共查询到16条相似文献,搜索用时 140 毫秒
1.
2.
3.
【目的】水云模型(WCM)是一种采用SAR数据反演森林地上生物量(AGB)应用较为广泛的半经验模型,探索将不同波长、极化方式、极化信息等引入WCM,以期为提高森林AGB反演精度提供科学依据。【方法】本文以X、C、L、P波段多频极化SAR数据为数据源,首先将各波长各极化后向散射系数用于WCM进行森林AGB反演,对比其反演精度;接着采用极化分解分量构建地体散射比参数,并将其引入WCM发展为极化水云模型(PolWCM),同时对比分析其在X、C、L、P波段森林AGB的反演结果。【结果】(1)在X、C、L、P 4个波段中,除X波段外,将HV极化后向散射系数代入WCM进行森林AGB反演,精度均高于基于其他极化通道后向散射系数的反演结果;且长波长(L和P)的反演精度高于短波长(X和C)的反演精度。在L波段,将HV极化后向散射系数代入WCM进行森林AGB反演,R2和RMSE分别为0.46和18.00 t/hm2;P波段HV极化反演结果的R2和RMSE分别为0.43和21.18 t/hm2。(2)将极化信息以地体散射... 相似文献
4.
【目的】探讨综合光学遥感和微波遥感的多源数据森林蓄积量反演方法。【方法】以L波段ALOS PALSAR全极化数据和Landsat TM为数据源,结合地面调查样地数据,通过ALOS PALSAR提取不同极化状态的后向散射系数和极化比值等极化特征因子,Landsat TM数据提取光学遥感因子,以多元线性回归构建森林蓄积量模型。【结果】光学遥感反演方法、微波遥感反演方法、综合光学遥感和微波遥感的多源数据反演方法均可以实现森林蓄积量估测,其中,基于多源数据协同的反演模型为最优模型,决定系数R~2为0.674,模型检验均方根误差RMSE为13.38 m~3/hm~2。【结论】要比使用一种数据源的反演方法具有明显的优势,有效实现了森林蓄积量估测。 相似文献
5.
6.
7.
生物量是反映农作物产量和生长健康状况的主要指标,然而直接进行农作物生物量估测不仅耗时耗力,而且具有破坏性。由于遥感技术在植被生物量反演中的方便、快捷及有效性,近年来不少研究者开始关注采用遥感技术进行农作物生物量的反演。小麦是包括中国在内的许多国家的主要粮食作物,寻找合适的小麦生物量精确估测方法在其产量估测中具有重要意义。以试验区小麦整个生长期内获取的5景全极化Radarsat-2数据及同步的地面调查数据为基础,分析了Freeman-Durden和H/A/α两种极化分解的相关极化参数与其生物量的相关关系,并在此基础上构建了4种传统经验回归模型和随机森林(RF)非参数模型反演小麦生物量。另外,根据农作物散射的物理基础,结合Freeman-Durden分解参数,还构建了表面散射与整体散射能量比值参数、体散射与总体散射能量比值参数、体散射与表面散射比值参数和二次散射与整体散射能量比值参数(Odd/Span,Vol/Span,Vol/Odd and Dbl/Span)四个参数参与极化参数对小麦生物量的敏感性分析。研究中提取的各极化参数根据播后天数在各地块内取均值以降低随机性对提取的极化参数的影响,共计95块小麦地块用于研究。研究结果表明:Freeman-Durden分解的参数中,体散射分量、表面散射分量及这两者与总散射能量的比值、这两者的比值均表现出与小麦生物量的高相关性(R20.55);相比Freeman-Durden分解的参数,H/A/α分解参数中除反熵外,熵和散射角均表现出与生物量的高相关性(R20.70)。另外,小麦生物量反演模型的可行性研究结果表明:4种经验回归模型中,二次多项式和对数模型更适合采用极化参数对小麦生物量的反演。该类方法反演小麦生物量的最佳均方根误差为77.94g·m-2,相对误差为29.05%。尽管采用随机森林的重要性参数排序中,H/A/α分解中的H和α参数也排序靠前,但是在单因子的经验回归中,其反演结果的误差较大,均方根误差为101.74g·m-2,相对误差为37.91%。尽管如此,大多数非参数随机森林参数重要性排序结果与极化分解参数与生物量相关分析的结果基本一致,采用随机森林反演。小麦生物量的精度也有明显提高,均方根误差为54.53g·m-2,相对误差为20.32%。 相似文献
8.
