为了监测煤矿采动影响下耕地损毁范围和程度，探索地表沉陷与植被长势之间的响应关系，以河南新郑种植的冬小麦为研究对象，利用无人机激光雷达结合RTK技术进行采煤沉陷监测，并对地表高程与沉降数据进行精度验证，基于无人机多光谱影像提取植被指数及纹理特征，采用皮尔逊相关性分析法进行筛选，结合田间同步实测生物量数据，构建决策树回归（Decision tree regression， DTR）、随机森林回归（Random forest regression， RFR）以及支持向量回归（Support vector regression， SVR）的生物量反演模型，通过决定系数(R2)和均方根误差（RMSE）筛选出最佳模型，最终确定研究区冬小麦生物量的空间分布反演结果。结果表明：①所选植被指数（Vegetation indices， VIs）与纹理特征（Texture features， TFs）均与生物量显著相关，与单一变量相比，植被指数和纹理特征结合作为输入变量模型估算精度最高，且采用SVR模型预测精度最高；②研究区生物量在Ⅲ级(414～661 g/m2)和Ⅳ级(661～822 g/m2)区域占整体的66.4%，表明大部分样本的生物量集中在中高范围，生物量低于414 g/m2的小麦区域占25.93%，说明植被长势受采动影响严重；③采动影响下从返青期到拔节期的下沉值与拔节期冬小麦生物量之间存在明显的负相关关系，即随着下沉值的增大，冬小麦生物量减小，在冬小麦返青期到拔节期下沉量大于2.1 m，生物量等级为Ⅰ级。研究结果为制定精确的土地复垦和生态修复策略提供重要依据，为煤粮复合区耕地产能提升提供技术支撑。

0 引言
1 研究区与数据
1.1 研究区概况
1.2 数据采集与预处理
1.2.1 激光雷达影像数据获取与预处理
1.2.2 多光谱影像数据获取与预处理
1.2.3 生物量采集与预处理
1.3 数据处理
1.3.1 下沉值提取及沉陷等值线划分
1.3.2 植被指数选取
1.3.3 纹理特征提取
1.4 反演模型构建与精度评价指标
2 结果分析
2.1 地面沉降监测精度分析
2.1.1 高程精度分析
2.1.2 下沉值精度分析
2.2 相关性分析
2.3 生物量反演模型构建与评价
2.4 反演模型的应用
2.5 采动影响下生物量分布规律
2.5.1 走向方向冬小麦生物量分布规律
2.5.2 沉陷等值线分区下冬小麦生物量分布规律
3 讨论
3.1 冬小麦生物量反演模型
3.2 采动影响区生物量空间分布规律
4 结论

王静,郭文兵,陈志超,等.基于无人机遥感的采动影响区冬小麦生物量分布规律[J/OL].煤炭学报,1-16[2025-02-21].https://doi.org/10.13225/j.cnki.jccs.2024.1386.