| 基于高分一号PMS的新疆落叶松林分郁闭度遥感定量估测 |
| |
| 引用本文： | 刘赛赛,陈冬花,栗旭升,等. 基于高分一号PMS的新疆落叶松林分郁闭度遥感定量估测[J]. 西北农林科技大学学报(自然科学版), 2020, 48(7): 57-66 |
| |
| 作者姓名： | 刘赛赛 陈冬花 栗旭升 等 |
| |
| 作者单位： | 新疆师范大学 地理科学与旅游学院,滁州学院 计算机与信息工程学院，安徽省院士工作站,安徽师范大学 地理与旅游学院,新疆农业大学 草业与环境科学学院 |
| |
| 基金项目： | 安徽省属公办普通本科高校领军人才团队项目；安徽省特支计划项目；安徽省高校学科优秀拔尖人才学术培育项目(gxbjZD44)；安徽省高校协同创新项目 |
| |
| 摘 要： | 【目的】探索高分一号卫星影像在新疆落叶松林林分郁闭度估测中的应用潜力,为高分一号卫星影像用于林分郁闭度定量估测提供技术方法。【方法】以新疆布尔津林场为研究区,以阿尔泰山西段新疆落叶松林为试验对象,基于高分一号PMS多光谱影像和DEM数据,利用遥感和GIS技术,采用多元逐步回归和BP神经网络2种方法对新疆落叶松林分郁闭度进行估测。【结果】从模型验证结果可以看出,BP神经网络模型(决定系数R~2=0.713,均方根误差RMSE=0.082,相对均方根误差rRMSE=0.175,估测精度EA=82.401%)对新疆落叶松林林分郁闭度的估测要明显优于多元逐步回归模型(R~2=0.692,RMSE=0.085,rRMSE=0.182,EA=81.680%),且BP神经网络模型建模时R~2=0.714,与其精度验证时的R~2=0.713非常接近,说明模型的稳定性良好。【结论】2种模型的估测精度均高于80%,这说明高分一号PMS数据在新疆落叶松林林分郁闭度估测方面具有一定的潜力。
|
| 关 键 词： | 遥感；林分郁闭度；多元逐步回归；BP神经网络；新疆落叶松 |
| 收稿时间： | 2019-07-11 |
Quantitative estimation of stand closure density of Larix sibirica by remote sensing based on GF-1 PMS |
| |
| LIU Saisai,CHEN Donghua and LI Xusheng,et al. Quantitative estimation of stand closure density of Larix sibirica by remote sensing based on GF-1 PMS[J]. Journal of Northwest A&F University（Natural Science Edition）, 2020, 48(7): 57-66 |
| |
| Authors: | LIU Saisai CHEN Donghua LI Xusheng et al |
| |
| Abstract: | |
| |
| Keywords: | remote sensing stand closure density multiple stepwise regression back propagation neural network Larix sibirica Ledeb |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《西北农林科技大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《西北农林科技大学学报(自然科学版)》下载全文 |
|