基于随机森林算法的橡胶林地上生物量遥感反演研究--以景洪市为例 总被引:1,自引:0,他引:1
以景洪市橡胶林为研究对象,将获得的样地植被指数和生物量数据用随机森林方法建立相关关系,将建立的关系用 Landsat TM影像反演出整个研究区域的生物量分布,用影像和实地样地调查数据进行分析和验证,实现光学遥感的大范围生物量反演。在反演过程中将植被指数作为自变量,使用 R 语言环境下的随机森林方法进行变量筛选和建模,并对该方法的适用性进行分析评价。结果表明:随机森林算法适用于森林生物量反演;选择的变量为可见光大气阻抗植被指数(VARI)、简单比值指数(RVI)、归一化植被指数(NDVI)、水分胁迫指数(MSI)、中红外指数(MidIR);总体模型反演精度 R2=0.43,RMSE =46.05。反演结果对于生物量密度较低的区域回归效果较好,对于生物量超过200 t/hm2的地区,反演结果偏低,且随着生物量密度的增加,反演结果偏差逐渐增大。 相似文献
9.
光学和合成孔径雷达(SAR)多源传感器数据融合对提高森林地上生物量(AGB)提取精度具有重要意义。以太平湖森林为研究对象,以Sentinel-1 SAR数据和Sentinel-2光学数据为数据源,利用随机森林回归算法系统性地评估光学和SAR数据对AGB反演的互补优势和策略选择。采用Sentinel-2光学数据的AGB反演精度(R2=0.63,RMSE=37.05 mg/hm2,sMAPE=0.56)优于采用Sentinel-1 SAR数据的AGB反演精度(R2=0.37,RMSE=52.25 mg/hm2,sMAPE=0.65),联合两者数据的AGB估算精度最高(R2=0.69,RMSE=34.17 mg/hm2,sMAPE=0.55);基于不同策略构建的AGB估计模型当中,植被指数(RVI、NDVI和红边相关的NDVIre)和纹理变量(NDVIre_Mea)的重要性高于光谱波段和后向散射系数。联合Sentinel-1和Sentinel-2数据的光谱波段、植被指数、纹理信息和后向散射系数,能够有效的缓和遥感信息饱和性问题和提高AGB反演精度。 相似文献
10.
基于多源数据的根河实验区生物量反演研究 总被引:2,自引:2,他引:0
森林是陆地生态系统的重要组成部分,精确估测森林地上生物量能够减少陆地生态系统碳储量的不确定性。本文以内蒙古大兴安岭根河实验区为研究区,基于森林样地调查数据、Landsat 8 OLI、机载P-波段PolSAR以及ASTER GDEM数据,分别采用多元线性逐步回归法和基于随机森林算法(Random Forest, RF)进行特征优化选择后的k-最近邻(k-nearest neighbors, k-NN)法对研究区森林地上生物量(above-ground biomass, AGB)进行估测,对比验证采用不同类型数据(单传感器数据和多传感器数据)时2种方法的反演结果来寻求森林AGB估测的最优方法和输入因子,最后利用最优的估测方法来反演整个研究区的森林AGB,生成根河实验区的森林AGB等级分布图。结果表明:对于多元线性逐步回归和k-NN 2种不同的方法,森林AGB的反演都表现出较为一致的结果,即采用多传感器遥感数据(Landsat 8 OLI和机载P-波段PolSAR数据)比采用单传感器遥感数据估算的森林AGB精度要高;而在同时采用多传感器遥感数据进行森林AGB的反演中,k-NN算法的估测结果(R2=0.65, RMSE=17.49 t/hm2)明显优于多元线性逐步回归算法(R2=0.36, RMSE=22.08 t/hm2)的估测结果。显然,多源数据协同反演森林AGB可以充分利用每种传感器的优点,提高遥感估测森林AGB的能力;与多元逐步回归方法相比,k-NN算法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系,且能够避免发生过学习现象和样本不平衡问题。 相似文献
11.
