林3D構造特性; 冠高異質性; 垂直構造; 品質管理; グループ事前選択; 規則的な部分集合選択