地理信息科学 · 遥感与 LiDAR · 森林资源定量估测
浙江农林大学环境与资源学院在读。研究方向是把机载 LiDAR 点云与多光谱影像融到一起， 用机器学习反演杉木人工林的蓄积量，并做无人机实景三维的成果表达。
做什么：以机载 LiDAR 点云与多光谱影像为数据源，构建样地级特征集，建立杉木人工林蓄积量反演模型。
特征：高度分位数与离散度（H_mean / H_p95 / H_cv）、冠层覆盖度与回波比（CC_ratio、D1 / D5_ratio）、
冠层结构（Gini、FHD、LAI_p95）、多光谱指数（NDVI、NGRDI、TGI）与纹理（Tex_var、Tex_Hom）。
建模：VIF 共线性剔除 + Boruta / RFE 特征选择 → XGBoost；用分层 k 折与空间块交叉验证
避免空间自相关导致的信息泄漏，并与多元线性回归、随机森林对照。
评价与解释：R² / RMSE / MAE / rRMSE 配合残差空间诊断，最后用 SHAP 给出各特征的贡献方向与量级。
思路：一次外业、两套载荷、三次质检、一份真值——同一架次同时完成 LiDAR 与多光谱数据获取，
把时相差异压到最小。
作业链：航线规划（由成果 GSD 与点密度反算相对航高）→ 像控与检查点 → 仿地飞行 → 空三加密 →
密集匹配 → 点云分类与 CHM 生产 → 精度检核，共 7 个阶段；像控点与检查点各自独立观测两次（间隔 ≥60 min）核验几何精度。
产出：去噪并分类后的 LAZ 点云、DEM / DTM、归一化点云与 0.5–1 m 的 CHM、
正射影像与实景三维模型，统一到同一坐标系（EPSG:4547）的规则网格上，供特征提取直接使用。
每木检尺：逐株记录方位角、水平距、胸径、树高、冠幅与枝下高，按杉木二元立木材积式
（V = a·Db·Hc）计算单株材积与断面积。
样地汇总：按样地统计株数、断面积、平均胸径 / 树高与优势高，换算每公顷断面积与
每公顷蓄积量，作为建模真值。
质量控制：样地因子表与每木检尺表联动校验、异常值检查，最终输出「样地—特征矩阵」
（末列为真值与建模集标记），直接对接建模环节。
我是黄翀与，浙江农林大学环境与资源学院地理信息科学方向在读。 比起"跑通一个模型"，我更在意一件事：这条精度曲线背后，林地到底长什么样。 所以我的工作基本长在野外样地和点云之间——外业测回来的每一棵样木，最终都要能在模型里找到它的位置。
目前关注：森林参数遥感反演、LiDAR 与光学影像的特征级融合、空间交叉验证的可靠性问题、以及三维成果的可视化表达。
邮箱：3077645837@qq.com
GitHub：github.com/041206hcy