针对区域尺度森林地上生物量的分布情况,以大兴安岭生态观测站为例,提出了一种融合光学影像纹理和机载LiDAR点云特征的森林地上生物量遥感估测方法。该方法首先提取Landsat 8 OLI不同波段在不同运算窗口下的纹理特征;然后对机载LiDAR点云进行滤波提取地面点,并利用地面点对点云数据进行高度归一化处理,提取点云特征因子;最后结合提取的遥感特征因子,利用支持向量回归的方法对研究区森林地上生物量进行估测,并对结果进行精度验证。结果表明:不同波段和窗口尺寸的建模精度差异较大,蓝光波段在7×7运算窗口下模型精度最高(R~2=0.73,R_(MSE)=22.32 t/hm~2);点云高度分位数变量的建模精度呈正态分布,变量H_(50)的建模精度最高(R~2=0.75,R_(MSE)=19.24 t/hm~2);与单一的遥感特征变量相比,融合光学影像纹理和机载LiDAR点云特征的模型精度有了一定提高,且针叶林和混交林的估测R_(MSE)分别为19.63和20.40 t/hm~2。因此,该方法可以为区域性的森林地上生物量估测提供有效参考。 相似文献
12.
以福建省将乐县杉木林为研究对象,以C波段双极化合成孔径雷达数据(Sentinel-1)为数据源,通过计算不同极化方式下的后向散射系数和纹理特征值,采用多元线性逐步回归分析,分别建立以后向散射系数与纹理特征值为自变量,杉木林生物量为因变量的估测模型,筛选最优杉木林生物量估测模型。结果表明:VH、VV与VH/VV极化方式的后向散射系数与森林生物量均没有明显的相关关系,相关系数均低于0.2;运用纹理信息建立的生物量估测模型中,VV极化纹理特征值的估测模型的决定系数为0.716 7,均方根误差为62.48 t·hm-2,模型的估测效果最好。因此,C波段双极化合成孔径雷达影像纹理参数在估测森林生物量方面具有重要作用。 相似文献
13.
目前遥感技术是估测区域森林生物量的有效手段。基于TM影像和样地数据,分析了从TM影像中提取的17个自变量与森林生物量的相关性,并用多元逐步回归法建立森林生物量模型,用于估算2009年北京山区森林生物量。提取的17个自变量中红光波段(TM3)、土壤校正植被指数(SAVI)和主成分分析的第三分量(PC3)为较好的解释变量,据此建立的生物量模型的相关系数较高(R2=0.869),估算得到北京山区森林生物量总计达1 088.38万t,平均生物量密度为35.2 t.hm-2。北京山区多数地方的森林生物量介于20-30 t.hm-2,大于30 t.hm-2的森林生物量主要分布在北部山区,表明北京森林质量不高,但提高的潜力很大。 相似文献
14.
基于机载激光雷达的森林地上碳储量估测 总被引:1,自引:0,他引:1
以内蒙古大兴安岭生态站为研究对象,以2012、2013年的66块样地数据和2012年同步获取的机载Li DAR遥感数据为数据源,分别采用多元线性回归和随机森林回归算法,通过对比不同算法间的估测精度差异,选择更适于研究区的估测方法,实现研究区森林地上碳储量的遥感估测。结果表明:随机森林回归算法的估测精度最优,模型训练精度(R2为0.861,RMSE为11.133 t/hm2,rRMSE为0.279)和预测精度(RMSE为17.956 t/hm2,rRMSE为0.342,估测精度范围40.898%~95.129%,平均估测精度76.385%)均优于多元线性回归的模型训练结果 (R2为0.676,RMSE为11.846 t/ha,rRMSE为0.351)和模型预测结果(RMSE为22.703 t/hm2,rRMSE为0.636,估测精度范围45.824%~94.752%,平均估测精度69.859%)。机载Li DAR数据的高度变量和密度变量与森林地上碳储量均具有显著相关性,高度变量相关性更为显著。随机森林回归算法对区域森林地上碳储量的估测结果趋于真实分布情况,效果比较理想。 相似文献
15.
16.