橡胶树（Hevea brasiliensis）原产于南美洲亚马逊河流域的热带雨林，我国引进后进行了长时间的研究，逐渐培育出了适宜生长于我国的橡胶树品种。天然橡胶是我国一种重要的战略资源和工业原料，主要来源于橡胶树，广泛应用于国防、医疗、交通等领域，我国非常重视橡胶树的培育工作，橡胶树的生物量与生产力研究也备受重视[1]。森林生物量包括地上生物量（Aboveground biomass，AGB）和地下生物量，表示在一定时间内单位空间中森林植物群落在其生命过中所产有机质的累积量，地下生物量数据不易获取，故研究多集中于地上生物量[2]。建立一个精确的橡胶树单木生物量估测模型对于橡胶树的生长监测以及科学经营、管理等具有重要意义。
随着遥感技术的发展，利用激光雷达（Light Detection and Ranging，LiDAR）技术获取的点云数据来进行生物量估测的应用越来越广泛。研究表明通过无人机LiDAR技术获取的点云数据来建立单木地上生物的估测模型是一种有效的方式[3]。森林生物量与单木参数密切相关，且机载LiDAR数据易于提取三维结构参数[4]。本文以橡胶树的机载LiDAR数据为基础，提取单木树高、冠幅、树冠面积和树冠体积四种参数，基于非线性回归将单木参数作为输入变量建立地上生物模型，为橡胶树地上生物的动态监测提供参考。
一、实验概括
在无风，天气状况良好的情况下获取橡胶树的LiDAR数据。此后对橡胶树进行生物量实测；橡胶树枝繁叶茂，对于树高和冠幅的实际数据采集较难，不能保证精度，本研究直接采用获取的高密度机载LiDAR数据进行人工目视量取树高和冠幅值作为真实的树高和冠幅数据。对获取到的LiDAR数据提取单木参数并采用非线性二乘回归建立橡胶树的生物量模型。
二、研究方法
本研究主要包括点云数据预处理、单木参数提取、橡胶树单木生物量建模和精度评价四个步骤。
（一）预处理。包括去噪、地面点滤波以及点云高程归一化，最终得到非地面点数据相对于地面点的绝对高度。
（二）单木参数提取。直接基于点云量测单木的树高、冠幅，与树冠面积以及树冠体积一起作为模型的输入参数。树高以单木最高点的Z值为准，冠幅以东西、南北两个方向冠幅长度的平均值为最终冠幅，以沿Z轴投影的凸包面积作为树冠面积，以树冠面积和树高的三角锥体积作为树冠体积。
（三）单木生物量建模。将量测的单木参数与实测地上生物量进行 Pearson 相关系数分析，判断提取的单木参数是否可以进行橡胶树地上生物量的模型建立。通过对单株树木的结构参数与实测生物量进行回归分析来建立生物量异速生长模型[5]。本文基于最小二乘回归，将提取的单木树高、冠幅、树冠投影面积以及树冠体积作为输入变量建立单木地上生物量模型。
（四）精度评价。采用决定系数 （R2）和均方根误差(RMSE)统计指标来评估模型的拟合精度以及预测能力。
三、结果与分析
四种单木参数（树高、冠幅、树冠投影面积、树冠体积）与实测地上生物量的 Pearson 相关系数分别为0.620，0.826，0.856，0.906，且在0.01水平显著相关，可以利用几种单木因子进行进一步的生物量模型建立。
基于实地测量的橡胶树生物量数据，结合提取的橡胶树单木参数，采用非线性最小二乘回归，对所选的单木生物量异速生长方程进行模型拟合和参数估计。模型拟合结果的R2=0.842， RMSE=22.471kg，表明单木生物量估测模型的拟合优度较高，说明橡胶树的地上生物量受到树高、冠幅、树冠投影面积以及树冠体积的综合影响。总之，在利用最小二乘法拟合生物量时该模型的拟合程度较好，预测精度也较高，说明无人机LiDAR点云数据可以用于提取单木参数进行橡胶树地上生物量建模，估测橡胶树地上生物量。
四、结论
本研究使用无人机激光雷达获取的橡胶树点云数据，对其进行单木分割并提取单木参数，建立了包含树高、冠幅、树冠投影面积及树冠体积与橡胶树地上生物量之间的关系，从而估测橡胶树地上生物量，具体结论如下：
（一）直接基于LiDAR点云量测的数据能得到较好的生物量模型，说明LiDAR点云数据量测的单木参数可以用于生物量的建模。
（二）选择树高、冠幅、树冠投影面积以及树冠体积进行橡胶树地上生物量建模的拟合效果较好。传统生物量建模一般选用树高和胸径，且拟合优度较高，但机载LiDAR数据很难提取到单木的胸径值，本文构建的单木生物量模型结果证明了在没有单木胸径作为变量构建的生物量模型的前提下，仍然能得到较优的拟合模型：， R2为 0.842， RMSE为22.471kg，拟合优度较高，表明基于无人机LiDAR进行橡胶树地上生物量的估测是可行的。
参考文献
[1] 曾霞，黄华孙. 我国天然橡胶技术发展现状与展望[J]. 中国热带农业. 2021(1): 25-30.
[2] Shan L, Song C, Zhang X, et al. Responses of Above-ground Biomass, Plant Diversity, and Dominant Species to Habitat Change in a Freshwater Wetland of Northeast China[J]. Russian Journal of Ecology. 2020, 51(1): 57-63.
[3] 庞勇，李增元. 基于机载激光雷达的小兴安岭温带森林组分生物量反演[J]. 植物生态学报. 2012, 36(10): 1095-1105.
[4] 李德仁，王长委，胡月明，等. 遥感技术估算森林生物量的研究进展[J]. 武汉大学学报(信息科学版). 2012, 37(06): 631-635.
[5] 刘浩然，范伟伟，徐永胜，等. 基于无人机激光雷达点云的单木生物量估测[J]. 中南林业科技大学学报. 2021, 41(08): 92-99.